Emociones y machine learning en la innovación del mercado sostenible de vehículos seminuevos en México

Contexto. El mercado de vehículos seminuevos en México es clave para la movilidad y la economía circular. Sin embargo, los estudios tradicionales priorizan variables racionales, relegando los factores emocionales. Problema. Los modelos lineales no capturan la interdependencia de las respuestas emocionales. Por ello, surge la pregunta de investigación: ¿En qué medida las emociones predicen la fidelización en el mercado de vehículos seminuevos en México? Objetivo. Evaluar el impacto de las emociones en la lealtad del consumidor mediante técnicas de machine learning para optimizar la toma de decisiones en este sector. Metodología. Estudio cuantitativo con 1,000 compradores en Aguascalientes. Se utilizó el instrumento PANAS y se comparó un modelo de regresión logística frente a uno de Random Forest. La superioridad del modelo no lineal se validó mediante la prueba de DeLong (Z = 3.84; p < 0.001). Hallazgos. El algoritmo Random Forest alcanzó una precisión del 87%. La satisfacción y seguridad son los principales predictores de lealtad, mientras que el miedo y la confusión actúan como barreras críticas de compra. Originalidad. El estudio aporta un avance teórico al integrar la neuroeconomía con la ciencia de datos (Scientia). Asimismo, ofrece una herramienta predictiva para que las empresas del sector diseñen estrategias de venta basadas en la experiencia emocional del cliente (Praxis). Ofrece un marco para reducir barreras emocionales en el mercado de segunda mano, contribuyendo directamente al ODS12. Conclusiones y limitaciones. Se confirma que las emociones son predictores robustos de la compra de seminuevos y que su gestión estratégica es clave para fomentar el consumo responsable. La principal limitación es el uso de una muestra no probabilística en una sola región. Futuros estudios deberían emplear diseños longitudinales y replicarse en diversos contextos, manteniendo el enfoque multidisciplinario.