Vol. 10, Núm. 2, mayo-agosto 2026  
Modelo de clúster jerárquico para analizar factores  
que motivan la compra de productos en línea.  
Hierarchical cluster model for analyzing factors  
that motivate online product purchases.  
Erika Olivas Valdez 1  
Luis Enrique Ibarra Morales 2  
Emma Vanessa Casas Medina 3  
Oswaldo Pacheco Camacho 4  
Resumen  
Estudio que analiza los factores que influyen en la com-  
pra de productos en línea por parte de la población  
de Hermosillo, Sonora, con el propósito de identificar  
grupos con características de consumo similares y así  
generar información útil para el ámbito empresarial. Al  
construir un modelo de clúster jerárquico con el uso del  
programa estadístico SPSS y una base de datos de 704  
encuestas, se obtuvo como resultado un modelo cuan-  
titativo que define tres grupos de consumidores con ca-  
racterísticas similares, que los vendedores de productos  
pueden conocer para realizar estrategias de ventas por  
medio de internet con un mayor conocimiento de sus  
potenciales compradores.  
Recibido: 17/09/2025  
Revisado: 24/10/2025  
Aceptado: 29/01/2026  
Revista RELAYN, Administración y Negocios en  
Latinoamérica.  
Disponible en:  
https://iquatroeditores.org/revista/index.php/  
relayn/index  
Palabras clave  
Comercio electrónico, clúster jerárquico, factores de  
compra  
https://doi.org/10.46990/relayn.2026.10.2.2782  
Abstract  
is research analyzed the factors that influence online  
product purchases by consumers in Hermosillo, Sono-  
ra State, with the aim of identifying groups with similar  
consumer characteristics thereby generating useful in-  
formation for the business sector. A hierarchical clus-  
ter model was developed using the statistical soſtware  
SPSS (Statistical Package for the Social Sciences) and  
a database of 704 survey responses. e quantitative  
model obtained identified three groups of consumers  
with similar characteristics. is allows product sellers  
to develop more effective internet sales strategies based  
on a greater understanding of potential buyers.  
Key words  
Electronic commerce, hierarchical clusters and purcha-  
singfactors  
56  
REVISTA RELAYN, 2026, 10 (2), Mayo-Agosto, ISSN: 2594-1674  
Introducción  
De acuerdo con la Red de Estudios Latinoamericanos de Internet (RELDI,  
2025), los principales factores que motivan el consumo de productos en  
el comercio electrónico son el precio, la conveniencia, la variedad y las  
opiniones de los usuarios, entre otros.  
Para el caso de la ciudad de Hermosillo, Sonora, personas ma-  
yores de 18 años y menores de 60 años señalaron, en promedio, que reali-  
zan compras en línea principalmente por la conveniencia que este tipo de  
consumo implica. Asimismo, 70 % reportó efectuar al menos una compra  
en línea al mes. Finalmente, los productos consumidos son alimentos y  
electrodomésticos.  
Estudios cuantitativos como este proporcionan información va-  
liosa de manera general; no obstante, existen métodos que permiten pro-  
fundizar en el análisis y en la generación de información, como el método  
de clúster jerárquico. Este tipo de análisis permite agrupar individuos en  
función de características similares, de modo que cada grupo constituya  
una categoría independiente (Olivas et al., 2023).  
Es decir, no solo analiza de manera general a los consumidores  
digitales de la ciudad de Hermosillo, sino que también se identifican las  
diferencias y similitudes al interior de este grupo, lo que permite generar  
nuevos subgrupos o clústeres. En ello radica la importancia de la metodo-  
logía utilizada en esta investigación.  
La compra de productos en línea constituye uno de los princi-  
pales usos cotidianos de internet, según Castaño et al. Por ello, el objetivo  
de esta investigación es analizar los factores que influyen en la compra de  
productos en línea por parte de la población de Hermosillo, Sonora, con el  
propósito de identificar grupos con características de consumo similares y  
generar información útil para el ámbito empresarial.  
Como resultado, se obtuvo un modelo conformado por tres  
subgrupos de consumidores, jerarquizados según el nivel de compras que  
realizan y asociados con los factores que determinan dichas compras, ade-  
más de otras variables relevantes  
RevisióndelaLiteratura  
El uso y acceso a internet se ha convertido en un elemento cada vez más  
vital en la vida cotidiana, al punto de que los países deben que garantizar  
su acceso universal mediante políticas de telecomunicaciones. Asimismo,  
destaca el creciente uso de la banda ancha y la telefonía móvil, lo que im-  
plica la conexión de ciudadanos digitales (McMenemy, 2022).  
Por otro lado, el internet de las cosas, entendido como una red  
de dispositivos físicos, vehículos, electrodomésticos y otros objetos inte-  
grados por sensores, soſtware y conectividad de red, permite la conexión e  
https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es  
57  
Olivas, et al. Modelo de clúster jerárquico para analizar factores que motivan la compra de productos en línea.  
intercambio de datos. Esta tecnología también ha penetrado en la vida co-  
tidiana, ofreciendo a cada persona experiencias personalizadas mediante  
el uso de diferentes aplicaciones (Gulzar, Sofi & Sholla, 2025).  
Además, el confinamiento al que se sometió la sociedad como  
consecuencia de la pandemia por COVID-19 provocó cambios en los há-  
bitos de consumo, al pasar de las compras físicas a las compras digitales.  
Esta tendencia, vigente en la actualidad, tiene como protagonistas a con-  
sumidores con necesidades cambiantes, caracterizados por un mayor uso  
de medios digitales para la adquisición de bienes y servicios. Ante ello, las  
empresas han buscado satisfacer dichas necesidades mediante su adapta-  
ción a este nuevo contexto (Sotomayor, Delgado & Tonon, 2021).  
Actualmente, uno de los usos cotidianos del internet por parte  
de las personas digitales es la compra de productos en línea. Además, el  
comercio electrónico puede representar una alternativa a las compras en  
tiendas físicas para algunos consumidores, ya que la logística de entrega,  
en ciertos casos, podría mejorar la eficiencia de la movilidad en lugar de  
generar más desplazamientos por parte de los consumidores (Castaño et  
al., 2025).  
En el estudio de Wang et al. (2024) se exploraron los factores  
clave que impulsan el consumo de alimentos mediante tres modalidades  
de comercio electrónico: de empresa a consumidor, servicio de entrega  
de alimentos presencial a línea y modalidad de pedir y recoger en países  
desarrollados. Los resultados mostraron que la frecuencia de consumo  
de alimentos a través del comercio electrónico está significativamente in-  
fluenciada por diversos factores sociodemográficos, los motivos de elec-  
ción de alimentos, las características de adopción de innovaciones y los  
atributos de calidad del servicio electrónico.  
Por su parte, en la presente investigación se analizaron los si-  
guientes factores: conveniencia, precio, variedad y opiniones de los usua-  
rios.  
Estudios como el de Tang señalan que el envío gratuito de pro-  
ductos puede mejorar la motivación de compra e incrementar las ventas,  
además de constituir un importante medio de promoción para las pla-  
taformas de comercio electrónico. En conclusión, el precio o costo de  
comprar en línea continúa siendo un factor relevante para el consumidor  
(Tang et al., 2025).  
Sin embargo, de acuerdo con la investigación de Olivas et al.  
(2023) en Hermosillo, Sonora, el ingreso promedio de las mujeres es me-  
nor que el de los hombres para esta ciudad, lo que implicaría una menor  
capacidad de compra en línea por parte de las mujeres.  
Por otro lado, los resultados del estudio de Tanlim y Setiawan  
(2024) indican una influencia positiva y significativa de la calidad del ser-  
vicio electrónico, la innovación en el comercio electrónico, el valor utilita-  
58  
Código JEL: M1 Administración de empresas  
REVISTA RELAYN, 2026, 10 (2), Mayo-Agosto, ISSN: 2594-1674  
rio y el valor hedónico sobre la lealtad del cliente, tanto de manera directa  
como indirecta, a través de la mediación de la satisfacción del cliente.  
El modelo de negocio basado en "contenido + transacción" ha  
ganado popularidad en los últimos años, con plataformas de comercio  
electrónico social que dominan el mercado. No obstante, las sugerencias  
de gestión para promover la intención de compra del consumidor inclu-  
yen mejorar la reputación del vendedor, fortalecer el control corporativo  
sobre el contenido generado por los usuarios y elevar la calidad de dicho  
contenido (Wagan & Sidra, 2024).  
De acuerdo con el estudio de Miranda y Cruz (2024 los compo-  
nentes que motivan la compra mediante el comercio electrónico social son  
la atención y seguimiento de las necesidades del cliente durante y después  
de la compra. Entre los aspectos más destacados se encuentran la infor-  
mación confiable, facilidad del proceso de compra, reseñas y comentarios  
positivos, la atención al cliente, las respuestas rápidas, la seguridad en la  
interactividad, la reputación comercial y la evaluación del producto pos-  
terior a la compra.  
La digitalización se ha vuelto cada vez más importante para  
las actividades y el desarrollo económico. En este contexto el comercio  
electrónico, como parte del comercio local e internacional, adquiere una  
relevancia y mantiene una alta correlación con el progreso tecnológico y  
la innovación. Asimismo, los países desarrollados con mayores niveles de  
ingresos presentan una mayor adopción del comercio electrónico (Paun  
et al., 2024).  
A nivel mundial, países orientales como China muestran una  
mayor receptividad a la inversión extranjera directa y a la influencia del  
comercio electrónico en el comercio de exportación, en comparación con  
sus contrapartes occidentales. Por ello, se requiere el desarrollo de políti-  
cas que equilibren los impulsores económicos con los objetivos de desa-  
rrollo sostenible, garantizando tanto la prosperidad económica como la  
sostenibilidad ambiental (He, 2024).  
Metodología  
Modelodeclústerjerárquico  
El alcance de la investigación es propositivo, de tipo transversal y con un  
enfoque cuantitativo. Se obtuvo información inédita sobre grupos de con-  
sumidores mediante la aplicación de encuestas realizadas a inicios de 2025.  
Los datos recolectados fueron analizados utilizando el método de clúster  
jerárquico, con el propósito de generar propuestas dirigidas a empresas de  
comercio electrónico en la ciudad de Hermosillo, Sonora, México.  
Se eligió el método cuantitativo de clúster jerárquico, ya que este  
permite identificar e interpretar las afinidades existentes entre las variables  
a nivel intragrupo (Conte et al, 2008). Además, se consideró una variable  
https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es  
59  
Olivas, et al. Modelo de clúster jerárquico para analizar factores que motivan la compra de productos en línea.  
jerárquica correspondiente al nivel de compras en línea, clasificada en tres  
categorías: bajo, medio y alto.  
Por consiguiente, la hipótesis nula del estudio es la siguiente:  
H0 = Existen grupos definidos con características similares en-  
tre los consumidores de productos comprados en línea en la ciudad de  
Hermosillo, Sonora.  
Desde el punto de vista estadístico, la hipótesis nula implica  
que la distancia entre las medias de los grupos generados por el modelo  
es pequeña. En otras palabras, esta hipótesis se aceptará únicamente si  
los resultados del análisis de varianza (ANOVA) aplicado al método de  
clúster jerárquico no muestran diferencias estadísticamente significativas  
entre las variables incluidas en el modelo. En este caso, se validaron e in-  
corporaron al modelo las variables: nivel de compra, tipo de productos  
consumidos y factor que motiva la compra.  
Figura 4.1  
Ejemplo ilustrativo de dendrograma aplicado al caso de estudio  
Fuente: elaboración propia  
Los resultados del modelo de clúster jerárquico se interpretan  
mediante un análisis de agrupación jerárquica (Olivas, Ibarra & Alonso,  
2018). Con una muestra de 704 datos, el programa estadístico generó un  
dendrograma de difícil visualización para su publicación. Por ello, la figu-  
ra 1 muestra la forma en que el programa SPSS genera dicho dendrogra-  
ma, lo que facilita la interpretación de la formación de los grupos.  
Posteriormente, para profundizar en el análisis, se utilizaron los  
resultados de la tabla ANOVA (Análisis de Varianza) y de la distribución  
de frecuencias de los grupos, con el fin de explicar e interpretar los resul-  
tados de este estudio.  
60  
Código JEL: M1 Administración de empresas  
REVISTA RELAYN, 2026, 10 (2), Mayo-Agosto, ISSN: 2594-1674  
La muestra fue tomada en la ciudad de Hermosillo, Sonora, Mé-  
xico, en el marco del proyecto de investigación de la Red de Estudios La-  
tinoamericanos de Internet (2025), y estuvo conformada por personas de  
18 años y menores de 60 años que utilizan internet para alguna actividad  
de su vida diaria.  
De un total de 1,028 personas encuestadas, se obtuvo una mues-  
tra de 704 consumidores digitales, es decir, personas que, además de uti-  
lizar internet, realizaron al menos una compra en línea durante el último  
mes previo a la consulta. Finalmente, la muestra se distribuyó en 366 mu-  
jeres (51.9%) y 338 hombres (48.1%). Las variables se operacionalizaron  
de la siguiente manera:  
Tabla 4.1  
Operatividad de variables en modelo estadístico  
Variable  
Edad  
Género  
Criterio  
Variable de escala o numérica  
Femenino  
Valor en SPSS  
De 18 a 59  
1
2
1
2
3
1
2
3
Masculino  
Nivel de compra  
de productos  
mensualmente  
1 a 2 veces (Bajo)  
3 a 5 veces (Medio)  
Más de 5 veces (Alto)  
Ropa  
Tipo de producto  
Alimentos  
Aparatos electrónicos y artícu-  
los para el hogar  
Cuidado personal y productos  
de belleza  
4
Artículos para oficina  
Juguetes  
5
6
7
1
2
3
4
5
Otros  
Precio  
Conveniencia  
Variedad  
Opiniones de usuarios  
Otro / Ninguna  
Factor que motiva  
la compra  
Fuente: elaboración propia, con base en el diseño de entrevista del Proyecto RELDI (2025  
Para aceptar la validez estadística del modelo, el valor de la sig-  
nificancia (sig.) debe ser menor a 0.05 para cada una de las variables incor-  
poradas en el modelo de clúster jerárquico. Este valor se obtiene mediante  
el método de Análisis de Varianza (ANOVA), y se presenta en la última  
columna de la Tabla 4.2.  
https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es  
61  
Olivas, et al. Modelo de clúster jerárquico para analizar factores que motivan la compra de productos en línea.  
Tabla 4.2  
Resultados de Análisis de Varianza (ANOVA)  
Suma de  
Grados de  
libertad  
Media  
cuadrá-  
tica  
F
Sig.  
cuadrados  
Entre grupos  
(Combinado)  
Dentro de  
grupos  
Total  
Entre grupos  
(Combinado)  
Dentro de  
grupos  
Total  
Entre grupos  
(Combinado)  
Dentro de  
grupos  
Total  
Entre grupos  
(Combinado)  
155,098  
232,334  
2
77,549 233,982  
,000  
NC  
Distancia  
promedio entre  
grupos  
701  
,331  
387,432  
934,896  
703  
2
467,448  
113,802  
4,108  
,017  
,000  
,000  
Edad  
Distancia  
promedio entre  
grupos  
79,775,013  
701  
80,709,909  
35,067  
703  
2
17,534  
1,651  
10,621  
Factor  
Distancia  
promedio entre  
grupos  
1,157,245  
701  
1,192,313  
1,624,197  
703  
2
812,099 662,160  
1,226  
Producto  
Distancia  
promedio entre  
grupos  
Dentro de  
grupos  
859,733  
701  
703  
Total  
2,483,930  
Fuente: Elaboración propia  
Como resultado se obtuvo una mayor validez estadística en tres  
variables para la construcción del clúster: nivel de compras, tipo de pro-  
ducto comprado en línea y factor que motiva la compra.  
No obstante, las variables edad y género pueden incorporarse  
al análisis de medias asociadas a cada uno de los grupos identificados en  
el modelo de clúster jerárquico, lo que permite ampliar el análisis de las  
características de cada grupo y, en consecuencia, del estudio.  
Resultados  
Después de ejecutar el modelo estadístico, se identificaron tres grupos: un  
grupo de mayor tamaño y otros dos con frecuencias proporcionales, como  
se muestra a continuación:  
62  
Código JEL: M1 Administración de empresas  
REVISTA RELAYN, 2026, 10 (2), Mayo-Agosto, ISSN: 2594-1674  
Tabla 4.3  
Frecuencia y porcentaje entre grupos  
Porcentaje  
Porcentaje  
acumulado  
Grupo  
Frecuencia Porcentaje  
válido  
77.3  
12.9  
9.8  
1
2
3
544  
91  
77.3  
12.9  
9.8  
77.3  
90.2  
100  
69  
Total  
704  
100  
100  
Fuente: Elaboración propia  
Al existir validez estadística de las variables incorporadas en el  
modelo de clúster jerárquico (Tabla 4.2), así como una definición clara de  
los grupos a través de la distribución de frecuencias (Tabla 4.3), se acepta  
la hipótesis general de que existen grupos con características propias al  
interior de cada uno de ellos.  
Esas características se definen a partir del valor medio de cada  
variable para cada grupo, como se observa en la siguiente tabla.  
Tabla 4.4  
Informe de diferencias de medias por grupo  
Grupo  
NC  
1.41  
1.65  
3
Edad  
27.63  
27.64  
31.51  
28.01  
Género  
1.46  
1.68  
1.68  
1.48  
Factor  
2.31  
2.20  
1.55  
2.22  
Producto  
2.24  
1
2
3
6.79  
2.49  
2.85  
Total  
1.60  
Fuente: Elaboración propia, con base en el resultado del modelo de clúster para tres grupos  
Al relacionar el valor numérico de la media con la característica  
o valor cualitativo asignado, presentado en la Tabla 4.1 de operacionaliza-  
ción de variables, es posible definir las características de cada grupo, como  
se muestra a continuación.  
Tabla 4.5  
Características promedio asociadas a cada grupo o clúster del modelo  
Grupo o  
Clúster  
Nivel de  
Edad  
Factor que deter-  
Producto comprado en  
Género  
compras  
promedio mina la compra  
línea  
Grupo 1  
Grupo 2  
Grupo 3  
Bajo  
Medio  
Alto  
Femenino  
Masculino  
Masculino  
28  
28  
32  
Conveniencia  
Conveniencia  
Precio y conve-  
niencia  
Comida  
Otro tipo de productos  
Alimentos – electrónicos  
y artículos para el hogar  
Fuente: Elaboración propia  
https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es  
63  
Olivas, et al. Modelo de clúster jerárquico para analizar factores que motivan la compra de productos en línea.  
Se identificaron tres grupos de consumidores digitales: dos de  
ellos conformados por mujeres y hombres jóvenes, con niveles bajo y me-  
dio compras digitales, respectivamente; y un tercer grupo integrado por  
hombres mayores de 30 años, con mayor capacidad de compra, quienes  
consideran el precio y la conveniencia como los principales factores que  
motivan la adquisición de productos en línea.  
La Figura 4.2 ilustra mediante imágenes, las características de  
estos grupos (G1, G2 y G3). Asimismo, la línea punteada representa a los  
consumidores digitales jóvenes, en caso de que el análisis se hubiera reali-  
zado únicamente con dos grupos.  
A partir de estos resultados, se analizó cómo podrían incur-  
sionar las empresas interesadas en realizar ventas electrónicas, así como  
sugerir estrategias de mejora para aquellas que buscan fortalecer su parti-  
cipación en el comercio electrónico.  
Figura 4.2  
Grupos de consumidores definidos por el método de clúster jerárquico  
Fuente: elaboración propia. Imágenes de uso libre tomadas de https://www.pexels.com/es-es/  
Para ello, en la siguiente tabla se presentan sugerencias especí-  
ficas en cada uno de los grupos de consumidores digitales identificados en  
este estudio.  
64  
Código JEL: M1 Administración de empresas  
REVISTA RELAYN, 2026, 10 (2), Mayo-Agosto, ISSN: 2594-1674  
Tabla 4.6  
Sugerencias al sector empresarial de acuerdo con las características de cada grupo  
Grupo o  
Características del grupo  
Sugerencias al sector empresarial  
clúster  
1
Adultos jóvenes, predo- Las empresas que deseen mejorar sus ventas en  
minantemente del géne- línea para este grupo de consumidores deberán  
ro femenino, con un nivel facilitar al máximo el proceso de compra a través  
bajo de compras en línea, de sus páginas web o rediseñar sus aplicaciones  
enfocados  
principalmen- electrónicas para hacer más fácil la venta. Asi-  
te en la adquisición de ali- mismo, será importante optimizar los logísti-  
mentos por conveniencia. cos para garantizar entregas rápidas, ya que este  
tipo de consumidor busca adquirir alimentos  
en línea por la conveniencia que ello representa.  
2
Adultos jóvenes de género Este tipo de consumidor prioriza la facilidad  
masculino, selectivos y es- y conveniencia del comercio electrónico; sin  
pecializados en la compra embargo, sus principales compras correspon-  
de otros productos, con den a “otros productos”, distintos de ropa, ni  
un nivel medio de com- comida o aparatos electrónicos para el hogar.  
pras electrónicas motivadas Por ello, las empresas interesadas en atender  
principalmente por la con- a este tipo de consumidor deben identificar  
veniencia que estas ofrecen. mediante estudios de mercado, los produc-  
tos que este tipo de consumidor demanda en  
línea. Asimismo, es recomendable desarro-  
llar plataformas más dinámicas e interacti-  
vas que faciliten el proceso de compra y res-  
pondan a las preferencias de un consumidor  
predominantemente de género masculino.  
3
Adultos mayores de 30 años Este tipo de consumidor es, en promedio, de  
principalmente de géne- mayor edad que el resto de los consumidores, lo  
ro masculino, con un alto que lo convierte en un comprador más selectivo,  
nivel de compras de ali- orientadoprincipalmenteenelprecioylaconve-  
mentos, así como de elec- niencia. Por ello, las empresas que deseen satis-  
trónicos y aparatos para facer las necesidades de este segmento deberán  
el hogar, motivadas por basar su estrategia de ventas en precios compe-  
el precio y la convenien- titivos, además de desarrollar aplicaciones o pla-  
cia de adquirirlos en línea. taformas electrónicas que ofrezcan las ventajas  
y practicidad propias de las compras en línea.  
Fuente: elaboración propia  
Discusión  
Si bien existen investigaciones que abordan el uso de internet para la com-  
pra de productos y servicios, como la realizada por la RELDI, se considera  
que la forma en la que se desarrolló este estudio y el tratamiento metodo-  
lógico de la información permitieron generar información inédita sobre  
los tipos de consumidores digitales en una ciudad en particular.  
https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es  
65  
Olivas, et al. Modelo de clúster jerárquico para analizar factores que motivan la compra de productos en línea.  
Un aspecto importante a resaltar es que las personas de género  
femenino conforman, en este estudio, el grupo con menor nivel de com-  
pras electrónicas de productos, es decir, compran menos que los hombres.  
Esto puede asociarse con los resultados de la investigación de Olivas et  
al. (2023), en el que se señala que las mujeres de Hermosillo presentan  
un menor nivel de ingreso debido a una menor educación financiera. Al  
considerar los hallazgos de ambas investigaciones, se percibe la necesidad  
de continuar realizando estudios con enfoque de género.  
Conclusiones  
Los resultados obtenidos permitieron alcanzar el objetivo de la investiga-  
ción, ya que se identificaron tres grupos de consumidores con caracterís-  
ticas similares, que realizan compras de alimentos, aparatos electrónicos y  
artículos para el hogar y otros productos, motivados principalmente por  
la conveniencia que estas ofrecen.  
El principal factor que motiva la compra en línea, de acuerdo  
con los resultados de este estudio, es la conveniencia; sin embargo, para el  
clúster o grupo de consumidores número 3, el precio continúa siendo un  
factor importante para el consumidor digital, lo que coincide con lo plan-  
teado por Tang et al. (2025).  
Además, esta agrupación permitió modelar los tipos de con-  
sumidores de acuerdo con tres niveles jerárquicos de compras en línea:  
bajo, medio y alto consumo mensual de productos, lo que contribuyó a  
proponer una serie de sugerencias dirigidas a las empresas interesadas en  
satisfacer las necesidades de este tipo de comprador digital.  
Por lo tanto, se considera que el principal hallazgo y aportación  
de esta investigación es la clasificación de consumidores digitales en gru-  
pos, a partir de sus características sociodemográficas, el tipo de productos  
que compran, el nivel de consumo en línea y los factores que motivan su  
compra. Derivado de ello, se propone una serie de estrategias que pue-  
den ser utilizadas por las empresas que deseen incursionar en el comercio  
electrónico o mejorar sus ventas electrónicas, en el caso de aquellas que ya  
participan en este tipo de mercado.  
Según los resultados, el grupo con mayor número de consumi-  
dores digitales es el clúster 1, compuesto principalmente por mujeres. A  
pesar de ser el clúster más grande, presenta un nivel de compras inferior al  
de los otros dos grupos. Aunque no es la primera investigación que señala  
que las mujeres tienen menor capacidad de compra en comparación con  
los hombres de esta ciudad, resulta pertinente reconsiderar la metodología  
utilizada para la selección de la muestra. En este sentido, sería conveniente  
elegir una muestra que permita comparar a las consumidoras con mayores  
niveles de ingresos y escolaridad, lo que podría generar resultados dife-  
rentes.  
66  
Código JEL: M1 Administración de empresas  
REVISTA RELAYN, 2026, 10 (2), Mayo-Agosto, ISSN: 2594-1674  
Una limitación del estudio es que, al haberse obtenido la infor-  
mación mediante una encuesta en el contexto de una investigación cuanti-  
tativa, se carece de datos cualitativos que permitan ampliar la comprensión  
del fenómeno estudiado y proporcionar información adicional al sector  
empresarial sobre sus consumidores potenciales. Por ello, se recomienda  
realizar estudios con enfoque mixto y una selección de muestra más rigu-  
rosa, centrada en mujeres con altos niveles de ingresos y escolaridad, lo  
que permitiría establecer comparaciones con investigaciones previas.  
Referencias  
Castaño-Herrera, D., Gómez, J., & Garrido, L. (2025). How does e-com-  
merce impact shopping mobility behavior? Transportation. ht-  
tps://doi.org/10.1007/s11116-025-10658-x  
Conte Solano, J. C., Cano Sevilla, F., García Felipe, A. I., Molina Membre-  
ño, A., & Rubio Calvo, E. (2008). Interpretación de las relaciones  
intragrupales de riesgos y de lesiones mediante análisis clúster  
jerárquico. Revista de Matemática: Teoría y Aplicaciones, 15(2),  
175–186. https://doi.org/10.15517/rmta.v15i2.39389  
Gulzar, B., Sofi, S. A., & Sholla, S. (2025). Convergence of personal internet  
of things into social internet of things. Cluster Computing, 28,  
277. https://doi.org/10.1007/s10586-024-04997-0  
He, Y. (2024). E-commerce and foreign direct investment: Pioneering  
a new era of trade strategies. Humanities and Social Sciences  
Communications, 11, 566. https://doi.org/10.1057/s41599-024-  
03062-w  
McMenemy, D. (2022). Internet Access and Bridging the Digital Divide:  
e Crucial Role of Universal Service Obligations in Telecom  
Policy. En M. Smits (Ed), Information for a Better World: Sha-  
ping the Global Future (Vol. 13192, pp. 12–24). Lecture Notes in  
Computer Science, https://doi.org/10.1007/978-3-030-96957-  
8_12  
Miranda, A., & Cruz, I. (2024). Factores del comercio social que contri-  
buyen en la decisión de compra del consumidor millennial del  
estado de Baja California. Acta Universitaria, 34, 1–19. https://  
doi.org/10.15174/au.2024.3922  
Moghddam, H., Ahmadi, H., & Barari, M. (2025). Decoding online  
brand-related activities: Unveiling motivations, experiences,  
and personality factors in social commerce. Electronic Com-  
merce Research. https://doi.org/10.1007/s10660-024-09946-y  
Olivas, E., Carrillo, E., Casas, E. V., & Ibarra, L. E. (2023). Educación financiera e  
ingreso en Hermosillo, Sonora: Un estudio con perspectiva de género.  
Revista RELAYN-Micro y Pequeña Empresa en Latinoamérica, 7(4),  
65–77. https://doi.org/10.46990/relayn.2023.7.4.1132  
Olivas, E., Ibarra, L., & Alonso, L. (2018). Conglomerados jerárquicos en  
la industria aeroespacial de Sonora. XXIII Congreso Interna-  
cional de Contaduría, Administración e Informática. Ciudad  
Universitaria, Ciudad de México, México. https://repositorios.  
fca.unam.mx/investigacion/memorias/2018/9.02.pdf  
https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es  
67  
Olivas, et al. Modelo de clúster jerárquico para analizar factores que motivan la compra de productos en línea.  
Paun, C., Ivascu, C., Olteteanu, A., & Dantis, D. (2024). e main drivers  
of e-commerce adoption: A global panel data analysis. Journal  
of eoretical and Applied Electronic Commerce Research,  
19(3), 2198–2217. https://doi.org/10.3390/jtaer19030107  
Sotomayor, D., Delgado, A., & Tonon, L. (2021). Compras en línea durante  
la crisis sanitaria por COVID-19: Estudio exploratorio sobre la  
conducta del consumidor en Quito-Ecuador. UDA AKADEM,  
8, 42–65. https://doi.org/10.33324/udaakadem.vi8.437  
RELDI. (2025). Red de Estudios Latinoamericanos de Internet: Proyecto  
de investigación ¿Cómo y para qué navegamos los latinoame-  
ricanos en Internet? Resultados de un estudio multifuncional a  
través del método cuantitativo. https://reldi.redesla.la/  
Tang, Z., Hua, G., Li, X. & Cheng, E. (2025). E-Commerce Platforms Offer  
Different Free Shipping Coupon Services: Surplus or Loss?  
Journal of Systems Science Complexity. https://doi.org/10.1007/  
s11424-025-4026-6  
Tanlim, V., & Setiawan, T. (2024). Measuring customers loyalty through  
satisfaction in e-commerce: An empirical study on Tokopedia.  
Jurnal Manajemen, 28(3), 567–587. https://doi.org/10.24912/  
jm.v28i3.1967  
Wagan, S., & Sidra, S. (2024). Unraveling purchase intentions: e inter-  
play of cognitive dissonance, seller reputation, and user-gene-  
rated content in social e-commerce. International Journal of  
Business Reflections, 5(2), 169–199. https://doi.org/10.56249/  
ijbr.03.01.56  
Li, T., Wang, S., & Zhou, D. (2025). Consumer attention and market con-  
centration in e-commerce: An agent-based perspective. Jour-  
nal of Economic Interaction and Coordination. https://doi.  
org/10.1007/s11403-025-00443-5  
Wang, O., Perez-Cueto, F., & Scrimgeour, F. (2024). E-commerce food  
choice in the west: Comparing business-to-consumer, onli-  
ne-to-offline food delivery service, and click and collect. Elec-  
tronic Commerce Research. https://doi.org/10.1007/s10660-  
024-09806-9  
Xin, Y., Fan, T., Song, Y. & Zheng, W. (2024). e impact of live streaming  
on competitive e-commerce. Electron Commerce Reearch, 24,  
1215–1234. https://doi.org/10.1007/s10660-024-09853-2  
Sobre los autores  
1 Profesora investigadora de la Universidad Estatal de Sonora, México.  
ORCID: https://orcid.org/0000-0002-6631-3160  
2 Profesor investigador de la Universidad Estatal de Sonora, México. OR-  
CID: https://orcid.org/0000-0001-8804-3934  
3 Profesora investigadora de la Universidad Estatal de Sonora, México.  
ORCID: https://orcid.org/0000-0002-3526-9902  
4 Profesor investigador de la Universidad Estatal de Sonora, México. OR-  
CID: https://orcid.org/0000-0003-0353-5732  
68  
Código JEL: M1 Administración de empresas