Diseño de un modelo de personalización para mejorar la experiencia del consumidor en plataformas digitales

Abstract

Este estudio desarrolla un modelo teórico-práctico de personalización adaptativa para optimizar la experiencia del consumidor en plataformas digitales, integrando variables psicológicas, contextuales y tecnológicas mediante un diseño mixto secuencial explicativo con una muestra de n = 1250 usuarios activos (18-65 años, tres niveles socioeconómicos) de Latinoamérica. Los resultados evidencian una relación significativa (β = 0.82, p < 0.001) entre la personalización percibida (relevancia contextual M = 3.87, adaptabilidad dinámica M = 3.65) y la experiencia del consumidor, mediada por la confianza en la interacción (z = 3.12, p = 0.002), mientras que la transparencia algorítmica (F(2, 1247) = 89.45, p < 0.001) emerge como factor crítico para reducir desconfianza y sobrecarga informativa. El Modelo de Personalización Adaptativa Basada en Perfiles de Experiencia (PAEP) incrementó un 20% (d = 0.89, p < 0.001) la intención de repetición frente a modelos tradicionales, validando su eficacia en contextos competitivos. Los hallazgos identifican como barreras clave la privacidad percibida (M = 3.21) y la desconfianza en recomendaciones automatizadas (M = 3.05), mientras que la coherencia con el historial de compras y la reciprocidad en la interacción actúan como facilitadores. Se proponen métricas compuestas para medir impacto en lealtad y engagement, junto con recomendaciones accionables para diseñadores y responsables de marketing, destacando la necesidad de equilibrar precisión algorítmica con significado humano en entornos de hiperpersonalización.