https://perspectivas.esprint.tech
Vol. 3 N° 3, Edición Especial 2025 (219-232)
Estudios de Desarrollo Socioeconómico
ISSN: 3028-8983
219
Artículo de revisión
El CRM (Customer Relationship Management) y la confianza:
Tendencias globales en la producción científica
CRM (Customer Relationship Management) and trust: Global trends in
scientific production
Pablo Herrera Lovera*
Universidad Técnica de Oruro
Oruro - Bolivia
pablo.herrera.lovera@gmail.com
https://orcid.org/0009-0005-7486-6063
*Correspondencia:
pablo.herrera.lovera@gmail.com
Cómo citar este artículo:
Herrera, P. (2025). El CRM (Customer
Relationship Management) y la confianza:
Tendencias globales en la producción
científica.
Perspectivas Sociales y
Administrativas, 3(3), 219-232.
https://doi.org/10.61347/psa.v3i3.120
Recibido: 4 de septiembre de 2025
Proceso de evaluación:
7 de septiembre al 17 de octubre de 2025
Aceptado: 19 de octubre de 2025
Publicado: 17 de noviembre de 2025
Resumen: El Customer Relationship Management (CRM) se ha consolidado como un
pilar estratégico en la gestión empresarial contemporánea, al posibilitar la construcción
de relaciones duraderas basadas en la confianza entre las organizaciones y sus clientes.
En la última década, la digitalización, el big data, la inteligencia artificial (IA) y la
omnicanalidad han transformado el alcance y la complejidad del CRM, convirtiendo la
confianza en un factor crítico para la sostenibilidad relacional. Este estudio presenta un
análisis bibliométrico exhaustivo de la literatura científica indexada en Scopus (2000–
2024) sobre la relación entre CRM y confianza, a partir de un corpus de 43 artículos
revisados por pares, complementado con investigaciones recientes publicadas en revistas
de alto impacto. Se emplearon las herramientas Bibliometrix (R) y VOSviewer para
mapear indicadores de producción (evolución temporal, países e instituciones), impacto
(artículos y autores más citados, revistas y cuartiles SJR) y estructura intelectual (co-
citación y co-ocurrencia). Los resultados evidencian un crecimiento sostenido de la
producción académica desde mediados de la década de 2010, con un predominio de
temas motores relacionados con la analítica de datos, el social CRM, la IA aplicada y las
estrategias omnicanal, que actúan como vectores de innovación en el campo. La
confianza emerge como un eje articulador entre la personalización, la automatización y
los resultados conductuales (lealtad, satisfacción y retención), al tiempo que plantea
nuevos desafíos vinculados con la privacidad de datos, la explicabilidad algorítmica y la
gobernanza digital.
Palabras clave: Análisis bibliométrico, aprendizaje automático, confianza, Customer
Relationship Management, social CRM.
Abstract: Customer Relationship Management (CRM) has become a strategic pillar of
contemporary business management, enabling the building of long-term relationships based on
trust between organizations and their clients. Over the past decade, digitalization, big data,
artificial intelligence (AI), and omnichannel strategies have transformed the scope and complexity
of CRM, making trust a critical factor for relational sustainability. This study presents a
comprehensive bibliometric analysis of the scientific literature indexed in Scopus (2000–2024) on
the relationship between CRM and trust, based on a corpus of 43 peer-reviewed articles,
complemented by recent research published in high-impact journals. The tools Bibliometrix (R)
and VOSviewer were used to map production indicators (temporal evolution, countries, and
institutions), impact (most cited articles and authors, journals, and SJR quartiles), and
intellectual structure (co-citation and co-occurrence). The results reveal a steady growth in
academic production since the mid-2010s, with a clear predominance of driving themes related to
data analytics, social CRM, applied AI, and omnichannel strategies, which serve as vectors of
innovation in the field. Trust emerges as a central axis linking personalization, automation, and
behavioral outcomes (loyalty, satisfaction, and retention), while also raising new challenges
concerning data privacy, algorithmic explainability, and digital governance.
Keywords: Bibliometric analysis, Customer Relationship Management, machine learning, social
CRM, trust.
Copyright: Derechos de autor 2025 Pablo
Herrera Lovera.
Esta obra está bajo una licencia internacional
Creative Commons Atribución-
NoComercial 4.0.
Perspectivas Sociales
y Administrativas
https://perspectivas.esprint.tech
Vol. 3 N° 3, Edición Especial 2025 (219-232)
Estudios de Desarrollo Socioeconómico
ISSN: 3028-8983
Pablo Herrera Lovera 220
1. Introducción
El Customer Relationship Management (CRM) constituye uno de los pilares estratégicos más
influyentes en la gestión empresarial contemporánea, al integrar procesos, tecnologías y capacidades
organizacionales orientadas a la creación de valor sostenible con los clientes (Payne & Frow, 2005;
Buttle & Maklan, 2019). Desde sus inicios como un enfoque vinculado a la gestión de bases de datos y
a la automatización de campañas, el CRM ha evolucionado hacia un sistema complejo y dinámico,
capaz de articular interacciones multicanal y de aprovechar tecnologías avanzadas como big data,
inteligencia artificial (IA) y analítica predictiva (Wedel & Kannan, 2016).
En este tránsito, la confianza se ha consolidado como un factor crítico de sostenibilidad relacional.
De acuerdo con la teoría compromiso–confianza de Morgan y Hunt (1994), la confianza reduce la
incertidumbre, genera cooperación y se traduce en lealtad. Hallazgos posteriores han confirmado que
la confianza es un predictor robusto de la satisfacción, la retención y el valor de vida del
cliente (Palmatier et al., 2006; Kumar & Reinartz, 2016). En un entorno digital donde la información
circula de forma masiva y las relaciones están mediadas por algoritmos, la confianza se convierte en
un recurso intangible esencial que condiciona la disposición de los clientes a compartir datos y a
mantener relaciones a largo plazo (Martin & Murphy, 2017).
No obstante, la integración del CRM con tecnologías emergentes también plantea nuevos dilemas
éticos y estratégicos. La adopción de IA y aprendizaje automático permite mejorar la segmentación, la
predicción de comportamiento y la personalización de ofertas, pero también genera riesgos
de opacidad algorítmica, sesgos en la toma de decisiones y pérdida de autonomía del
cliente (Davenport & Ronanki, 2018; Wamba et al., 2017). De manera similar, la expansión del Social
CRM reconfigura las interacciones entre empresas y consumidores en entornos sociales,
incrementando la visibilidad y la posibilidad de co-creación de valor, pero también exponiendo a las
marcas a mayores niveles de escrutinio y vulnerabilidad reputacional (Trainor et al., 2014).
La omnicanalidad ha emergido como otro vector decisivo en la evolución del CRM. La coordinación
de puntos de contacto físicos y digitales exige que las empresas aseguren consistencia en las
experiencias y cumplan las promesas comunicadas a través de diversos canales, condición
indispensable para sostener la confianza del cliente (Verhoef et al., 2015). Sin embargo, la complejidad
tecnológica, la fragmentación de sistemas y la creciente demanda de inmediatez aumentan la
probabilidad de fallas de integración, lo cual puede deteriorar la percepción de confiabilidad y
transparencia de las organizaciones.
A pesar de la relevancia del tema, la literatura sobre CRM y confianza presenta vacíos notables.
Existen limitaciones en la operacionalización y medición de la confianza (Gefen, 2000), así como escasa
homogeneidad en las métricas utilizadas, lo que dificulta la comparación de resultados entre estudios.
Asimismo, predominan investigaciones en contextos de países desarrollados, mientras que regiones
emergentes, como América Latina, han sido poco exploradas, lo que restringe la validez externa y la
aplicabilidad práctica de los hallazgos (Donthu et al., 2021). Además, persiste un déficit de diseños
longitudinales y experimentales que permitan evaluar los efectos causales de la confianza en
escenarios de transformación digital intensiva.
En este escenario, la bibliometría constituye una herramienta idónea para mapear y analizar la
evolución de la investigación en el campo. A través de indicadores cuantitativos, redes de cocitación y
análisis de co-ocurrencia de palabras clave, es posible identificar tendencias, clústeres temáticos,
autores influyentes y vacíos conceptuales (Aria & Cuccurullo, 2017; Van Eck & Waltman, 2010; Zupic
& Čater, 2015). Los estudios bibliométricos no solo permiten cartografiar la producción científica, sino
Perspectivas Sociales
y Administrativas
https://perspectivas.esprint.tech
Vol. 3 N° 3, Edición Especial 2025 (219-232)
Estudios de Desarrollo Socioeconómico
ISSN: 3028-8983
Pablo Herrera Lovera 221
que también ofrecen una base sólida para orientar agendas de investigación futuras y fortalecer el
diseño de estrategias empresariales basadas en evidencia.
El objetivo general de este estudio es sintetizar críticamente el estado del arte de la relación CRM–
confianza, identificando tanto sus fortalezas conceptuales como los vacíos metodológicos y
empíricos que persisten en el campo. De manera específica, se busca (i) visibilizar la centralidad de la
confianza como mecanismo articulador en la era digital, (ii) analizar las tensiones derivadas de la
incorporación de tecnologías avanzadas en la gestión de relaciones, y (iii) proponer una agenda de
investigación que responda a los desafíos de la gobernanza de datos, la transparencia algorítmica y la
equidad en la personalización.
La contribución principal de este trabajo radica en proporcionar una visión global, crítica y
actualizada del binomio CRM–confianza, articulando la perspectiva académica con implicaciones
prácticas. Para la literatura, ofrece un mapeo sistemático que evidencia los clústeres motores y
emergentes en el campo, además de plantear la necesidad de mayor diversidad geográfica y
metodológica en la investigación. Para la práctica, subraya la importancia de diseñar estrategias de
CRM que incorporen mecanismos de construcción y sostenimiento de confianza en entornos de
creciente tecnologización, donde el cliente exige experiencias personalizadas, seguras y
transparentes.
2. Revisión de literatura
Raíces conceptuales del CRM y la confianza
El Customer Relationship Management (CRM) surge de la convergencia entre el marketing relacional
y los avances en tecnologías de información, con énfasis en la creación de valor mutuo para clientes y
organizaciones (Parvatiyar & Sheth, 2001). Desde la década de 1990, el CRM se concibe como un
sistema integral que articula estrategias de segmentación, gestión de interacciones y análisis de datos,
con el propósito de fomentar relaciones sostenibles y rentables (Payne & Frow, 2005).
En paralelo, la confianza ha sido estudiada como un constructo central en la teoría del marketing
relacional. La teoría compromiso–confianza de Morgan y Hunt (1994) sostiene que la confianza reduce
la incertidumbre y facilita la cooperación en contextos de intercambio. Investigaciones posteriores han
demostrado que la confianza no solo favorece la satisfacción y la lealtad, sino que también influye en
la disposición de los clientes a compartir información y participar en procesos de co-creación
(Sirdeshmukh et al., 2002; Palmatier et al., 2006). En este sentido, el binomio CRM–
confianza representa un círculo virtuoso: el CRM busca personalizar interacciones y generar valor, y
la confianza determina la disposición de los clientes a mantener la relación, lo que a su vez alimenta
los sistemas de información del CRM y fortalece su efectividad.
Social CRM y la reconfiguración de la confianza digital
El advenimiento de las redes sociales transformó la lógica del CRM, dando lugar al Social CRM (S-
CRM). Esta evolución no solo amplió los canales de interacción, sino que también introdujo nuevas
dinámicas de reputación, visibilidad y participación activa de los clientes (Malthouse et al., 2013). En
este contexto, la confianza se construye y destruye en tiempo real, mediada por la transparencia
percibida de las marcas y la consistencia en sus interacciones digitales (Harrigan et al., 2017). La
investigación muestra que las capacidades de S-CRM, monitoreo de interacciones, gestión de
comunidades y co-creación de contenidos refuerzan la confianza siempre que se mantenga un
equilibrio entre personalización y respeto a la privacidad (Choudhury & Harrigan, 2014; Trainor et
Perspectivas Sociales
y Administrativas
https://perspectivas.esprint.tech
Vol. 3 N° 3, Edición Especial 2025 (219-232)
Estudios de Desarrollo Socioeconómico
ISSN: 3028-8983
Pablo Herrera Lovera 222
al., 2014). La confianza digital, en consecuencia, se articula alrededor de dimensiones
como competencia tecnológica, integridad comunicacional y benevolencia percibida, lo que exige a
las organizaciones diseñar estrategias de engagement que fortalezcan la percepción de legitimidad en
entornos sociales.
Inteligencia artificial, big data y analítica avanzada
La inteligencia artificial (IA) y el big data representan los motores contemporáneos de innovación en
CRM. Estas tecnologías permiten procesar grandes volúmenes de datos, predecir comportamientos
y personalizar ofertas con niveles de precisión antes inalcanzables (Wamba et al., 2017). Sin embargo,
la adopción de estas tecnologías plantea un dilema respecto a la confianza. Mientras
la microsegmentación algorítmica puede mejorar la retención de clientes (Ascarza, 2018), la opacidad
de los modelos predictivos genera percepciones de riesgo y vulnerabilidad. El concepto
de “algorithmic trust” se ha convertido en un nuevo campo de investigación, donde la confianza
depende de la explicabilidad, la justicia percibida y la transparencia en el uso de datos (Davenport
& Ronanki, 2018).
Los estudios más recientes muestran que la aceptación de la IA en CRM está condicionada por la
capacidad de las organizaciones para comunicar cómo y por qué se toman decisiones automatizadas,
así como para ofrecer mecanismos de control al cliente (Huang & Rust, 2021). En este sentido,
la gobernanza de datos se erige como un factor clave para sostener la confianza en entornos digitales.
Omnicanalidad y consistencia en la experiencia del cliente
La omnicanalidad implica la integración fluida de puntos de contacto físicos y digitales, de modo que
el cliente experimente un recorrido coherente y sin fricciones (Verhoef et al., 2015). La confianza en
este contexto se deriva de la consistencia en la experiencia, la fiabilidad en el cumplimiento de
promesas y la capacidad de la organización para resolver fallos en cualquiera de los canales.
La literatura evidencia que la confianza se erosiona cuando los clientes perciben incongruencias
entre canales, como ofertas diferentes o políticas contradictorias (Beck & Rygl, 2015). Por ello, la
omnicanalidad no es solo un reto tecnológico, sino también una estrategia de confianza, donde el
diseño de journeys homogéneos refuerza la percepción de credibilidad y legitimidad organizacional.
Además, la omnicanalidad potencia la posibilidad de recopilar datos más ricos y detallados, lo que
incrementa el valor del CRM pero también amplifica las preocupaciones por el uso ético y transparente
de dicha información (Lemon & Verhoef, 2016).
Brechas de investigación y desafíos emergentes
A pesar de los avances alcanzados, la literatura sobre Customer Relationship Management (CRM) y
confianza presenta aún brechas significativas que limitan su consolidación teórica y empírica. Uno
de los principales desafíos radica en la falta de estandarización de métricas, ya que las medidas de
confianza difieren en definiciones, escalas y contextos, lo que dificulta la comparabilidad entre
estudios (Gefen, 2000). Asimismo, predominan los diseños transversales, con escasa presencia de
estudios longitudinales capaces de capturar la evolución temporal de la confianza en las relaciones
con los clientes.
Otro vacío importante corresponde a los sesgos geográficos y sectoriales, dado que la mayoría de
las investigaciones provienen de países desarrollados, mientras que los mercados emergentes
permanecen subrepresentados (Donthu et al., 2021). En el ámbito tecnológico, la explicabilidad
Perspectivas Sociales
y Administrativas
https://perspectivas.esprint.tech
Vol. 3 N° 3, Edición Especial 2025 (219-232)
Estudios de Desarrollo Socioeconómico
ISSN: 3028-8983
Pablo Herrera Lovera 223
algorítmica constituye una línea poco explorada, ya que existe escasa evidencia sobre cómo los
clientes interpretan y responden a los sistemas de inteligencia artificial implementados en el CRM.
Finalmente, aunque la privacidad y la gobernanza de datos son preocupaciones recurrentes, aún no
se han desarrollado marcos regulatorios robustos aplicables a la gestión relacional (Martin & Murphy,
2017). Estas brechas abren oportunidades de investigación orientadas a integrar metodologías mixtas,
enfoques comparativos internacionales y modelos de gobernanza digital que permitan alinear la
tecnología con la construcción de confianza.
3. Metodología
Este estudio adopta un diseño cuantitativo, descriptivo y retrospectivo, basado en el análisis
bibliométrico de literatura científica. La bibliometría se reconoce como una técnica robusta para
mapear la evolución de un campo de investigación, identificar autores y fuentes influyentes, y detectar
clústeres temáticos mediante el análisis de co-citación, co-autoría y co-ocurrencia de palabras clave
(Aria & Cuccurullo, 2017; Donthu et al., 2021). A diferencia de revisiones narrativas o sistemáticas, la
bibliometría ofrece una visión integral y cuantitativa de la producción académica, lo que resulta idóneo
para evaluar el estado del arte en torno al CRM y la confianza y para detectar vacíos en un campo en
rápida transformación tecnológica.
La fuente de información seleccionada para el estudio fue la base de datos Scopus, reconocida por
su amplia cobertura de publicaciones académicas internacionales y por su relevancia como repositorio
clave en evaluaciones bibliométricas. La búsqueda se diseñó siguiendo protocolos de reproducibilidad,
aplicando la ecuación de búsqueda "Customer Relationship Management" AND Trust, en los campos
de título, resumen y palabras clave. Se consideraron únicamente artículos de revistas revisadas por
pares, excluyendo actas de conferencias, capítulos de libros y literatura gris. Los idiomas incluidos en
el análisis fueron inglés y español, y el periodo de estudio comprendió los años 2000 a 2024, con corte
a junio de 2024. La muestra final estuvo compuesta por 43 artículos, complementada con referencias
contextuales recientes (2022–2024) provenientes de revistas Q1 y Q2, seleccionadas por su relevancia
para fortalecer la revisión de la literatura y la discusión crítica.
Criterios de inclusión y exclusión
Los criterios de inclusión y exclusión se establecieron con el propósito de garantizar la pertinencia,
calidad y coherencia temática de los documentos analizados. Se incluyeron únicamente publicaciones
revisadas por pares que presentaran una relación explícita entre el CRM (Customer Relationship
Management) y la confianza, ya sea en los objetivos de investigación, los marcos conceptuales o los
resultados obtenidos. Además, se exigió la disponibilidad completa de metadatos en Scopus,
incluyendo autores, citas y palabras clave. Por el contrario, se excluyeron los estudios de opinión,
reseñas breves o editoriales, así como los trabajos que mencionaran el CRM o la confianza de forma
tangencial, sin una vinculación conceptual clara, y aquellos documentos duplicados o con información
incompleta.
Herramientas de análisis
El procesamiento y análisis de los datos se llevó a cabo mediante el uso de dos herramientas
complementarias. En primer lugar, Bibliometrix (R) se empleó para generar indicadores de
producción científica (número de publicaciones por año, país e institución), impacto (citas
acumuladas y autores más productivos) y estructura intelectual (análisis de co-citación). En segundo
Perspectivas Sociales
y Administrativas
https://perspectivas.esprint.tech
Vol. 3 N° 3, Edición Especial 2025 (219-232)
Estudios de Desarrollo Socioeconómico
ISSN: 3028-8983
Pablo Herrera Lovera 224
lugar, VOSviewer se utilizó para construir redes de co-ocurrencia de palabras clave y mapas
temáticos, considerando las dimensiones de centralidad y densidad, lo que permitió identificar
clústeres básicos, motores, de nicho y emergentes o declinantes. La combinación de ambas
herramientas se encuentra ampliamente respaldada en la literatura metodológica sobre mapeo
científico, al ofrecer mayor rigor analítico y diversidad de perspectivas visuales (Van Eck &
Waltman, 2010; Zupic & Čater, 2015).
Variables e indicadores
El análisis se organizó en tres dimensiones principales:
• Producción científica: número de publicaciones por año, país y afiliación institucional.
• Impacto: número de citas por documento, autores más influyentes, revistas y cuartiles SJR.
• Estructura intelectual: análisis de co-citación y co-ocurrencia para mapear la evolución de los
temas.
Estas dimensiones permiten no solo describir la evolución cuantitativa del campo, sino también
interpretar las trayectorias conceptuales que estructuran la investigación en CRM y confianza.
Reproducibilidad y transparencia
Con el fin de garantizar transparencia metodológica, el proceso completo puede ser replicado en tres
pasos: Exportación de resultados de Scopus en formato .csv o .bib. Procesamiento con Bibliometrix (R),
aplicando scripts estandarizados para indicadores de producción e impacto. Visualización de redes y
mapas mediante VOSviewer, ajustando parámetros de frecuencia mínima y fuerza de asociación. Las
tablas y figuras incluidas en este estudio se derivan de este proceso, y en el caso de los cuartiles SJR, se
consultó la base de datos Scimago Journal Rank (2024) para clasificar las revistas en Q1–Q4, lo que
facilita valorar la relevancia y visibilidad de las publicaciones.
4. Resultados
Producción científica anual
La Figura 1 muestra la evolución temporal de la producción científica sobre CRM y confianza entre
2000 y 2024. Durante los primeros años del periodo, la producción fue incipiente y dispersa,
reflejando el carácter emergente del tema. A partir de 2014 se observa un punto de inflexión, con un
crecimiento sostenido de publicaciones. Esta tendencia se intensifica entre 2018 y 2023, en paralelo
con la adopción masiva de plataformas digitales, big data e inteligencia artificial en la gestión
empresarial.
Este comportamiento indica que el campo ha pasado de ser una línea secundaria de investigación
a convertirse en un núcleo consolidado, especialmente en revistas de marketing, sistemas de
información y negocios digitales. El incremento también coincide con un mayor interés por
los riesgos y dilemas éticos derivados de la transformación digital, donde la confianza emerge como
variable mediadora esencial.
Perspectivas Sociales
y Administrativas
https://perspectivas.esprint.tech
Vol. 3 N° 3, Edición Especial 2025 (219-232)
Estudios de Desarrollo Socioeconómico
ISSN: 3028-8983
Pablo Herrera Lovera 225
Figura 1
Producción científica anual sobre CRM y confianza (Scopus 2000–2024).
Producción por países y evolución geográfica
En la Figura 2 se presenta la distribución de publicaciones por país. Se observa un liderazgo de Estados
Unidos, Reino Unido y China, que concentran más del 40% de la producción total. Estos países cuentan
con ecosistemas de investigación consolidados y acceso privilegiado a herramientas de analítica
avanzada. En contraste, países de economías emergentes como India, Brasil y México muestran
trayectorias de crecimiento reciente, lo que refleja una progresiva incorporación de estos temas en
contextos no tradicionales. Sin embargo, regiones como América Latina siguen
estando subrepresentadas, lo que plantea un vacío de investigación y una oportunidad para extender
la validez teórica hacia realidades institucionales más heterogéneas.
Figura 2
Producción científica por país
Nota: Elaboración propia con Bibliometrix (R).
Perspectivas Sociales
y Administrativas
https://perspectivas.esprint.tech
Vol. 3 N° 3, Edición Especial 2025 (219-232)
Estudios de Desarrollo Socioeconómico
ISSN: 3028-8983
Pablo Herrera Lovera 226
La Figura 3 presenta la evolución temporal de la producción científica por países, evidenciando
diferencias notables en las trayectorias de desarrollo. Mientras Estados Unidos y el Reino Unido
mantienen una producción constante y sostenida a lo largo del periodo analizado, China e India
muestran un crecimiento acelerado a partir de 2015, lo que refleja un proceso de catch up digital
impulsado por la expansión tecnológica, la inversión en investigación y la integración de estrategias
de CRM y confianza en contextos empresariales emergentes. Este patrón sugiere una diversificación
geográfica del liderazgo académico, con una mayor participación de economías en desarrollo en la
generación de conocimiento sobre la gestión relacional y la transformación digital.
Figura 3
Evolución temporal de la producción científica por país.
Nota: Elaboración propia con Bibliometrix (R).
Documentos más citados
El análisis de impacto permitió identificar un núcleo de artículos altamente influyentes que
constituyen las anclas intelectuales del campo de estudio sobre Customer Relationship Management
(CRM) y confianza (ver Figura 4). Entre las obras más citadas destacan los aportes de Morgan y Hunt
(1994), quienes desarrollaron la teoría del compromiso–confianza, base conceptual del marketing
relacional moderno. Asimismo, Payne y Frow (2005) propusieron un marco estratégico integral para
la implementación del CRM, mientras que Palmatier et al. (2006) analizaron la efectividad del
marketing relacional desde una perspectiva empírica. En el ámbito de la analítica aplicada al
marketing, Wedel y Kannan (2016) exploraron el uso de herramientas digitales y datos masivos para
optimizar la gestión de relaciones con los clientes.
Perspectivas Sociales
y Administrativas
https://perspectivas.esprint.tech
Vol. 3 N° 3, Edición Especial 2025 (219-232)
Estudios de Desarrollo Socioeconómico
ISSN: 3028-8983
Pablo Herrera Lovera 227
Figura 4
Documentos más citados globalmente
Nota: Elaboración propia con Bibliometrix (R).
Estructura temática y mapas de co-ocurrencia
En la Figura 5 se presenta el análisis de palabras clave, el cual permitió identificar cuatro clústeres
temáticos principales que estructuran el campo de investigación sobre CRM y confianza. Los temas
básicos o referenciales agrupan conceptos fundamentales como CRM, confianza, satisfacción y lealtad,
que conforman la base teórica del área. Los temas motores incluyen la analítica de datos, el social CRM,
la inteligencia artificial y la omnicanalidad, vinculados con la transformación digital y la
personalización de la experiencia del cliente.
En el clúster de nicho se ubican los estudios sobre programas de fidelización y métricas sectoriales,
con enfoques aplicados a contextos específicos. Finalmente, los temas emergentes o declinantes
abordan cuestiones críticas como la privacidad de datos, la explicabilidad algorítmica y la predicción
de abandono (churn prediction), que reflejan los desafíos éticos y tecnológicos en la gestión relacional
contemporánea.
La Figura 6 evidencia cómo la confianza actúa como nodo puente, conectando el núcleo relacional
(satisfacción–lealtad–valor) con el subespacio digital/analítico (IA, big data, redes sociales). Esta
posición refuerza la hipótesis de que la efectividad del CRM digital depende de la percepción de
confiabilidad en la interacción algorítmica.
Perspectivas Sociales
y Administrativas
https://perspectivas.esprint.tech
Vol. 3 N° 3, Edición Especial 2025 (219-232)
Estudios de Desarrollo Socioeconómico
ISSN: 3028-8983
Pablo Herrera Lovera 228
Figura 5
Mapa temático (centralidad vs. densidad)
Nota. Elaboración propia con Bibliometrix (R).
Figura 6
Red de co-ocurrencia (VOSviewer)
Nota: Elaboración propia con VOSviewer.
Perspectivas Sociales
y Administrativas
https://perspectivas.esprint.tech
Vol. 3 N° 3, Edición Especial 2025 (219-232)
Estudios de Desarrollo Socioeconómico
ISSN: 3028-8983
Pablo Herrera Lovera 229
Revistas y cuartiles SJR
El análisis de fuentes revela que la mayoría de los artículos se concentran en revistas Q1 y Q2 del área
de marketing, sistemas de información y gestión. Esto refleja un alto nivel de exigencia y posiciona al
campo como un área de creciente interés en outlets académicos de prestigio. La Tabla 1 presenta los 10
artículos más citados en el corpus, junto con la revista y su cuartil SJR (2024).
Tabla 1
Top 10 artículos más citados en CRM y confianza (Scopus; con cuartiles SJR)
Rank Artículo (año) Revista Citaciones Sjr (2024) Cuartil Tema principal
1 Morgan y Hunt (1994) Journal of Marketing +5.000 11.23 Q1
Teoría compromiso–
confianza
2 Payne y Frow (2005) Journal of Marketing +2.000 11.23 Q1
Marco estratégico de
CRM
3 Palmatier et al. (2006) Journal of Marketing +1.800 11.23 Q1 Marketing relacional
4
Wedel y Kannan
(2016)
Journal of Marketing +1.200 11.23 Q1
Analítica de
marketing
5 Trainor et al. (2014)
Journal of Business
Research
+950 6.75 Q1 Social CRM
6
Choudhury y
Harrigan (2014)
Journal of Strategic
Marketing
+600 2.10 Q2
Integración CRM-
social media
7 Harrigan et al. (2017) Tourism Management +500 10.50 Q1 Engagement digital
8
Davenport y Ronanki
(2018)
Harvard Business Review +450 n/a — IA aplicada a CRM
9 Wamba et al. (2017)
Int. Journal of Production
Economics
+400 8.20 Q1
Big data y
desempeño
10
Martin y Murphy
(2017)
Journal of the Academy of
Marketing Science
+380 9.70 Q1
Privacidad y
confianza digital
Nota: Elaboración propia.
La Tabla 2 resume las revistas más relevantes que permiten apreciar la clasificación SJR 2024, junto
al área y el cuartil.
Tabla 2
Revistas principales en CRM–confianza y su clasificación SJR
Revista Área Sjr (2024) Cuartil Nº artículos en corpus
Journal of Marketing Marketing 11.23 Q1 5
Journal of Business Research Negocios/Marketing 6.75 Q1 7
Journal of the Academy of Marketing Science Marketing 9.70 Q1 4
Perspectivas Sociales
y Administrativas
https://perspectivas.esprint.tech
Vol. 3 N° 3, Edición Especial 2025 (219-232)
Estudios de Desarrollo Socioeconómico
ISSN: 3028-8983
Pablo Herrera Lovera 230
Journal of Strategic Marketing Estrategia 2.10 Q2 3
Tourism Management Turismo/Marketing 10.50 Q1 2
International Journal of Production Economics Operaciones 8.20 Q1 2
Nota. Elaboración propia.
5. Discusión
Los hallazgos confirman la centralidad del binomio CRM/confianza como espina dorsal del campo y
la emergencia de un vector motor tecno-analítico (analítica avanzada, IA, social CRM). La persistencia
de temas básicos indica estabilidad conceptual; el avance de temas motores explica el repunte de
productividad reciente y evidencia el papel de capacidades digitales en el desempeño (Trainor et al.,
2014; Wedel & Kannan, 2016). La estructura de cocitación y co-ocurrencia sugiere que la confianza
actúa como mecanismo mediador entre personalización/automatización y resultados conductuales
(lealtad, retención), alineado con teorías relacionales (Morgan & Hunt, 1994; Palmatier et al., 2006). No
obstante, la madurez digital plantea riesgos para la confianza (opacidad algorítmica, intrusión
percibida, sesgos), lo que justifica agendas sobre explicabilidad y gobernanza de datos (Malhotra et al.,
2004; Davenport & Ronanki, 2018). Geográficamente, los patrones observados se explican por el
dinamismo de ecosistemas con fuerte inversión en capacidades analíticas y redes internacionales. Para
robustecer la generalización teórica, se recomienda fomentar colaboración transnacional y diseños
comparativos con heterogeneidad institucional y sectorial.
6. Conclusiones
El mapeo bibliométrico de la relación CRM–confianza confirma un núcleo estable y en expansión del
campo. Sobre una muestra de 43 artículos revisados por pares en Scopus (2000–2024), analizados
con Bibliometrix (R) y VOSviewer, se observa un crecimiento sostenido de la producción y
una tecnologización progresiva del CRM. Los mapas temáticos y redes (coautoría, cocitación y co-
ocurrencia) revelan clusters motores en analítica de datos, aprendizaje automático/IA, Social
CRM e integración omnicanal, mientras que la confianza actúa como puente entre satisfacción, lealtad
y creación de valor, condicionando la efectividad de la personalización y la automatización.
En términos de arquitectura intelectual y aportes gerenciales, la evidencia indica que
la confianza media el vínculo entre capacidades analíticas/automatización y resultados conductuales
(retención, share-of-wallet). Este avance viene acompañado de tensiones que requieren marcos
de gobernanza de datos, privacidad y explicabilidad algorítmica para sostener percepciones de justicia
y control del cliente. Geográficamente, la producción se concentra en ecosistemas con inversión en
capacidades digitales y redes internacionales, sugiriendo la oportunidad de colaboración
transnacional y contrastes sectoriales para fortalecer la validez externa.
Como limitaciones, el estudio se circunscribe a artículos peer-reviewed indexados en Scopus y a las
herramientas seleccionadas, por lo que futuras extensiones podrían integrar otras bases y métodos.
La agenda de investigación prioriza la estandarizar métricas de confianza vinculadas a indicadores
conductuales; adopta diseños longitudinales y causales en contextos omnicanal; y desarrolla marcos
de gobernanza/explicabilidad para CRM habilitado por IA.
Perspectivas Sociales
y Administrativas
https://perspectivas.esprint.tech
Vol. 3 N° 3, Edición Especial 2025 (219-232)
Estudios de Desarrollo Socioeconómico
ISSN: 3028-8983
Pablo Herrera Lovera 231
Referencias
Aria, M., & Cuccurullo, C. (2017). Bibliometrix: An R-tool for comprehensive science mapping analysis.
Journal of Informetrics, 11(4), 959–975. https://doi.org/10.1016/j.joi.2017.08.007
Ascarza, E. (2018). Retention futility: Targeting high-risk customers might be ineffective. Journal of
Marketing Research, 55(1), 80–98. https://doi.org/10.1509/jmr.16.0163
Beck, N., & Rygl, D. (2015). Categorization of multiple channel retailing in Multi-, Cross-, and Omni-
Channel Retailing for retailers and retailing. Journal of retailing and consumer services, 27, 170-
178. https://doi.org/10.1016/j.jretconser.2015.08.001
Buttle, F., & Maklan, S. (2019). Customer Relationship Management: Concepts and Technologies (3rd ed.).
Routledge. https://doi.org/10.4324/9781351016551
Choudhury, M. M., & Harrigan, P. (2014). CRM to social CRM: The integration of new technologies
into customer relationship management. Journal of Strategic Marketing, 22(2), 149–176.
https://doi.org/10.1080/0965254X.2013.876069
Davenport, T. H., & Ronanki, R. (2018). Artificial intelligence for the real world. Harvard Business
Review, 96(1), 108–116. https://hbr.org/2018/01/artificial-intelligence-for-the-real-world
Donthu, N., Kumar, S., Mukherjee, D., Pandey, N., & Lim, W. M. (2021). How to conduct a bibliometric
analysis: An overview and guidelines. Journal of Business Research, 133, 285–296.
https://doi.org/10.1016/j.jbusres.2021.04.070
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
Harrigan, P., Evers, U., Miles, M., & Daly, T. (2017). Customer engagement with tourism social media
brands. Tourism Management, 59, 597–609. https://doi.org/10.1016/j.tourman.2016.09.015
Huang, M. H., & Rust, R. T. (2021). Engaged to a robot? The role of AI in service. Journal of Service
Research, 24(1), 30-41. https://doi.org/10.1177/1094670520902266
Kumar, V., & Reinartz, W. (2016). Creating enduring customer value. Journal of Marketing, 80(6), 36–68.
https://doi.org/10.1509/jm.15.0414
Malthouse, E. C., Haenlein, M., Skiera, B., Wege, E., & Zhang, M. (2013). Managing customer
relationships in the social media era: Introducing the social CRM house. Journal of Interactive
Marketing, 27(4), 270–280. https://doi.org/10.1016/j.intmar.2013.09.008
Malhotra, N. K., Kim, S. S., & Agarwal, J. (2004). Internet users’ information privacy concerns (IUIPC):
The construct, the scale, and a causal model. Information Systems Research, 15(4), 336–355.
https://doi.org/10.1287/isre.1040.0032
Martin, K. D., & Murphy, P. E. (2017). The role of data privacy in marketing. Journal of the Academy of
Marketing Science, 45 (2) 135–155. https://doi.org/10.1007/s11747-016-0495-4
Morgan, R. M., & Hunt, S. D. (1994). The commitment-trust theory of relationship marketing. Journal
of Marketing, 58(3), 20–38. https://doi.org/10.1177/002224299405800302
Lemon, K. N., & Verhoef, P. C. (2016). Understanding customer experience throughout the customer
journey. Journal of marketing, 80(6), 69-96. https://doi.org/10.1509/jm.15.0420
Perspectivas Sociales
y Administrativas
https://perspectivas.esprint.tech
Vol. 3 N° 3, Edición Especial 2025 (219-232)
Estudios de Desarrollo Socioeconómico
ISSN: 3028-8983
Pablo Herrera Lovera 232
Palmatier, R. W., Dant, R. P., Grewal, D., & Evans, K. R. (2006). Factors influencing the effectiveness of
relationship marketing: A meta-analysis. Journal of Marketing, 70(4), 136–153.
https://doi.org/10.1509/jmkg.70.4.136
Parvatiyar, A., & Sheth, J. N. (2001). Customer relationship management: Emerging practice, process,
and discipline. Journal of Economic and Social Research, 3(2), 1–34. https://n9.cl/imggau
Payne, A., & Frow, P. (2005). A strategic framework for Customer Relationship Management. Journal
of Marketing, 69(4), 167–176. https://doi.org/10.1509/jmkg.2005.69.4.167
Sirdeshmukh, D., Singh, J., & Sabol, B. (2002). Consumer trust, value, and loyalty in relational
exchanges. Journal of Marketing, 66(1), 15–37. https://doi.org/10.1509/jmkg.66.1.15.18449
Trainor, K. J., Andzulis, J., Rapp, A., & Agnihotri, R. (2014). Social media technology usage and
customer relationship performance: A capabilities-based examination of social CRM. Journal of
Business Research, 67(6), 1201–1208. https://doi.org/10.1016/j.jbusres.2013.05.002
Van Eck, N. J., & Waltman, L. (2010). Software survey: VOSviewer, a computer program for
bibliometric mapping. Scientometrics, 84(2), 523–538. https://doi.org/10.1007/s11192-009-0146-3
Verhoef, P. C., Kannan, P. K., & Inman, J. J. (2015). From multi-channel retailing to omni-channel
retailing: Introduction to the Special Issue on Multi-Channel Retailing. Journal of Retailing, 91(2),
174–181. https://doi.org/10.1016/j.jretai.2015.02.005
Wedel, M., & Kannan, P. K. (2016). Marketing analytics for data-rich environments. Journal of Marketing,
80(6), 97–121. https://doi.org/10.1509/jm.15.0413
Wamba, S. F., Gunasekaran, A., Akter, S., Ren, S., Dubey, R., & Childe, S. J. (2017). Big data analytics
and firm performance: Effects of dynamic capabilities. International Journal of Production
Economics, 193, 566–579. https://doi.org/10.1016/j.jbusres.2016.08.009
Zupic, I., & Čater, T. (2015). Bibliometric methods in management and organization. Organizational
Research Methods, 18(3), 429–472. https://doi.org/10.1177/1094428114562629
Transparencia
Conflicto de interés
El autor declara que no existen conflictos de interés de naturaleza alguna como parte de la presente
investigación.
Fuente de financiamiento
El autor financió completamente la investigación.
Contribución de autoría
Pablo Herrera Lovera: Conceptualización, metodología, software, validación, análisis formal,
investigación, gestión de datos, visualización, redacción - preparación del borrador original, redacción
- revisión y edición, financiamiento, administración del proyecto, recursos, supervisión.
El autor contribuye activamente en el análisis de los resultados, revisión y aprobación del manuscrito
final.
