Métricas de Marketing como herramienta de análisis de la producción científica

Autores/as

DOI:

https://doi.org/10.5195/biblios.2025.1290

Palabras clave:

Estudios métricos de la información, Métricas de visualización, Modelo AIDA, Métricas de marketing

Resumen

Objetivo. Esta investigación tiene como objetivo explorar la aplicación de las Métricas de Visualización como una herramienta para comprender la dispersión y el impacto de la producción científica, utilizando una adaptación del Modelo AIDA para mapear las etapas de Visualización, Descarga y Citación de documentos científicos. Método. La investigación utiliza un enfoque exploratorio, empleando datos de visualización, descarga y citación de artículos científicos obtenidos de la base SciELO. La adaptación del Modelo AIDA se utilizó para analizar el comportamiento del usuario en tres etapas principales: Visualización, Descarga y Citación. Además, se realizaron cálculos de retención para evaluar la eficacia de cada etapa en el recorrido del usuario. Resultados. Los resultados indican que existe una variación significativa en las métricas de visualización y descarga a lo largo de los años, con énfasis en el año 2018, que presentó una discrepancia notable entre visualizaciones y descargas. El cálculo de retención reveló que la mayoría de los usuarios que visualizan un documento no realizan la descarga, y quienes lo hacen, en su mayoría, son estudiantes de Maestría y de Pregrado. Estos hallazgos sugieren la necesidad de estrategias de divulgación más específicas para aumentar la retención y la eventual citación de los documentos. Conclusiones. Las Métricas de Visualización, cuando se analizan en conjunto con el Modelo AIDA, ofrecen una visión detallada del comportamiento del usuario respecto a los documentos científicos. Este estudio resalta la importancia de utilizar estas métricas para optimizar estrategias de divulgación científica, ampliar la visibilidad de los artículos y, de este modo, potenciar su impacto académico.

Biografía del autor/a

Skrol Salustiano, Universidade Federal do Rio de Janeiro

Doctorando en Ciencias de la Información por el Programa de Posgrado en Ciencias de la Información del Instituto Brasileño de Información en Ciencia y Tecnología - IBICT en convenio con ECO/UFRJ, máster en Ciencias de la Información por el convenio IBICT/UFRJ (2019), especialista en Gestión de la Comunicación Institucional (UCB), licenciado en Comunicación Social (Faesa). Investigador de Estudios Métricos de la Información, Gestión de Datos, Folksonomía y Estructuras Lingüísticas Digitales.

Fabio Castro Gouveia, Universidade Federal do Rio de Janeiro

Fábio Castro Gouveia es tecnólogo en salud pública de la Fiocruz y ha sido cedido para desempeñar el cargo ejecutivo de jefe de la División de Seguimiento Institucional (DINST) del Instituto Brasileño de Información en Ciencia y Tecnología (IBICT). Líder del Grupo de Investigación Ciencia, Datos, Redes y Métricas (Scimetrics), también es investigador de la Red Zika Ciencias Sociales (https://fiocruz.tghn.org/zikanetwork/). Gouveia es biólogo, tiene un máster en Microbiología e Inmunología y un doctorado en Química Biológica (Educación, Gestión y Difusión de las Biociencias). Realizó un posdoctorado corto como Visiting Fellow en la Katolieke Universiteit Leuven (Bélgica) a través de la convocatoria de becas de 2009 del Coimbra Group Scholarships Programme para profesores e investigadores jóvenes de universidades latinoamericanas. En 2020, Gouveia y Elaine Rabello fueron los ganadores del Altmetric Research Award for Promising Altmetrics Research. Es profesor permanente del Programa de Posgrado en Ciencia de la Información en convenio con el IBICT/Eco-UFRJ. Gouveia desarrolla investigaciones en el área de la Ciencia de la Información, con énfasis en Estudios Métricos de la Información (Cientometría, Webometría, Altmetría e Indicadores de Ciencia, Tecnología e Innovación), Métodos Digitales, STS, Ciencia de Datos, Inteligencia Artificial y Tecnología Blockchain, y en el área de Divulgación Científica y Comunicación en Salud, con énfasis en estudios sobre Internet y redes sociales.

Citas

Aida. Oxford Reference. https://doi.org/10.1093/oi/authority.20110803095432783

Bar-Ilan, J., Haustein, S., Peters, I., Priem, J., Shema, H., & Terliesner, J. (2012). Beyond citations: Scholars’ visibility on the social Web. arXiv. https://doi.org/10.48550/ARXIV.1205.5611

Barry, T. E. (1987). The Development of the Hierarchy of Effects: An Historical Perspective. Current Issues and Research in Advertising, 10(1–2), 251–295. https://doi.org/10.1080/01633392.1987.10504921 DOI: https://doi.org/10.1007/978-1-4757-4614-3_1

Bollen, J., Sompel, H. V. de, H., A., & Chute, R. (2009). A principal component analysis of 39 scientific impact measures. PLOS ONE, 4(6), e6022. https://doi.org/10.1371/journal.pone.0006022 DOI: https://doi.org/10.1371/journal.pone.0006022

Cardona, E. A. S. (2021). Marketing científico: Investigadores y prosumidores en la ciencia. Poiésis, 41, 14–22. https://doi.org/10.21501/16920945.4217 DOI: https://doi.org/10.21501/16920945.4217

Demachki, É., & Maricato, J. D. M. (2022). Coverage of data sources and correlations between altmetrics and citation indicators: The case of a brazilian portal of open access journals. Serials Review, 48(1–2), 151–166. https://doi.org/10.1080/00987913.2022.2066967 DOI: https://doi.org/10.1080/00987913.2022.2066967

DiBartola, S. P., & Hinchcliff, K. W. (2017). Metrics and the scientific literature: Deciding what to read. Journal of Veterinary Internal Medicine, 31(3), 629–632. https://doi.org/10.1111/jvim.14732 DOI: https://doi.org/10.1111/jvim.14732

Fang, Z., Costas, R., Tian, W., Wang, X., & Wouters, P. (2021). How is science clicked on Twitter? Click metrics for Bitly short links to scientific publications. Journal of the Association for Information Science and Technology, 72(7), 918–932. https://doi.org/10.1002/asi.24458 DOI: https://doi.org/10.1002/asi.24458

Gholampour, S., Lim, W. M., Lund, B. D., Noruzi, A., Elahi, A., Saboury, A. A., Nawaz, R., & Gholampour, B. (2024). Does social media contribute to research impact? An Altmetric study of highly-cited marketing research. Total Quality Management & Business Excellence, 35(13–14), 1671–1701. https://doi.org/10.1080/14783363.2024.2393339 DOI: https://doi.org/10.1080/14783363.2024.2393339

Glushko, C. (2016) Viewability is a big part of the journey, but it’s not the destination. MarTech. https://martech.org/viewability-big-part-journey-not-destination/

Gorraiz, J., Gumpenberger, C., & Schlögl, C. (2014). Usage versus citation behaviours in four subject areas. Scientometrics, 101(2), 1077–1095. https://doi.org/10.1007/s11192-014-1271-1 DOI: https://doi.org/10.1007/s11192-014-1271-1

Kardes, F. R., Cline, T. W., & Cronley, M. L. (2014). Consumer behavior (2nd edition.). South-Western.

Kavic, M. S., & Satava, R. M. (2021). Scientific literature and evaluation metrics: Impact factor, usage metrics, and altmetrics. JSLS : Journal of the Society of Laparoscopic & Robotic Surgeons, 25(3), e2021.00010. https://doi.org/10.4293/JSLS.2021.00010/ DOI: https://doi.org/10.4293/JSLS.2021.00010

Kotler, P., & Keller, K. L. (2012). Marketing management (14th ed.). Prentice Hall.

Kluyver, T., Ragan-Kelley, B., PÉRez, F., Granger, B., Bussonnier, M., Frederic, J., Kelley, K., Hamrick, J., Grout, J., Corlay, S., Ivanov, P., Avila, D., n, Abdalla, S., Willing, C., & Team, J. D. (2016). Jupyter Notebooks – a publishing format for reproducible computational workflows. Em Positioning and Power in Academic Publishing: Players, Agents and Agendas (p. 87–90). IOS Press. https://doi.org/10.3233/978-1-61499-649-1-87 DOI: https://doi.org/10.3233/978-1-61499-649-1-87

Freitas, J. L., Bufrem, L. S., & Grácio, M. C. C. (2019). O Interdomínio dos Estudos Métricos da Informação em Medicina: Aproximação entre discurso e prática de seus pesquisadores. Encontros Bibli: revista eletrônica de biblioteconomia e ciência da informação, 24(56), 01–22. https://doi.org/10.5007/1518-2924.2019.e65348 DOI: https://doi.org/10.5007/1518-2924.2019.e65348

Maricato, J. D. M., & Martins, D. L. (2018). Altmetria: Complexidades, desafios e novas formas de mensuração e compreensão da comunicação científica na web social. Biblios Journal of Librarianship and Information Science, 68, 48–68. https://doi.org/10.5195/biblios.2017.358 DOI: https://doi.org/10.5195/biblios.2017.358

Mohammadi, E., & Thelwall, M. (2014). m endeley readership altmetrics for the social sciences and humanities: Research evaluation and knowledge flows. Journal of the Association for Information Science and Technology, 65(8), 1627–1638. https://doi.org/10.1002/asi.23071 DOI: https://doi.org/10.1002/asi.23071

Nwagwu, W. E., & Onyancha, B. (2015). Back to the beginning—The journal is dead, long live science. The Journal of Academic Librarianship, 41(5), 669–679. https://doi.org/10.1016/j.acalib.2015.06.005 DOI: https://doi.org/10.1016/j.acalib.2015.06.005

Oliveira, E. F. T. D., & Gracio, M. C. C. (2011). Indicadores bibliométricos em ciência da informação: Análise dos pesquisadores mais produtivos no tema estudos métricos na base Scopus. Perspectivas em Ciência da Informação, 16(4), 16–28. https://doi.org/10.1590/S1413-99362011000400003 DOI: https://doi.org/10.1590/S1413-99362011000400003

Priem, J. (2015). Altmetrics (Chapter from beyond bibliometrics: Harnessing multidimensional indicators of scholarly impact). arXiv. https://doi.org/10.48550/ARXIV.1507.01328 DOI: https://doi.org/10.7551/mitpress/9445.003.0019

Priem, J., & Hemminger, B. H. (2010). Scientometrics 2.0: New metrics of scholarly impact on the social Web. First Monday, 15(2). https://doi.org/10.5210/fm.v15i7.2874 DOI: https://doi.org/10.5210/fm.v15i7.2874

Radlinski, F., Kurup, M., & Joachims, T. (2010). Evaluating search engine relevance with click-based metrics. Em J. Fürnkranz & E. Hüllermeier (Orgs.), Preference Learning (p. 337–361). Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-642-14125-6_16 DOI: https://doi.org/10.1007/978-3-642-14125-6_16

Santos, P. W. Q. D., & Albuquerque, J. P. S. D. (2018). Altmetria: Uma nova lente para os estudos métricos da informação. Biblionline, 13(3), 3. https://doi.org/10.22478/ufpb.1809-4775.2017v13n3.35874 DOI: https://doi.org/10.22478/ufpb.1809-4775.2017v13n3.35874

Santos, R. V., & Araújo, R. F. D. (2025). Repositórios Institucionais da América do Sul: Análise da visibilidade da produção científica na web social. Cuadernos de Educación y Desarrollo, 17(2), e7646. https://doi.org/10.55905/cuadv17n2-122 DOI: https://doi.org/10.55905/cuadv17n2-122

Sales, DP (2022). Critérios, política e procedimentos para a admissão e a permanência de periódicos na Coleção SciELO Brasil: área de Humanidades. Boletim Técnico do PPEC, 9, e024011-e024011. https://www.scielo.br/media/files/20220900-criterios-scielo-brasil.pdf

Salustiano, S., & Gouveia, F. C. (2025). dataset: Métricas do marketing como ferramenta de análise da produção científica [Dataset]. figshare. https://doi.org/10.6084/M9.FIGSHARE.27022852 DOI: https://doi.org/10.5195/biblios.2025.1290

Schlögl, C., Gorraiz, J., Gumpenberger, C., Jack, K., & Kraker, P. (2014). Comparison of downloads, citations and readership data for two information systems journals. Scientometrics, 101(2), 1113–1128. https://doi.org/10.1007/s11192-014-1365-9 DOI: https://doi.org/10.1007/s11192-014-1365-9

Shocker, A. D., Ben-Akiva, M., Boccara, B., & Nedungadi, P. (1991). Consideration set influences on consumer decision-making and choice: Issues, models, and suggestions. Marketing Letters, 2(3), 181–197. https://doi.org/10.1007/BF02404071 DOI: https://doi.org/10.1007/BF02404071

Van Raan, A. F. J. (2004). Sleeping Beauties in science. Scientometrics, 59(3), 467–472. https://doi.org/10.1023/B:SCIE.0000018543.82441.f1 DOI: https://doi.org/10.1023/B:SCIE.0000018543.82441.f1

Wang, L., Ramachandran, A., & Chaintreau, A. (2016). Measuring click and share dynamics on social media: A reproducible and validated approach. Proceedings of the International AAAI Conference on Web and Social Media, 10(2), 108–113. https://doi.org/10.1609/icwsm.v10i2.14841 DOI: https://doi.org/10.1609/icwsm.v10i2.14841

Wijaya, B. S. (2012). The development of hierarchy of effects model in advertising. International Research Journal of Business Studies, 5(1), 73-85. https://www.academia.edu/23497016/The_Development_of_Hierarchy_of_Effects_Model_in_Advertising DOI: https://doi.org/10.21632/irjbs.5.1.73-85

Publicado

16-12-2025

Cómo citar

Salustiano, S., & Castro Gouveia, F. (2025). Métricas de Marketing como herramienta de análisis de la producción científica. Biblios Journal of Librarianship and Information Science, (esp.), e018. https://doi.org/10.5195/biblios.2025.1290

Número

Sección

Original