Las redes sociales en el ámbito de las estrategias de marketing

En el ámbito de las estrategias de marketing, en el que se contextualiza el presente trabajo, los usuarios recurren a estas plataformas con el objetivo de gratificar o satisfacer su necesidad de comunicación con la organización o marca representada por la cuenta (Matosas-López & Romero-Ania, 2020).

El potencial de estas tecnologías en el contexto de las estrategias de marketing resulta innegable; es por ello que las redes sociales han captado la atención de organizaciones de todo tipo. Desde que estas plataformas aparecieran en nuestras vidas a principios del año 2000, organizaciones de diversa índole han recurrido a ellas como instrumento para conectar con su audiencia o público objetivo.

En este sentido, organizaciones empresariales, por un lado, y universitarias, por otro, son dos de los entes en los que las redes sociales han experimentado un mayor desarrollo (García, 2018; García, S, García, M, & M, 2014; Martín, 2012; Martínez & A, 2012; Matosas-López, Luzardo-Briceño, Aguilar-Jiménez, & Jaimes-Carrillo, 2021). Tanto en unas, como en otras, plataformas como Twitter, Facebook o Instagram se han integrado en las distintas estrategias corporativas, hasta convertirse, en muchos casos, en piedra angular de las acciones llevadas a cabo en departamentos de marketing y comunicación.

La revisión de la literatura sobre la cuestión del uso de redes sociales en el ámbito de las estrategias de marketing, tanto en la empresa como en la universidad, deja un sin fin de referencias. En lo que atañe al uso de redes sociales en el contexto empresarial, los autores destacan los trabajos de: Alonso (2015), López (2018), Mukherjee y Banerjee (2019), Kraus, Gast, Schleich, Jones, and Ritter (2019), o Giakoumaki y Krepapa (2019).

El trabajo de Alonso (2015) examina la actividad de distintas marcas de moda dentro de las redes sociales Facebook, Twitter, Pinterest e Instagram. En este estudio, la autora explora las publicaciones realizadas, los mensajes viralizados y la tipología de contenido empleado por las cuentas corporativas de cada marca, en las cuatro plataformas observadas.

Por su parte, el estudio de López (2018), analiza el tipo de variables que condicionan la eficiencia de las estrategias de marketing de empresas del sector alimenticio, en Twitter. En este trabajo, el autor examina la manera en que aspectos como la interactividad del contenido (enlaces o menciones), la vivacidad de las publicaciones (fotos o hashtags), la valencia del sentimiento de los emoticonos, o la hora de envío influyen en la difusión de las publicaciones.

La investigación de Mukherjee y Banerjee (2019), apoyándose en cuestionarios, analiza el impacto que las inserciones publicitarias en Facebook tienen en los usuarios de la plataforma. Los autores demuestran que la publicidad en esta red puede generar en la audiencia una actitud positiva hacia la marca, aumentando además la intención de compra de los productos o servicios de la compañía.

Kraus et al. (2019), por su parte, examinan, a través de entrevistas personales, los protocolos de creación de contenido seguidos por una muestra de PYMES (pequeñas y medianas empresas) en sus páginas de empresa en Facebook. Los autores concluyen que, a pesar de la limitación de recursos (tanto humanos como económicos), estas empresas son conscientes de los aspectos a considerar en la gestión de sus estrategias de marketing en este medio.

Por último, el estudio de Giakoumaki y Krepapa (2019) analiza como los contenidos de marcas de lujo en la plataforma Instagram pueden generar un mayor o menor engagement hacia la marca dependiendo de si la publicación proviene de una u otra fuente. En este trabajo, los autores constatan que el compromiso alcanzado mejora cuando la fuente de la que proviene el mensaje es un usuario particular, y no un influencer o la propia cuenta corporativa de la marca.

Por otro lado, en lo que se refiere a los estudios que toman como objeto de observación organizaciones universitarias, los autores destacan los trabajos de: Laaser, Brito, and Toloza (2012), Ureña, Herrera-Murillo, and Rodríguez-Martínez (2014), Puertas Hidalgo y Carpio Jiménez (2016), Kimmons, Veletsianos, and Woodward (2017), o Wu, Chen, Chen, Dou, and Shao (2019).

El trabajo de Laaser et al. (2012) analiza, mediante entrevistas a expertos en gestión universitaria, el uso de las redes sociales Facebook, Twitter, LinkedIn y Google+ como herramienta de marketing. En este estudio, los autores revelan la existencia de problemas en los equipos de gestión y falta de visión estratégica en el uso de estas tecnologías, además de la necesidad de aplicar indicadores de eficiencia y alcance.

La investigación de Ureña et al. (2014) examina, en Facebook, el engagement generado entre una muestra de organizaciones universitarias y sus respectivas audiencias, en función del momento de publicación de los mensajes. Si bien los resultados muestran que el grueso de la actividad se centra en los días y horarios laborales, los investigadores apuntan también que muchos de los contenidos con mejor aceptación son aquellos que los Community managers programan fuera de esos periodos.

Puertas Hidalgo y Carpio Jiménez (2016) analizan el uso que las universidades hacen de las plataformas Facebook, Twitter e Instagram en el marco de sus estrategias corporativas. Los autores apuntan que estas plataformas y el engagement creado a partir de ellas pueden actuar como aliados a la hora alcanzar los objetivos de la organización.

La investigación de Kimmons et al. (2017), tras examinar las métricas de actividad de una muestra de instituciones universitarias en Twitter, apunta que aun cuando las redes sociales sirven reforzar las estrategias de marketing de estas organizaciones, su alcance real es limitado. Los autores revelan que la mayor parte de los mensajes de estas instituciones son unidireccionales, carentes de sentimiento y centrados en una reducida variedad de temas.

Por último, la investigación de Wu et al. (2019) estudia el dialogo entre universidad y público objetivo a través del análisis de las publicaciones y comentarios de ambos en la plataforma Facebook. Los autores demuestran que las publicaciones que emplean un tono amigable fomentan el acercamiento entre organización y usuario, recibiendo más comentarios que aquellas que recurren a un tono directo y autoritario.

Muestra

Los investigadores escogen los elementos muestrales de entre las ochenta y dos instituciones universitarias oficialmente reconocidas por el Ministerio de Educación y Formación Profesional (MEFP) en España. La selección de elementos muestrales se realiza tomando como referencia dos rankings ampliamente reconocidos por la comunidad académica a la hora de examinar la actividad del estamento universitario. Por un lado, el listado Webometrics, ranking desarrollado por el Laboratorio de Cibermetría del Consejo Superior de Investigaciones Científicas en España (CSIC) y, por otro, el Academic Ranking of World Universities (ARWU) o ranking de Shanghái (López, Abad, & Solana, 2015; Marciniak, 2013).

Los investigadores parten de las universidades emplazadas en las quince primeras posiciones del listado Webometrics en España durante el año 2019, para a continuación cotejar si estas organizaciones aparecen a su vez entre las 500 primeras del ranking ARWU de ese mismo año. Los autores, tras esta comprobación, se quedan solo con aquellas universidades que, además de estar entre las quince primeras de España en el listado Webometrics, aparecen también entre las 500 primeras del mundo de acuerdo con el baremo del ranking ARWU.

Esto reduce los elementos muestrales a un total de diez. Las instituciones seleccionadas para formar la muestra fueron: Universidad de Barcelona, Universidad Complutense de Madrid, Universidad Autónoma de Barcelona, Universidad de Valencia, Universidad de Granada, Universidad Autónoma de Madrid, Universidad Politécnica de Catalunya, Universidad Politécnica de Valencia, Universidad Politécnica de Madrid y Universidad Pompeu Fabra.

Extracción de datos

Seleccionada la muestra de diez universidades, los investigadores extraen de la plataforma Twitter todo el contenido publicado por las cuentas corporativas oficiales de las diez instituciones, en un período de un año (del 31 de diciembre de 2019 al 31 de diciembre de 2020). Dado que se analizan de manera general las estrategias de marketing y comunicación de la universidad, contemplando todas sus vertientes y el conjunto de su actividad — investigación, transferencia del conocimiento, acción social hacia sus stakeholders (administraciones públicas, empresas, etc.) — y esta actividad, a diferencia de la docente, no se concentran en un periodo concreto del año, los autores toman como rango de estudio el año natural y no el académico.

La extracción de datos se realiza utilizando el proveedor de servicios Twitonomy (Guijarro, Mascarell, Darós, Somavilla, & Griñón, 2018; Pujalte, Valcarcel, & Esparcia, 2018); recopilando un total de 18.092 publicaciones (tuits originales, retuits y respuestas), además del reconocimiento alcanzado por cada publicación en términos de retuits y favoritos.

El conjunto de datos recopilado, a través del proveedor de servicios, se exporta y almacena en una base de datos para su posterior análisis.

Análisis de datos

Los autores abordan el análisis de los datos extraídos adoptando un enfoque cuantitativo, en el que consideran un total de treinta variables (ver Figura 1). En la investigación, se llevan a cabo dos tipos de análisis. Por un lado, se realiza un análisis descriptivo y, por otro, un análisis de regresión lineal múltiple.

La exploración descriptiva, en línea con Wu et al. (2019), pretende contestar la primera pregunta de investigación (PI1). Aquí, los autores desarrollan su análisis sobre las veintiocho variables catalogadas en la Figura 1 como variables independientes. Estas veintiocho variables se agrupan en cuatro categorías: volúmenes de publicación, componentes de la publicación, publicaciones por día de la semana y publicaciones por franja horaria.

El análisis de regresión lineal múltiple, en línea con Matosas-López and Romero-Ania (2020), persigue dar respuesta a la segunda pregunta de investigación (PI2). En este análisis, los autores toman las veintiocho variables independientes y las dos dependientes indicadas en la Figura 1. Las variables independientes son las agrupadas en las categorías antes mencionadas, mientras que las variables independientes son: las publicaciones retuiteadas y las publicaciones marcadas como favoritas.

Fuente: Elaboración propia

Todos los análisis mencionados anteriormente se llevaron a cabo empleando el software de examen estadístico IMB SPSS en su versión 27.

Volúmenes, componentes y momentos de publicación más habituales (PI1

En el análisis descriptivo llevado a cabo para dar respuesta a la primera pregunta de investigación destacan los siguientes datos. En lo que atañe a los volúmenes de publicación, cabe mencionar que, si bien el 30,28% de las publicaciones son retuits aprovechando el contenido de otras cuentas, la mayoría de las publicaciones son contenidos originales diseñados por la propia universidad (55,75%). En esta categoría destaca también que el promedio de mensajes diarios es de 5,901. No obstante, cabe señalar que en estas variables se observa una elevada dispersión de datos, lo cual denota la existencia de patrones de actuación distantes entre universidades.

En lo que se refiere a los componentes de las publicaciones, las menciones y los hashtags son los elementos que aparecen de forma más recurrente. En estos ítems se observan promedios por mensaje de ,701 y ,899 respectivamente.

Por último, en cuanto al momento de publicación, las frecuencias más elevadas se detectan en la parte central de la semana (martes, miércoles y jueves) y durante las franjas horarias de la mañana (de 8:00 a 13:00).

Fuente: Elaboración propia.

4.2. Volúmenes, componentes y momentos de publicación que inciden en el reconocimiento del contenido publicado en términos de retuits y favoritos (PI2)

Para dar respuesta a la segunda pregunta de investigación se realizan dos análisis de regresión lineal múltiple. Uno para la variable dependiente publicaciones retuiteadas y otro para la variable dependiente publicaciones favoritas (ver Figura 1). Los resultados obtenidos, a partir de estos dos análisis de regresión, permiten identificar las variables que indicen en el reconocimiento del contenido, en forma de retuits y favoritos. Con el propósito de examinar la influencia de cada variable independiente, los ítems se agregan durante el análisis de forma individual, recurriendo al método de incorporación de variables en etapas sucesivas.

En la primera regresión, la realizada para la variable publicaciones retuiteadas, el ítem “Enlaces” (β = ,599, p-valor < ,0001) ingresa en el primer paso del procedimiento. La variable “Hashtags” (β = ,501, p-valor < ,005), por su parte, se agrega en el segundo paso. El modelo para esta primera variable dependiente resulta significativo en su conjunto (F = 69,548, p-valor < ,0001), explicando la varianza de la variable dependiente de manera óptima con un valor R² = ,792. Por consiguiente, este primer análisis de regresión muestra el impacto de las variables “Enlaces” y “Hashtags” en el reconocimiento obtenido por el contenido publicado a través de retuits. (Ver Tabla 2).

En la segunda regresión, la desarrollada para la variable publicaciones favoritas, el ítem “Publicaciones diarias” (β = 1,000, p-valor < ,0001) aparece en el primer paso del proceso. La variable agregada, con signo negativo, en el segundo paso es la denominada “Retuits” (β = -,601, p-valor < ,0001). Por último, en tercer lugar, se incorpora el ítem “Publicaciones de 8:00 a 10:00” (β = ,297, p-valor < ,005). En consecuencia, el modelo para la variable publicaciones favoritas resulta también significativo (F = 299,871, p-valor < ,0001), explicando adecuadamente la varianza de esta variable con un R² = ,886. Por ende, este segundo análisis de regresión revela la influencia de las variables “Publicaciones diarias”, “Retuits” y “Publicaciones de 8:00 a 10:00” en el reconocimiento alcanzado, a través de favoritos. La primera y la tercera con signo positivo y la segunda, la que alude al uso de la funcionalidad de retuit, con valencia negativa (ver Tabla 2).

La Tabla 2 presenta, tan solo, los datos de aquellas variables que tras el análisis de regresión han demostrado tener una incidencia significativa sobre las variables independientes examinadas (Publicaciones retuiteadas y Publicaciones favoritas). El resto de las variables han sido eliminadas de la tabla con el propósito de facilitar la visualización de los resultados.

*p-valor < ,005 / **p-valor < ,0001.

Fuente: Elaboración propia.

En la presente tabla, el coeficiente β indica el número de unidades que aumentarán o disminuirán — dependiendo del signo — las variables dependientes (Publicaciones retuiteadas y Publicaciones favoritas), por cada unidad que varíen las respectivas variables independientes. Definiendo, por consiguiente, el sentido de la relación entre unas y otras.

No obstante, el indicador, quizá, más relevante de la tabla que nos ocupa es el denominado p-valor. Este valor revela el nivel de significatividad de las relaciones entre variables, antes aludidas. Así, por ejemplo, serán más significativas aquellas relaciones en las que el p-valor sea menor de ,0001 y ligeramente más débiles, aunque también significativas, aquellas en las que el p-valor esté por debajo de ,005.

Volúmenes, componentes y momentos de publicación más habituales (PI1

En lo que se refiere a la primera pregunta de investigación, sobresalen varios aspectos: (a) la preponderancia de las publicaciones originales (sobre aquellas que son retuits o respuestas), (b) un alto promedio de publicaciones diarias, (c) el uso intensivo de menciones y hashtags (incluso por encima del uso de enlaces) y (d) la explotación de la parte central de la semana y el horario matinal como principal momento de publicación.

De entre estos hallazgos, los autores destacan la elevada presencia de menciones y hashtags en los mensajes. Estos resultados, están en concordancia con las investigaciones de autores como Puertas Hidalgo y Carpio Jiménez (2016) o Laaser et al. (2012). Estudios ambos en los que se enfatiza la importancia del uso de menciones, en el primero, y de hashtags, en el segundo.

No obstante, estos resultados difieren, por ejemplo, con lo apuntado por López et al. (2015) en su trabajo sobre el uso de Facebook y Twitter como canal de comunicación corporativa en el ámbito universitario. Investigación está en la que los autores destacan la importancia del enlace, por encima de la mención o el hashtag, en cualquier publicación. Este hecho, en opinión de los autores, podría apuntar hacia una evolución de las estrategias de marketing y comunicación en redes sociales, revelando que el uso de menciones o hashtags, en la actualidad, gozaría de mayor aceptación que la utilización de enlaces.

Sea como fuere, resulta indiscutible que tanto menciones como hashtags otorgan un importante valor añadido a las publicaciones. En el caso de las menciones, el potencial reside en la implicación de la audiencia en un proceso de dialogo; mientras que en el caso de los hashtags, el interés radica en su poder para monitorizar el contenido dentro de la plataforma, haciéndolo más accesible para el público objetivo de la organización.

5.2. Volúmenes, componentes y momentos de publicación que indicen en el reconocimiento del contenido publicado en términos de retuits y favoritos (PI2)

En lo que al segundo interrogante de investigación atañe, cabe destacar que el reconocimiento alcanzado por los mensajes está influenciado por: (a) el uso de enlaces y hashtags en las publicaciones (cuando se trata del reconocimiento del contenido mediante retuits); y (b) el número de publicaciones diarias, los mensajes entre las 8:00 y las 10:00 am y los retuits realizados desde la cuenta (si hablamos del reconocimiento mediante favoritos).

La incidencia de las variables enlaces, hashtags, publicaciones diarias y mensajes entre las 8:00 y las 10:00 am tiene valencia positiva, es decir, un mayor uso de estos elementos influye positivamente en el reconocimiento del contenido mediante retuits y/o favoritos. Estos hallazgos están en la línea de otros estudios previos sobre estrategias de marketing en redes sociales, dentro del ámbito universitario (Laaser et al., 2012; López et al., 2015; Ureña et al., 2014). Estudios que, tras analizar la actividad en plataformas como Twitter y Facebook, entre otras, subrayan que aspectos como los anteriormente señalados condicionan el impacto y reconocimiento que el contenido publicado por la institución alcanza en su público objetivo.

La última variable que parece influir en el reconocimiento alcanzado por el contenido, en este caso de manera negativa, es el número de publicaciones retuiteadas por la universidad. Esta variable aparece en la regresión desarrollada para publicaciones favoritas con valencia negativa, indicando, por tanto, que, a mayor volumen de contenido retuiteado, menor reconocimiento en forma de favoritos. Este hecho está en consonancia con los hallazgos de López (2018) en su estudio sobre viralización de contenido en la red social Twitter. En este trabajo, el autor apunta que el excesivo uso de retuits en una cuenta corporativa puede ser percibido por la audiencia de esta como indicador de falta de originalidad e incluso debilidad. Hecho este que llevaría a sus seguidores a penalizar a la organización.

Propuestas para unas estrategias de marketing en redes sociales, más eficientes

Considerando lo anteriormente expuesto, los autores concluyen que, efectivamente existe un cierto desajuste entre la actividad habitualmente desarrollada por las cuentas universitarias y lo que deberían llevar a cabo para conseguir un mejor reconocimiento en sus publicaciones. Por consiguiente, a la vista de esta situación, los autores postulan las siguientes propuestas, cómo manera de mejorar la eficiencia de las estrategias en este medio.

1.   Mantener una actividad homogénea y constante en la plataforma, empleando entre 5 y 6 publicaciones diarias.

2.   Emplear, de manera preferente, tuits originales (los producidos por la propia universidad). Sin descuidar, por su puesto, las respuestas a las interpelaciones de otros usuarios. Hecho este último que contribuirá a establecer un dialogo entre las partes, potenciando el engagement entre organización y audiencia.

3.   Reducir el número de retuits a contenidos generados por terceros. Técnica esta que puede resultar contraproducente, llegando a perjudicar la percepción que el usuario tiene de la cuenta.

4.   Impulsar la utilización de hashtags, para facilitar la monitorización de contenido, y de enlaces. Este último elemento, empleado cómo generador de tráfico hacia el sitio corporativo, contribuirá, como técnica de SEO (Search Engine Optimization), a mejorar el posicionamiento web de la institución.

5.   Mantener una actividad de publicación uniforme durante la semana. Al menos en lo que a días laborables atañe, minorando la intensidad durante el fin de semana.

6.   Reforzar las publicaciones durante las primeras franjas horarias de la mañana, para mejorar la viralización de los mensajes.

El presente estudio, al margen de las mencionadas propuestas, viene a constatar la necesidad de profundizar en el conocimiento de los aspectos que inciden en la eficiencia de las estrategias de marketing en redes sociales. Corroborando la importancia que, para académicos y profesionales, tiene el hecho de contar con una visión actualizada de cuáles son las variables que inciden en la eficiencia de las acciones en este medio.