¿QUÉ EFECTOS TIENE LA SERVITIZACIÓN DIGITAL EN EL DESARROLLO DE LA INVESTIGACIÓN CUALITATIVA ONLINE? UNA APROXIMACIÓN EXPLORATORIA

WHAT EFFECTS DOES DIGITAL SERVITIZATION HAVE ON THE DEVELOPMENT OF ONLINE QUALITATIVE RESEARCH? AN EXPLORATOTY APPROACH

Lázaro Echegaray [*]Profesor e investigador a tiempo completo en la Escuela Universitaria de la Cámara de Comercio de Bilbao en el área de Investigación Social y de Mercados y de Comportamiento del consumidor.

Camarabilbao University Business School, España

DOI: https://doi.org/10.18543/bee.3238

Recibido: 21 de julio de 2025
Aceptado: 03 de octubre de 2025
Publicado en línea: febrero de 2026

Copyright

RESUMEN

Entendemos la servitización como la mejora de la oferta de productos y servicios mediante la aplicación de elementos que aporten valor añadido¹. A lo largo de su existencia, la investigación social y de mercado ha contado con servicios electrónicos que contribuyen al desarrollo de la metodología cuantitativa, primero, y cualitativa después. El presente artículo pretende analizar el efecto de estos desarrollos tecnológicos en la investigación de mercados cualitativa. Así, desde una perspectiva exploratoria y descriptiva, mediante Desk research y análisis de contenido, se describe la relación de la servitización digital² con la metodología cualitativa. Los resultados muestran la existencia y uso de estas herramientas en el mundo del marketing y su implementación en los institutos de investigación social. No obstante, podría decirse que, pese a su amplia implantación en la industria de la investigación, los datos de contratación siguen siendo muy bajos (Insigths + Analytics, 2021, 2022,2023, 2024)

Palabras clave: Investigación cualitativa online, Servitización digital, Recogida y análisis de datos, Institutos de investigación social.

ABSTRACT

Servitization is understood as the improvement of the supply of products and services through the application of value-added elements³. Throughout its existence, social and market research has relied on electronic services that have contributed to the development of quantitative methodology first and qualitative after. This article aims to analyze the effect of these technological developments on qualitative market research. Thus, from an exploratory and descriptive perspective, through desk research and content analysis, the relationship between digital servitization⁴ and qualitative methodology is described. The results show the existence and use of these tools in the marketing world and their implementation in social research institutes. However, it could be said that, despite its widespread implementation in the research industry, the recruitment figures remain very low.

Keywords: Online qualitative research, Digital servitization, Data collection and analysis, Social research institutes.

Sumario: 1. Introducción. 2. Metodología de la investigación. 3. Primeros pasos en la servitización aplicada a la investigación de mercados cuantitativa. 4. Aportaciones del teléfono y la informática a la investigación de mercados. 5. Big data y Small data. 6. Web scraping. 7. Social listening: La digitalización y su aplicación para la realización de análisis cualitativo. 8. El efecto de la IA en el análisis de consumidores. 9. Social listening en la industria de investigación de mercado en España. 10. Conclusiones / Discusión. Referencias.

1. Introducción

Históricamente, los métodos cualitativos han sido siempre vistos como hermanos menores en la familia de la investigación de mercados, donde la metodología por excelencia ha sido la investigación cuantitativa. En los departamentos de marketing de las empresas demandantes de investigación de mercados se alega que esta metodología cualitativa es cara y su realización requiere mucho tiempo. Las nuevas tecnologías han hecho realidad la inmediatez en la obtención de resultados, concepto que en el mundo del marketing supone un gran valor.

Las redes sociales han traído nuevas formas de comunicación social. Generan espacios para la conversación entre usuarios, enriquecida con materiales gráficos y audiovisuales. Así, las redes sociales se convierten en soportes en los que realizar investigación cualitativa online.

Cualquier cambio en la tecnología supone un cambio en la mentalidad de los usuarios (Rabetino et al., 2021). Los procesos de innovación afectan a actores de diversa índole, como proveedores y demandantes (Narvaiza et al., 2025). La investigación de mercado ha conocido previamente innovaciones digitales aplicadas en la investigación cuantitativa, lo que favorece la aceptación innovaciones en la investigación cualitativa. Estos cambios de mentalidad podrían terminar con los tabúes y prejuicios que durante tanto tiempo han acompañado a la investigación cualitativa. De acuerdo con Guandalini (2022), la innovación genera también cambios en los paradigmas profesionales empresariales, y en su clientela. El objetivo de este trabajo se centra en determinar el efecto de la tecnología digital aplicada al método cualitativo y el posible cambio en la mentalidad de los actores. No obstante, se parte de la hipótesis de que la cultura de la cuantificación se mantiene fuerte en el entramado empresarial que comprende la investigación de mercados.

2. Metodología de la investigación

Una vez creado el contexto, determinado el objetivo del trabajo y formulada la hipótesis inicial, se procede a desarrollar la metodología a partir de la cual se ha realizado el proceso de investigación. Se trata de una metodología fundamentada en el análisis de fuentes documentales, de naturaleza cualitativa y de tipo exploratorio y descriptivo. La investigación de fuentes documentales es efectiva cuando se quieren identificar datos consistentes en palabras e imágenes que contienen información relacionada con el objeto de estudio. Los textos tienen la característica de funcionar como ‘dispositivos heurísticos’ (Silverman, 2013). Su búsqueda se ha realizado mediante el uso de la técnica etnográfica denominada desk research para la recopilación de fuentes secundarias, estableciendo un rastreo tanto en fuentes analógicas como digitales. Respecto a estas últimas, coincidimos con Silverman (2013) en que en la actualidad la comunicación está cada vez más medida por las tecnologías de la información. En conclusión, se trata de recoger datos textuales para posteriormente analizarlos mediante el análisis de contenido.

El proceso de búsqueda requiere orden y una clasificación de fuentes secundarias en función de la importancia de cada una de ellas. Para el desarrollo de este trabajo se han utilizado las siguientes: repositorios de artículos académicos de alta indexación, relacionados con el uso de tecnologías de la comunicación y la información en la investigación cualitativa; publicaciones especializadas en el sector del marketing y de la investigación de mercados. Otras fuentes de información utilizadas han sido las páginas web de los institutos de investigación españoles en las que, mediante análisis de contenido, se ha examinado su relación con la investigación cualitativa y con el Qualitative social data analysis, buscando una aproximación a la realidad de implantación de estas herramientas en el mercado. Las asociaciones de profesionales del sector, en este caso ESOMAR a nivel internacional e Insights & Analytics en el nacional, también han sido consultadas. Así, la selección de fuentes busca obtener información tanto desde una perspectiva académica como profesional, haciendo el artículo válido tanto para profesionales del marketing y otras áreas de actividad, como para docentes y estudiantes de marketing, sociología, psicología u otras disciplinas usuarias de investigación social y de mercados. Desde una perspectiva más general, el trabajo aporta conocimiento sobre lo que la servitización ofrece al sector de la investigación social y de mercados en general, y a la metodología cualitativa en particular.

3. Primeros pasos en la servitización aplicada a la investigación de mercados cuantitativa

La servitización en el campo de la investigación de mercados fue utilizada por primera vez a finales de los años treinta del siglo pasado, en el Bureu of Aplied Social Research de la Universidad de Columbia, donde el psicólogo social Paul f. Lazarsfield dirigía el estudio sobre audiencias radiofónicas. Este estudio utilizaba una innovación tecnológica para la recogida de información sobre consumo de contenidos de radio: el Analizador de programas o Máquina de perfiles, denominado coloquialmente audímetro. El dispositivo analizaba la reacción de la audiencia ante los contenidos radiofónicos, teniendo en cuenta variables como el gusto, el disgusto o la indiferencia (Mattelart y Mattelart, 1997). Posteriormente, la consultora Nielsen adquirió los derechos de explotación comercializándolo en empresas de televisión (Fowles, 1992). El audímetro se convirtió en la herramienta principal y universal para la investigación de audiencias y puede ser considerado el primer ejemplo de servitización en la investigación de mercados (Echegaray, 2012). Conviene indicar que el desarrollo de esta innovación fue fruto de la relación entre dos actores: Frank Stanton, directivo de la empresa CBS, y Paul Lazarsfield, investigador social, lo que indica la importancia que tiene, en la innovación, la creación de servicios centrados en el cliente. Este proceso de innovación generó cambios en la mentalidad del sector (Rabetino et al., 2021) y cambios en el paradigma profesional (Guandalini, 2022).

4. Aportaciones del teléfono y la informática a la investigación de mercados

Las innovaciones tecnológicas suponen cambios significativos en la cultura y en la estructura social. Estas innovaciones tienen la capacidad de reconfigurar roles de distintos tipos, incluso en las dinámicas laborales (Wajkman, 2022). En el mundo de la investigación de mercados, una innovación determinante fue la aparición de programas estadísticos capaces de analizar grandes cantidades de datos mediante estadística avanzada, mostrando resultados de forma gráfica. Estos programas tuvieron un efecto considerable en la calidad y en la inmediatez de los datos resultantes (Rahman y Muktadir, 2021; Bala, 2016). Entre los paquetes informáticos de estadística social destacan el SPSS (Statistical Package for the Social Science), de IBM, u otros como STATA, R, o SAS.

La democratización del teléfono en los hogares significó un gran avance en la realización de las tareas de encuestación (Echegaray, 2018). Muchas empresas de investigación lo adoptaron como canal de realización de encuestas. Surgieron así los denominados call centers, que solventaban los problemas propios del trabajo de campo. Los call center se equiparon con programas informáticos como los CATI (Computer Assistent Telephone Interview), que hoy son determinantes para la calidad de la encuestación telefónica (Barbu e Isaic-Maniu, 2011). Añadido a estos programas se encuentra el sistema de selección de casos RDS (Random Digital System), que selecciona aleatoriamente llamadas sobre una base de datos y solventa los problemas de muestreo (Echegaray, 2018).

La innovación tecnológica no sólo afectó a la práctica de la investigación cuantitativa. Enseguida aparecieron programas informáticos destinados al análisis cualitativo, como el NVIVO⁵, ATLAS TI⁶ o MAXQDA⁷. Estos programas ayudan en el análisis de la transcripción, la escritura y anotación, la codificación e interpretación de texto (Reyes-Flores y Mejía-Rivera, 2024; Morchid y Hdouch, 2024, Williamson et al, 2025).

5. Big data y Small data

Desde los primeros años del siglo XXI, con la llegada de la digitalización, la recogida de información en forma masiva con sistemas digitales se hizo habitual. La digitalización trajo la posibilidad de recoger información proveniente de elementos externos como tarjetas de fidelización, de transportes, de crédito, geolocalización, o espacios digitales visitados, permitiendo registrar datos de comportamiento social mediante el Big Data. A la hora de citar algunos programas y herramientas recomendadas para el análisis de Big Data en la investigación social y de mercado, hay que tener en cuenta lenguajes y entornos de programación como Python o R; plataformas de procesamiento y análisis como Apache Hadoop, que es un sistema para almacenamiento y procesamiento de grandes volúmenes de datos, o Apache Spark, un motor de procesamiento más rápido que Hadoop e ideal para análisis de datos en tiempo real (Palve et al., 2024). Existen otras herramientas y plataformas capaces de recoger y analizar Big Data orientado al análisis social, como por ejemplo Rapid Miner⁸, KNIME⁹ o Gephi¹⁰.

En el campo de la investigación cualitativa online cobra gran relevancia el denominado Small Data. Se relaciona con el Big Data, aunque en el caso del primero la información que recoge es más detallada y manejable, más adecuada para análisis profundos (Sivarajah et al, 2017) sin necesidad de herramientas complejas. Humphrey y Wang (2018) inciden en la importancia que tiene la investigación cualitativa online para el logro de datos culturales y sentimentales y la obtención de insights sobre el comportamiento humano. Por tanto, el Small Data tiene una relación importante con la investigación cualitativa (ESIC, 2018).

6. Web scraping

La recogida, gestión y análisis de los datos cobra gran importancia en la dirección de negocios y en la investigación para el marketing (Almaqbali, 2019). Cuando estos datos están alojados en entornos digitales, requieren de un método que ayude a su extracción. El Web scraping es un método del marketing digital que trabaja en la extracción automática de datos web para investigación de mercado mediante el uso de software. Su aplicación se hace especialmente importante en la Inteligencia de negocios. Funciona a partir de información que se encuentra en formato HTML o en otros formatos menos comunes y accesibles como JSON o XML (Khder, 2021). Además de realizar el raspado de información, filtra los datos y los limpia, lo que resulta imprescindible para su posterior tratamiento. Convierte datos semi-estructurados, datos sin estructura definida pero etiquetados, en datos estructurados, organizados de manera estándar, facilitando el acceso, la comprensión y el posterior análisis de los mismos. El Web scraping recopila información de los sitios web almacenándola en bases de datos, tratándolos de forma rápida y precisa (Lawson, 2015; Mitchell, 2018; Khder, 2021). Aunque esta técnica se asocia más con la obtención de datos cuantitativos, se utiliza también para acceder a datos cualitativos como comentarios, publicaciones, opiniones, menciones, reacciones; información válida para el análisis de sentimiento (Hernández-Suárez et al., 2018; Boegershausen et al., 2022). Algunos ejemplos de programas diseñados para el desarrollo de esta técnica de recogida de información son: IMPOR IO¹¹; SCRAPER¹²; DEX IO¹³; MOZENDA¹⁴, o HUNTER IO¹⁵.

7. Social listening: La digitalización y su aplicación para la realización de análisis cualitativo

La recogida y análisis de grandes cantidades de datos generados por el consumidor permite, desde una perspectiva cuantitativa, conocer su comportamiento. Pero estos análisis cuantitativos no ofrecen profundidad suficiente como para poder llegar a obtener insights emocionales, íntimamente ligados al factor humano. Surge así un nuevo concepto: People Powered Performance, que viene a indicar que, aunque la tecnología y la automatización son imprescindibles para el marketing de actualidad, son las personas el motor de crecimiento que genera el éxito en el mercado (Arlandi, 2025). La voz del consumidor/audiencia, las conversaciones entre los individuos que conforman nuestro target, se hacen imprescindibles. La investigación cualitativa crea conocimiento social desde el análisis de la conversación (Echegaray, 2024). Y es aquí donde entran en juego las redes sociales, donde los usuarios interactúan dejando huella de la interacción con otros usuarios con los que además intercambian fotos, audio y video (Echegaray y Peñafiel, 2013). La aparición de las redes sociales dio lugar al denominado Social listening, o escucha social, que podría definirse, según la AMA (2025), como la generación de conversaciones en medios sociales. Autores como Stewart y Arnold (2018) lo definen como un proceso activo de escucha, observación e interpretación de estímulos en canales electrónicos y sociales.

El Social listening encontró un importante campo de trabajo en la televisión. La relación de la televisión con los estudios cualitativos fue siempre controvertida, al menos en España. Por lo general, no se encargaban este tipo de estudios para el análisis de audiencias. Se consideraba que se trataba de estudios caros, que requerían mucho tiempo, lo que contrastaba con la inmediatez de los datos cuantitativos generados por la audimetría (Echegaray y Peñafiel, 2013). También se hablaba de la subjetividad del cualitativo (Ruiz, 2019). Con las redes sociales aparecieron los denominados backchannel o canales paralelos, en tiempo real (Proulx y Shepatin, 2012). En la medida en que estas técnicas de análisis de la conversación social fueron efectivas para la investigación de mercados, se extendieron a otras áreas más allá de la televisión.

Existen varios programas digitales que ayudan en el proceso de recogida de información cualitativa, los cuales se presentan a continuación en las siguientes tablas que comparan las distintas herramientas de Social listenign (Tabla 1) y las funcionalidades clave (Tabla 2):

8. El efecto de la IA en el análisis de consumidores

El desarrollo del Big Data y su unión con la Inteligencia artificial está cambiando los enfoques de la investigación social en general (Merchante, 2019). Esta transformación se extiende a las ciencias del comportamiento, por lo tanto, afecta también a la metodología cualitativa. El uso de la IA se está convirtiendo en algo habitual en el análisis cualitativo (Sancho Escrivá et al., 2020) ya que se ha adaptado como una tendencia instrumental (Reyes-Flores y Mejía-Rivera, 2024).

La ayuda que la inteligencia artificial presta a la investigación cualitativa se puede observar en dos niveles: un primer nivel que ayuda en tareas como la transcripción, y otro que ayuda al análisis (Borcel y Torres, 2024). Se ofrece a continuación una tabla (Tabla 3) que incluye programas de transcripción en investigación cualitativa y una siguiente (Tabla 4) en la que se añaden programas válidos para análisis cualitativo.

A continuación, se muestran algunos programas que ayudan al análisis de la información recogida:

Como puede observarse, el campo de las herramientas de IA que aportan valor a la investigación cualitativa es amplio y su desarrollo avanza día a día. Debe tenerse en cuenta que las que aquí se han detallado son sólo algunas de las muchas aplicaciones que existen en el mercado.

9. Social listening en la industria de investigación de mercado en España

Una vez observada la existencia de herramientas digitales aplicadas a la investigación cualitativa, interesa conocer su presencia en los institutos de investigación españoles, analizando las páginas web de los más notables. El resultado indica la existencia, en muchos de ellos, de un área Social Data Analysis. Así, empresas como TNS han desarrollado sus propios programas: WebLedge¹⁷ y DigitalLive¹⁸. IPSOS también ha desarrollado un programa propio denominado Synthesio¹⁹, y Kantar Media, un programa de análisis en espacios digitales²⁰. La española Sigma Dos anuncia en su web la gestión de redes y escucha social²¹, e Investigación y Análisis, también española, muestra entre sus servicios muchas aplicaciones para el online data analysis²². Un dato importante es el que ofrecen las asociaciones de investigación de mercados, ESOMAR y Insights +Analytic, en su estudio anual sobre el estado de la industria de la investigación social: las empresas dedicadas a Social listening abarcaban ya el 11,2 % de la cuota de mercado del sector en 2018. Sin embargo, este dato no aparece en los informes de 2020, 2021 y 2022. El informe de 2023, último informe publicado, indica que Social listening ha experimentado un crecimiento de 9,05 % en 2022 al 9,53 % en 2023, lo que significa un incremento de 5,9 % de un año a otro, con una cuota de mercado del 6,7 % a nivel mundial (Insights + Analytics, 2024). El mismo informe ofrece datos de uso del cualitativo en España, donde destacan los altibajos del mismo, yendo desde un 8,3 % en 2020 (Insights + Analysis, 2021), un 4 % en 2021 (Insights + Analytics, 2022), un 1, 3 % en 2022 (Insights + Analytics, 2023) y 6 % en 2023. Estos informes hacen un desglose referente a la modalidad de investigación cualitativa online, en donde se observa que ésta no supera el 4 %²³, siempre según los datos de los informes de Insights + Analytics y ESOMAR.

10. Conclusiones / Discusión

La sociedad de la información está generando cambios de paradigma en la forma en que se realiza la investigación social y de mercado (Atanet, 2015). Además de herramientas para el cuantitativo, la industria digital ha desarrollado herramientas preparadas para la recogida y el análisis de texto. La servitización orientada a la investigación comercial aborda tanto el campo cuantitativo como el cualitativo.

¿Cómo ha influido la servitización en la investigación de mercado cualitativa? A lo largo de este trabajo se han podido ver una serie de herramientas digitales que sirven como ejemplo para explicar la aportación que la servitización digital hace a la investigación cualitativa online. Esta servitización debería tener un efecto en la producción de estudios cualitativos. El análisis realizado por las asociaciones de investigación ESOMAR y I+A sobre el estado de la industria de la investigación no destaca el uso del cualitativo, que muestra grandes altibajos y que no supera el 8,3 % del total de estudios realizados (I+A y ESOMAR, 2021). Ocasionalmente, el informe ofrece información sobre uso de Social listening, lo que contribuye a dar notoriedad a la técnica.

La aparición de herramientas digitales para investigación cualitativa podría ayudar a eliminar determinados prejuicios que el mercado ha tenido respecto a ella, prejuicios que no surgían tanto de la desconfianza de sus resultados como de cuestiones referentes a tiempo de realización y precio de la investigación. Estos programas digitales aportan rapidez ejecutiva y reducción de costes. Su eficiencia crece con la incorporación de inteligencia artificial en ellos, que además ofrece herramientas propias.

En este contexto, no parece que el cualitativo acabe de adquirir el protagonismo que desde la industria de los profesionales de la investigación de mercados se le reclama, pese a ser capaz de llegar allí donde el cuantitativo no es capaz (Alameda, 2019). Quizás el problema no resida únicamente en la existencia de herramientas adaptadas a modo de servicios, sino, tal y como dicen muchos expertos, en la cultura que tiene el sector comercial de utilizar datos respaldados por un número, lo cual siempre genera confianza (Bortels, 2019; Ruiz, 2019; Merchante, 2019). Conceptos como el de la subjetividad de los resultados cualitativos (Ruiz, 2019) siguen marcando el recelo empresarial, frente a otros como la importancia de este tipo de información en la inteligencia de negocios.

Referencias

American Marketing Association (AMA). (2025, 24 de febrero). How social listening is the key to cultural relevance to your brand. https://www.ama.org/2025/02/24/how-social-listening-is-the-key-to-cultural-relevance-to-your-brand/

Alameda, D. (2019). El cualitativo en la era del ‘data’. Investigación y Marketing, (144).

Almaqbali, M. S. (2019). Challenges in managing and archiving Big Data in Oman's private sector. Journal of Information Science and Technology, 5(2), 45-60. Recuperado de https://www.researchgate.net/publication/392859009

Arlandi, L. (2025, 4 de marzo). Mediterránea. El valor del talento. Marketing Directo. https://www.marketingdirecto.com/punto-de-vista/la-columna/mediterranea-valor-talento

Atanet, D. (2015). La tecnología digitasl como palanca de cambio de la investigación. I&M (Investigación y marketing), Nº 128.

Bala, M. (2016). Innovaciones sociales para territorios “inteligentes”: ¿ficción o realidad? Problemas del desarrollo, 48(190), 11–35. https://doi.org/10.22201/iie.01874704p.2017.190.591

Barbu, A., & Isaic-Maniu, A. (2011). Data collection in Romanian market research: A comparison between prices of PAPI, CATI and CAWI. Management & Marketing, 6(3), 349–364. Recuperado de https://www.managementmarketing.ro/pdf/articole/230.pdf

Borcel, A., & Torres, O. (2024, diciembre). Potenciando la investigación cualitativa con IA: De la transcripción a la optimización del análisis [Webinar cápsula formativa]. Insights and Analytics.

Boegershausen, J., Datta, H., Borah, A., & Stephen, A. (2022). Fields of Gold: Web scraping and APIs for impactful marketing insights. Tilburg University, School of Economics and Management.

Bortels, I. (2019). ¿Estamos en un revival de la investigación cualitativa? I&M (Investigación y Marketing), Nº 144.

Echegaray, L. (2012). Análisis de la influencia de la implantación del modelo digital audiovisual en el estudio comercial de las audiencias: Tendencias metodológicas y opiniones del sector empresarial audiovisual (Tesis doctoral, Universidad del País Vasco/Euskal Herriko Unibertsitatea). Repositorio institucional. https://ekoizpen-zientifikoa.ehu.eus/documentos/5ecb7f62299952131520243e

Echegaray, L., & Peñafiel Saiz, C. (2013). La utilización de las redes sociales como nuevas herramientas aplicadas al análisis de audiencia. Trípodos, (33), 177–193. https://doi.org/10.1387/tripodos.12339

Echegaray, L. (2018). Historia de la investigación social: Un viaje desde la primera encuesta (S. XVIII) a la actual investigación online. ESIC.

Echegaray, L. (2024). Investigación cualitativa: Diseño, análisis y presentación de resultados. ESIC Editorial.

ESIC. (2018). Small data: ¿Qué es y cuál es la diferencia con el big data? https://www.esic.edu/rethink/tecnologia/small-data-que-es-y-cual-es-la-diferencia-con-el-big-data

Fowles, J. (1992). Why viewers watch: A reappraisal of television effects. Sage Publications

Guandalini, I. (2022). Sustainability through digital transformation: A systematic literature review for research guidance. Journal of Business Research, 148, 456–471. https://doi.org/10.1016/j.jbusres.2022.07.001

Hernández-Suárez, A., Sánchez-Pérez, G., Toscano-Medina, K., Martínez-Hernández, V., Sánchez, V., & Pérez-Meana, H. (2018). A web scraping methodology for bypassing Twitter API restrictions (arXiv:1803.09875). arXiv. https://arxiv.org/abs/1803.09875

Humphrey, J., & Wang, J.-H. (2018). Social listening: A potential game changer in reputation management. Journal of Communication Management, 22(3), 274–291. https://doi.org/10.1108/JCOM-10-2017-0164

Insights and Analytics, & ESOMAR. (2021). Datos para España y mundiales de investigación de mercados en 2023: Informe anual elaborado por Insight and Analytics para España y compilado por ESOMAR para el total del mundo. I&A. https://ia-espana.org/estudios-y-otras-publicaciones/

Insights and Analytics, & ESOMAR. (2022). Datos para España y mundiales de investigación de mercados en 2023: Informe anual elaborado por Insight and Analytics para España y compilado por ESOMAR para el total del mundo. I&A. https://ia-espana.org/estudios-y-otras-publicaciones/

Insights and Analytics, & ESOMAR. (2023). Datos para España y mundiales de investigación de mercados en 2023: Informe anual elaborado por Insight and Analytics para España y compilado por ESOMAR para el total del mundo. I&A. https://ia-espana.org/estudios-y-otras-publicaciones/

Insights and Analytics, & ESOMAR. (2024). Datos para España y mundiales de investigación de mercados en 2023: Informe anual elaborado por Insight and Analytics para España y compilado por ESOMAR para el total del mundo. I&A. https://ia-espana.org/estudios-y-otras-publicaciones/

Khder, M. A. (2021). Web scraping or web crawling: State of the art, techniques, approaches, and applications. International Journal of Advances in Soft Computing and its Applications, 13(3).http://ijasca.zuj.edu.jo/PapersUploaded/2021.3.11.pdf

Kowalkowski, C., Gebauer, H., Kamp, B., & Parry, G. (2017). Servitization and deservitization: Overview, concepts, and definitions. Industrial Marketing Management, 60, 4–10. https://doi.org/10.1016/j.indmarman.2016.12.007

Lawson, R. (2015). Web Scraping with Paython. Scrape data from any website with the power of Paython. Packt Publishing Ltd. ISBN 978-1-78216-436-4.

Mattelart, A., & Mattelart, M. (1997). Historia de las teorías de la comunicación. Editorial Paidós.

Merchante, M. (2019). ¿Quién teme al cuali? Investigación y Marketing, (144). Recuperado de https://ia-espana.org/no-144-el-resurgir-del-cualitativo/

Mitchel, R. (2018). Web scraping with Python: Collecting more data from the modern web (2nd ed.). O’Reilly Media.

Morchid, M., & Hdouch, Y. (2024). Coding the data using ATLAS.ti in the qualitative analysis of conceptual metaphors. International Journal of Research in Education Humanities and Commerce, 5(2), 225. https://doi.org/10.37602/IJREHC.2024.5219

Narvaiza Cantín, L., Campos, J. A., Martín-Peña, M. L., & Díaz-Garrido, E. (2025). Unveiling digital service readiness: Exploring customer and manufacturer organizational perspectives in digital service innovation. Journal of Enterprise Information Management. https://doi.org/10.1108/JEIM-04-2024-0210

Palve, S., Abdulhussain, A., Sawant, O., Yadav, A., & Kasar, A. (2024). Decoding Big Data: A Practical Comparison Between Hadoop and Spark. RTPC, 11(3), 15–23.

Proulx, M., & Shepatin, S. (2012). Social TV: How marketers can reach and engage audiences by connecting television to the web, social media, and mobile. Wiley.

Rabetino, R., Kohtamäki, M., Kowalkowski, C., Baines, T. S., & Sousa, R. (2021). Guest editorial: Servitization 2.0: Evaluating and advancing servitization-related research through novel conceptual and methodological perspectives. International Journal of Operations & Production Management, 41(5), 437–464. https://doi.org/10.1108/IJOPM-05-2021-840

Rahman, A., & Muktadir, M. G. (2021). SPSS: An imperative quantitative data analysis tool for social science research. International Journal of Research and Innovation in Social Science, 5(10), 300–302. https://doi.org/10.47772/IJRISS.2021.51012

Reyes-Flores, G., & Mejía-Rivera, K. A. (2024). Inteligencia artificial en la investigación cualitativa: Análisis bibliométrico de la producción científica indexada en Scopus. New Trends in Qualitative Research, 20(4). https://doi.org/10.36367/ntqr.10.4.2024.e1116

Ruiz, L. (2019). La subjetividad del cualitativo. Investigación y Marketing, 144.

Sancho Escrivá, J. V., Fanjul Peyró, C., de la Iglesia Vayá, M., Montell, J. A., & Escartí Fabra, M. J. (2020). Aplicación de la inteligencia artificial con procesamiento del lenguaje natural para textos de investigación cualitativa en la relación médico-paciente con enfermedad mental mediante el uso de tecnologías móviles. Revista de Comunicación y Salud, 10(1), 19–41. https://doi.org/10.35669/rcys.2020.10(1).19-41

Silverman, D. (2013). Doing qualitative research. London: SAGE Publications.

Sivarajah, U., Kamal, M. M., & Irani, Z. (2017). Critical analysis of Big Data challenges and analytical methods. Journal of Business Research, 70(C), 263–286. https://doi.org/10.1016/j.jbusres.2016.08.001

Sjödin, D., Parida, V., Kohtamäki, M., & Wincent, J. (2020). An agile co-creation process for digital servitization: A micro-service innovation approach. International Journal of Operations & Production Management, 40(4), 477–504. https://doi.org/10.1108/IJOPM-08-2020-0544

Stewart, M. C., & Arnold, C. L. (2018). Defining social listening: Recognizing an emerging dimension of listening. International Journal of Listening, 32(2), 85–100. https://doi.org/10.1080/10904018.2017.1330656

Wajcman, J. (2022). Optimizing temporal capital: How big tech imagines time as auditable. American Behavioral Scientist, 66(10), 1345–1364. https://doi.org/10.1177/00027642221112999

Williamson, C., Van Rooyen, A., & Dry, R. (2025). In tandem with artificial intelligence: A working framework for coding in ATLAS.ti™. International Journal of Qualitative Methods, 24, 1–12. https://doi.org/10.1177/16094069241306551

_______________________________

[*] Profesor e investigador a tiempo completo en la Escuela Universitaria de la Cámara de Comercio de Bilbao en el área de Investigación Social y de Mercados y de Comportamiento del consumidor.

Más información sobre los autores al final de este artículo.

Este estudio contó con el apoyo de la afiliación individual de los autores y declaran no tener conflicto de interés.

[1] Para mejor comprensión del término ‘servitización’ como el proceso por el cual se ofrecen sistemasintegrados de producto-servicio, creando una mejora intencionada de los recursos mediante ofertas centradas en el cliente (Kowalkowski et al., 2017).

[2] La servitización digital busca cambios estratégicos en la empresa a partir de la tecnología: IoT, Big Data, IA (Sjödin et al., 2020).

[3] To better understand the term ‘servitization’ as the process by which integrated product-service systems are delivered, creating intentional resource enhancement through customer-centric offerings (Kowalkowski et al., 2017).

[4] Digital servitization seeks strategic changes in the enterprise based on technology: IoT, Big Data, AI (Sjödin et al., 2020).

[5] Ver en: https://www.nvivo-spain.com/

[6] Ver en: https://atlasti.com/es

[7] Ver en: https://www.maxqda.com/es/

[8] Ver en: https://altair.com/altair-rapidminer-es\

[9] Ver en: https://acortar.link/PJtS27

[10] Ver en: https://gephi.org/

[11] Ver en: https://www.import.io/

[12] Ver en: https://acesse.one/o5rYf

[13] Ver en: https://www.dexi.io/

[14] Ver en: https://www.mozenda.com/

[15] Ve en: https://hunter.io/

[16] Donde 1 es muy bajo o inexistente y 5 muy alto o completo

[17] Ver en. https://tns-global.es/areas-expertise/tns-digital/webledge-seguimiento-de-la-informacion-en-internet/

[18] Ver en: https://tns-global.es/areas-expertise/tns-digital/digital-life/

[19] Ver en: https://www.ipsos.com/es-es/solutions/list?search=Social%20Intelligence%20Analytics

[20] Ver en: https://www.kantar.com/es/expertise/analytics/analytics-de-marca

[21] Ver en: https://www.sigmados.com/nuestros-servicios/

[22] Ver en: https://www.analisiseinvestigacion.com/

[23] Los datos del estado de la industria de la investigación de mercados pueden verse en Insights + Analytics: https://ia-espana.org/estudios-y-otras-publicaciones/