Respuestas Emocionales y Perceptuales a la Publicidad con Inteligencia Artificial Frente a Formatos Tradicionales
Resumen
Comprender cómo los consumidores responden emocional y cognitivamente a los contenidos generados por inteligencia artificial (IA) constituye un desafío emergente en el campo del neuromarketing. Este estudio experimental con un enfoque de neuromarketing compara el impacto emocional y perceptual de anuncios publicitarios creados con IA frente a formatos tradicionales, considerando el papel modulador del apego emocional previo hacia la marca. Se utilizaron mediciones de electroencefalografía (EEG) mediante el dispositivo Emotiv Pro en una muestra de 30 jóvenes universitarios, quienes fueron expuestos a dos anuncios navideños de Coca-Cola uno generado por IA y otro producido convencionalmente. Las respuestas fueron evaluadas mediante registros neurofisiológicos (atención y estrés) y un cuestionario post-estímulo elaborado ad hoc exclusivamente para este estudio enfocado en percepción de autenticidad, importancia y emocionalidad por apego a la marca. Los resultados revelan diferencias estadísticamente significativas entre ambos formatos. El anuncio tradicional generó mayor atención y fue percibido como más auténtico, mientras que el anuncio con IA provocó mayores niveles de estrés. Además, se encontraron correlaciones significativas entre atención, estrés y autenticidad percibida, siendo más intensas en el formato tradicional. Aunque las asociaciones fueron de baja magnitud, se evidencia una tendencia clara a favor del contenido tradicional en términos de credibilidad emocional y conexión con el público. Estos hallazgos subrayan la importancia de integrar la inteligencia artificial con recursos narrativos humanizados y emocionalmente resonantes para maximizar la efectividad publicitaria. Asimismo, se plantea la necesidad de un enfoque ético y transparente en el uso de IA, que refuerce la autenticidad percibida y fortalezca la relación marca-consumidor.
Descargas
Citas
Ahmadi, A., & Ataei, A. (2024). Emotional attachment: a bridge between brand reputation and brand advocacy. Asia-Pacific Journal of Business Administration, 16(1), 1-20. doi: https://doi.org/10.1108/APJBA-11-2021-0579
Barrera, A., & Tovar, M. (2025). Factores clave de neuromarketing en spots televisivos de la marca Alquería en Colombia. European Public & Social Innovation Review, 10, 1-22. doi: https://doi.org/10.31637/epsir-2025-1496
Barrientos, A., Caldevilla, D., & Fondevila, J. (2025). Efectos neurocomunicacionales de la nostalgia en la publicidad: impacto y conexión emocional con el consumidor. European Public & Social Innovation Review, 10. doi: https://doi.org/10.31637/epsir-2025-1861
Barrientos-Báez, A. (2024). Desafíos del liderazgo: neuromarketing y publicidad. European Public & Social Innovation Review, 9, 1–15. doi: https://doi.org/10.31637/epsir-2024-1569
Campuzano Fernández, S., & Vega Vicente, P. (2021). Riesgos y oportunidades de la inteligencia artificial desde la perspectiva de la competencia Un análisis desde la CNMC. Boletín Económico de ICE, p. 43–55. doi: https://doi.org/10.32796/bice.2021.3137.7259
Choi, C.-J., Xu, J., & Min, D.-G. (2024). Investigating of the influence process on consumer’s active engagement through emotional brand attachment and brand love. Asia Pacific Journal of Marketing and Logistics, 36(11), 3061-3080. doi: https://doi.org/10.1108/APJML-10-2023-1028
Cui, W.-K., Qi, X.-R., Sun, Y., & Yan, G. (2022). Multilayer-Aggregation Functional Network for Identifying Brain Fatigue and Diseases. Frontiers in Physics, 9. doi: https://doi.org/10.3389/fphy.2021.822915
Dicu, A., Rad, D., Barbu, F., Cuc, L., Feher, A., Roman, D., . . . Pîrvulescu, L. (2025). From Attachment to Action: Consumer Identification and the Sustainable Buying of Rural Brand Products Like “Pită de Pecica”. Sustainability (Switzerland), 17(4133). doi: https://doi.org/10.3390/su17094133
Ferrell, M., Beatty, A., & Dubljevic, V. (2025). The Ethics of Neuromarketing: A Rapid Review. Neuroethics, 18(1), 19. doi: https://doi.org/10.1007/s12152-025-09591-8
Gao, Y., & Liang, J. (2025). The Impact of AI-Powered Try-On Technology on Online Consumers’ Impulsive Buying Intention: The Moderating Role of Brand Trust. Sustainability (Switzerland), 17(2789). doi: https://doi.org/10.3390/su17072789
Georgiadis, K., Kalaganis, F., Riskos, K., Matta, E., Oikonomou, V., Yfantidou, I., . . . Kompatsiaris, I. (2023). NeuMa - the absolute Neuromarketing dataset en route to an holistic understanding of consumer behaviour. Scientific data, 10(508). doi: https://doi.org/10.1038/s41597-023-02392-9
Hall, C. M., & Cooper, C. (2025). Making tourism smart in the age of artificial intelligence. Current Issues in Tourism, 28(1), 1-5. doi: https://doi.org/10.1080/13683500.2025.2460922
Hernandez, D., Eyad, E., Yang, J., & John, I. (2025). Artificial Intelligence-Based Conversational Agents Used for Sustainable Fashion: Systematic Literature Review. International Journal of Human–Computer Interaction, 41(8), 4640-4652. doi: https://doi.org/10.1080/10447318.2024.2352920
Jaidka, K., Chen, T., Chesterman, S., Hsu, W., Kan, M.-Y., Kankanhalli, M., . . . Xiao, X. (2025). Misinformation, Disinformation, and Generative AI: Implications for Perception and Policy. Digital Government: Research and Practice, 6(1). doi: https://doi.org/10.1145/3689372
Jukić, D. (2023). Beyond brand image: A neuromarketing perspective. Communication Today, 14(1), 22-38. doi: https://doi.org/10.34135/communicationtoday.2023.Vol.14.No.1.2
Khondakar, M. F., Sarowar, M. H., Chowdhury, M. H., Majumder, S., Hossain, M. A., Dewan, M. A., & Hossain, Q. D. (2024). A systematic review on EEG-based neuromarketing: recent trends and analyzing techniques. Brain Informatics, 11(17). doi: https://doi.org/10.1186/s40708-024-00229-8
Le, M., Nguyen, T., McClelland, R., Antunes, P., & Nguyen , H. (2025). Exploring the dichotomy between brand addiction and brand love: a comprehensive analysis. Asia Pacific Journal of Marketing and Logistics, 37(5). doi: https://doi.org/10.1108/APJML-11-2024-1661
Martín-Gómez, S., & Muñoz de Luna, Á. (2025). ¿Coinciden la comunidad científica y la sociedad sobre el uso de la Inteligencia Artificial en educación? Pixel-Bit, Revista de Medios y Educacion, 139–158. doi: https://doi.org/10.12795/pixelbit.107530
Romero-Buele, D., Domínguez-Maldonado, D., Tinoco-Egas, R., & Peña-Herrera , J. (2021). Medición de Emociones en Los Jóvenes Hacia Emprendimientos de Bebidas de Guayusa: Implicaciones de Gestión para la Comercialización de Productos. European Scientific Journal, 17(39). doi: https://doi.org/10.19044/esj.2021.v17n39p42
Sallaku, K., Macca, L., Santoro, G., & Phan, T. (2025). Advertising in the digital era: Can AI evoke emotions like humans? Business Process Management Journal, 30(1), 45-66. doi: https://doi.org/10.1108/BPMJ-07-2024-0637
Sánchez-Prieto, J., Izquierdo-Álvarez, V., Moral-Marcos, M., & Martínez-Abad, F. (2025). Inteligencia artificial generativa para autoaprendizaje en educación superior: Diseño y validación de una máquina de ejemplos. RIED: Revista Iberoamericana de Educación a Distancia, 28, p59-81. doi: https://doi.org/10.5944/ried.28.1.41548
Sands, S., Demsar, V., Ferraro, C., Wilson, S., Wheeler, M., & Campbell, C. (2025). Easing AI-advertising aversion: how leadership for the greater good buffers negative response to AI-generated ads. International Journal of Advertising. doi: https://doi.org/10.1080/02650487.2025.2457080
Şik, E., & Soba, M. (2021). Eyes do not lie. Investigation of the effectiveness of outdoor advertising instruments: An applied neuromarketing research with eye-tracking technique. Acta Bioéthica, 27, p235-246. Obtenido de https://0310f09g3-y-https-research-ebsco-com.basesdedatos.utmachala.edu.ec/c/pr75sd/viewer/pdf/gsziwegfl5
Šola, H., Qureshi, F., & Khawaja, S. (2025). Human-centred design meets AI-driven algorithms: Comparative analysis of political campaign branding in the Harris–Trump presidential campaigns. Informatics. Informatics, 12(1), 30. doi: https://doi.org/10.3390/informatics12010030
Timimi, H., Baaddi, M., & Bennouna, A. (2025). Impact of artificial intelligence on the personalization of the customer experience: A systematic literature review. Multidisciplinary Reviews, 8(7), 224. doi: https://doi.org/10.31893/multirev.2025224
Venkatraman, V., Dimoka, A., Pavlou, P. A., Vo, K., Hampton, W., Bollinger, B., . . . Winer, R. S. (2015). Predicting Advertising success beyond Traditional Measures: New Insights from Neurophysiological Methods and Market Response Modeling. Journal of Marketing Research, 52(4), 436-452. doi: https://doi.org/10.1509/jmr.13.0593
Wang S, T. X. (2025). EEG assessment of artificial intelligence-generated content impact on student creative performance and neurophysiological states in product design. Frontiers in Psychology, 16. doi: https://doi.org/10.3389/fpsyg.2025.1508383
Wei, Z., Yan, L., & Zhang, C. (2025). Optimization Strategies in Consumer Choice Behavior for Personalized Recommendation Systems Based on Deep Reinforcement Learning. Journal of Organizational and End User Computing, 37(1). doi: https://doi.org/10.4018/JOEUC.368009
Derechos de autor 2025 Sara Michelle Cevallos Collaguazo, Raquel Miroslava Tinoco Egas
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
.png)
.png)
1.png)
