Modelos predictivos para la optimización de estrategias de marketing en el sector de la moda en España

[ES] En los últimos años, el avance de las tecnologías digitales ha transformado radicalmente la forma en que las empresas interactúan con sus clientes, especialmente en sectores altamente visuales y emocionales como el de la moda. Las empresas del sector moda en España se enfrentan a múltiples desafíos vinculados a la digitalización, la internacionalización y la necesidad de diferenciarse frente a una competencia cada vez más intensa. En este contexto, el marketing digital ha emergido como una herramienta clave, al permitir una comunicación directa, personalizada y continua con el consumidor final.

Este trabajo se enmarca en dicha realidad, en la intersección entre las necesidades prácticas de las empresas de moda y las oportunidades que ofrecen las nuevas tecnologías para optimizar sus estrategias de marketing digital. El objetivo principal es demostrar que el análisis basado en datos reales del sector puede contribuir significativamente a optimizar campañas de marketing mediante la aplicación de modelos predictivos, como la regresión logística y los árboles de decisión.

La recopilación de información para el desarrollo de este Trabajo Fin de Grado se fundamenta en el uso combinado de fuentes primarias y secundarias, garantizando así una aproximación integral al objeto de estudio. Se consultarán bases de datos académicas de prestigio como: Scopus, Google Scholar, Dialnet y ScienceDirect. Adicionalmente, se utilizan informes elaborados por consultoras especializadas, asociaciones profesionales como ACME (Asociación de Creadores de Moda de España), y entidades gubernamentales como el ICEX o las Cámaras de Comercio, que proporcionan datos relevantes sobre el comportamiento digital de las empresas españolas. El portal Modaes.es, referencia para el sector textil en España, también será considerado para la obtención de datos en este trabajo.

A través del estudio de indicadores clave de rendimiento (KPIs), tales como el CTR (click-through rate), el engagement, la tasa de conversión y el ROI, este trabajo busca identificar patrones de comportamiento que permitan anticipar el éxito de una estrategia de marketing digital.

Para ello, se implementarán modelos predictivos sustentados en técnicas estadísticas (regresión logística) y de machine learning (árboles de decisión), con el objetivo de predecir si una campaña tendrá una tasa conversión alta. La precisión de estos modelos será evaluada mediante el uso de métricas como la precisión, la sensibilidad, la especificidad y el AUC en la curva ROC.

[EN] In recent years, the advancement of digital technologies has radically transformed the way companies interact with their customers, especially in highly visual and emotional sectors such as fashion. Fashion companies in Spain face multiple challenges related to digitalization, internationalization, and the need to differentiate themselves in an increasingly competitive environment. In this context, digital marketing has emerged as a key tool, enabling direct, personalized, and continuous communication with the end consumer.

This project is framed within that reality, at the intersection between the practical needs of fashion companies and the opportunities offered by new technologies to optimize their digital marketing strategies. The main objective is to prove that data-driven analysis based on real sector data can significantly contribute to improving marketing campaigns through the application of predictive models such as logistic regression and decision trees.

The information gathering process for the development of this Final Degree Project is based on a combined use of primary and secondary sources, ensuring a comprehensive approach to the object of study. Prestigious academic databases such as Scopus, Google Scholar, Dialnet, and ScienceDirect will be consulted. Additionally, reports from specialized consulting firms, professional associations such as ACME (Asociación de Creadores de Moda de España), and public institutions such as ICEX or the Chambers of Commerce will be used, as they provide relevant data on the digital behavior of Spanish companies. The portal Modaes.es, a benchmark for the textile sector in Spain, will also be considered for data collection.

Through the study of key performance indicators (KPIs), such as CTR (click-through rate), engagement, conversion rate, and ROI, this project aims to identify behavioral patterns that can help anticipate the success of a digital marketing strategy. To this end, predictive models based on statistical techniques (logistic regression) and machine learning (decision trees) will be implemented, with the objective of predicting whether a campaign will achieve a high conversion rate. The accuracy of these models will be evaluated through the use of metrics such as accuracy, sensitivity, specificity, and AUC in the ROC curve.

[CA] En els darrers anys, l’avanç de les tecnologies digitals ha transformat radicalment la manera com les empreses interactuen amb els seus clients, especialment en sectors altament visuals i emocionals com el de la moda. Les empreses del sector moda a Espanya s’enfronten a múltiples reptes vinculats a la digitalització, la internacionalització i la necessitat de diferenciar-se davant d’una competència cada vegada més intensa. En aquest context, el màrqueting digital ha emergit com una eina clau, ja que permet una comunicació directa, personalitzada i contínua amb el consumidor final.

Aquest treball s’emmarca dins d’aquesta realitat, en la intersecció entre les necessitats pràctiques de les empreses de moda i les oportunitats que ofereixen les noves tecnologies per optimitzar les seues estratègies de màrqueting digital. L’objectiu principal és demostrar que l’anàlisi basada en dades reals del sector pot contribuir de manera significativa a l’optimització de campanyes de màrqueting mitjançant l’aplicació de models predictius, com ara la regressió logística i els arbres de decisió.

La recopilació d’informació per al desenvolupament d’aquest Treball de Fi de Grau es fonamenta en l’ús combinat de fonts primàries i secundàries, garantint així una aproximació integral a l’objecte d’estudi. S’han consultat bases de dades acadèmiques de prestigi com: Scopus, Google Scholar, Dialnet i ScienceDirect. A més, s’han utilitzat informes elaborats per consultores especialitzades, associacions professionals com ACME (Associació de Creators de Moda d’Espanya) i institucions públiques com l’ICEX o les Cambres de Comerç, que proporcionen dades rellevants sobre el comportament digital de les empreses espanyoles. El portal Modaes.es, referència per al sector tèxtil a Espanya, també s’ha tingut en compte per a l’obtenció de dades en aquest treball.

Mitjançant l’estudi d’indicadors clau de rendiment (KPIs), com ara el CTR (clickthrough rate), l’engagement, la taxa de conversió i el ROI, aquest treball ha tractat d’identificar patrons de comportament que permeten anticipar l’èxit d’una estratègia de màrqueting digital. Per això, s’han implementat models predictius sustentats en tècniques estadístiques (regressió logística) i de machine learning (arbres de decisió), amb l’objectiu de predir si una campanya tindrà una taxa de conversió alta. La precisió d’aquests models serà avaluada mitjançant l’ús de mètriques com la precisió, la sensibilitat, l’especificitat i l’AUC en la corba ROC.