Comportamiento del Consumidor en el Mundo Digital

Abstract

Este Trabajo de Fin de Grado analiza cómo la inteligencia artificial influye en el compor- tamiento de compra del consumidor en el entorno digital actual. Se optó por una metodología cualitativa que combina el análisis documental con trabajo de campo. Primero se hizo un fo- cus group con cinco participantes, cuyo análisis —apoyado en procesamiento de lenguaje natural en Python y en el análisis temático de seis fases de Braun y Clarke (2006)— llevó a identificar siete temas: confianza condicionada, paradoja de la privacidad, personalización y encasillamiento algorítmico, transparencia y explicabilidad, autonomía frente a convenien- cia, sesgo algorítmico y brecha generacional. Esos temas sirvieron de base para diseñar una encuesta que recogió 123 respuestas válidas, analizadas con estadísticos descriptivos y tests de asociación (Pearson, Spearman, t de Student y Chi-cuadrado). Los datos muestran que el 81,3% de los encuestados ya ha usado algún sistema de IA al comprar, y el 82,9% espera usarla más. Quienes la usan con más frecuencia están más satisfechos (r = 0,479; p < 0,001), y quienes más confían en sus recomendaciones también (ρ = 0,568; p < 0,001). Pero lo más curioso no son esos números: es la contradicción con la que muchos consumidores conviven sin demasiado problema. Dicen que les preocupa la privacidad de sus datos y, al mismo tiempo, siguen en las mismas plataformas que los recopilan. No se plantean irse. Piden más claridad sobre cómo funcionan los algoritmos, pero la falta de claridad tampoco les hace cambiar de comportamiento. Esa tensión entre lo que la gente dice y lo que hace, entre la comodidad y el control, es básicamente el hilo que conecta todo el trabajo.

This undergraduate thesis examines how artificial intelligence influences consumer pur- chasing behavior in today’s digital environment. A qualitative methodology was used, com- bining documentary analysis with two field research techniques. A focus group with five participants was first conducted and analyzed using natural language processing in Python and the six-phase thematic analysis framework by Braun and Clarke (2006). Seven themes emerged: conditional trust, the privacy paradox, personalization and algorithmic pigeonho- ling, transparency and explainability, autonomy versus convenience, algorithmic bias, and the generational divide. These themes shaped the design of a structured survey yielding 123 valid responses, analyzed through descriptive statistics and association tests (Pearson and Spearman correlations, Student’s t-test, and Chi-square). Results show that 81.3% of respondents have used AI systems when shopping, and 82.9% expect to use them more. More frequent users report higher satisfaction (r = 0.479; p < 0,001), and the same holds for those who trust recommendations more (ρ = 0.568; p < 0,001). But arguably the most interesting finding is not in those correlations. It is the contradiction that many consumers seem perfectly comfortable living with: they say data privacy worries them, and yet they keep using the exact platforms that collect it. They do not seem to be planning to stop anytime soon. They ask for more transparency about how algorithms work, but a lack of it does not seem to change their behavior either. That gap — between what people say and what they actually do, between convenience and control — runs through the entire study and is arguably its most thought-provoking thread.