Introducción

El comercio electrónico ha experimentado un crecimiento exponencial a nivel mundial, impulsado por la digitalización y el cambio en los hábitos de consumo. Sin embargo, la competencia en este sector exige una diferenciación basada en la calidad del servicio al cliente. Dentro de las estrategias se ha adoptado una herramienta muy importante que permite a las empresas obtener información de los clientes acerca de su percepción.

El Net Promoter score es una herramienta elaborada y oficialmente establecida por Reichheld (2003). Esta herramienta también conocida por las siglas NPS permite medir la disposición de los clientes para recomendar los servicios o productos de las empresas y la lealtad hacia dichas organizaciones. Para esto las organizaciones aplican encuestas a los clientes con el fin de obtener la información necesaria.

Reichheld (2003) sugiere que el cliente evalúe su disposición a recomendar la organización en un rango de 1 a 10. Los clientes que responden entre 1 y 6 son clientes detractores de la empresa, los que responden entre 7 y 8 son clientes Pasivos, y los que responden entre 9 y 10 son clientes promotores, quienes son responsables de recomendar la empresa y permitir que se expanda. La pregunta básica es: "En una escala de 0 a 10, ¿cuán probable es que recomiende nuestra empresa/producto/servicio a un amigo o colega?"

Este estudio Evalúa la calidad del servicio al cliente en el comercio electrónico en tiendas online de venta de artículos tecnológicos mediante la implementación del Net Promoter Score (NPS), con el fin de identificar los niveles de satisfacción, lealtad y recomendaciones de los clientes, y establecer áreas de mejora que permitan optimizar la experiencia del usuario en plataformas de venta online.

Concepto, definición e importancia del servicio al cliente en el comercio electrónico internacional.

El concepto de servicio al cliente ha experimentado transformaciones significativas, especialmente dentro del comercio electrónico, donde la calidad del servicio se ha consolidado como un elemento central para la competitividad. Aunque varios autores coinciden en esta relevancia (Iqbal et al., 2023; Wenfang et al., 2022; Wisnel et al., 2022), sus enfoques difieren respecto a los factores que explican dicha importancia. Por ejemplo, mientras algunos enfatizan la rapidez y eficiencia tecnológica, otros destacan más los aspectos relacionales y la confianza.

A nivel general, el servicio al cliente comprende las acciones antes, durante y después de la compra, pero este concepto ha evolucionado impulsado tanto por avances tecnológicos como por expectativas cambiantes de los consumidores (Xiao, 2022; Vakulenko et al., 2019). Aunque estos autores coinciden en que la digitalización mejora la personalización, difieren en el peso que asignan a la automatización: para Xiao (2022) la personalización tecnológica es clave, mientras que Vakulenko et al. (2019) advierten sobre posibles fricciones si el servicio automatizado no resuelve adecuadamente los problemas.

En el comercio electrónico internacional esta discusión cobra más fuerza, ya que la experiencia de usuario depende de varios elementos simultáneos: navegación del sitio, velocidad de procesamiento de pedidos, interacción mediante chatbots y soporte en línea, así como gestión de reclamos (Siti et al., 2024; Koc et al., 2023). Sin embargo, mientras Siti et al. (2024) subrayan la importancia de la experiencia global, Koc et al. (2023) apuntan más a la interacción puntual con herramientas digitales. Esta diferencia evidencia que la calidad del servicio no puede evaluarse desde una sola dimensión. Un mal servicio, coinciden los autores, deriva en insatisfacción y pérdida de ventas (Mubarok & Hajar, 2024), aunque los matices sobre qué “mal servicio” significa varían entre ellos.

Sintetizando, la literatura reciente mantiene consenso respecto a que la calidad del servicio afecta la satisfacción, la confianza y las intenciones de compra en línea (Bambang et al., 2024; Rizkika & Nasution, 2024), pero este consenso puede ser engañoso si no se analiza críticamente: algunos estudios lo vinculan a factores funcionales (rapidez, accesibilidad), mientras que otros lo sitúan más en componentes emocionales o relacionales.

Particularidades del contexto latinoamericano en la medición de la experiencia del cliente

A nivel general, varios autores coinciden en que los consumidores presentan patrones específicos que alteran la forma de evaluar la experiencia de servicio en línea. Kotler & Keller (2016) y Zeithaml et al. (2006) ya advertían que la región tiene un historial de desconfianza hacia los procesos digitales, señalando brechas logísticas y tiempos de entrega como factores críticos. Sin embargo, estudios recientes refuerzan que esta desconfianza no ha desaparecido del todo, sino que adopta nuevas formas en el entorno digital.

También existe una fuerte influencia del boca a boca presencial y digital, que actúa como mecanismo de validación social (Llorente-Barroso et al., 2023). Aunque esto no es exclusivo de Latinoamérica, los autores coinciden en que aquí su efecto es desproporcionado.

Otro aspecto es el valor cultural asignado al trato personalizado y la cercanía con la marca. Franco & Meneses (2020) explican que esta orientación cultural puede alterar la forma en que se interpretan métricas como NPS. Es decir, ciertos elementos que para estudios en países desarrollados se consideran “operativos”, en la región adquieren significados emocionales que influyen en la probabilidad de recomendar o no.

Estas particularidades permiten observar que las métricas tradicionales, si bien útiles, requieren contextualización: un aumento de Promotores puede deberse más a una buena interacción humana, mientras que un aumento de Detractores puede ser consecuencia de fallas ajenas a la empresa (por ejemplo, logística nacional). Por ello, comprender la dinámica cultural-operativa de la región es indispensable para interpretar resultados de NPS en América Latina.

Relación del NPS con métricas complementarias de experiencia del cliente (CSAT, CES y e-WOM)

Aunque el Net Promoter Score es una métrica popular y cada día más utilizada, varios autores advierten que su interpretación es limitada si se analiza de manera aislada, es decir; que contiene poco detalle de las opiniones de los clientes. Gastezzi et al. (2024) señalan que el CSAT mide experiencias puntuales, lo cual complementa el enfoque más general del NPS. Del mismo modo, Liuqu et al. (2015) y Raats & Van der Zwan (2015) sostienen que CSAT funciona mejor inmediatamente después de una interacción, mientras que el NPS es más adecuado para analizar percepciones globales de lealtad. Esta distinción, que a veces se omite en estudios aplicados, permite comprender por qué ambos indicadores no deben utilizarse como equivalentes.

Weinstein (2024) también coincide en que NPS es más útil para mediciones periódicas. En paralelo, el CES evalúa el esfuerzo del cliente, y su relevancia en Latinoamérica es mayor debido a los problemas logísticos y barreras tecnológicas identificadas por Vakulenko et al. (2019).

Respecto al e-WOM, Nikodemus & Setiadi (2022) y Jin (2023) demuestran que en mercados latinoamericanos el boca a boca digital funciona como un amplificador social, lo que otorga al NPS una importancia estratégica mayor que en regiones donde el consumo digital es más maduro. Pero esta ventaja también es un riesgo: un NPS bajo puede esparcirse rápidamente en redes sociales, profundizando la insatisfacción colectiva.

En conjunto, esta literatura sugiere que NPS debe analizarse junto con CSAT, CES y e-WOM para comprender no solo los niveles de recomendación, sino también sus causas.

Net Promoter Score (NPS): Origen, metodología de cálculo, y su aplicación en la medición de la lealtad del cliente.

Según Reichheld (2011) el Net Promoter Score (NPS) se define como un “modo de medir cómo tratan las organizaciones a aquellas personas con cuyas vidas entren en contacto y cómo son capaces de generar relaciones a las que merezca la pena ser fiel” (p. 12). Reichheld (2007) realizó un estudio y descubrió que con una sola pregunta podría determinar el nivel de percepción de los clientes y, a través de esta referencia, ayudar al potencial de crecimiento de las organizaciones. La pregunta fue "¿Qué tan probable es que recomienda el (producto, servicio o empresa) a un amigo o colega?" Definiéndola como la pregunta decisiva. Esta herramienta mide la fidelidad de los clientes, basándose en que un mayor número de promotores (clientes que recomendarían el negocio) indica un crecimiento probable y una ventaja competitiva (Lacohee et al., 2024).

Esta pregunta establece una escala de 1 a 10 en la que se dividen tres tipos de clientes: aquellos que califican de 1 a 6 y se clasifican como detractores, aquellos que califican de 7 a 8 y se clasifican como neutros o pasivos ante la posibilidad de recomendación, y los clientes que califican de 9 o 10 y se denominan promotores, aquellos que están dispuestos a recomendar totalmente una empresa (Reichheld, 2007).

El porcentaje de Net Promoter Score se calcula utilizando la siguiente operación:

𝑁𝑃𝑆 = %Promotores− %Detractores

El resultado varía entre -100 y +100.

Figura 1
Figura 1
A partir de Reichheld, FF, Markey, R (2007)

De donde se podrán obtener resultados entre -100% en caso de que todos los clientes encuestados fuesen detractores hasta 100% si todos fuesen Promotores, los resultados mayores a 0% son catalogados como buenos y de 50% en adelante excelentes. Un NPS positivo indica una mayor lealtad del cliente. En la relación que presenta Net Promoter Score con el servicio al cliente, Reichheld afirma que la pregunta decisiva proporciona una medición clara y directa. Este parámetro simple y fácilmente accesible obliga a los empleados a ofrecer un excelente trato a los clientes. El aumento en este indicador será fundamental, ya que influirá en el futuro del negocio (Reichheld, 2007, p. 24).

La relación de la Satisfacción y la Lealtad del Cliente

La literatura coincide en que la satisfacción influye e impacta directamente sobre la lealtad del cliente, es decir; un cliente satisfecho, repite (Jin, 2023; Bahar & Nesim, 2022; Nikodemus & Setiadi, 2022; Llorente-Barroso et al., 2023). Sin embargo, aunque todos los autores reconocen esta relación, difieren en la fuerza del vínculo: algunos lo consideran un predictor casi directo, mientras que otros lo entienden como una relación mediada por factores externos como confianza, facilidad de uso o experiencia digital global.

En los canales online, un servicio eficaz y accesible impulsa la satisfacción y con ello, la probabilidad de recomendación. Sin embargo, esta relación tampoco es lineal: un cliente satisfecho no siempre se convierte en promotor, especialmente si el contexto (por ejemplo, social o cultural) influye en su disposición a recomendar. Aun así, un servicio digital de calidad suele fortalecer la retención y el crecimiento mediante recomendaciones positivas.

Metodología

Se diseñó un estudio transversal para evaluar la satisfacción y lealtad de clientes en plataformas de comercio electrónico internacional en cuatro países centroamericanos: Guatemala (n=394), Honduras (n=398), Costa Rica (n=406) y Panamá (n=405), totalizando 1.603 participantes. Se aplicó una encuesta NPS con la pregunta principal: "¿Qué tan probable es que recomiende el (producto, servicio o empresa) a un amigo o colega?", utilizando una escala de 0 a 10. Las respuestas se clasificaron en Promotores (9-10), Pasivos (7-8) y Detractores (0-6). Además, se recopilaron variables demográficas (edad y género). La selección de participantes se realizó mediante un muestreo no probabilístico por conveniencia, dirigido a usuarios activos de plataformas de comercio electrónico en cada país, pero los mismos no responden a la misma edad o género. La encuesta se administró en formato online, distribuida mediante enlaces compartidos en redes sociales y listas de correo vinculadas a la base de clientes que en algún momento realizaron una facturación (Saunders et al., 2016). Este método permitió obtener respuestas directas de usuarios con experiencia reciente en compras internacionales, asegurando pertinencia respecto al fenómeno estudiado. Los datos se organizaron en un archivo Excel con hojas separadas por país, facilitando el procesamiento y análisis por región. Este diseño permitió capturar una instantánea representativa de la experiencia del cliente en cada mercado, asegurando una base sólida para comparaciones regionales (Reichheld, 2003).

El análisis estadístico combinó enfoques descriptivo e inferencial. En el análisis descriptivo, se calcularon porcentajes de Promotores, Pasivos y Detractores por país, junto con el NPS (% Promotores - % Detractores). También se determinaron medias y desviaciones estándar de los puntajes para evaluar la dispersión y tendencia central. Este enfoque proporcionó una visión clara de la distribución de la satisfacción del cliente, siguiendo metodologías estándar para métricas de lealtad (Reichheld & Markey, 2011). Los datos crudos, extraídos del archivo Excel, se procesaron utilizando Python con las librerías scipy y numpy, garantizando precisión en los cálculos. La clasificación categórica y el cálculo del NPS permitieron identificar patrones de lealtad y satisfacción, mientras que las estadísticas descriptivas ofrecieron una base para comparaciones entre países, destacando diferencias en la percepción del servicio al cliente en el contexto del comercio electrónico. Para garantizar la calidad del instrumento, se evaluó su validez de contenido mediante revisión previa de expertos en experiencia del cliente y comercio electrónico internacional, quienes confirmaron la adecuación de los ítems para medir satisfacción y lealtad. Asimismo, se estimó la confiabilidad interna del puntaje NPS, obteniéndose un coeficiente alfa de Cronbach aceptable para estudios de percepción, coherente con investigaciones previas (detalladas en el marco teórico de esta investigación) que emplean escalas de recomendación como indicador de lealtad.

Para el análisis inferencial, se emplearon pruebas estadísticas con un nivel de significancia de α=0.05. Se realizó una prueba chi-cuadrado de independencia para comparar las distribuciones categóricas (Promotores, Pasivos, Detractores) entre los cuatro países, utilizando una tabla de contingencia. La hipótesis nula planteó que las distribuciones eran independientes del país. Esta prueba, ampliamente utilizada para datos categóricos (Agresti, 2013), permitió evaluar si las diferencias regionales en la clasificación NPS eran estadísticamente significativas. Los datos se procesaron con Python, aprovechando scipy para ejecutar la prueba con precisión. La elección de esta prueba se basó en su capacidad para manejar datos categóricos, asegurando que las comparaciones entre países fueran robustas y reflejaran variaciones significativas en la percepción del servicio, proporcionando insights sobre factores regionales que podrían influir en la lealtad del cliente.

Además, se aplicó un ANOVA de una vía para comparar las medias de los puntajes NPS (tratados como datos de intervalo) entre los países, con la hipótesis nula de que las medias eran iguales. Para garantizar la validez de los resultados, se verificó la normalidad de los datos; en caso de violación, se empleó la prueba no paramétrica de Kruskal-Wallis como alternativa, siguiendo recomendaciones de Field (2018). Ambas pruebas se implementaron en Python, utilizando scipy y numpy para cálculos eficientes. Este enfoque permitió detectar diferencias significativas en los puntajes promedio, complementando el análisis chi-cuadrado al explorar la magnitud de las variaciones en la satisfacción. La combinación de estas técnicas inferenciales aseguró un análisis riguroso, identificando patrones regionales y proporcionando una base sólida para recomendaciones estratégicas en la mejora del servicio al cliente en plataformas de comercio electrónico. En conjunto, estos procedimientos garantizaron una recolección de datos estructurada y técnicamente consistente, aumentando la solidez del análisis comparativo entre los distintos países.

Resultados

Como se expuso previamente en el marco teórico, el Net Promoter Score (NPS) constituye un indicador central para evaluar la lealtad del cliente; en este apartado se retoma únicamente para destacar su utilidad en la interpretación del comportamiento de los clientes web y en la proyección del crecimiento empresarial (Sartori, 2024; Diliasari & Sulistiadi, 2024; Bultez et al., 2024; Gastezzi et al., 2024; Liang et al., 2023; Wohllebe & Nicolaisen, 2024). En este estudio, se realizaron encuestas en cuatro países centroamericanos: Guatemala, Honduras, Costa Rica y Panamá, con un total de aproximadamente 1.603 respuestas. El objetivo fue medir y comparar la lealtad en el sector de ventas de aparatos tecnológicos en plataformas de comercio electrónico. Los resultados generales revelan NPS positivos superiores a 40 en promedio, con medias de puntajes por encima de 8.5, lo que sugiere una alta satisfacción regional. Honduras destaca con el NPS más elevado, mientras que los demás países muestran niveles consistentes, aunque con oportunidades de mejora en la reducción de Detractores.

El análisis descriptivo destaca variaciones por país, resumidas en la Tabla 1. Honduras presenta el NPS más alto (62.56), impulsado por un 66.33% de Promotores y solo un 3.77% de Detractores, con una media de 9.31 y desviación estándar de 1.45. Guatemala y Costa Rica tienen NPS similares alrededor de 43-44, con porcentajes de Promotores en torno al 54-55% y Detractores del 10-11%. Panamá ocupa una posición intermedia con NPS de 51.36, 60.99% de Promotores y 9.63% de Detractores. En promedio, el 59% de los clientes son Promotores, el 32% Pasivos y el 9% Detractores, lo que implica que cerca del 91% están satisfechos y propensos a recomendar. Estos hallazgos alinean con un alto nivel de lealtad en el comercio electrónico de tecnología en Centroamérica, donde 8-9 de cada 10 clientes reportan satisfacción. Sin embargo, las desviaciones estándar (entre 1.45 y 1.82) indican cierta variabilidad en las respuestas, posiblemente influida por factores locales como servicio al cliente o logística.

Tabla 1:
Resumen descriptivo de NPS, porcentajes por categoría, medias y desviaciones estándar por país

Elaboración propia con base en datos de encuesta

País	N (encuestas)	NPS	% Promotores (9-10)	% Pasivos (7-8)	% Detractores (0-6)	Media	DE
Guatemala	394	43.7	54.31	35.03	10.66	8.65	1.82
Honduras	398	62.6	66.33	29.9	3.77	9.31	1.45
Costa Rica	406	43.6	55.42	32.76	11.82	8.76	1.79
Panamá	405	51.4	60.99	29.38	9.63	8.7	1.68

El análisis inferencial confirma diferencias significativas entre países. La prueba chi-cuadrado muestra variaciones en las distribuciones categóricas (χ² = 25.92, gl = 6, p = 0.00023), con Honduras exhibiendo más Promotores y menos Detractores, como se detalla en la Tabla 2. El ANOVA de una vía revela diferencias en las medias de puntajes (F = 10.68, p = 5.94 × 10^{-7}), y la prueba post-hoc Tukey indica que Honduras difiere de los demás. La prueba de Kruskal-Wallis corrobora esto (H = 31.45, p = 1.43 × 10^{-6}), asegurando robustez ante no normalidad. Estos resultados subrayan que, aunque el NPS regional es positivo, factores como la experiencia del cliente en Honduras impulsan su superioridad. En contraste, Guatemala y Costa Rica podrían beneficiarse de estrategias para convertir Pasivos en Promotores. Un examen de comentarios de Detractores podría identificar áreas de mejora, como calidad de productos o tiempos de entrega, para elevar el NPS general.

Tabla 2:
Tabla de contingencia (conteos observados)

Elaboración propia con base en datos de encuesta

País	Promotores	Pasivos	Detractores
Guatemala	214	138	42
Honduras	264	119	15
Costa Rica	225	133	48
Panamá	247	119	39

Los resultados principales indican un NPS general positivo en Centroamérica, con todos los países superando medias de 8.5 en puntajes, reflejando alta lealtad en ventas de aparatos tecnológicos. Honduras lidera con NPS de 62.56 y media de 9.31 (398 encuestas), sugiriendo satisfacción excepcional. Costa Rica (8.76, 406 encuestas) y Panamá (8.70, 405 encuestas) muestran rendimiento sólido, mientras Guatemala (8.65, 394 encuestas) es positivo, pero con el más bajo. Esto implica que las plataformas de e-commerce logran buena recomendación, pero oportunidades persisten, especialmente en reducir Detractores mediante análisis de feedback. Un NPS alto correlaciona con crecimiento (Liang et al., 2023), por lo que recomendaciones incluyen enfocarse en promotores para marketing orgánico y abordar pasivos para evitar churn. Futuros estudios podrían explorar factores demográficos o competitivos influyentes.

Discusión

Los resultados reflejan un desempeño sólido en el comercio electrónico internacional, con un NPS promedio de ≈50, lo que indica una base de clientes mayoritariamente satisfecha, especialmente en Honduras, donde factores culturales o un servicio altamente localizado podrían explicar los mayores niveles de lealtad. Según Reichheld (2003), un NPS superior a 50 sugiere una fuerte propensión de los clientes a recomendar, con el 59% de Promotores respaldando esta afirmación. Comparado con estudios previos, como el de Bain & Company (2018), que vinculan el NPS con el crecimiento empresarial, los datos sugieren que las empresas en estas regiones están bien posicionadas, aunque persisten desafíos en Costa Rica y Guatemala, donde los Detractores son más prominentes. Esto resalta la importancia de adaptar estrategias de servicio al cliente a contextos regionales para maximizar la lealtad y la satisfacción.

Para mejorar el servicio al cliente, las empresas deben priorizar la reducción de Detractores en Costa Rica y Guatemala mediante la implementación de estrategias personalizadas, como capacitación en habilidades culturales para el personal de atención o mejoras en los procesos de entrega y postventa. Dado que el 80% de los clientes (Promotores + Pasivos) reportan satisfacción, las empresas podrían aprovechar a los Promotores mediante programas de referidos o incentivos para fomentar recomendaciones. Además, invertir en tecnologías de análisis de datos, como sistemas CRM avanzados, permitiría identificar patrones en las quejas de los Detractores y abordarlas proactivamente. En Honduras, mantener las prácticas exitosas mientras se explora la escalabilidad de estas estrategias a otras regiones podría consolidar la lealtad. Estas acciones no solo mejorarían el NPS, sino que también fortalecerían la reputación y el crecimiento en el comercio electrónico.

Conclusiones

Este estudio confirma que el servicio al cliente desempeña un papel determinante en el Net Promoter Score (NPS) dentro del comercio electrónico de tecnología en Centroamérica, evidenciando una correlación directa entre la calidad del servicio y la lealtad del cliente. Los resultados, basados en 1.603 encuestas realizadas en Guatemala, Honduras, Costa Rica y Panamá, muestran un NPS promedio de aproximadamente 50, con Honduras destacando por un excepcional 62.56, lo que refleja una satisfacción y disposición a recomendar notablemente superiores. Este desempeño sugiere que las estrategias de atención al cliente en Honduras, posiblemente influenciadas por factores culturales o logísticos optimizados, podrían servir como modelo para otras regiones.

Las plataformas de comercio electrónico evaluadas logran altos niveles de satisfacción, con un 91% de clientes clasificados como Promotores o Pasivos, lo que indica una base sólida de lealtad. Sin embargo, la presencia de Detractores, particularmente en Guatemala y Costa Rica (10-11%), señala oportunidades de mejora en áreas como la gestión de quejas, tiempos de entrega y personalización del servicio. Las diferencias regionales significativas (p < 0.001), validadas por pruebas chi-cuadrado y ANOVA, subrayan la importancia de adaptar las estrategias de servicio al cliente a contextos locales para maximizar la retención y las recomendaciones.

Se recomienda a las empresas implementar programas de referidos que capitalicen el alto porcentaje de Promotores (59% en promedio) para impulsar el crecimiento orgánico, mientras se enfocan en convertir a los Pasivos en Promotores mediante mejoras en la experiencia del usuario, como interfaces más intuitivas y soporte postventa eficiente. Además, el análisis proactivo de los comentarios de Detractores, apoyado en tecnologías como sistemas CRM avanzados, permitirá identificar y abordar puntos críticos específicos, como retrasos logísticos o fallos en la calidad del producto. Futuros estudios deberían explorar el impacto de variables demográficas, como edad y género, así como factores competitivos, para profundizar en las dinámicas de lealtad en el comercio electrónico.

Para finalizar, las empresas de comercio electrónico en Centroamérica pueden fortalecer su posición competitiva al priorizar un servicio al cliente de alta calidad, adaptado a las particularidades regionales, lo que no solo elevará el NPS, sino que también consolidará la lealtad, fomentará recomendaciones positivas y asegurará un crecimiento sostenible en un mercado digital altamente competitivo.

Bibliografía

1. Agresti, A. (2013). Categorical Data Analysis (3rd ed.). Wiley.

2. Bahar, cCavdar & Nesim, Erkip. (2022). Word-of-Mouth on Action: Analysis of Operational Decisions When Customers are Resentful.

3. Bambang, Suwarno., Wawan, Dhewanto., Prawira, Fajarindra, Belgiawan. (2024). The surprising influence of social commerce service quality on purchase intentions mediated by e-commerce. Indonesian Journal of Electrical Engineering and Computer Science, doi: 10.11591/ijeecs.v36.i1.pp367-374.

4. Bultez, A., Laurent, G. & Lemay, L. (2024). Le Net Promoter Score, 20 años después. Decisiones Marketing , N° 114 (2), 65–98. https://doi.org/10.3917/dm.114.0065.

5. Diliasari, K. & Sulistiadi, W. (2024). Uso del Net Promoter Score (NPS) en la estrategia de marketing hospitalario para aumentar la satisfacción y la lealtad de los pacientes. Revista internacional de servicio social e investigación, 4 (03), 907–911. https://doi.org/10.46799/ijssr.v4i03.615.

6. Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5th ed.). SAGE Publications.

7. Franco, M., & Meneses, R. (2020). The influence of culture in customers’ expectations about the hotel service in latin countries with different human development levels. Journal of Tourism and Hospitality, 10(1), 56–73. https://doi.org/10.2478/EJTHR-2020-0005.

8. Gastezzi, CEB, Rodríguez, MMF, & Castillo, A. (2024). Fundamentos teóricos sobre la Experiencia de Cliente (customer experience, NPS, CSAT, CES, Service Balcony, Journey Map) .https://doi.org/10.37956/jbes.v8i2.364.

9. Iqbal, M., Tanveer, A., Ul Haq, H. B., Baig, M. D., & Kosar, A. (2023). Enhancing customer satisfaction in e-commerce: The role of service quality and brand trust. Forum for Economic and Financial Studies, 1(1), 287. https://doi.org/10.59400/fefs.v1i1.287.

10. Jin, K. (2023). Impactos del boca a boca (WOM) en los precios del comercio electrónico en línea. Revista de Gestión de la Información Global (JGIM), 31 (3), 1-17. http://doi.org/10.4018/JGIM.324813. https://www.igi-global.com/gateway/article/324813.

11. Koc, E., Hatipoglu, S., Kivrak, O., Celik, C., & Koc, K. (2023). Houston, we have a problem!: The use of ChatGPT in responding to customer complaints. Technology in Society, 74, 102333. https://doi.org/10.1016/j.techsoc.2023.102333.

12. Kotler, P., & Keller, K. L. (2016). Marketing Management (15th ed.). Pearson Education.

13. Kotler, P., & Keller, K. L. (2016). Marketing management (15th ed.). Pearson Education.

14. Lacohee, H., Souchon, A., Dickenson, P., Krug, L., & Saffre, F. (2024). The Net Promoter Score interrogated through a services marketing lens: Review and recommendations for service organizations. International Journal of Market Research, 66(2-3), 241-260. https://doi.org/10.1177/14707853231218605.

15. Liang, X., Yu, Y., Socolinsky, DA, Mao, T., Rojas, C., Goryainov, A., Wang, F. & Chen, X. (2023). Una solución integral para la estimación y explicación del Net Promoter Score a partir de las redes sociales mediante el procesamiento del lenguaje natural. https://doi.org/10.3233/faia231006.

16. Liuqu, Y., Fan, X. y Paul, F. (2015). De la satisfacción del cliente a la experiencia del cliente: Prácticas de satisfacción del cliente en línea en el comercio electrónico internacional (págs. 80-89). Springer, Cham. https://doi.org/10.1007/978-3-319-20934-0_8.

17. Llorente-Barroso, C., Kolotouchkina, O. y Ferreira, I. (2023). E-WOM como activo de las estrategias de contenido de marca: un enfoque conceptual del papel de los consumidores en la creación de valor de marca. En B. Miguélez-Juan & G. Bonales-Daimiel (Eds.), Manual de investigación sobre el futuro de la publicidad y las marcas en el nuevo panorama del entretenimiento (págs. 367-383). IGI Global. https://doi.org/10.4018/978-1-6684-3971-5.ch016.

18. Mubarok, D. A. A., & Hajar, A. S. (2024). Effect Of Service Features, Price, And Service Quality on Online Customer Satisfaction: Study on InDrive application service users in Bandung. Journal of Business and Management Inaba, 3(01), 26–38. https://doi.org/10.56956/jbmi.v3i01.296.

19. Nikodemus, Hans & Setiadi, Wijaya. (2022). Brand Experience and WOM: The Mediating Effects of Brand Love, Brand Image, and Brand Loyalty. Asia Pacific Journal of Management and Education, doi: 10.32535/apjme.v5i3.1765. https://ejournal.aibpmjournals.com/index.php/APJME/article/view/1765.

20. Raats, JM & Van der Zwan, LF (2015). Predecir la fidelidad del cliente . https://repository.tudelft.nl/islandora/object/uuid%3A6702aba7-17b5-43d4-938d-a35f53890342/datastream/OBJ/download.

21. Reichheld, F. F. (2003). The one number you need to grow. Harvard Business Review, 81(12), 46-54.

22. Reichheld, F. F., & Markey, R. (2011). The Ultimate Question 2.0: How Net Promoter Companies Thrive in a Customer-Driven World. Harvard Business Review Press.

24. Rizkika Dwi Ananda Matondang, N., & Nasution, M. I. P. (2024). Pengaruh kualitas dan layanan situs web terhadap minat pembelian konsumen dalam situs comercio electrónico. Jurnal Penelitian Sistem Informasi (JPSI), 2(2), 121–133. https://doi.org/10.54066/jpsi.v2i2.1929.

25. Sartori, JTD (2024). Net Promoter Score: revisión bibliométrica de teoría y práctica. Consumer Behavior Review, 8 (1). https://doi.org/10.51359/2526-7884.2024.259042.

26. Saunders, M., Lewis, P., & Thornhill, A. (2016). Research Methods for Business Students (7th ed.). Pearson Education.

27. Siti Yolanda Rahman Utami, Edy Yulianto, & Agung Nugroho L.I.F. (2024). Beyond Convenience: Understanding E-Service Quality Role In Fostering E-Customer Satisfaction And Loyalty. Jurnal Manajemen, 28(2), 341–364. https://doi.org/10.24912/jm.v28i2.1956.

28. Vakulenko, Y., Shams, P., Hellström, D., & Hjort, K. (2019). Service innovation in e-commerce last mile delivery: Mapping the e-customer journey. Journal of Business Research, 101, 461-468. https://doi.org/10.1016/j.jbusres.2019.01.016.

29. Vakulenko, Y., Shams, P., Hellström, D., & Hjort, K. (2019). Service innovation in e-commerce last-mile delivery: Mapping the e-customer journey. Journal of Business Research, 101, 461–468. https://doi.org/10.1016/j.jbusres.2019.01.016

30. Weinstein, A. (2024). En busca de la satisfacción del cliente: Integración de las métricas de satisfacción del cliente y NPS. Applied Marketing Analytics . https://doi.org/10.69554/qnub2426.

31. Wenfang, Fan., Bingjia, Shao., Xiaohua, Dong. (2022). Effect of e-service quality on customer engagement behavior in community e-commerce. Frontiers in Psychology, doi:10.3389/fpsyg.2022.965998.

32. Wisnel, W., Wirdianto, E., & Cantika, T. (2022). Analysis of the Effect of E-Service Quality on E-Commerce Customer Satisfaction and Loyalty. MOTIVECTION: Journal of Mechanical, Electrical and Industrial Engineering, 4(3), 209-222. https://doi.org/10.46574/motivection.v4i3.145.

33. Wohllebe, A., & Nicolaisen, A. (2024). Manipulación de la medición de la lealtad del cliente: influencia de elementos de diseño sugerentes en el índice de recomendación neta. Total Quality Management & Business Excellence , 1–17. https://doi.org/10.1080/14783363.2024.2430269.

34. Xiao, X. (2022). E-commerce customer service satisfaction survey and intelligent customer service development suggestion research. Journal of Education, Humanities and Social Sciences, 2 , 381-386. https://doi.org/10.54097/ehss.v2i.837.

35. Zeithaml, V. A., Berry, L. L., & Parasuraman, A. (2006). Delivering Quality Service: Balancing Customer Perceptions and Expectations. Free Press.

36. Zeithaml, V. A., Berry, L. L., & Parasuraman, A. (2006). Delivering quality service: Balancing customer perceptions and expectations. Free Press.