Vol. 11/ Núm. 1 2024 pág. 375
https://doi.org/10.69639/arandu.v11i1.222
Identificación de patrones de comportamiento y preferencias de
usuarios en la Red Social “x” a través del análisis de datos
Identification of behavior patterns and preferences of users on social network “x” through
data analysis
William Ricardo Navas Espin
william.navase@ug.edu.ec
https://orcid.org/0000-0002-8492-9997
Universidad de Guayaquil
Ecuador
Harry Alfredo Zurita Hurtado
harry.zuritah@ug.edu
https://orcid.org/0000-0003-1082-4719
Universidad de Guayaquil
Ecuador
Ingrid Angélica García Torres
ingrid.garciat@ug.edu
https://orcid.org/0000-0003-0796-8527
Universidad de Guayaquil
Ecuador
Miguel Ángel Veintimilla Andrade
miguel.veintimillaa@ug.edu.ec
https://orcid.org/0000-0001-6741-9349
Universidad de Guayaquil
Ecuador
Mixi Joselyne Segura Torres
mixisegurato@uide.edu.ec
https://orcid.org/0009-0008-7922-3712
Universidad Internacional del Ecuador
Ecuador
Artículo recibido: 20 mayo 2024 - Aceptado para publicación: 26 junio 2024
Conflictos de intereses: Ninguno que declarar
RESUMEN
Esta investigación presenta un análisis detallado de los datos de la red social “X” con el objetivo de
identificar patrones de comportamiento y preferencias de los usuarios. Para llevar a cabo este análisis,
se emplearon diversas técnicas de ciencia de datos, incluyendo el análisis descriptivo, el análisis de
conglomerados y el análisis de redes sociales. Los hallazgos del estudio revelan que, aunque el
comportamiento de los usuarios en “X” es bastante diverso, se pueden observar ciertos patrones
Vol. 11/ Núm. 1 2024 pág. 376
comunes. A través del análisis de datos, se ha identificado que la actividad de los usuarios presenta
patrones claros. Se observa un pico de publicaciones durante los días de semana, mientras que los
fines de semana la producción de contenido disminuye. En cuanto a la interacción, se destaca que los
usuarios muestran mayor engagement con contenido compartido por personas cercanas, como amigos
y familiares, en comparación con publicaciones de individuos desconocidos. Además, el estudio
revela una diversidad de preferencias en cuanto al tipo de contenido consumido. Las temáticas que
generan mayor interés se asocian con noticias, entretenimiento y cultura, mientras que las
relacionadas con política o negocios no obtienen la misma respuesta. Estos resultados ofrecen a los
desarrolladores de “X” valiosa información que puede ser utilizada para mejorar la experiencia del
usuario en la plataforma, los desarrolladores podrían aplicar estos hallazgos para personalizar la
interfaz de usuario o para mejorar las recomendaciones de contenido para los usuarios.
Palabras Claves: análisis de datos, comportamiento, redes sociales, usuarios
ABSTRACT
This research presents a detailed analysis of data from the social network 'X' with the aim of
identifying patterns in user behavior and preferences. To conduct this analysis, various data science
techniques were employed, including descriptive analysis, cluster analysis, and social network
analysis. The study's findings reveal that, while user behavior on 'X' is quite diverse, certain common
patterns can be observed. Data analysis has shown that user activity exhibits clear patterns. There is
a peak in publications during weekdays, while content production decreases on weekends. In terms
of interaction, it is evident that users demonstrate greater engagement with content shared by close
acquaintances, such as friends and family, compared to posts from unknown individuals.
Additionally, the study reveals a diversity of preferences regarding the type of content consumed.
Topics that generate the most interest are associated with news, entertainment, and culture, while
those related to politics or business do not receive the same level of response. These results provide
'X' developers with valuable insights that can be used to enhance the user experience on the platform.
For example, developers could apply these findings to personalize the user interface or to improve
content recommendations for users.
Keywords: analysis of data, behavior, social networks, users
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo licencia
Creative Commons Atribution 4.0 International.
Vol. 11/ Núm. 1 2024 pág. 377
INTRODUCCIÓN
En la era digital actual, donde la información fluye a un ritmo vertiginoso y los datos se generan
en cantidades sin precedentes, el análisis de datos ha emergido como una herramienta indispensable
para comprender el mundo que nos rodea y tomar decisiones estratégicas. Esta disciplina, que
combina técnicas estadísticas, computacionales y de minería de datos, nos permite transformar
conjuntos de datos en información útil, revelando patrones, tendencias y conocimientos ocultos que
de otro modo permanecerían invisibles A través de una revisión exhaustiva de la literatura científica
reciente, nos sumergiremos en las metodologías, herramientas y casos de estudio más destacados,
poniendo de relieve el poder transformador del análisis de datos en diversos ámbitos. La minería de
datos ha mejorado la toma de decisiones organizativas a través de análisis de datos detallados. Las
técnicas de minería de datos que sustentan estos análisis se pueden dividir en dos categorías
principales: pueden describir el conjunto de datos de destino o pueden prever los resultados mediante
el uso de algoritmos de machine learning. (IBM, 2023)
Las redes sociales son una herramienta de comunicación que posibilita el intercambio de ideas,
e información a través de la web. Están fundamentadas en Internet y brindan a los usuarios la
posibilidad de interactuar y compartir contenido como información personal, documentos, videos e
imágenes. Estas plataformas han transformado la forma en que nos comunicamos, consumimos
información y compartimos experiencias, generando un torrente de datos sin precedentes que reflejan
nuestras opiniones, comportamientos y preferencias. (Martin, 2023)
Es crucial identificar la influencia dominante de las redes sociales en este cambio, acelerando
de manera rápida la transformación en los estilos de vida y los patrones de consumo digital.
Actualmente, una gran cantidad de operaciones se efectúan mediante dispositivos móviles, como los
smartphones, optimizando el tiempo dedicado a la búsqueda y ejecución de diversas actividades.
Entre estas, se incluyen las transferencias bancarias, la adquisición de bienes y servicios, la solicitud
de transporte, la realización de pedidos a domicilio, el mantenimiento del contacto con familiares y
amigos, la gestión de correos electrónicos y la actualización constante sobre acontecimientos
globales, todo ello accesible a través de Internet. (Fernandez, 2022)
El auge de las plataformas de redes sociales ha establecido un punto de inflexión en la era
digital, llegando a unos 4,620 millones de usuarios en todo el mundo, lo que equivale a
9 aproximadamente el 58% de la población global. Este fenómeno se detalla en el (DataReportal,
2022), ilustrando el papel omnipresente de estas plataformas en la vida cotidiana. La diversidad de
contenido compartido en redes sociales que abarca desde vídeos y fotografías hasta 'reels', 'tiktoks',
textos y memes demuestra la versatilidad y el alcance global de estas herramientas de comunicación.
Según el mismo informe, el año 2021 vio un incremento del 10% en la cantidad de usuarios de redes
Vol. 11/ Núm. 1 2024 pág. 378
sociales en comparación con 2020, sumando así 4,620 millones de personas activas. De manera
específica, 424 millones de nuevos usuarios se unieron a las redes sociales en 2021, lo que se traduce
en aproximadamente 1 millón de nuevos usuarios diarios, o 13 nuevos suscriptores cada segundo.
(Kemp, 2022)
Estas plataformas permiten a los usuarios conectarse con amigos, familiares y personas de todo
el mundo.
Además, las redes sociales ofrecen a los usuarios una variedad de herramientas para compartir
contenido, interactuar con otros usuarios y crear comunidades. El análisis de datos de las redes
sociales puede proporcionar información valiosa sobre el comportamiento y las preferencias de los
usuarios. Esta información puede ser utilizada por los desarrolladores de redes sociales para mejorar
la experiencia de los usuarios, crear nuevos productos y servicios, y comprender mejor a su audiencia
características y necesidades homogéneas que generalmente no alcanzan a cubrir todas las ofertas del
mercado. (Santi, 2023)
El comportamiento del usuario en plataformas digitales se ha convertido en un área de interés
fundamental en la investigación de ciencias sociales y tecnología, debido a su impacto en el desarrollo
de estrategias de marketing y en la mejora de la experiencia del usuario. Las analíticas de
comportamiento del usuario funcionan recopilando y analizando los datos de actividad de los usuarios
en tu sistema o red. (Joanna, 2024)
El objetivo de este análisis es identificar los patrones de comportamiento y preferencias de los
usuarios de esta red social, así como los segmentos de mercado, las tendencias de consumo y las
oportunidades de negocio que se derivan de ellos. Los datos utilizados para identificar los grupos de
usuarios con comportamientos similares provienen de una muestra aleatoria de 10.000 usuarios de la
red social “X”, que se registraron entre el 2023, los datos incluyen información demográfica, de perfil
y de actividad de los usuarios, así como el contenido de sus publicaciones y comentarios obtenidos
mediante una API proporcionada por la red social, y fueron sometidos a un proceso de limpieza,
transformación y validación antes de ser analizados. (Meydan, 2024)
Se realizó el análisis de variabilidad en la frecuencia de publicación y el tipo de contenido
publicado por los usuarios utilizando técnicas de ciencia de datos, tales como análisis descriptivo,
análisis de conglomerados y análisis de redes sociales. Se evaluó la relación entre la frecuencia de
publicación y el nivel de interacción con otros usuarios en la red social y se identificó patrones de
comportamiento a lo largo del tiempo para comprender las tendencias en el uso de la red social "X".
Vol. 11/ Núm. 1 2024 pág. 379
METODOLOGÍA
Para este estudio, se utilizaron los siguientes materiales:
• Una cuenta de acceso a la red social “X”.
• Un software de minería de datos para extraer información de los perfiles, publicaciones y
comentarios de los usuarios de la red social “X”.
• Un software de análisis de redes sociales para visualizar y analizar las relaciones entre los
usuarios de la red social “X”.
• Un software de análisis estadístico para realizar pruebas de hipótesis y medir la significancia
de los resultados.
Procedimiento
Se siguió el siguiente procedimiento:
• Se seleccionó una muestra aleatoria de 1000 usuarios de la red social “X” que cumplieran
con los criterios de inclusión y exclusión definidos previamente.
• Se usó el software de minería de datos para extraer los datos relevantes de los perfiles,
publicaciones y comentarios de los usuarios seleccionados, tales como edad, género,
ubicación, intereses, opiniones, sentimientos, etc.
• Se usó el software de análisis de redes sociales para construir una matriz de adyacencia que
representara las conexiones entre los usuarios, basada en el número y la frecuencia de las
interacciones entre ellos.
• Se usó el software de análisis de redes sociales para calcular medidas de centralidad,
densidad, cohesión, subgrupos, que permitieran identificar los patrones de comportamiento
y preferencias de los usuarios.
• Se usó el software de análisis estadístico para contrastar las hipótesis planteadas sobre las
diferencias o similitudes entre los grupos de usuarios según sus características o
comportamientos.
Figura 1
Metodología. Elaborado por investigación correcta
Vol. 11/ Núm. 1 2024 pág. 380
Análisis de Datos
Se usaron las siguientes metodologías para analizar los datos:
Tabla 1
Metodología
Minería de datos
Se aplicaron técnicas de procesamiento de lenguaje natural, análisis de
sentimientos, clasificación, agrupamiento, etc., para extraer información
útil y relevante de los textos generados por los usuarios de la red social
“X”.
Análisis de redes
sociales
Se emplearon métodos de visualización, modelado y análisis de redes
sociales para estudiar las estructuras y propiedades de las relaciones
entre los usuarios de la red social “X”.
Análisis estadístico
Se utilizaron pruebas paramétricas y no paramétricas para evaluar la
significancia de las diferencias o similitudes entre los grupos de usuarios
según sus características o comportamientos.
Nota. Tomado de la investigación directa por los autores (2024)
Recursos
Los recursos necesarios para realizar este estudio incluyen:
• Equipo informático: Un equipo informático con suficiente potencia de procesamiento y
almacenamiento para manejar los datos.
• Software de análisis de datos: Software que se utiliza para procesar y analizar los datos.
• Conocimientos en ciencia de datos: Conocimientos en técnicas de ciencia de datos, como
análisis descriptivo, análisis de conglomerados y análisis de redes sociales. (Criado, 2018)
Costos
Los costos asociados con este estudio incluyen:
• Costos de hardware: Costos de compra o alquiler de equipo informático.
• Costos de software: Costos de compra o licenciamiento de software de análisis de datos.
• Costos de personal: Costos de contratación o pago de honorarios a personal calificado en
ciencia de datos.
Tiempos
Los tiempos podrían incluir el plazo para seleccionar la muestra de usuarios, para extraer los
datos de la red social “X”, para limpiar y preparar los datos, para analizar los datos y obtener los
resultados, el plazo para interpretar y comunicar los resultados, etc.
El tiempo necesario para realizar este estudio depende de la cantidad de datos a analizar y de
la complejidad de los análisis a realizar. En general, este tipo de estudios pueden tardar varias semanas
Vol. 11/ Núm. 1 2024 pág. 381
o meses en completarse. (Del Fresno, 2015)
F. Limitaciones
Este estudio tiene algunas limitaciones, que incluyen:
• Los datos utilizados para el estudio fueran seleccionados por los desarrolladores de “X”.
• La representatividad
• La fiabilidad de la muestra de usuarios
• La calidad y la cantidad de los datos extraídos de la red social “X”
• La validez y la robustez de las herramientas
• Las técnicas de análisis, la generalización y la aplicabilidad de los resultados.
• Los sesgos y las limitaciones éticas.
Es posible que estos datos no sean representativos de la totalidad de los usuarios de la red social.
• Efectos de los sesgos: Los datos de “X” pueden estar sesgados por una variedad de factores,
como la edad, el género, la ubicación geográfica y los intereses de los usuarios. Es importante
tener en cuenta estos sesgos al interpretar los resultados del estudio.
• Validez de los análisis: Los resultados de los análisis están sujetos a la validez de las técnicas
utilizadas. Es importante evaluar la validez de los análisis utilizando métodos estadísticos
apropiados.
RESULTADOS Y DISCUSIÓN
Los resultados del análisis de datos de la red social “X” han revelado una serie de patrones de
comportamiento significativos que reflejan la complejidad y diversidad de las interacciones de los
usuarios en esta plataforma. En términos generales, el análisis mostró que los usuarios tienden a
publicar con mayor frecuencia durante los días de semana en comparación con los fines de semana.
Este hallazgo sugiere que los usuarios están más activos en la plataforma durante sus horarios
laborales o de estudio, lo que podría estar relacionado con una mayor disponibilidad para participar
en actividades en línea durante la semana laboral. Este patrón es consistente con investigaciones
previas que indican que los usuarios de redes sociales suelen adaptar su comportamiento en línea a
sus rutinas diarias, utilizando las plataformas para mantenerse informados o distraídos durante sus
horarios de trabajo o estudio.
Otro hallazgo importante del estudio es la relación entre la frecuencia de publicación y las
características demográficas de los usuarios. Los datos muestran que los usuarios que publican con
mayor frecuencia son, en su mayoría, más jóvenes y tienen un mayor nivel educativo. Este patrón
puede estar relacionado con el hecho de que los usuarios más jóvenes y educados son más propensos
a participar activamente en plataformas digitales, posiblemente debido a una mayor familiaridad con
Vol. 11/ Núm. 1 2024 pág. 382
la tecnología y un mayor acceso a la información. Este resultado resalta la necesidad de diseñar
estrategias de contenido y publicidad que se alineen con las preferencias de estos grupos
demográficos, considerando que los jóvenes y educados pueden ser más receptivos a nuevos
productos y servicios digitales.
En cuanto al tipo de contenido, los resultados muestran una clara preferencia por temas
relacionados con noticias, entretenimiento y cultura, en contraste con el menor interés en temas de
política o negocios. Este hallazgo sugiere que los usuarios de “X” buscan en la plataforma
principalmente información actual y contenidos que les ofrezcan distracción o enriquecimiento
cultural. La predominancia de contenido relacionado con noticias y entretenimiento refleja un
enfoque en la actualización constante de eventos y en la búsqueda de contenido agradable y
estimulante. Este comportamiento puede guiar a los desarrolladores de “X” hacia la creación de
características que promuevan la visibilidad de noticias de última hora, eventos culturales y contenido
de entretenimiento, satisfaciendo así las demandas de los usuarios.
Además, el estudio reveló que los usuarios tienden a interactuar más con amigos y familiares
que con personas desconocidas. Este patrón de interacción sugiere que las conexiones personales
juegan un papel central en la forma en que los usuarios participan en la plataforma. La tendencia a
interactuar principalmente con conocidos puede ser utilizada por los desarrolladores de “X” para
fomentar el crecimiento de la red social a través de funciones que refuercen las conexiones entre
amigos y familiares, así como para mejorar las características que faciliten la gestión de relaciones
personales y la creación de redes de contactos. (Onieva, 2017)
Figura 2
Redes Sociales más usadas.
Vol. 11/ Núm. 1 2024 pág. 383
CONCLUSIONES
El análisis de datos de la red social “X” ofrece una perspectiva profunda y detallada sobre los
hábitos, gustos y opiniones de los usuarios que interactúan en esta plataforma. Este proceso de análisis
se erige como una herramienta esencial para desentrañar las complejas dinámicas de comportamiento
de los usuarios, revelando información crucial sobre sus necesidades, expectativas y preferencias. A
través de técnicas avanzadas como el Análisis de Redes Sociales, el Data Mining, la Visualización de
la Información y el Procesamiento del Lenguaje Natural, se ha logrado extraer y interpretar datos
significativos que permiten una comprensión más precisa de los patrones de interacción en la red
social. La capacidad de estas herramientas para analizar grandes volúmenes de datos y descubrir
patrones ocultos es fundamental para la formulación de estrategias de marketing y comunicación más
efectivas y personalizadas.
Una de las principales contribuciones de este análisis es la identificación de los temas más
relevantes y las tendencias emergentes dentro de la comunidad de usuarios. Los datos han mostrado
que los usuarios de “X” se inclinan más hacia contenidos relacionados con noticias, entretenimiento
y cultura, mientras que muestran menor interés en temas de política o negocios. Esta segmentación
temática no solo facilita la comprensión de los intereses predominantes de los usuarios, sino que
también proporciona una base sólida para el diseño de campañas publicitarias y de contenido que
resuenen con las áreas de mayor interés para el público objetivo. El conocimiento de estos temas
populares y las palabras clave asociadas a ellos permite a las marcas y empresas adaptar sus mensajes
y ofertas de manera más efectiva.
A demás, el análisis de datos ha revelado patrones significativos en la frecuencia y el tipo de
interacciones que los usuarios mantienen en la plataforma. Se ha observado que los usuarios tienden
a publicar con mayor frecuencia durante los días de semana y a interactuar más con amigos y
familiares que con personas desconocidas. Este hallazgo es crucial para planificar el timing de las
publicaciones y las campañas de marketing, asegurando que las acciones se alineen con los momentos
de mayor actividad de los usuarios. Entender estos patrones temporales y relacionales facilita la
creación de estrategias que maximicen el impacto de las campañas y optimicen los recursos
destinados a la comunicación.
Otro aspecto relevante identificado a través del análisis es el perfil de los usuarios más activos
e influyentes en la red social. La identificación de estos usuarios, junto con el análisis de sus
características demográficas, intereses y comportamientos, ofrece una visión clara sobre quiénes son
los principales actores en la plataforma y cómo sus opiniones y acciones pueden influir en la
percepción general de temas, productos o marcas. Este conocimiento permite a las empresas
Vol. 11/ Núm. 1 2024 pág. 384
establecer colaboraciones estratégicas con estos influenciadores, aprovechando su alcance y
credibilidad para amplificar el impacto de sus mensajes.
Vol. 11/ Núm. 1 2024 pág. 385
REFERENCIAS
-
Criado, I. (2018). 614 El profesional de la información, 2018, mayo-junio, v. 27, n. 3. eISSN: 1699-
2407COMUNICANDO DATOS MASIVOS DEL SECTOR PÚBLICO LOCAL EN REDES
SOCIALES. ANÁLISIS DE SENTIMIENTO EN TWITTER. Obtenido de
https://revista.profesionaldelainformacion.com/index.php/EPI/article/view/epi.2018.may.14
/40057
Del Fresno, M. (2015). 246 El profesional de la información, 2014, mayo-junio, v. 23, n. 3. ISSN:
1386-6710Artículo recibido el 28-01-2014Aceptación definitiva: 27-03-2014Haciendo
visible lo invisible: visualización de la estructura de las relaciones en red en Twitter.
Obtenido de
https://revista.profesionaldelainformacion.com/index.php/EPI/article/view/epi.2014.may.04
/17142
Fernandez, C. (2022). Motivaciones y tiempo de uso de las redes sociales por parte de los jóvenes
españoles: señales de adicción. Obtenido de
https://revistas.urosario.edu.co/index.php/disertaciones/article/view/11155
IBM. (2023). ¿Qué es data mining? Obtenido de https://www.ibm.com/mx-es/topics/data-mining
Joanna, D. (2024). Elasticsearch B.V. Obtenido de https://www.elastic.co/es/what-is/user-behavior-
analytics
Kemp, S. (2022). DIGITAL 2022: GLOBAL OVERVIEW REPORT. Obtenido de
https://datareportal.com/reports/digital-2022-global-overview-report
Martin, A. (2023). IEBS. Obtenido de Redes Sociales.
Meydan, R. (2024). nalisis de redes sociales Dominio de las redes sociales Informacion procedente
del analisis del comportamiento. Obtenido de
https://fastercapital.com/es/contenido/Analisis-de-redes-sociales--dominio-de-las-redes-
sociales--informacion-procedente-del-analisis-del-comportamiento.html
Onieva, S. (2017). Uso de las Redes Sociales por las universidades públicas andaluzas. Obtenido
de https://dialnet.unirioja.es/servlet/articulo?codigo=6059183
Santi. (2023). StartGo Connection. Obtenido de https://www.startgoconnection.es/analisis-datos-
para-optimizar-estrategia-redes-sociales/
