• Definición y principios básicos de la IA: Conceptos clave, tipos de IA (IA débil vs. IA fuerte) y técnicas fundamentales.
• Algoritmos y modelos de aprendizaje automático: Introducción a algoritmos de clasificación, regresión y clustering.
• Data science y análisis predictivo: Cómo se utilizan los datos para hacer predicciones y decisiones informadas en el comercio.

• Automatización de procesos comerciales: Ejemplos de automatización en inventarios, logística y atención al cliente.
• Análisis de comportamiento del cliente: Uso de IA para segmentación de clientes y personalización de ofertas.
• Optimización de precios y promociones: Técnicas de IA para ajustar precios y diseñar campañas promocionales basadas en datos.

• Plataformas de IA y machine learning: Análisis de herramientas como TensorFlow, PyTorch y Scikit-learn.
• Herramientas de visualización de datos: Software para la representación gráfica de datos y resultados de IA, como Tableau y Power BI.
• Sistemas de gestión de datos: Tecnologías para la integración y gestión de grandes volúmenes de datos, como bases de datos NoSQL y big data.

• Estrategias de implementación: Pasos para integrar soluciones de IA en las operaciones comerciales.
• Gestión del cambio organizacional: Cómo preparar a la organización y al personal para la adopción de nuevas tecnologías.
• Desafíos y soluciones en la implementación: Problemas comunes durante la implementación de IA y cómo superarlos.

• Privacidad y protección de datos: Normativas y mejores prácticas para manejar datos sensibles y personales.
• Transparencia y explicabilidad de los modelos de IA: Cómo asegurar que los modelos de IA sean comprensibles y transparentes.
• Sesgos y discriminación en algoritmos: Identificación y mitigación de sesgos en los sistemas de IA.

• Indicadores clave de desempeño (KPI) para IA: Métricas para evaluar el éxito de las implementaciones de IA.
• Análisis de resultados y retroalimentación: Métodos para analizar los resultados de las aplicaciones de IA y ajustar estrategias.
• Ciclo de mejora continua: Enfoques para la actualización y optimización constante de las soluciones de IA basadas en resultados y feedback.

Los estudiantes deben asistir a dos clases en vivo con el docente, donde podrán reforzar conocimientos y resolver dudas. La asistencia a dichas clases es obligatoria vía streaming o asistiendo presencialmente, si esto es posible, en los lugares y horarios de realización que se definan.

• Que es un Benchmark y para que se utiliza.
• Definir objetivos y KPIs.
• Definir el público objetivo.
• Seleccionar las redes sociales: donde poner los esfuerzos.
• Definir periodicidad de publicación.
• Subir contenido, escuchar, patrocinar y retroalimentar la estrategia

• La importancia del Branded content.
• Publicidad Nativa.
• Como elaborar la estrategia de contenidos en redes sociales.

• Facebook.
• Instagram.
• X (Twitter).
• LinkedIn.

• Youtube
• TikTok
• WhatsApp
• Messenger

• Marketing de influenciadores.
• Manejo de crisis en redes sociales.
• Social Listening o escucha social.

• Segmentación: Como hacerlo de manera eficiente.
• Métricas más relevantes en Redes Sociales ¿Cuáles son?
• Cómo construir un dashboard de métricas de RRSS.

De manera transversal al curso, los alumnos desarrollarán un proyecto para la mejora de la gestión involucrada en la experiencia del cliente. El proyecto será elaborado para una organización de libre elección a través de diferentes etapas de manera incremental en contenido y aplicación. En el plan de mejora se levantarán distintos indicadores que permitirán hacer una evaluación cuantitativa y cualitativa de la gestión para así mejorar el proceso que experimenta el consumidor ya sea por medio físico o digital (e-commerce). Se espera que a través del plan propuesto los alumnos puedan poner en práctica lo estudiado.

• El nuevo escenario y el cambio de fuerzas
• Adiós a los modelos lineales
• El Problema de la atención
• Mercado Objetivo, segmento y perfil
• Modelo de adopción de innovación y el abismo

• Propuesta de Valor
• Job to be Done
• Posicionamiento
• Relato estratégico
• Marca, Branding y arquitectura de marca

•  El Brand Funnel (Embudo)
• Definición del problema de marketing
• Objetivo, KPIs y métricas
• Customer Journey Map y Touchpoints
• Modelos de Planificación

• La “forma” Cerebro
• La Ciencia del Storytelling
• La estructura de un relato
• Del Producto al Conflicto

•  La era del Contendido
• Content Strategy
• Branded Content
• Inbound Marketing
• Modelos de planificación de contenidos

• Medios Pagados, Propios y Ganados
• SEM y SEO).
• Performance Marketing
• Growth Hacking & Experimentación
• Marktech & AI

Durante la clase en vivo, la profesora Denisse Faúndez revisará todos los componentes del modelo de comportamiento de consumidor que plantea en el curso, de modo que los alumnos puedan gestionar la experiencia del consumidor en toda su extensión.

En particular se estudiarán los cambios del consumidor en este último tiempo, los factores del entorno que pueden influir en la decisión de compra y el modelo de análisis para la decisión.

Para cada uno de estos puntos se revisarán las claves en la gestión de una empresa a nivel de ejemplos prácticos de modo que los alumnos cuenten con herramientas e ideas para gestionar las experiencias de sus clientes en sus respectivas organizaciones, generando un vínculo fuerte que construya lealtad sustentable en el tiempo.

De manera transversal al curso, los alumnos desarrollarán un proyecto para la mejora de la gestión involucrada en la experiencia del cliente. El proyecto será elaborado para una organización de libre elección a través de diferentes etapas de manera incremental en contenido y aplicación. En el plan de mejora se levantarán distintos indicadores que permitirán hacer una evaluación cuantitativa y cualitativa de la gestión para así mejorar el proceso que experimenta el consumidor ya sea por medio físico o digital (e-commerce). Se espera que a través del plan propuesto los alumnos puedan poner en práctica lo estudiado.

• De “segmentación descriptiva” a segmentación accionable basada en IA.
• CLV
• Probabilidad de compra
• Propensión a churn y su uso en decisiones de cartera de clientes (B2C retail, banca, SaaS B2B).

• AI para personalizar social media, email marketing y display ads.
• Recomendadores, “next-best-action” y “next-best-content”.
• Omnicanalidad: coherencia de mensajes entre canales y etapas del journey.
• KPIs: uplift incremental, ingreso por usuario vs. campañas genéricas.
• Riesgos implícitos en la personalización de comunicaciones

• GenAI para copys, visuales, videos cortos, landing pages y pruebas A/B creativas.
• Impacto en la economía del marketing: reducción de costos, velocidad de testeo, “always-on creativity”.
• Casos B2C: CPG, retail, entretenimiento. Casos B2B: tech, servicios profesionales.
• Qué se puede y no se puede delegar a la IA.

• Qué hace diferente al dynamic pricing con IA vs. yield management clásico.
• Inputs de los modelos: elasticidades, comportamiento en tiempo real, competencia, inventario.
• Casos: ecommerce, aerolíneas/hoteles, marketplaces, SaaS B2B con tarifas variables.
• Riesgos: discriminación percibida, rechazo de clientes, colusión algorítmica.

• AI en el viaje del cliente: conocimiento → consideración → compra → uso → lealtad.
• Lead scoring (B2B), nurturing automatizado, chatbots inteligentes, motores de recomendación.
• IA para prevención de churn (fuga) y diseño de ofertas de recuperación de ex clientes.

• De “herramientas sueltas” a ecosistema de IA en marketing
• ¿Qué es Agentic IA aplicada al marketing?
• Diseño de “pods” mixtos humano + agentes de IA
• Gobernanza y control de Agentic IA en marketing
• Confianza, percepción
•  del cliente y ética “aterrizada”