1. Introduccion

El primer paso del análisis sera definir la variable o variables dependientes. Como se esta realizando un estudio sobre la inclinación de las empresas de turismo activo en el uso de los asistentes de inteligencia artificial se seleccionara como variables de estudio el uso de IA (P18), tipos de usos de IA (P19), uso posible de IA (P20), impedimentos de no usar (P21), reconocimiento de alguna empresa que la haya usado (P22), y que uso le da esa empresa (P23).

Para conocer la relación de estas variables con respecto algunas características de las empresas es imprescindible conocer la potencial inclinación en implementar IA de las empresas de eco-turismo de acuerdo a la provincia (P1), el tiempo de años operativos de la empresa (P3), el tamaño de la empresa (P4), las actividades (P2), la facturación anual aproximada de la empresa (P5), o la temporada con mayor demanda (P6).

Tambien es importante conocer cuales son los canales de captación de los clientes (P7), la posible traducción de la pagina web (P8), la intención de traducirla a otro idioma en el caso de que no lo este (P9), el otro idioma al que esta traducido (P10), el rango de edad predominante entre los clientes (P11), el sexo predominante entre los clientes (P12), los países de procedencia de los clientes (P13), los medios y canales de información de los clientes (P14), el canal de reserva mas usado por los clientes (P15), la frecuencia en la que recibe consultas de sus clientes (P16), y el canal por el cual recibe mas consulta (P17).

En el contexto de este análisis, todas estas variables las denominaremos provisionalmente variables caracterizadoras.

De manera que, buscaremos obtener hallazgos sobre la segmentación de los clientes, el perfil de los clientes, algunas necesidades y características de las empresas de turismo activo. Para ello, primero realizaremos una caracterización de cada una de las variables con sus respectivas visualizaciones, y, posteriormente, cruzaremos varias de esas variables entre ellas, para conocer la posible asociación entre las variables relacionadas con la IA y las variables caracterizadoras.

La base de datos que se dispone es el resultado de la aplicación de una encuesta telefónica en CATI y la aplicación de un cuestionario vía Internet.

Desde el punto de vista técnico, el cuestionario esta diseñado con preguntas cuyas opciones de respuestas posibles eran simples y múltiples. De acuerdo a esta caracterización de las posibles opciones de respuesta, se realizaron diferentes estrategias de pre-procesamiento. A su vez, según la información de la metadata del cuestionario se puede observar que, todas las variables que nos interesan son binarias, y, ademas, las variables cuya opción de respuesta era múltiple se encuentra distribuidas en diferentes columnas.

Un miembro del equipo haciendo uso del software SPSS realiza la integración de los datos. Luego de integrado los datos, parte del análisis se llevo a cabo con Rstudio.

La parte del análisis realizado en Rstudio se implementó con tareas comunes: a) exploración de los datos, b) algunas labores de pre-procesamiento sobre las variables con respuesta simple y respuesta múltiple, luego de estas tareas se realizaron por separado c) análisis uni-variados de las variables con opción de respuesta simple, y d) análisis de las variables con opción de respuestas múltiples, finalizando con e) un análisis bivariado.

1.1. Carga de datos

Se va a trabajar con un archivo sav, por lo cual es necesario cargar la librería haven. La carga de este archivo es el resultado de la previa integración de datos realizada en SPSS.

2.Exploracion de datos

Es importante que hagamos las primeras exploraciones sobre la estructura del data frame, con el cual vamos a trabajar. Para ello, es relevante conocer las dimensiones de la data, el tipo de objeto, las variables, los valores de las variables, y la posible existencia de duplicaciones en el conjunto de datos. De acuerdo a estas características de la estructura del conjunto de datos podremos idear una estrategia de pre-procesamiento de los datos orientada a su tratamiento.

Haciendo uso de algunas de las funciones de Rstudio procederemos a realizar las inspecciones del conjunto de datos. Esto es, el numero de columnas y filas, y, a su vez el tipo de objeto de cada una de las variables. El tipo de objeto nos va a indicar la estructura intrínseca de las variables, si hace referencia a: una cantidad, una secuencia de texto, un punto especifico del tiempo, etcétera. Y, a su vez, la existencia de datos duplicados.

## 
## El **data frame tiene** 101 **filas (registros u observaciones)** y 123 **columnas (variables)**.
## 
## El conjunto de datos tiene las siguientes variables:
##   [1] "ESTUDIO"       "ENTREVISTADOR" "REGISTRO"      "FECHAINI"     
##   [5] "HORAINI"       "FECHAFIN"      "HORAFIN"       "DURACION"     
##   [9] "TELEFONO"      "EMAIL"         "ID_CONTACTO"   "ESTADO"       
##  [13] "IDIOMA"        "P1_1"          "P1_2"          "P1_3"         
##  [17] "P1_4"          "P1_5"          "P1_6"          "P1_7"         
##  [21] "P1_8"          "P2_1"          "P2_2"          "P2_3"         
##  [25] "P2_4"          "P2_5"          "P2_90N"        "P2_99"        
##  [29] "P2_OTRO"       "P3"            "P4"            "P5"           
##  [33] "P6_1"          "P6_2"          "P6_3"          "P6_4"         
##  [37] "P6_99"         "P7_1"          "P7_2"          "P7_3"         
##  [41] "P7_4"          "P7_5"          "P7_90N"        "P7_99"        
##  [45] "P7_OTRO"       "P8"            "P8_OTRO"       "P9"           
##  [49] "P10_1"         "P10_2"         "P10_3"         "P10_90"       
##  [53] "P10_99"        "P10_OTRO"      "P11"           "P12"          
##  [57] "P13_1"         "P13_2"         "P13_3"         "P13_4"        
##  [61] "P13_5"         "P14_1"         "P14_2"         "P14_3"        
##  [65] "P14_4"         "P14_5"         "P14_90"        "P14_99"       
##  [69] "P14_OTRO"      "P15_1"         "P15_2"         "P15_3"        
##  [73] "P15_4"         "P15_5"         "P15_6"         "P16"          
##  [77] "P17_1"         "P17_2"         "P17_3"         "P17_4"        
##  [81] "P17_5"         "P17_6"         "P18"           "P18_OTRO"     
##  [85] "P19"           "P20_1"         "P20_2"         "P20_3"        
##  [89] "P20_4"         "P20_5"         "P20_6"         "P20_90N"      
##  [93] "P20_99"        "P20_OTRO"      "P21_1"         "P21_2"        
##  [97] "P21_3"         "P21_4"         "P21_90"        "P21_99"       
## [101] "P21_OTRO"      "P22"           "P23_1"         "P23_2"        
## [105] "P23_3"         "P23_4"         "P23_5"         "P23_6"        
## [109] "P23_90"        "P23_99"        "P23_OTRO"      "P24"          
## [113] "FIN"           "id"            "submitdate"    "lastpage"     
## [117] "startlanguage" "seed"          "P2_90"         "P7_90"        
## [121] "P14"           "P18_3"         "P20_90"
## 
## Deteccion de Filas duplicadas:
## **No se encontraron filas completamente duplicadas en el data frame**.

3. Preprocesamiento

En términos generales, la primera inspección del conjunto de datos nos indica que el data frame tiene 101 filas (registros u observaciones) y 123 columnas (variables). A su vez, nos señala que el conjunto de datos tiene variables numéricas o de tipo carácter. Por la disposición de algunas de las columnas observamos que el conjunto de datos hace referencia algunas variables cuyas opciones de respuestas están distribuidas en diferentes columnas. Es decir, es una variable One-Hot Encoding (codificación “uno-caliente”), que es la disposión de una variable categórica con múltiples categorías en múltiples variables dummy.

Ahora bien, luego de esta primera inspección vamos a realizar el pre procesamiento de algunas de las variables, para la conversión de string de los valores. Con esto aspiramos a realizar el posterior procesamiento de las variables de interés. En este primer paso, solamente vamos a realizar el pre procesamiento de las variables, cuyas opción de respuesta era de seleccione simple, porque, las variables con un patrón regular, cuyo significado se refiere a las posibles respuesta de una misma pregunta se encuentran binarizadas, y como son opciones de selección múltiple su procesamiento exige que estén codificadas de esa manera. Aunque, como se realizara en el caso del procesamiento de las variables con opción de respuesta múltiple se introducirá algunas etiquetas que definan la variación de la categoría.

De modo que, en el siguiente apartado vamos a realizar el pre procesamiento de las variables con opción de respuesta simple.

3.1. Preprocesamiento de las variables binarias con opcion de respuesta simple

Considerando únicamente las variables de respuesta simple el pre procesamiento se hará en las siguientes categorías:

Pregunta Variable Descripción
P3 Años operativos de la empresa Numero de años de funcionamiento
P4 Tamaño de la empresa Numero de empleados
P5 Facturación aproximada Rango de facturación anual
P8 Pagina de la empresa traducida Variable discreta de la traducción de la pagina
P9 La intención de traducirla a otro idioma en el caso de que no lo este Variable discreta de la traducción de la pagina
P11 Edad preponderante de los clientes Variable nominal sobre la edad mayoritaria de clientes
P12 Sexo preponderante de los clientes Variable nominal sobre el sexo mayoritario de clientes
P16 Frecuencia de la petición de reserva Variable discreta sobre la ocurrencia de peticiones
P18 Uso de respuesta automatizada Variable categóricas nominales
P19 Interés en implementar herramientas de IA Variables categóricas nominales
P22 Uso de IA en otra empresa Variable categóricas nominales

El pre-procesamiento consistirá en asignar etiquetas a las variaciones correspondientes a cada uno de los valores binarios correspondientes a estas variables con opción de respuesta simple.

3.2. Preprocesamiento de las variables con opcion de respuesta multiple

De manera que, como vamos a comentar a continuación, hemos realizado un pequeño pre-procesamiento de las variables de respuestas múltiples para hacer los etiquetados correspondientes como mostramos en los siguientes cuadros:

Para las columnas con prefijo P1 correspondientes a las provincias operativas de las empresas el etiquetado fue el siguiente:

Pregunta Variable Descripción
P1_1 Almeria Provincias operativas
P1_2 Cariz Provincias operativas
P1_3 Córdoba Provincias operativas
P1_4 Granada Provincias operativas
P1_5 Huelva Provincias operativas
P1_6 Jaen Provincias operativas
P1_7 Málaga Provincias operativas
P1_8 Sevilla Provincias operativas

Para las columnas con prefijo P2 correspondientes a las actividades de la empresa de las empresas el etiquetado fue el siguiente:

Pregunta Variable Descripción
P2_1 Senderismo y trekking Actividades de la empresa
P2_2 Actividades acuaticas Actividades de la empresa
P2_3 Turismo en bicicleta Actividades de la empresa
P2_5 Multiaventura Actividades de la empresa
P2_9N Otro Actividades de la empresa
P2_99 Nc Actividades de la empresa

Para las columnas con prefijo P6 correspondientes a la temporada de mayor actividad de las empresas el etiquetado fue el siguiente:

Pregunta Variable Descripción
P6_1 Verano Temporada de mayor actividad
P6_2 Primavera Temporada de mayor actividad
P6_3 Otoño Temporada de mayor actividad
P6_4 Invierno Temporada de mayor actividad
P6_99 Ns/Nc Temporada de mayor actividad

Para las columnas con prefijo P7 correspondientes al principal canal de captación de clientes de las empresas el etiquetado fue el siguiente:

Pregunta Variable Descripción
P7_1 Publicidad en redes sociales Principal canal de captación de clientes
P7_2 Marketing de influencers Principal canal de captación de clientes
P7_3 SEO y posicionamiento en Google Principal canal de captación de clientes
P7_4 Ferias y eventos de turismo Principal canal de captación de clientes
P7_5 Convenio con hoteles o agencias de viaje Principal canal de captación de clientes
P7_9N Otro Principal canal de captación de clientes
P7_99 Ns/Nc Principal canal de captación de clientes

Para las columnas con prefijo P10 correspondientes al idioma traducido de la pagina de las empresas el etiquetado fue el siguiente:

Pregunta Variable Descripción
P10_1 Ingles Idioma traducido de la pagina
P10_2 Frances Idioma traducido de la pagina
P10_3 Alemán Idioma traducido de la pagina
P10_9 Otro Idioma traducido de la pagina
P10_99 Ns/Nc Idioma traducido de la pagina

Para las columnas con prefijo P13 correspondientes a la procedencia de los clientes de las empresas el etiquetado fue el siguiente:

Pregunta Variable Descripción
P13_1 España Procedencia de los clientes
P13_2 Reino Unido e Irlanda Procedencia de los clientes
P13_3 Francia Procedencia de los clientes
P13_4 Alemania Procedencia de los clientes
P13_5 Italia Procedencia de los clientes

Para las columnas con prefijo P14 correspondientes a los medios de captación de los clientes de las empresas el etiquetado fue el siguiente:

Pregunta Variable Descripción
P14_1 Redes sociales Medios de captación de clientes
P14_2 Recomendaciones de amigos/familia Medios de captación de clientes
P14_3 Agencias de viaje Medios de captación de clientes
P14_4 Buscadores de Internet Medios de captación de clientes
P14_5 Oficina de turismo Medios de captación de clientes
P14_90 Otro Medios de captación de clientes
P14_99 Ns/Nc Medios de captación de clientes

Para las columnas con prefijo P15 correspondientes a los canales de reserva de los clientes de las empresas el etiquetado fue el siguiente:

Pregunta Variable Descripción
P15_1 Pagina web propia Canales de reserva
P15_2 Plataformas de terceros Canales de reserva
P15_3 Llamada telefónica Canales de reserva
P15_4 Correo electrónico Canales de reserva
P15_5 Redes sociales Canales de reserva
P15_6 Presencialmente Canales de reserva

Para las columnas con prefijo P17 correspondientes a los principales canales de consulta de los clientes de las empresas el etiquetado fue el siguiente:

Pregunta Variable Descripción
P17_1 WhatsApp Principales canales de consulta
P17_2 Correo electrónico Principales canales de consulta
P17_3 Redes sociales Principales canales de consulta
P17_4 Teléfono Principales canales de consulta
P17_5 Pagina web Principales canales de consulta
P17_6 En persona Principales canales de consulta

Para las columnas con prefijo P20 correspondientes a los posible uso de la IA en su empresa el etiquetado fue el siguiente:

Pregunta Variable Descripción
P20_1 Responder preguntas frecuentes Posible uso de la IA en su empresa
P20_2 Gestionar reservas Posible uso de la IA en su empresa
P20_3 Proporcionar información sobre actividades y precios Posible uso de la IA en su empresa
P20_4 Atención en varios idiomas Posible uso de la IA en su empresa
P20_5 Recolectar opiniones de clientes Posible uso de la IA en su empresa
P20_6 Gestión interna de la empresa Posible uso de la IA en su empresa
P20_9N Otro Posible uso de la IA en su empresa
P20_99 Ns/Nc Posible uso de la IA en su empresa

Para las columnas con prefijo P21 correspondientes a los principales impedimentos para el uso de la IA en su empresa el etiquetado fue el siguiente:

Pregunta Variable Descripción
P21_1 Coste de implementación Principales impedimentos para el uso de la IA
P21_2 Falta de conocimiento sobre su funcionamiento Principales impedimentos para el uso de la IA
P21_3 Miedo a perder el contacto personal con los clientes Principales impedimentos para el uso de la IA
P21_4 Dudas sobre su efectividad Principales impedimentos para el uso de la IA
P21_90 Otro Principales impedimentos para el uso de la IA
P21_99 Ns/Nc Principales impedimentos para el uso de la IA

Para las columnas con prefijo P23 correspondientes a las principales tareas de otras empresas para el uso de la IA el etiquetado fue el siguiente:

Pregunta Variable Descripción
P23_1 Responder preguntas frecuentes En que usa la IA las otras empresa que conoce
P23_2 Gestionar reservas En que usa la IA las otras empresa que conoce
P23_3 Proporcionar información sobre actividades y precios En que usa la IA las otras empresa que conoce
P23_4 Atención en varios idiomas En que usa la IA las otras empresa que conoce
P23_5 Recolectar opiniones de clientes En que usa la IA las otras empresa que conoce
P23_6 Gestión interna de la empresa En que usa la IA las otras empresa que conoce
P23_90N Otro En que usa la IA las otras empresa que conoce
P23_99 Ns/Nc En que usa la IA las otras empresa que conoce

4. Estadisticas descriptivas de las variables de interes

4.1. Analisis descriptivo de las variables con seleccion de respuesta simple (Valores Válidos)

Luego del etiquetado de las variaciones de las categorías indicadas la visualización de los resultados tanto en las tablas de frecuencia absoluta como la frecuencia relativa se podrá interpretar. Cabe destacar que cada proporción que representa la frecuencia relativa la hemos convertido en porcentaje para conocer la cantidad que representa cada variación de una categoría en el conjunto de registros totales.

Haremos el análisis descriptivo y de frecuencia de acuerdo al orden de exposición de las variables.

Años operativos de la empresa

Con respecto a los años operativos de la empresa de turismo activo hay tres grandes rangos que definen la operatividad de las empresas. Los rangos definidos son aquellas que tienen mas de 10 años y se encuentran en una situación estable, aquellas entre 4 y 10 años con importantes condiciones de estabilidad, y aquellas que están en una situación inicial, las que tienen entre 1 y 3 años.

## 
## Attaching package: 'kableExtra'
## The following object is masked from 'package:dplyr':
## 
##     group_rows

Frecuencias para la variable ‘P3’ (Valores Válidos)

Distribución de Frecuencias para P3 (Valores Válidos)
Categoría Frecuencia Absoluta Frecuencia Relativa (%)
Entre 1 y 3 años 4 7.84
Entre 4 y 10 años 7 13.73
Más de 10 años 40 78.43
Total 51 100.00

En efecto como se puede observar en el gráfico a continuación de los casos entrevistados vemos que la mayoría de las empresas tienen mas de 10 años de funcionamiento (78.43%) o entre 4 y 10 años (13.73%). En todo caso, nuestra muestra nos sugiere que las empresas suelen tener tiempo operando en el sector turismo.

Tamaño de la empresa

Otra observacion importante en la muestra de empresas es que la mayoria son relativamente pequeñas, puesto que la mitad de ellas cuentan entre 2 y 5 empleados. No obstante, esto no impide que sigan operando, puesto que como se observo anteriormente, la mayoria tiene mas de 10 años en actividad.

Frecuencias para la variable ‘P4’ (Valores Válidos)

Distribución de Frecuencias para P4 (Valores Válidos)
Categoría Frecuencia Absoluta Frecuencia Relativa (%)
Autónomo (autoempleo) 14 27.45
De 2 a 5 empleados 21 41.18
De 6 a 10 empleados 4 7.84
Más de 10 empleados 12 23.53
Total 51 100.00

Esta observación se puede apreciar mejor en el gráfico a continuación que expone que el 49% de las empresas tienen entre 2 a 5 empleados, el 27% opera de forma autónoma, o el 24% lo hace con mas de 10 empleados.

Facturación aproximada

Por otro lado, tenemos las observaciones sobre la facturación aproximada de las empresa entrevistadas. Entre ellas, la mitad factura entre 50 mil y 100 mil euros y solo unas pocas facturan anualmente mas de 500 mil (4%).

Frecuencias para la variable ‘P5’ (Valores Válidos)

Distribución de Frecuencias para P5 (Valores Válidos)
Categoría Frecuencia Absoluta Frecuencia Relativa (%)
Entre 100.000€ y 500.000€ 7 13.73
Entre 50.000€ y 100.000€ 11 21.57
Más de 500.000€ 2 3.92
Menos de 50.000€ 15 29.41
Ns/Nc 16 31.37
Total 51 100.00

Aunque, como se muestra en el gráfico a continuación hay que destacar que el 31% de las empresas prefieren no contestar o no responder ante la pregunta sobre la facturación anual de las empresas. El tema resulta ser sensible para algunas de las personas entrevistadas, que sin embargo, con los resultados obtenidos podemos decir que un 17% de las empresas logran teneringresos altos por encima de los 100 mil euros.

Pagina de la empresa traducida

Siguiendo con el análisis podemos observar que buena parte de las empresas tienen su pagina web traducida en otros idiomas. El 57% de las empresas tienen su pagina traducida, indicando el trafico internacional de la demanda potencial de clientes en el turismo activo.

Frecuencias para la variable ‘P8’ (Valores Válidos)

Distribución de Frecuencias para P8 (Valores Válidos)
Categoría Frecuencia Absoluta Frecuencia Relativa (%)
No, solo esta en español 22 43.14
Si esta traducida a otro idioma 29 56.86
Total 51 100.00

En efecto, como se aprecia en el gráfico a continuación mas de la mitad de las empresas en turismo activo cuentan con su pagina web traducida.

La intención de traducirla a otro idioma en el caso de que no lo este

Entre aquellos que no han traducido su pagina, al menos el 59% busca traducirla o esta en proceso de traducirla en otro idioma. Conjuntamente con la observación anterior, vemos que la mayoría de las empresas tienen como objetivo potencial personas de otras latitudes. Esta variable tambien nos aproxima a la cartera de clientes del turismo activo en andalucia, que tiene lugar para personas de otras procedencias.

Frecuencias para la variable ‘P9’ (Valores Válidos)

Distribución de Frecuencias para P9 (Valores Válidos)
Categoría Frecuencia Absoluta Frecuencia Relativa (%)
Estoy en el proceso de traducirla actualmente 2 9.09
No, no lo veo necesario 9 40.91
Sí, me gustaría en un futuro 11 50.00
Total 22 100.00

Las indicaciones se pueden apreciar mas claramente con la siguiente visualización:

Edad preponderante de los clientes

A pesar de los comentarios de los entrevistados acerca de las variadas edades de los clientes, el perfil etario se caracteriza con una edad de mas de 36 años (50%). Aunque también se observa una importante distribución de clientes que cuentan con menos de 18 años o entre 18 y 25 años.

Frecuencias para la variable ‘P11’ (Valores Válidos)

Distribución de Frecuencias para P11 (Valores Válidos)
Categoría Frecuencia Absoluta Frecuencia Relativa (%)
18-25 años 6 11.76
26-35 años 12 23.53
36-50 años 23 45.10
Más de 50 años 2 3.92
Menos de 18 años 8 15.69
Total 51 100.00

Como bien se representa en el gráfico a continuación, la oscilación etaria varia entre las personas con mas de 36 años, si acumulamos los dos últimos rango de edad, y clientes con menos de 25 años, si acumulamos los dos primeros rango de edad.

Sexo preponderante de los clientes

En cuanto al sexo preponderante de los clientes la mitad suelen ser mujeres, y un 34% hombres. Hay que destacar que la preponderancia de los sexos tambien se ve afectada por la paridad comentada por los entrevistados cuya respuesta culmino en un 16% de respuesta inclinadas a mencionar uno de los dos sexos.

Frecuencias para la variable ‘P12’ (Valores Válidos)

Distribución de Frecuencias para P12 (Valores Válidos)
Categoría Frecuencia Absoluta Frecuencia Relativa (%)
Hombre 17 34
Mujer 25 50
Otros 8 16
Total 50 100

Pues, como se visualiza a continuación, la mayoría de los clientes de las empresas de turismo activo entrevistadas son mujeres, o si incluimos la indicación sobre la respuesta Nc/Ns, hay una paridad entre los clientes.

Frecuencia de la petición de reserva

Con respecto a la frecuencia de peticiones antes de la reserva de uno de los servicios ofrecidos por las empresas de turismo activo, se observa que el 72% de las empresas hacen la reserva a diario. Esto muestra el interes y trafico de los clientes con respecto a su interacción con las actividades ofrecidas por estas empresas.

Frecuencias para la variable ‘P16’ (Valores Válidos)

Distribución de Frecuencias para P16 (Valores Válidos)
Categoría Frecuencia Absoluta Frecuencia Relativa (%)
Diario 36 75.00
Varias veces al mes 4 8.33
Varias veces por semana 8 16.67
Total 48 100.00

Pues como se observa en el gráfico a continuación la mayoría de los clientes hacen las peticiones de reserva a diario o varias veces por semana (88%). En otras palabras, los clientes suelen hacer consultas y tener un interés importante en las actividades de estas empresas por lo cual hacen consultas o reservas con un periodo de tiempo corto o muy corto. Esto también nos puede indicar que posiblemente hay clientes habituales para esas empresas.

4.2. Analisis descriptivo de las variables relacionadas con IA con seleccion de respuesta simple (Valores Válidos)

Luego de la caracterización de las empresas, podremos implementar un análisis descriptivo sobre las variables de IA. Realizaremos una breve caracterización de las variables: uso de IA (P18), tipos de usos de IA (P19), y si el entrevistado conoce alguna empresa que la haya usado (P22).

Uso de ML o IA

Con respecto al uso de herramientas automatizadas o IA solo pocas empresas la implementas, y, su implemetacion se limita al uso de respuestas automáticas de WhatsApp (20%) o el uso de chatbots (6%). Aunque, es importante destacar que hay otro tipo de uso de este tipo de herramientas, como lo indica el 10% de las respuestas.

Frecuencias para la variable ‘P18’ (Valores Válidos)

Distribución de Frecuencias para P18 (Valores Válidos)
Categoría Frecuencia Absoluta Frecuencia Relativa (%)
No, nunca 30 69.77
Sí, chatbot en la web 3 6.98
Sí, respuestas automáticas en WhatsApp 10 23.26
Total 43 100.01

De hecho, como se indica en el gráfico el 60% no suele usar este tipo de herramientas.

Interes en el uso de IA o ML

En cuanto al interés por implementar este tipo de herramientas, el 48% de las empresas se manifiestan de moderadamente interesados a muy interesados, y el 52% poco o nada interesado.

Frecuencias para la variable ‘P19’ (Valores Válidos)

Distribución de Frecuencias para P19 (Valores Válidos)
Categoría Frecuencia Absoluta Frecuencia Relativa (%)
Para nada interesado 21 44.68
Poco interesado 3 6.38
Moderadamente interesado 5 10.64
Interesado 2 4.26
Muy interesado 16 34.04
Total 47 100.00

Esta observación coincide con la penetración de las herramientas de automatización en las actividades de las empresas, y a su vez, en el interés cada vez mayor en los representantes de las empresas por conocer o implementarlas para la gestión de actividades internas de las empresas de turismo activo.

Por otro lado, hay que destacar que la resistencia de las empresas se debe a comentarios relacionadas con las propias actividades de turismo activo.

Pues bien si se observa que la gran mayoría 80% no conocer alguna empresa que haya implementado estas herramientas, tenemos un indicador de su temprana incorporación en este sector de turismo o la resistencia de estas empresas para adoptar estrategias automatizadas en el contexto de actividades de turismo activo. Como se observa en el siguiente gráfico, solamente el 18% conoce alguna empresa que haya implementado estas herramientas:

4.3. Analisis descriptivo de las variables con respuesta de seleccion multiple

En síntesis, las empresas de turismo activo en esta muestra son predominantemente consolidadas (más de 10 años) y de pequeño tamaño (2-5 empleados), con una facturación mayormente inferior a 100.000€ anuales. Tienen una fuerte orientación internacional (más de la mitad con web traducida y alta intención de traducción) y sus clientes son en su mayoría mujeres y tienen una edad predominante superior a 36 años o inferior a 25 años. La interacción con el cliente es frecuente, con consultas y reservas en periodos cortos, y prefieren WhatsApp para consultas y la página web para reservas.

En cuanto a la IA, su uso actual es muy bajo y limitado a respuestas automáticas. El interés es dividido, con casi la mitad de las empresas mostrando alguna inclinación positiva, pero la falta de conocimiento y el miedo a perder el contacto personal son barreras significativas. La baja penetración de la IA en el sector se evidencia por el hecho de que la mayoría de las empresas no conoce a otras que la utilicen.

Ahora toca observar la frecuencia de las variables con opción de respuesta múltiple que se refieren a la Provincia P1, las actividades que ofrece la empresa P2, Temporada con mayor captación de clientes P6, los medios de captación de clientes P7, los idiomas traducidos de la pagina web P10, los países de procedencia de los clientes P13, los canales de información de los clientes P14, los canales mas usados para la reserva P15, los canales con mayor flujo de consultas P17, posibles uso de la IA o ML P20, principales impedimentos para el uso de la IA o ML P21, y los usos de la IA o ML que conoce que implementan otras empresas P23.

Provincias donde opera la empresa

En cuanto a las provincias donde operan las empresas, tenemos que la Malaga resulta ser el lugar de actividades para el mayor numero de empresas de turismo activo con 13, mientras que Almeria y Granada la secundan con 11 y 10 respectivamente, como se observa a continuación:

Analisis de Multiple Respuesta: P1

Tabla de Frecuencias
Distribucion de Respuestas para P1
Opcion de Respuesta Numero de Encuestados
Malaga 13
Almeria 11
Granada 10
Cadiz 8
Cordoba 8
Sevilla 8
Huelva 7
Jaen 7
Total de Selecciones 72
Note:
Numero de encuestados que seleccionaron cada opcion (basado en 52 encuestados que respondieron al menos una opcion valida para esta pregunta).

Grafico de Distribucion

Actividades de las empresas

Por otro lado, tenemos que, la mayoría de las actividades de las empresas son actividades acuáticas, senderismo y trekking con 25 y 24 empresas que las realizan, o la multi aventrua con 18 respuestas.

Analisis de Multiple Respuesta: P2

Tabla de Frecuencias
Distribucion de Respuestas para P2
Opcion de Respuesta Numero de Encuestados
Actividades acuaticas 25
Senderismo y trekking 24
Multiaventura 18
Turismo en bicicleta 16
Rutas 4 x 4 o queds 16
No sabe 16
P2_99 0
Respuesta especifica 0
Nc 0
Total de Selecciones 115
Note:
Numero de encuestados que seleccionaron cada opcion (basado en 101 encuestados que respondieron al menos una opcion valida para esta pregunta).

Grafico de Distribucion

Temporada con mayor captacion de clientes

A su vez, podemos conocer que la temporada con mayor actividad para las empresas de turismo activo son el Verano con 40, la primavera con 32 o el otoño con 14, como se aprecia en el siguiente grafico:

Analisis de Multiple Respuesta: P6

Tabla de Frecuencias
Distribucion de Respuestas para P6
Opcion de Respuesta Numero de Encuestados
Verano 40
Primavera 32
Otono 14
Invierno 7
Ns/Nc 0
Total de Selecciones 93
Note:
Numero de encuestados que seleccionaron cada opcion (basado en 51 encuestados que respondieron al menos una opcion valida para esta pregunta).

Grafico de Distribucion

Medios con mayor captacion de clientes

En cuanto a los medios de mayor captación de clientes, observamos que las mejores estrategias resultan ser la publicidad en redes sociales con 34, el posicionamiento en Google o Seo con 33, y las estrategias clásicas o convencionales como el convenio con hoteles o agencias de viajes y ferias o eventos de turismo están disminuidas con un 9 y 6 casos respectivamente, como se expone a continuación:

Analisis de Multiple Respuesta: P7

Tabla de Frecuencias
Distribucion de Respuestas para P7
Opcion de Respuesta Numero de Encuestados
Publicidad en redes sociales 34
SEO y posicionamiento en Google 33
Marketing de influencers 13
Otro 12
Convenio con hoteles o agencias de viaje 9
Ferias y eventos de turismo 6
Ns/Nc 0
Respuesta especifica 0
Nc 0
Total de Selecciones 107
Note:
Numero de encuestados que seleccionaron cada opcion (basado en 101 encuestados que respondieron al menos una opcion valida para esta pregunta).

Grafico de Distribucion

En el caso de los idiomas de la pagina web

Con respecto a la traducción de otros idiomas en la pagina web se observa que la mayoría de las traducciones están en ingles con 28 casos, y en menor medida en Frances con 17 casos o Alemán con 9.

Analisis de Multiple Respuesta: P10

Tabla de Frecuencias
Distribucion de Respuestas para P10
Opcion de Respuesta Numero de Encuestados
Ingles 28
Frances 17
Aleman 9
Otro 5
Ns/Nc 0
Respuesta especifica 0
Total de Selecciones 59
Note:
Numero de encuestados que seleccionaron cada opcion (basado en 101 encuestados que respondieron al menos una opcion valida para esta pregunta).

Grafico de Distribucion

Procedencia de los clientes

Asimismo en cuanto a la procedencia de los clientes, la mayoría provienen de España con 42 casos registrados. Y con números relativamente bajos para e resto.

Analisis de Multiple Respuesta: P13

Tabla de Frecuencias
Distribucion de Respuestas para P13
Opcion de Respuesta Numero de Encuestados
Espana 42
Reino Unido e Irlanda 3
Francia 3
Alemania 2
Italia 1
Total de Selecciones 51
Note:
Numero de encuestados que seleccionaron cada opcion (basado en 51 encuestados que respondieron al menos una opcion valida para esta pregunta).

Grafico de Distribucion

Los canales de informacion de los clientes

Tambien podríamos señalar que los medios preferidos de los clientes de las empresas de turismo activo son las redes sociales y la búsqueda por Internet con un total de 29 respuestas o las recomendaciones de amigos y familiares con un total de 10 respuestas.

Analisis de Multiple Respuesta: P14

Tabla de Frecuencias
Distribucion de Respuestas para P14
Opcion de Respuesta Numero de Encuestados
Redes sociales 29
Buscadores de Internet 29
Recomendaciones de amigos/familia 10
Otro 8
Agencias de viaje 7
Oficina de turismo 2
Ns/Nc 0
Respuesta especifica 0
Total de Selecciones 85
Note:
Numero de encuestados que seleccionaron cada opcion (basado en 101 encuestados que respondieron al menos una opcion valida para esta pregunta).

Grafico de Distribucion

Los canales mas usados para la reserva

En cuanto al medio de reserva mas utilizado por parte de los clientes observamos en términos absolutos que la pagina web es la que tiene mayor preferencia de uso con 45, seguido de plataformas de tercero con 32, y, correo electrónico y llamadas telefónicas ambos con 31 respuestas afirmativas.

En cuanto a los medios preferidos en la utilización de los canales de contacto con las empresas la pagina web sigue ocupando un lugar preferencia como primera opción de contacto, seguido de Correo Electrónico y Llamada telefónica con 7 respuesta como opción de primordial de contacto.

Tanto en términos absolutos como opción preferencial se puede observar que el uso de las redes sociales y de la presencialidad son las opciones menos usadas por los clientes como canal preferencial de contacto.

Sin embargo, las plataformas de terceros son la segunda opción preferida por los clientes para contactar con las empresas y seguido de la pagina web. Y conjuntamente con el correo electrónico y la llamada telefónica se encuentran como tercer lugar de preferencia, como se puede observar en los siguientes gráficos:

Frecuencia de Posiciones Ordinales: Canales de Contacto Preferidos

Tabla de Contingencia de Posiciones Ordinales

Tabla de Contingencia de Frecuencias por Posición Ordinal para Canales de Contacto Preferidos
Opciones de Contacto 1er lugar 2do lugar 3er lugar 4to lugar 5to lugar 6to lugar Total_Respuestas
Correo electrónico 7 5 7 5 5 2 31
Llamada telefónica 7 5 9 7 1 2 31
Plataformas de terceros 6 14 8 3 1 0 32
Presencialmente 2 5 2 4 2 9 24
Página web propia 27 8 4 2 3 1 45
Redes sociales 0 5 3 4 9 2 23
Note:
Número de veces que cada opción de contacto fue clasificada en cada posición. ‘Total Respuestas’ indica la cantidad de veces que cada opción fue rankeada en cualquier posición.

Gráfico de Frecuencias Relativas por Posición Ordinal (Barras Apiladas por Lugar)

Gráfico de Frecuencias Absolutas por Posición Ordinal (Detalle por Opción - Facetado)

Canales con mayor flujo de consultas

En cuanto a los canales con mayor flujo de consultas existe un predominio de los clientes por el uso de WhatsApp con 27 registros o correo electrónico con 9.

Analisis de Multiple Respuesta: P17

Tabla de Frecuencias
Distribucion de Respuestas para P17
Opcion de Respuesta Numero de Encuestados
P17_1 27
P17_2 9
P17_4 6
P17_5 5
P17_3 2
P17_6 1
Total de Selecciones 50
Note:
Numero de encuestados que seleccionaron cada opcion (basado en 50 encuestados que respondieron al menos una opcion valida para esta pregunta).

Grafico de Distribucion

Los clientes parecen preferir consultas a traves de WhatsApp pero hacer las reservas por la pagina web de las empresas.

Uso de la IA en las empresas

En el caso de que las empresas incorporaran el uso de herramientas de Inteligencia Artificial, se puede observar que la mayoría busca responder preguntas frecuentes, proporcionar información sobre actividades y precios o gestionar reservas con 18, 16 o 15 puntos como se aprecia en el siguiente gráfico:

Analisis de Multiple Respuesta: P20

Tabla de Frecuencias
Distribucion de Respuestas para P20
Opcion de Respuesta Numero de Encuestados
P20_1 18
P20_3 16
P20_2 15
P20_99 12
P20_4 10
P20_5 10
P20_6 10
P20_90N 4
P20_OTRO 0
P20_90 0
Total de Selecciones 95
Note:
Numero de encuestados que seleccionaron cada opcion (basado en 101 encuestados que respondieron al menos una opcion valida para esta pregunta).

Grafico de Distribucion

Principales impedimentos para el uso de las herramientas de IA

Entre las principales barreras con las que se encuentran los clientes de las empresas de turismo activo para la incorporación de las herramientas de inteligencia artificial o automatización es la falta de conocimiento sobre su funcionamiento u otra opción, en las que se destaca la preferencia a la atención personalizada, las que se agrega a las 11 respuestas registradas con respecto al miedo a perder el contacto personal con los clientes. Con un caso menos es importante señalar que existe dudas sobre la efectividad de las herramientas para el apoyo de alguna de las actividades de las empresas de turismo activo.

Analisis de Multiple Respuesta: P21

Tabla de Frecuencias
Distribucion de Respuestas para P21
Opcion de Respuesta Numero de Encuestados
P21_90 19
P21_2 16
P21_3 11
P21_4 10
P21_1 9
P21_99 2
P21_OTRO 0
Total de Selecciones 67
Note:
Numero de encuestados que seleccionaron cada opcion (basado en 101 encuestados que respondieron al menos una opcion valida para esta pregunta).

Grafico de Distribucion

Entre las respuestas sobre el uso de herramientas de inteligencia artificial por parte del conocimiento de los entrevistados en el uso de otras empresas, la mayoria la usan para responder a preguntas frecuentes, gestionar reservas o recolectar opiniones de clientes con 5, 4 y 3 registros.

Analisis de Multiple Respuesta: P23

Tabla de Frecuencias
Distribucion de Respuestas para P23
Opcion de Respuesta Numero de Encuestados
P23_1 5
P23_2 4
P23_5 3
P23_3 2
P23_4 1
P23_6 1
P23_90 1
P23_99 1
P23_OTRO 0
Total de Selecciones 18
Note:
Numero de encuestados que seleccionaron cada opcion (basado en 101 encuestados que respondieron al menos una opcion valida para esta pregunta).

Grafico de Distribucion

5. Analisis Bivariado entre variables con opciones de respuestas simples

5.1. Distribución de los posibles usos de un asistente de IA (P19)

Uso de Herramientas de IA (P18) por Tamaño de la empresa (P4)

Ahora bien, con respecto al análisis bivariado haremos una primera aproximación a las posibles asociaciones entre algunas de las variables con opción de respuesta simple, pero relevantes, con respecto a las variables sobre el uso de la Inteligencia Artificial y el Interés de incorporar la inteligencia artificial.

De manera que nos interesa saber la inclinación de incorporar la inteligencia artificial y el uso de estas herramientas segun el tamaño de la empresa, la facturación anual aproximada, el sexo y el rango de edad predominante y los años operativos de la empresa.

El primer análisis va a ser referencia a la relación entre el tamaño de la empresa y el tipo de uso de las herramientas de Inteligencia artificial.

De acuerdo al gráfico a continuación, observamos que las empresas medianas no incorporan herramientas de IA o tareas automatizadas. En el caso de las empresas mas grandes, con mas de 10 empleados, aproximadamente el 9,1% incorporan el uso de chatbots, el 36.4% respuestas automáticas de WhatsApp y un 54% no han pensado en incorporarlas. En el caso de los autonomos el 75% no han pensado incorporar estas herramientas, y un 25% usan respuestas automáticas de WhatsApp.

Tabla de Contingencia (Porcentajes por Fila): Uso de Herramientas de IA (P18) por Tamaño de la empresa (P4)
Tamaño de la empresa (P4) No, nunca Sí, chatbot en la web Sí, respuestas automáticas en WhatsApp
Autónomo (autoempleo) 75.0 0.0 25.0
De 2 a 5 empleados 70.6 11.8 17.6
De 6 a 10 empleados 100.0 0.0 0.0
Más de 10 empleados 54.5 9.1 36.4
Note:
Los porcentajes pueden no sumar exactamente 100% debido al redondeo.

Uso de Herramientas de IA (P18) por Facturacion anual (P5)

En cuanto a la facturación anual no se ve algún tipo de regularidad entre el tipo de facturación aproximada y el uso de herramientas de inteligencia artificial o el uso de herramientas automatizadas, excepto entre quienes facturan mas de 500 mil que si afirman usar repuestas automáticas de WhatsApp o quienes facturan entre 100 mil y 500 mil, con un 40% de casos afirmativo entre los entrevistados.

Tabla de Contingencia (Porcentajes por Fila): Uso de Herramientas de IA (P18) por Facturacion anual (P5)
Facturacion anual (P5) No, nunca Sí, chatbot en la web Sí, respuestas automáticas en WhatsApp
Entre 100.000€ y 500.000€ 60.0 0.0 40.0
Entre 50.000€ y 100.000€ 80.0 10.0 10.0
Más de 500.000€ 0.0 0.0 100.0
Menos de 50.000€ 69.2 0.0 30.8
Ns/Nc 71.4 14.3 14.3
Note:
Los porcentajes pueden no sumar exactamente 100% debido al redondeo.

— Tabla de Porcentajes (P18 por P5) —

Uso de Herramientas de IA (P18) por Años operativos (P3)

Con respecto a los años operativos de las empresas tampoco se observa alguna asociación entre el uso de herramientas de Inteligencia Artificial y de automatización con los años operativos de las empresas, porque basicamente los tres rangos con respuestas muestran valores que oscila entre 20.6 y 33% de casos con uso de respuestas automaticas de WhatsApp, como se puede apreciar en el siguiente gráfico:

Tabla de Contingencia (Porcentajes por Fila): Uso de Herramientas de IA (P18) por Años operativos (P3)
Años operativos (P3) No, nunca Sí, chatbot en la web Sí, respuestas automáticas en WhatsApp
Entre 1 y 3 años 66.7 0.0 33.3
Entre 4 y 10 años 66.7 0.0 33.3
Más de 10 años 70.6 8.8 20.6
Note:
Los porcentajes pueden no sumar exactamente 100% debido al redondeo.

— Tabla de Porcentajes (P18 por P3) —

Uso de Herramientas de IA (P18) por Edad Predominante de Clientes (P11)

Tampoco los resultados se muestran alentadores para la posible asociación entre el rango de edad predominante de las empresas y el uso de herramientas de IA o ML o el sexo predominante, excepto en las empresas cuyos clientes principales son personas con menos de 18 años en las cuales se observa un porcentaje importante en el uso de respuestas automáticas de WhatsApp con un 83%.

Tabla de Contingencia (Porcentajes por Fila): Uso de Herramientas de IA (P18) por Edad Predominante de Clientes (P11)
Edad Predominante Clientes (P11) No, nunca Sí, chatbot en la web Sí, respuestas automáticas en WhatsApp
18-25 años 80.0 0.0 20.0
26-35 años 72.7 9.1 18.2
36-50 años 78.9 10.5 10.5
Más de 50 años 100.0 0.0 0.0
Menos de 18 años 16.7 0.0 83.3
Note:
Los porcentajes pueden no sumar exactamente 100% debido al redondeo.

— Tabla de Porcentajes (P18 por P11) —

Uso de Herramientas de IA (P18) por Sexo Predominante de Clientes (P12)

— Tabla de Porcentajes (P18 por P12) —

5.2. Distribución del interes por agregar un asistente de IA (P19)

Uso de Herramientas de IA (P18) por Facturacion anual aproximada (P5)

En el caso de la distribución del interés por agregar un asistente de IA o ML en las actividades de las empresas en turismo activo y las variables de tamaño de facturación anual se observan segmentes interesantes. Entre las empresas con una facturación por encima de 500 mil euros, se muestra un interés total y absoluto. Un 50,0% de estas empresas están “Interesado” y el otro 50,0% están “Muy interesado”. Entre los que facturan 100 mil y 500 mil 42,9% están muy interesados.

El interés disminuye proporcionalmente al desinterés en la incorporación de herramientas de inteligencia artificial o ML. Entre las empresas que facturan menos de 50 mil, un 58,3% de estas empresas están “Para nada interesado”. En el rango entre 50.000€ y 100.000€, la división es aún más marcada, con un 45,5% “Para nada interesado” frente a un 36,4% “Muy interesado”.

Tabla de Contingencia (Porcentajes por Fila): Interés en IA (P19) por Facturacion anual aproximada (P5)
Facturacion anual aproximada (P5) Para nada interesado Poco interesado Moderadamente interesado Interesado Muy interesado
Entre 100.000€ y 500.000€ 28.6 14.3 14.3 0.0 42.9
Entre 50.000€ y 100.000€ 45.5 9.1 0.0 9.1 36.4
Más de 500.000€ 0.0 0.0 0.0 50.0 50.0
Menos de 50.000€ 58.3 8.3 8.3 0.0 25.0
Ns/Nc 46.7 0.0 20.0 0.0 33.3
Note:
Los porcentajes pueden no sumar exactamente 100% debido al redondeo.

— Tabla de Porcentajes (P19 por P5) —

Uso de Herramientas de IA (P18) por Tamaño de la empresa (P3)

Empresas “Más de 10 empleados”: Las más interesadas.

Este segmento muestra, con diferencia, el mayor entusiasmo por la IA/ML. Un impresionante 66.7% de estas empresas están “Muy interesadas”, y otro 8.3% están “Interesadas”. La suma de “Interesado” y “Muy Interesado” asciende a un 75%, mientras que solo un 8.3% no está “Para nada interesado”.

Los Autónomos (autoempleo) muestran una polarización. Aunque el 61.5% no está “Para nada interesado”, un significativo 23.1% sí está “Muy interesado”. Esto indica que, si bien la mayoría no lo considera, una parte de los autónomos sí ve el potencial de la IA/ML.

Las empresas De 2 a 5 empleados también tienen una alta proporción de “Para nada interesado” (50.0%), pero un 27.8% está “Muy interesado” y un 5.6% “Interesado”.Empresas “De 6 a 10 empleados”: La mayor falta de interés. Este es el grupo que parece tener menos interés en la IA/ML. Un contundente 75.0% no está “Para nada interesado”

Tabla de Contingencia (Porcentajes por Fila): Interés en IA (P19) por Tamaño de la empresa (P4)
Tamaño de la empresa (P4) Para nada interesado Poco interesado Moderadamente interesado Interesado Muy interesado
Autónomo (autoempleo) 61.5 15.4 0.0 0.0 23.1
De 2 a 5 empleados 50.0 0.0 16.7 5.6 27.8
De 6 a 10 empleados 75.0 0.0 25.0 0.0 0.0
Más de 10 empleados 8.3 8.3 8.3 8.3 66.7
Note:
Los porcentajes pueden no sumar exactamente 100% debido al redondeo.

— Tabla de Porcentajes (P18 por P4) —

Uso de Herramientas de IA (P18) por Años operativos (P3)

Empresas Jóvenes (Entre 1 y 3 años): Las más entusiastas con la IA/ML. Este es el segmento más receptivo a la IA/ML. Un impresionante 66.7% de estas empresas están “Muy interesado”, y ninguna muestra desinterés o poco interés en la IA/ML. Esto sugiere que las empresas de reciente creación están más abiertas a integrar nuevas tecnologías desde sus inicios, posiblemente buscando una ventaja competitiva o siendo más ágiles en su adaptación.

Empresas Intermedias (Entre 4 y 10 años): La mayor resistencia. En contraste, este grupo es el que muestra la mayor reticencia. Un contundente 80.0% de las empresas con esta antigüedad están “Para nada interesado”, y ninguna muestra interés moderado o alto. Esto es un hallazgo significativo, ya que indica que las empresas que han consolidado su operación en un rango de tiempo intermedio podrían ser más reacias a cambiar sus procesos establecidos o ver el valor de la IA/ML.

Empresas Consolidadas (Más de 10 años): Interés dividido pero con potencial. Las empresas con más de una década de trayectoria muestran un interés más heterogéneo. Un 41.0% están “Para nada interesado”, pero un notable 33.3% están “Muy interesado”. Además, un 12.8% están “Moderadamente interesado” y un 5.1% “Interesado”. Esto sugiere que, si bien una parte significativa de las empresas veteranas no ve el valor, hay un subgrupo importante que sí está abierto y dispuesto a explorar la IA/ML.

Tabla de Contingencia (Porcentajes por Fila): Interés en IA (P19) por Años operativos (P3)
Años operativos (P3) Para nada interesado Poco interesado Moderadamente interesado Interesado Muy interesado
Entre 1 y 3 años 33.3 0.0 0.0 0.0 66.7
Entre 4 y 10 años 80.0 0.0 0.0 0.0 20.0
Más de 10 años 41.0 7.7 12.8 5.1 33.3
Note:
Los porcentajes pueden no sumar exactamente 100% debido al redondeo.

— Tabla de Porcentajes (P18 por P3) —

Uso de Herramientas de IA (P18) por Rango de edad predominante (P11) y genero (P12) de los clientes

— Tabla de Porcentajes (P19 por P11) — Con respecto a las empresas con sus segmentos etarios preferidos en la incorporación de IA en las actividades se observa que las empresas cuyos rangos de edad predominante son entre 18 y 25 años, las empresas estarían muy interesadas en incorporar asistentes de IA o herramientas de ML. No ocurre lo mismo con las empresas cuyos segmentos etarios preponderantes son menores de 18 años o mayores de 50 años. Con respecto a las empresas con preferencia de clientes con grupos etarios intermedios existe una polarización.

Las empresas destinadas a los grupos jóvenes, un 40.0% está “Para nada interesado”, pero un 30.0% está “Muy interesado”. El 20.0% de “Poco interesado” y el 10.0% de “Moderadamente interesado” completando un panorama donde hay tanto reticencia como apertura.

En cambio, en las empresas dedicadas a los adultos (36-50 años) se muestra un interés significativo con un 40.9% “Muy interesado”, pero con un 40.9% no está “Para nada interesado”.

Con respecto a la preponderancia de genero, parece que los segmentos de clientes femeninos de las empresas de turismo activo tienen mejor inclinación a ser tratadas con herramientas de inteligencia artificial que las empresas con segmentos de clientes preponderantes masculino.

Tabla de Contingencia (Porcentajes por Fila): Interés en IA (P19) por Edad Predominante de Clientes (P11)
Edad Predominante Clientes (P11) Para nada interesado Poco interesado Moderadamente interesado Interesado Muy interesado
18-25 años 20.0 20 0.0 20.0 40.0
26-35 años 40.0 20 10.0 0.0 30.0
36-50 años 40.9 0 18.2 0.0 40.9
Más de 50 años 100.0 0 0.0 0.0 0.0
Menos de 18 años 62.5 0 0.0 12.5 25.0
Note:
Los porcentajes pueden no sumar exactamente 100% debido al redondeo.

Estas consideraciones sobre el rango de edad predominante de las empresas y el interés de implementar algunas de estas estrategias, se pueden apreciar bien en las siguientes visualizaciones:

— Tabla de Porcentajes (P19 por P12) —

Analisis de concurrencia entre medios de captacion y el uso de las herramientas de ML e IA

Por otro lado, es importante mencionar que tenemos algunas preferencias en el deseo de usar las herramientas de automatización e inteligencia artificial con respecto a los medios favoritos de captación de los clientes. En este caso vemos una clara relación con respecto a las expectativas de uso de la resolución de preguntas frecuentes, la gestión de reservas y el suministro de información sobre actividades y precios con respecto a la inclinación de captar clientes mediante publicidad en redes sociales y SEO y posicionamiento en Google.

Tabla de Co-Ocurrencia de Respuestas ‘Sí’ (1) Esta tabla muestra cuántas personas respondieron ‘Sí’ a la pregunta de la fila Y a la pregunta de la columna.

Co-Ocurrencia (Count) de las Preguntas P7 y P20
P7_Variable Responder preguntas frecuentes Gestionar reservas Proporcionar informacion sobre actividades y precios Atencion en varios idiomas Recolectar opiniones de clientes Gestion interna de la empresa Otro Ns/Nc Respuesta especifica Sin respuesta
Publicidad en redes sociales 12 12 13 6 5 6 3 7 0 0
Marketing de influencers 4 4 6 2 2 4 1 4 0 0
SEO y posicionamiento en Google 12 10 14 5 6 4 3 8 0 0
Ferias y eventos de turismo 3 1 3 2 1 2 2 0 0 0
Convenio con hoteles o agencias de viaje 5 3 4 5 2 3 2 1 0 0
Otro 3 4 5 4 2 1 2 3 0 0
Ns/Nc 0 0 0 0 0 0 0 0 0 0
Respuesta especifica 0 0 0 0 0 0 0 0 0 0
Nc 0 0 0 0 0 0 0 0 0 0

Tabla de Co-Ocurrencia de Porcentajes (sobre el total de respondedores) Este porcentaje indica qué proporción del total de la encuesta (N=101) respondió ‘Sí’ a la pregunta de la fila Y a la pregunta de la columna.

Co-Ocurrencia (Porcentaje del Total N=101) de P7 y P20
P7_Variable Responder preguntas frecuentes Gestionar reservas Proporcionar informacion sobre actividades y precios Atencion en varios idiomas Recolectar opiniones de clientes Gestion interna de la empresa Otro Ns/Nc Respuesta especifica Sin respuesta
Publicidad en redes sociales 11,88 11,88 12,87 5,94 4,95 5,94 2,97 6,93 0 0
Marketing de influencers 3,96 3,96 5,94 1,98 1,98 3,96 0,99 3,96 0 0
SEO y posicionamiento en Google 11,88 9,90 13,86 4,95 5,94 3,96 2,97 7,92 0 0
Ferias y eventos de turismo 2,97 0,99 2,97 1,98 0,99 1,98 1,98 0,00 0 0
Convenio con hoteles o agencias de viaje 4,95 2,97 3,96 4,95 1,98 2,97 1,98 0,99 0 0
Otro 2,97 3,96 4,95 3,96 1,98 0,99 1,98 2,97 0 0
Ns/Nc 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0 0
Respuesta especifica 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0 0
Nc 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0 0

Tabla de Porcentajes Condicionales (Columna ‘Sí’ (P20) dado Fila ‘Sí’ (P7)) Este porcentaje indica, para las personas que respondieron ‘Sí’ a la pregunta de la fila (P7), qué porcentaje también respondió ‘Sí’ a la pregunta de la columna (P20).

Porcentaje de Co-Ocurrencia Condicional (P(P20_Sí | P7_Sí)) de P7 y P20
P7_Variable Responder preguntas frecuentes Gestionar reservas Proporcionar informacion sobre actividades y precios Atencion en varios idiomas Recolectar opiniones de clientes Gestion interna de la empresa Otro Ns/Nc Respuesta especifica Sin respuesta
Publicidad en redes sociales 35,29 35,29 38,24 17,65 14,71 17,65 8,82 20,59 0 0
Marketing de influencers 30,77 30,77 46,15 15,38 15,38 30,77 7,69 30,77 0 0
SEO y posicionamiento en Google 36,36 30,30 42,42 15,15 18,18 12,12 9,09 24,24 0 0
Ferias y eventos de turismo 50,00 16,67 50,00 33,33 16,67 33,33 33,33 0,00 0 0
Convenio con hoteles o agencias de viaje 55,56 33,33 44,44 55,56 22,22 33,33 22,22 11,11 0 0
Otro 25,00 33,33 41,67 33,33 16,67 8,33 16,67 25,00 0 0
Ns/Nc 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0 0
Respuesta especifica 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0 0
Nc 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0 0

Por otro lado, podemos observar el interés que tienen las empresas para incorporar las herramientas de IA o ML según las posibles tareas de uso. Como se observa en el siguiente cuadro, las personas muy interesadas o interesadas suelen ser personas que usarían estas herramientas para la respuestas de preguntas frecuentes (12), o proporcionar información sobre actividades y precios (11). En el caso de los que tienen un interés moderadamente bajo a ningún interés son personas que le atribuirían a las herramientas de IA o ML la gestión de reserva o interna de la empresa o el suministro de información sobre actividades y precios.

De manera que, según estos resultados observarmos un interés muy alto en delegar funciones, seguramente abundantes y repetitivas a estas herramientas como seria el caso de la respuesta a preguntas frecuentes, la gestión de reserva y el suministro de información sobre actividades y precios. Puesto que, incluso entre los menos interesados se encuentran empresas inclinadas a tareas de gestión de reserva o proporcionar información de actividades y precios.

Advertencia: No hay datos válidos para el cruce ‘Respuesta especifica por P19’ después de filtrar. Saltando. Advertencia: No hay datos válidos para el cruce ‘Sin respuesta (P20_90) por P19’ después de filtrar. Saltando.

Tabla Consolidada de Co-Ocurrencia (Frecuencias) para Preguntas P20 por Categoría de P19 Cada celda muestra el número de respondedores de esa categoría de ‘P19’ que respondieron ‘Sí’ a la pregunta P20 correspondiente.

Co-Ocurrencia (Frecuencias) para Preguntas P20 por P19
P19 Responder preguntas frecuentes Gestionar reservas Proporcionar informacion sobre actividades y precios Atencion en varios idiomas Recolectar opiniones de clientes Gestion interna de la empresa Otro (P20_90N) Ns/Nc (P20_99)
Para nada interesado 2 4 4 2 1 3 3 5
Poco interesado 1 0 0 0 0 0 0 1
Moderadamente interesado 2 1 1 0 1 0 0 2
Interesado 1 1 1 0 1 1 0 0
Muy interesado 11 8 10 7 6 5 1 2
Total 17 14 16 9 9 9 4 10
Note:
Las frecuencias muestran el número de veces que cada opción de ‘P20’ co-ocurrió con cada categoría de ‘P19’. La fila ‘Total’ muestra el recuento total de ‘Sí’ para cada pregunta P20 entre todas las categorías de ‘P19’.

6.Conclusion

El análisis revela patrones interesantes y, a veces, complejos:

Discrepancia entre Uso e Interés: Es fundamental notar que el interés en incorporar IA no siempre se traduce directamente en el uso actual de herramientas, especialmente en segmentos como las empresas de 6 a 10 empleados, que muestran muy poco uso pero un desinterés muy alto.

Impacto del Tamaño y la Facturación: Las empresas de mayor tamaño (más de 10 empleados) y mayor facturación (más de 500.000€) son consistentemente las más interesadas y, en cierta medida, las que más usan IA. Brecha en Empresas Medianas (6-10 empleados): Este segmento parece ser un punto ciego para la adopción de IA, mostrando tanto una baja implementación como un alto desinterés.

Antigüedad: Las empresas más jóvenes (1-3 años) son las más abiertas a la IA, mientras que las de edad intermedia (4-10 años) son las más resistentes, sugiriendo que la etapa de consolidación puede generar reticencia al cambio.

Demografía de Clientes: Aunque no siempre se asocia con el uso actual, la demografía del cliente sí parece influir en el interés. Las empresas con clientes muy jóvenes y, curiosamente, con predominio femenino, muestran mayor interés en la IA.