Universidad del Zulia (LUZ)

Revista Venezolana de Gerencia (RVG)

Año 31 No. 114, 2026, e311143

Abril-Junio

ISSN 1315-9984 / e-ISSN 2477-9423

Como citar: Peixoto, E., Tupac, S. Y., y Aguirre, R. (2026). Marketing digital: El rol de la preparación tecnológica y Confianza. Revista Venezolana De Gerencia, 31(114), e311143. https://doi.org/10.52080/rvgluz.31.114.3

Marketing digital: El rol de la preparación tecnológica y Confianza

Peixoto Rodriguez, Egidio*

Tupac Travezaño, Sara Ysabel**

Aguirre Camarena, Richard***

Resumen

Este estudio analiza el rol de la preparación tecnológica y la confianza en el marketing digital. Específicamente, se examina cómo estos factores influyen en la intención de uso de la tecnología y la adopción de herramientas digitales en una muestra de restaurantes de Iquitos. Se encuestó a 244 propietarios y gerentes, y el modelado de ecuaciones estructurales mostró buen ajuste tras la respecificación (χ²(17) = 43.1, p < .001; CFI = 0.934; RMSEA = 0.079; SRMR = 0.064). La preparación tecnológica (β = 0.35, p = 0.019) y la confianza (β = 0.35, p = 0.014) aumentan la intención de uso, que predice la implementación del marketing digital (β = 0.16, p = 0.020). Aunque algunas cargas factoriales y fiabilidades fueron bajas, se retuvieron por relevancia teórica. El estudio combina factores tecnológicos y conductuales, ofreciendo orientación práctica para la transformación digital y el fortalecimiento económico de pequeñas empresas de servicios.

Palabras clave: preparación tecnológica confianza; intención de uso de la tecnología; marketing digital.

Recibido: 24.11.25 Aceptado: 21.01.26

* Doctor en Administración. Escuela de Posgrado de la Universidad San Ignacio de Loyola (EPG-USIL), Lima, Perú. Correo: egidio.peixoto@epg.usil.pe ORCID: https://orcid.org/0000-0003-4707-4552

** Magister en Comercio Internacional, Doctorando. Docente en la Facultad de Ciencias Administrativas de la Universidad Nacional Mayor de San Marcos (UNMSM), Lima, Perú. Correo: stupact@unmsm.edu.pe ORCID: https://orcid.org/0000-0002-1610-8900

*** Magister en Ciencias Empresariales, Doctorando. Docente en la Facultad de Negocios de la Universidad Privada del Norte (UPN), Lima, Perú. Correo: richard.aguirre@upn.edu.pe ORCID: https://orcid.org/0000-0002-3435-067X

Digital Marketing: The Role of Technological Readiness and Trust

Abstract

This study analyzes the role of technological readiness and trust in digital marketing. Specifically, it examines how these factors influence the intention to use technology and the adoption of digital tools within a sample of restaurants in Iquitos. Data were collected from 244 owners and managers, and structural equation modeling showed good fit after respecification (χ²(17) = 43.1, p < .001; CFI = 0.934; RMSEA = 0.079; SRMR = 0.064). Technological readiness (β = 0.35, p = 0.019) and trust (β = 0.35, p = 0.014) significantly increase the intention to use technology, which in turn predicts digital marketing implementation (β = 0.16, p = 0.020). Although some factor loadings and reliability coefficients were low, they were retained for theoretical relevance. The study integrates technological and behavioral factors, providing practical guidance for digital transformation and economic strengthening of small service businesses.

Keywords: technological readiness; intention to use technology; digital marketing.

1. Introducción

El rápido crecimiento del acceso a internet y de las redes sociales—utilizadas por casi la mitad de la población mundial (Travassos & Carmo, 2023)—ha transformado la comunicación, el intercambio de información y las prácticas empresariales. En Perú, la penetración de internet alcanzó el 66,8% a inicios de 2021, con un 88,5% accediendo a través de dispositivos móviles (Instituto Nacional de Estadística e Informática, 2021). Esta conectividad genera oportunidades para que las micro y pequeñas empresas (MYPES) aprovechen el marketing digital para promoción, interacción con clientes y desarrollo de marca (Peixoto, 2025).

El marketing digital, particularmente mediante redes sociales, permite una comunicación dirigida, interactiva y rentable (Habibi et al., 2015; Peterson et al., 2010). Sin embargo, su adopción entre MYPES en áreas urbanas periféricas, como los restaurantes de Iquitos, sigue siendo limitada debido a barreras tecnológicas, baja confianza en los sistemas digitales y restricciones de recursos (Albar & Hoque, 2019; Ritz et al., 2019). Las actitudes y habilidades de propietarios y gerentes influyen de manera crítica en la adopción (Herhausen et al., 2020; Khan, 2021).

La preparación tecnológica, que incluye infraestructura, facilidad de uso y capacidad individual, es clave para el éxito en la adopción del marketing digital (Klepek & Starzyczná, 2018; Lu et al., 2019). Asimismo, la confianza en la tecnología y en los proveedores determina la participación y la percepción de utilidad, afectando los resultados de adopción (Buvár & Gáti, 2023; Ejdys, 2018).

La adopción tecnológica se ha estudiado mediante modelos como TAM y UTAUT, mostrando que la percepción de utilidad, facilidad de uso e intención de comportamiento influyen fuertemente en la implementación efectiva (Eneizan et al., 2022; Riantini et al., 2021). Para adoptar eficazmente el marketing basado en redes sociales, las MYPES requieren tanto factores conductuales, como la preparación tecnológica, como factores relacionales, como la confianza.

Este estudio analiza cómo la preparación tecnológica y la confianza influyen en la adopción del marketing digital en redes sociales. Específicamente, el efecto de la preparación tecnológica y la confianza sobre la intención de adopción, así como el vínculo entre dicha intención y la implementación real en plataformas como Facebook, Instagram y YouTube. Los hallazgos ofrecen información relevante para emprendedores, formuladores de políticas y agencias de desarrollo que apoyan la transformación digital en regiones con recursos limitados.

2. Preparación tecnológica, confianza y marketing digital: Revisión de literatura y formulación de hipótesis

La preparación tecnológica (TR) refleja la tendencia de un individuo a adoptar nuevas tecnologías, influida por optimismo, innovación, malestar e inseguridad (Parasuraman, 2000; Parasuraman & Colby, 2014), y predice la adopción de herramientas como Big Data, inteligencia artificial, Internet móvil, Cloud Computing y Blockchain, guiando la transformación digital y los cambios operativos en las empresas (Grandón et al., 2019). El TRI 2.0 mide desempeño, confianza, habilidades e innovación, y ha demostrado ser robusto para MYPES en sectores de servicios como restaurantes (Ali et al., 2016; Melas et al., 2014).

La confianza es un factor crítico en la adopción digital, considerando tanto la confianza en el proveedor (competencia, benevolencia, integridad) como en la tecnología (funcionalidad, utilidad, fiabilidad) (Ahrholdt, 2011; Mayer et al., 1995; Mcknight et al., 2011). La confianza reduce la incertidumbre y promueve actitudes favorables, especialmente en pequeñas empresas donde el escepticismo hacia las plataformas digitales es común (Parasuraman & Colby, 2014; Sherchan et al., 2013).

La adopción tecnológica se ve impulsada principalmente por la percepción de utilidad y facilidad de uso según el modelo TAM (Davis, 1989), lo que ayuda a explicar cómo TR y la confianza influyen en la intención de las MYPES de usar herramientas digitales para marketing en redes sociales (Dwivedi et al., 2021; Gefen, 2000). El marketing digital permite una comunicación dirigida, interactiva y rentable, mejorando alcance, identidad de marca e interacción con clientes, mientras que su bajo costo y escalabilidad permiten superar limitaciones de recursos, lograr crecimiento sostenible y fortalecer la competitividad en entornos digitales en evolución (Lamberton & Stephen, 2016; Peterson et al., 2010; Tarazona-Montoya et al., 2020; Khan, 2021; Li et al., 2021).

La TR refleja la tendencia de un individuo a adoptar e integrar la tecnología, donde el optimismo y la innovación fomentan la adopción, mientras que el malestar y la inseguridad la inhiben (Lin et al., 2007; Parasuraman, 2000; Parasuraman & Colby, 2014). En las MYPES peruanas, particularmente restaurantes en Iquitos, se espera que la TR fomente el uso proactivo del marketing digital basado en redes sociales.

H1: La preparación tecnológica influye positivamente en la intención de usar la tecnología para marketing digital.

La confianza reduce la incertidumbre y respalda las decisiones de adopción. Considerando tanto la confianza en la tecnología como en el proveedor, fomenta actitudes favorables, especialmente en MYPES con recursos limitados (Gefen et al., 2003; Mcknight et al., 2011; McKnight et al., 2002).

H2: La confianza influye positivamente en la intención de usar la tecnología para marketing digital.

La intención de uso (IU) predice el comportamiento real según modelos como TAM y UTAUT (Venkatesh et al., 2003, 2012). Las intenciones fuertes se traducen en una implementación más consistente de plataformas como Facebook, Instagram y YouTube (Rauniar et al., 2014).

H3: La intención de usar tecnología influye positivamente en la implementación del marketing digital.

En conjunto, TR y la confianza actúan como antecedentes de la intención de uso, la cual, a su vez, impulsa la implementación del marketing digital, formando la vía conductual de la transformación digital en las MYPES (Featherman & Fuller, 2003; Rauniar et al., 2014).

HG: La preparación tecnológica y la confianza influyen en la intención de usar tecnología, lo que a su vez impacta la implementación del marketing digital.

El diagrama 1 muestra el modelo de investigación propuesto en este estudio.

Diagrama 1

Modelo de investigación propuesto

3. Enfoque metodológico

El estudio adoptó un enfoque cuantitativo, de tipo causal, aplicado y deductivo, con el objetivo de analizar la influencia de la preparación tecnológica y la confianza en la adopción del marketing digital. El diseño permitió la medición estadística de las variables y la contrastación de hipótesis a partir de la teoría existente (Hernández & Mendoza, 2018; Sekaran & Bougie, 2016). Se empleó un muestreo por conveniencia conformado por 244 propietarios y gerentes de restaurantes de la ciudad de Iquitos, Perú, tamaño que cumple con los criterios recomendados para el modelado de ecuaciones estructurales (SEM), al considerar al menos seis participantes por ítem evaluado (Hair et al., 1999; Kline, 2020). La muestra presentó un perfil heterogéneo, con predominancia de adultos entre 25 y 44 años y un nivel educativo secundario o superior.

Para la recolección de datos se adaptaron escalas validadas con escalamiento Likert de cinco puntos: preparación tecnológica (Parasuraman & Colby, 2014), confianza (McKnight et al., 2002), intención de uso bajo el modelo UTAUT (Venkatesh et al., 2003) e implementación del marketing digital (Ritz et al., 2019). El instrumento fue sometido a un proceso de validación que incluyó adaptación cultural, juicio de tres expertos (V de Aiken > 0.70) y una prueba piloto con 50 participantes. La consistencia interna fue satisfactoria, con coeficientes Alfa de Cronbach entre 0.76 y 0.96 para las variables principales; si bien algunas dimensiones específicas, como inseguridad e incomodidad, presentaron valores ligeramente menores (α ≈ 0.63), estas fueron retenidas por su relevancia teórica en el contexto de las MYPES.

El análisis de datos se realizó en el software R (v.4.2.3), utilizando el paquete lavaan. Dado el carácter ordinal de los datos, se emplearon correlaciones policóricas y el análisis factorial confirmatorio (CFA) se estimó mediante el estimador WLSMV. Previamente a la estimación del modelo estructural, se aplicó el parcelamiento de ítems (item parceling) para mejorar la estabilidad del modelo (Matsunaga, 2008). El modelo final se estimó mediante máxima verosimilitud robusta (MLR), evaluándose la bondad de ajuste a través de los indicadores CFI > .90, RMSEA < .080 y SRMR < .080 (Bentler, 1990; Browne & Cudeck, 1992). Finalmente, la confiabilidad se corroboró mediante coeficientes omega multidimensionales, permitiendo una estimación más precisa de la estructura de las variables de segundo orden.

4. Preparación Tecnológica: Resultados empíricos y análisis explicativo

El análisis de los datos comenzó con el examen estructural de la escala de Preparación Tecnológica. Se eliminó el ítem 9 debido a su extensión y efecto negativo en la consistencia interna. El Análisis Factorial Confirmatorio (CFA) confirmó la estructura de cuatro factores esperada —optimismo, innovación, incomodidad e inseguridad— con un ajuste aceptable (χ²(84) = 205,4, p < .001; CFI = .920; RMSEA = .077; SRMR = .074). Los coeficientes omega oscilaron entre .63 y .83; se retuvieron valores más bajos en algunas subdimensiones, como inseguridad, por su relevancia teórica (Mishra et al., 2018; Mukerjee et al., 2019). La Tabla 1 presenta las estadísticas descriptivas y las cargas factoriales estandarizadas.

Tabla 1

Estadísticas descriptivas y cargas factoriales estandarizadas de la escala de preparación tecnológica

Ítem	M	DE	g1	g2	F1	F2	F3	F4
1. Las nuevas tecnologías contribuyen a mejorar la calidad de vida.	3.9	0.9	-1.3	2.2	.76
2. La tecnología me da mayor libertad para moverme a diferentes lugares.	4.0	0.9	-1.4	2.8	.81
3. La tecnología le da a la gente un mayor control sobre sus vidas diarias.	3.4	1.0	-0.4	-0.1	.72
4. La tecnología me vuelve más productivo en mi vida personal.	3.5	1.0	-0.6	0.1	.69
5. Algunas personas me piden consejos sobre las nuevas tecnologías.	3.4	1.0	-0.4	-0.6		.62
6. En general, estoy entre los primeros de mi círculo de amigos en adquirir nueva tecnología cuando esta aparece.	3.0	1.0	0.1	-0.8		.71
7. Usualmente, puedo entender los nuevos productos y servicios de alta tecnología sin la ayuda de otras personas.	3.4	1.0	-0.6	-0.4		.62
8. Me mantengo al tanto de los últimos avances tecnológicos en mis áreas de interés.	3.5	1.0	-0.4	-0.2		.70
10. Las líneas de apoyo técnico sirven de ayuda porque explican las cosas en términos que yo entiendo.	3.7	0.8	-1.1	1.5			.61
11. Algunas veces pienso que los sistemas tecnológicos están diseñados para ser usados por cualquier persona.	3.6	0.9	-0.6	0.0			.62
12. Hay manuales para productos o servicios de alta tecnología que están escrito en lenguaje simple.	3.5	0.9	-0.7	-0.1			.58
13. Las personas dependen demasiado en que la tecnología haga las cosas por ellos.	3.6	1.0	-0.6	-0.2				.67
14. El exceso de tecnología distrae a las personas hasta un punto que es perjudicial.	4.1	1.0	-1.3	1.5				.74
15. La tecnología disminuye la calidad de las relaciones al reducir la interacción personal.	4.0	1.0	-1.2	1.1				.83
16. Me siento seguro de hacer negocios en un lugar al que solo se puede acceder por internet.	2.8	1.0	0.2	-0.6				.23
Correlaciones entre factores					F1	F2	F3	F4
F1. Optimismo					(.83)
F2. Innovación					.61	(.76)
F3. Incomodidad					.42	.54	(.63)
F4. Inseguridad					.14	.31	.47	(.73)

Nota: Los coeficientes omegas para cada dimensión se muestran entre paréntesis.

La estructura de cuatro factores confirma la validez del Índice de Preparación Tecnológica adaptado (TRI 2.0) para capturar las dimensiones psicológicas que influyen en la adopción tecnológica en el contexto peruano. La eliminación del ítem 9 contribuyó a asegurar la relevancia contextual del instrumento (Mishra et al., 2018). La confiabilidad general fue aceptable; no obstante, la subdimensión de inseguridad (.63) refleja mayores preocupaciones vinculadas a la confianza digital en economías emergentes (Mukerjee et al., 2019). En este sentido, las dimensiones de optimismo e innovación actúan como facilitadores de la adopción tecnológica, mientras que la incomodidad y la inseguridad operan como barreras.

En relación con la escala de confianza, el modelo original de Análisis Factorial Confirmatorio (CFA), compuesto por seis dimensiones correlacionadas, presentó inicialmente un ajuste insuficiente (χ²(120) = 484.4, p < .001; CFI = .931; RMSEA = .112; SRMR = .068). A partir de modificaciones fundamentadas en criterios teóricos —incluida la eliminación de los ítems ben03, int02 y con02, así como la incorporación de covarianza entre los errores de com01 y com02 (r = .49)—, el modelo revisado evidenció un ajuste excelente (χ²(74) = 165.2, p < .001; CFI = .979; RMSEA = .071; SRMR = .043). Los coeficientes de consistencia interna, estimados mediante omega, oscilaron entre .70 y .90, confirmando la fiabilidad de las subescalas (tabla 2).

Tabla 2

Cargas factoriales de la solución estandarizada del análisis factorial confirmatorio para la escala de confianza

Ítem	M	DE	g1	g2	F1	F2	F3	F4	F5	F6
1. Las redes sociales son competentes y eficaces para realizar marketing digital.	4.2	0.9	-1.4	2.1	.77
2. Las redes sociales cumplen muy bien su función para realizar marketing digital.	4.1	0.9	-1.3	2.1	.77
3. Las redes sociales son herramientas de Internet capaces y competentes.	4.0	0.9	-1.2	2.1	.89
4. Las redes sociales actúan o actuarían a mi favor.	3.4	1.0	-0.2	-0.2		.76
5. Las redes sociales harían todo lo posible por ayudarme, si necesito ayuda.	3.5	1.0	-0.5	-0.2		.76
7. Las redes sociales son sinceras en sus tratos conmigo.	2.8	1.0	0.2	0.0			.77
9. Las redes sociales mantienen sus compromisos porque harán su parte.	3.2	0.9	-0.3	-0.3			.76
10. Las redes sociales tienen la funcionalidad que necesito.	3.6	0.9	-0.9	1.0				.79
11. Las redes sociales tienen las funciones necesarias para realizar alguna actividad.	3.7	0.9	-1.2	1.6				.77
12. Las redes sociales tienen la capacidad de hacer lo que yo quiero que hagan.	3.3	1.0	-0.5	-0.3				.68
13. Las redes sociales me brindan la ayuda que necesito a través de una función de ayuda.	3.6	0.8	-0.9	0.9					.88
14. Las redes sociales proporcionan orientación competente (cuando es necesario) a través de una función de ayuda.	3.6	0.9	-0.9	0.6					.90
15. Las redes sociales llegan a satisfacer mi necesidad de ayuda a través de una función de ayuda.	3.4	1.0	-0.7	0.1					.89
16. Las redes sociales son herramientas muy confiables.	2.5	1.0	0.3	-0.2						.91
18. Las redes sociales son extremadamente confiables.	2.3	1.0	0.6	0.2						.89
Correlaciones entre factores					F1	F2	F3	F4	F5	F6
F1. Competencia					(.85)
F2. Benevolencia					.79	(.73)
F3. Integridad					.45	.85	(.74)
F4. Funcionalidad					.62	.77	.74	(.79)
F5. Utilidad					.55	.70	.63	.81	(.92)
F6. Confiabilidad					.26	.56	.62	.52	.56	(.90)

Nota: Los coeficientes omegas de cada dimensión se muestran entre paréntesis.

El buen ajuste y la fiabilidad de la escala de confianza confirman su naturaleza multidimensional, que integra componentes como competencia, integridad, funcionalidad y confiabilidad (Pavlou, 2003; Sharma et al., 2017). Los ajustes realizados a los ítems y a las covarianzas de error reflejan matices contextuales relevantes, lo que sugiere que las percepciones sobre la confianza digital varían en función de la cultura y del sector económico. Desde una perspectiva práctica, fomentar la confianza tanto en la tecnología como en el proveedor resulta esencial para incrementar la intención de uso de herramientas digitales entre los propietarios de restaurantes en mercados emergentes como Iquitos.

Para el análisis del modelo estructural, los valores de todas las variables del estudio se escalaron de 0 a 30 con el fin de facilitar su interpretación, sin afectar los coeficientes de correlación. La Tabla 3 presenta las estadísticas descriptivas, los índices de asimetría (A), los coeficientes de consistencia interna (omega) y las correlaciones entre variables, las cuales oscilaron entre .06 y .67. Los valores de omega variaron entre .63 y .96, lo que evidencia una fiabilidad aceptable de las escalas utilizadas.

Tabla 3

Estadísticas descriptivas, consistencias internas y correlaciones de las variables del estudio

Variables	M	DE	A		1	2	3	4	5	6	7	8
Optimismo	20.2	5.5	-0.9	.83	−
Innovación	17.4	5.5	-0.3	.76	.47	−
Incomodidad	19.4	4.8	-0.9	.63	.30	.34	−
Inseguridad	19.6	5.2	-1.1	.73	.17	.28	.29	−
Confianza en el proveedor	18.8	5.0	-0.7	.81*	.42	.28	.30	.36	−
Confianza en la tecnología	16.3	5.0	-0.2	.88*	.38	.35	.29	.23	.67	−
Intención de uso de tecnología	21.8	6.4	-1.0	.96	.35	.29	.33	.42	.53	.41	−
Implementación de marketing digital	10.5	7.9	0.8	.79	.17	.26	.07	.10	.22	.26	.16	−

*El valor calculado corresponde al omega multidimensional, ya que se trata de una dimensión de segundo orden.

El modelo estructural inicial presentó un ajuste deficiente (χ²(18) = 63.2, p < .001; CFI = .886; RMSEA = .101; SRMR = .070). A partir de los índices de modificación y la justificación teórica, se añadió un camino de covarianza entre los errores de optimismo e inseguridad (r = –.41), dando lugar a un modelo reespecificado con buen ajuste (χ²(17) = 43.1, p < .001; CFI = .934; RMSEA = .079; SRMR = .064). Todas las hipótesis fueron estadísticamente respaldadas: la preparación tecnológica (β = .35, p = .019) y la confianza (β = .35, p = .014) influyeron positivamente en la intención de usar tecnologías de marketing digital, la cual a su vez impactó en la implementación real (β = .16, p = .020). Estos hallazgos se alinean con los supuestos de TAM y UTAUT, destacando el papel clave de los factores psicológicos y relacionales en la adopción tecnológica. Los resultados se ilustran en el modelo estructural explicativo presentado en el diagrama 2.

Diagrama 2

Resultados del modelo estructural explicativo de la implementación del marketing digital

Los coeficientes estandarizados iguales para preparación tecnológica y confianza subrayan la importancia equilibrada de la disposición individual y las percepciones de confianza en mercados urbanos emergentes como Iquitos. El efecto modesto de la intención sobre la implementación indica que factores externos—tales como infraestructura, recursos financieros y alfabetización digital—pueden moderar el comportamiento de adopción real. En términos prácticos, estos resultados enfatizan la necesidad de políticas complementarias y mecanismos de apoyo que reduzcan la brecha entre intención y acción en las PYMES que operan bajo restricciones de recursos (Parasuraman & Colby, 2014; Rauniar et al., 2014; Ritz et al., 2019).

Este estudio confirmó las hipótesis generales y específicas, mostrando que la preparación tecnológica (TR) y la confianza influyen significativamente en la intención de usar la tecnología, lo que a su vez impulsa la adopción del marketing digital en redes sociales en restaurantes. Los resultados destacan el papel central de las predisposiciones psicológicas individuales y las percepciones relacionales en el comportamiento de adopción dentro del sector de la hostelería (Gefen et al., 2003; Lin et al., 2007; McKnight et al., 2002, 2011; Parasuraman, 2000; Parasuraman & Colby, 2014).

La preparación tecnológica, caracterizada por optimismo e innovación, afectó positivamente la intención de usar plataformas de marketing digital, mientras que la incomodidad y la inseguridad tuvieron efectos inhibitorios, en línea con hallazgos en contextos similares (Mukerjee et al., 2019). Por su parte, la confianza, dividida en confianza en la tecnología y en su uso, también tuvo un impacto significativo, reforzando la evidencia de que la competencia percibida, la integridad y la fiabilidad son determinantes clave para las decisiones de adopción (Ahrholdt, 2011; Gefen et al., 2003; Pavlou, 2003; Sherchan et al., 2013).

En este contexto de mercado emergente, la confianza tuvo una influencia comparable a la preparación tecnológica, subrayando la importancia de la credibilidad, la fiabilidad y la seguridad en las PYMEs con recursos limitados, posiblemente más relevante que la novedad o sofisticación tecnológica (Rauniar et al., 2014).

Finalmente, la intención de uso de tecnología predijo la implementación del marketing digital en redes sociales (β = .16), respaldando los modelos TAM y UTAUT. No obstante, factores externos como infraestructura, recursos financieros y alfabetización digital pueden moderar la adopción, destacando la necesidad de considerar tanto las intenciones individuales como las limitaciones contextuales. Estos hallazgos sugieren estrategias prácticas para promover la transformación digital en PYMEs del sector de la hostelería en mercados emergentes.

Los programas de capacitación deben desarrollar habilidades técnicas y abordar factores emocionales y cognitivos, como la confianza y la ansiedad tecnológica. Además, gobiernos locales, asociaciones del sector y socios privados pueden apoyar mediante talleres, certificaciones y consultoría, mientras que los proveedores de tecnología deben garantizar transparencia, soporte localizado e interfaces intuitivas. Promover una cultura digital inclusiva, mediante campañas de sensibilización y casos de éxito, puede reforzar la adopción y favorecer la competitividad y el crecimiento sostenible.

Este estudio contribuye a la comprensión de la adopción tecnológica y el marketing digital en PYMEs de mercados emergentes. Al integrar la preparación tecnológica y la confianza en proveedores y tecnología, recoge percepciones de propietarios, gerentes y administradores, los principales tomadores de decisiones. Los hallazgos muestran que la confianza puede ser tan determinante como la preparación tecnológica, resaltando la importancia de la infraestructura local, la alfabetización digital y factores socioeconómicos. El enfoque en plataformas como Facebook, Instagram y YouTube vincula los impulsores psicológicos con resultados prácticos de adopción, ofreciendo orientación útil para políticas, asociaciones del sector y proveedores tecnológicos, apoyando la modernización de las PYMEs y el desarrollo económico local, con transferibilidad a otros contextos con recursos limitados.

Algunas dimensiones de medición presentaron consistencia interna baja: la subescala de incomodidad del TRI tuvo un alfa de Cronbach de .58, y un ítem de inseguridad presentó una carga factorial de .23. Aunque estos valores son inferiores a los estándares óptimos, se conservaron por razones teóricas y los resultados se mantienen válidos (Ferrando et al., 2022; Hair et al., 1999, 2018). Investigaciones futuras podrían revisar o reemplazar estos ítems para mejorar la solidez psicométrica. Además, el diseño transversal limita la inferencia causal e impide observar cambios en las actitudes tecnológicas a lo largo del tiempo; un enfoque longitudinal permitiría evaluar cómo evolucionan la preparación y la confianza y si conducen a una adopción sostenida. Finalmente, aunque la muestra fue representativa de las PYMEs del sector de hostelería en Iquitos, podría no reflejar la heterogeneidad completa de otras regiones o tipos de negocios, por lo que ampliar el muestreo en estudios futuros fortalecería la generalización de los hallazgos.

5. Conclusiones

Este estudio confirmó que la preparación tecnológica y la confianza influyen significativamente en la adopción de estrategias de marketing digital basadas en redes sociales por parte de las PYMEs. La mayor preparación, especialmente el optimismo y la innovación, junto con la confianza en los proveedores y la tecnología, fueron los predictores más relevantes de la adopción. Al centrarse en propietarios, gerentes y administradores, los resultados ofrecen orientación práctica: fomentar una actitud positiva hacia la tecnología, reforzar la confianza, ofrecer programas de capacitación y garantizar infraestructura digital confiable son claves para la implementación exitosa de estrategias digitales.

Entre las limitaciones se encuentran el diseño transversal y la muestra localizada, lo que podría restringir la generalización de los hallazgos. Investigaciones futuras podrían explorar efectos longitudinales, factores organizacionales y tecnologías emergentes para profundizar en la comprensión de los impulsores de la adopción. En términos generales, abordar tanto la preparación tecnológica como la confianza permite a gerentes y responsables de políticas promover la innovación digital, mejorar la competitividad y apoyar el crecimiento sostenible de las PYMEs de manera más efectiva.

Referencias

Ahrholdt, D. C. (2011). Empirical identification of success-enhancing web site signalsin E-tailing: An analysis base d on known E-tailers and the theory of reasoned action. Journal of Marketing Theory and Practice, 19(4), 441–458. https://doi.org/10.2753/MTP1069-6679190406

Albar, A. M., & Hoque, M. R. (2019). Factors affecting the adoption of information and communication technology in small and medium enterprises: a perspective from rural Saudi Arabia. Information Technology for Development, 25(4), 715–738. https://doi.org/10.1080/02681102.2017.1390437

Ali, B., Nasidi, Y., & Bamgbade, J. A. (2016). Examining Technology Readiness Constructs: A Validation Study. Journal of Advanced Research in Business and Management Studies., 71–84. https://api.semanticscholar.org/CorpusID:55645503

Bentler, P. (1990). Comparative fit indexes in structural models. Psychological Bulletin, 107(2), 238–246. https://doi.org/10.1037/0033-2909.107.2.238

Browne, M. W., & Cudeck, R. (1992). Alternative Ways of Assessing Model Fit. Sociological Methods & Research, 21(2), 230–258. https://doi.org/https://doi.org/10.1177/0049124192021002005

Buvár, Á., & Gáti, M. (2023). Digital marketing adoption of microenterprises in a technology acceptance approach. Management & Marketing, 18(2), 127–144. https://doi.org/10.2478/mmcks-2023-0008

Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. MIS Quarterly, 13(3), 319–340. http://www.jstor.org/stable/249008

Dwivedi, Y. K., Ismagilova, E., Hughes, D. L., Carlson, J., Filieri, R., Jacobson, J., Jain, V., Karjaluoto, H., Kefi, H., Krishen, A. S., Kumar, V., Rahman, M. M., Raman, R., Rauschnabel, P. A., Rowley, J., Salo, J., Tran, G. A., & Wang, Y. (2021). Setting the future of digital and social media marketing research: Perspectives and research propositions. International Journal of Information Management, 59, 2024. https://doi.org/10.1016/j.ijinfomgt.2020.102168

Ejdys, J. (2018). Building technology trust in ICT application at a university. International Journal of Emerging Markets, 13(5), 980–997. https://doi.org/10.1108/IJoEM-07-2017-0234

Eneizan, B., Alshare, F., Enaizan, O., Al-Salaymeh, M., Almestarihi, R., & Saleh, A. (2022). Older adult’s acceptance of online shopping (digital marketing): Extended UTAUT model with Covid-19 fear. Journal of Theoretical and Applied Information Technology, 100(7), 2334–2342.

Featherman, M., & Fuller, M. (2003). Applying TAM to e-services adoption: The moderating role of perceived risk. Proceedings of the 36th Annual Hawaii International Conference on System Sciences, HICSS 2003. https://doi.org/10.1109/HICSS.2003.1174433

Ferrando, P. J., Lorenzo-Seva, U., Hernández-Dorado, A., & Muñiz, J. (2022). Decálogo para el Análisis Factorial de los Ítems de un Test. Psicothema, 34(1), 7–17. https://doi.org/10.7334/psicothema2021.456

Gana, K., & Broc, G. (2019). Structural Equation Modeling with lavaan. Wiley.

Gefen, D. (2000). E-commerce: The role of familiarity and trust. Omega, 28(6), 725–737. https://doi.org/10.1016/S0305-0483(00)00021-9

Gefen, D., Karahanna, E., & Straub, D. (2003). Trust and TAM in Online Shopping: An Integrated Model. MIS Quarterly, 27(1), 51–90. http://www.jstor.org/stable/30036519

Grandón, E. E., Araya, S., Ramirez, P., & Alfaro, J. (2019). Tecnology readiness index: An empirical study in Chile. 14th Iberian Conference on Information Systems and Technologies (CISTI), 19–22. https://doi.org/10.23919/CISTI.2019.8760833

Habibi, F., Hamilton, C. A., Valos, M. J., & Callaghan, M. (2015). E-marketing orientation and social media implementation in B2B marketing. In European Business Review (Vol. 27, Issue 6). https://doi.org/10.1108/EBR-03-2015-0026

Hair, J., Anderson, R. E., Babin, B. J., & Black, W. C. (2018). Multivariate Data Analysis (Eighth). Cengage.

Hair, J. F., Anderson, R. E., Tatham, R. L., & Black, W. C. (1999). Anáisis multivariante (O. Andres (ed.); 5ta ed.). Prentice Hall International, Inc.

Herhausen, D., Miočević, D., Morgan, R. E., & Kleijnen, M. H. P. (2020). The digital marketing capabilities gap. Industrial Marketing Management, 90(2020), 276–290. https://doi.org/10.1016/j.indmarman.2020.07.022

Hernández, R., & Mendoza, C. P. (2018). Metodología de la investigación. Las rutas cuantitativa, cualitativa y mixta. McGRAW-HILL Interamericana Editores S.A.

Instituto Nacional de Estadística e Informática. (2021). Estadísticas de las Tecnologías de Información y Comunicaciones en los Hogares. In Instituto Nacional de Estadística e Informática (Vol. 2, pp. 1–55). https://www.inei.gob.pe/media/MenuRecursivo/boletines/02-informe-tecnico-tic-i-trimestre-2021.pdf

Khan, S. (2021). Structural framework of digital transformation enablers towards enhancing the social media marketing. Management Science Letters, 11(2), 327–338. https://doi.org/10.5267/j.msl.2020.9.037

Klepek, M., & Starzyczná, H. (2018). Marketing communication model for social networks. Journal of Business Economics and Management, 19(3), 500–520. https://doi.org/10.3846/jbem.2018.6582

Kline, R. (2020). Becoming a behavioral science researcher (Segunda). The Guilford Press.

Lamberton, C., & Stephen, A. T. (2016). A thematic exploration of digital, social media, and mobile marketing: Research evolution from 2000 to 2015 and an agenda for future inquiry. Journal of Marketing, 80(6), 146–172. https://doi.org/10.1509/jm.15.0415

Li, F., Larimo, J., & Leonidou, L. C. (2021). Social media marketing strategy: definition, conceptualization, taxonomy, validation, and future agenda. Journal of the Academy of Marketing Science, 49(1), 51–70. https://doi.org/10.1007/s11747-020-00733-3

Lin, C., Shih, H., & Sher, P. (2007). Integrating Technology Readiness into Technology Acceptance: The TRAM Model. Psychology & Marketing, 24(7), 641–657. https://doi.org/10.1002/mar.20177

Lu, H., Pishdad-Bozorgi, P., Wang, G., Xue, Y., & Tan, D. (2019). ICT implementation of small- and medium-sized construction enterprises: Organizational characteristics, driving forces, and value perceptions. Sustainability (Switzerland), 11(12), 1–20. https://doi.org/https://doi.org/10.3390/su11123441

Matsunaga, M. (2008). Item Parceling in Structural Equation Modeling: A Primer. Communication Methods and Measures, 2(4), 260–293. https://doi.org/10.1080/19312450802458935

Mayer, R., Davis, J., & Schoorman, D. (1995). An Integrative Model of Organizational Trust. The Academy of Management Review, 20(3), 709–734. https://doi.org/10.2307/258792

Mcknight, D. H., Carter, M., Thatcher, J. B., & Clay, P. F. (2011). Trust in a specific technology: An investigation of its components and measures. ACM Transactions on Management Information Systems, 2(2). https://doi.org/10.1145/1985347.1985353

McKnight, D. H., Choudhury, V., & Kacmar, C. (2002). Developing And Validating Trust Measure for E-Commerce: An Integrative Typology. Informatin System Research. Information Systems Research, 13(3), 334–359. https://doi.org/https://doi.org/10.1287/isre.13.3.334.81

Melas, C. D., Zampetakis, L. A., Dimopoulou, A., & Moustakis, V. S. (2014). An empirical investigation of Technology Readiness among medical staff based in Greek hospitals. European Journal of Information Systems, 23(6), 672–690. https://doi.org/10.1057/ejis.2013.23

Mishra, A., Maheswarappa, S. S., & Colby, C. L. (2018). Technology readiness of teenagers: a consumer socialization perspective. Journal of Services Marketing, 32(5), 592–604. https://doi.org/10.1108/JSM-07-2017-0262

Mukerjee, H. S., Deshmukh, G. K., & Prasad, U. D. (2019). Technology Readiness and Likelihood to Use Self-Checkout Services Using Smartphone in Retail Grocery Stores: Empirical Evidences from Hyderabad, India. Business Perspectives and Research, 7(1), 1–15. https://doi.org/10.1177/2278533718800118

Parasuraman, A. (2000). Technology Readiness Index (TRI): A Multipleitem Scale To Measure Readiness To Embrace New Technologies. Journal of Service Research, 2(4), 307–320. https://doi.org/10.1177/109467050024001

Parasuraman, A., & Colby, C. L. (2014). An Updated and Streamlined Technology Readiness Index: TRI 2.0. Journal of Service Research, 18(1), 59–74. https://doi.org/10.1177/1094670514539730

Pavlou, P. A. (2003). Consumer acceptance of electronic commerce: Integrating trust and risk with the technology acceptance model. International Journal of Electronic Commerce, 7(3), 101–134. https://doi.org/10.1080/10864415.2003.11044275

Peixoto Rodriguez, E. (2025). How Social Media Drives Innovation in Digital Marketing. Ceniiac, 1, e0005. https://doi.org/10.64923/ceniiac.e0005

Peterson, M., Koch, V., Gröne, F., & Vo, H. T. K. (2010). Online customers, digital marketing: The CMO-CIO connection. Journal of Direct, Data and Digital Marketing Practice, 11(3), 219–221. https://doi.org/10.1057/dddmp.2009.33

Rauniar, R., Rawski, G., Yang, J., & Johnson, B. (2014). Technology acceptance model (TAM) and social media usage: An empirical study on Facebook. Journal of Enterprise Information Management, 27(1), 6–30. https://doi.org/10.1108/JEIM-04-2012-0011

Riantini, R. E., Tjhin, V. U., & Atmojo, R. N. P. (2021). How is the adoption of digital marketing services for smart city application users? International Journal on Informatics Visualization, 5(1), 57–62. https://doi.org/10.30630/joiv.5.1.438

Ritz, W., Wolf, M., & McQuitty, S. (2019). Digital marketing adoption and success for small businesses: The application of the do-it-yourself and technology acceptance models. Journal of Research in Interactive Marketing, 13(2), 179–203. https://doi.org/10.1108/JRIM-04-2018-0062

Sekaran, U., & Bougie, R. (2016). Research methods for business a skill building approacht (Seventh). Wiley.

Sharma, S., Menard, P., & Mutchler, L. A. (2017). Who to Trust? Applying Trust to Social Commerce. Journal of Computer Information Systems, 59(1), 32–42. https://doi.org/10.1080/08874417.2017.1289356

Sherchan, W., Nepal, S., & Paris, C. (2013). A survey of trust in social networks. ACM Computing Surveys, 45(4), 1–33. https://doi.org/10.1145/2501654.2501661

Tarazona-Montoya, R., Peris-Ortiz, M., & Devece, C. (2020). The value of cluster association for digital marketing in tourism regional development. Sustainability (Switzerland), 12(23), 1–18. https://doi.org/10.3390/su12239887

Travassos, A., & Carmo, J. (2023). Marketing Strategies on Social Media Platforms. International Journal of E-Business Research, 19(1), 1–25. https://doi.org/10.4018/IJEBR.316969

Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User Acceptance of Information Technology: Toward a Unified View. MIS Quarterly, 27(3), 425–478. http://www.jstor.org/stable/30036540

Venkatesh, V., Thong, J. Y. L., & Xu, X. (2012). Consumer Acceptance and Use of Information Technology: Extending the Unified Theory of Acceptance and Use of Technology. MIS Quarterly, 36(1), 157–178. https://doi.org/10.2307/41410412