Plan de Mejora para la Captación de clientes en Armstrong Transport Group

Vista sencilla de ítem
dc.contributor.advisorLozano Forero, Arlin Dayana
dc.contributor.authorRaigosa Carreño, José Esteban
dc.contributor.corporatenameUniversidad Santo Tomás
dc.contributor.cvlachttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001657299
dc.contributor.googlescholarhttps://scholar.google.com/citations?hl=es&user=e9qp60MAAAAJ&view_op=list_works&gmla=AETOMgH_Nl7ItmIdH61tD0qAT3Klv_8DWlqqh57t6NvCrkESWluvTm4XDmTfrQdtLm0OECRqOn1Kcw3rFgo0NVg6_O4klfI8Kwft0P8C
dc.contributor.orcidhttps://orcid.org/0000-0001-6085-3660
dc.date.accessioned2026-02-23T15:20:33Z
dc.date.available2026-02-23T15:20:33Z
dc.date.issued2026-01-21
dc.descriptionEste trabajo de grado presenta un plan de mejora para el proceso de captación de clientes en Armstrong Transport Group, enfocado en la implementación de herramientas de inteligencia artificial (IA) y Big Data. Durante las prácticas profesionales, se identificaron debilidades en el modelo actual de prospección, como el uso de búsquedas manuales poco efectivas y una baja tasa de conversión en llamadas en frío. La metodología empleada fue cualitativa, bajo la modalidad de estudio de caso con enfoque exploratorio-descriptivo. Se aplicaron técnicas como observación participante, entrevistas informales y revisión documental. La propuesta consiste en integrar plataformas como Apollo.io, que permiten segmentar prospectos de forma precisa y automatizar el contacto con clientes potenciales. A través del análisis FODA, se reconocen beneficios como la mejora en la eficiencia del equipo de ventas, el aumento en la rentabilidad y la modernización del proceso comercial. Los resultados evidencian que la digitalización y automatización de procesos son fundamentales para mantener la competitividad en mercados dinámicos como el freight brokerage. Se concluye que la adopción de tecnologías inteligentes permite optimizar el tiempo invertido en llamadas, mejorar la tasa de conversión y fortalecer la relación con los clientes actuales. Esta estrategia representa un aporte significativo a la eficiencia operativa y a la sostenibilidad comercial de la empresa.
dc.description.abstractThis thesis presents an improvement plan for the customer acquisition process at Armstrong Transport Group through the implementation of artificial intelligence (AI) and Big Data tools. During the professional internship, it was observed that the current prospecting model—based on manual searches and cold calls—shows low efficiency and poor conversion rates. The methodology used was qualitative, framed as a case study with an exploratory-descriptive approach, applying techniques such as participant observation, informal interviews, and document review. The proposal focuses on integrating platforms like Apollo.io, which enable precise prospect segmentation and automated commercial outreach. The results demonstrate a significant improvement in conversion rates, reduced time spent on ineffective calls, and stronger relationships with existing clients. Additionally, positive impacts were identified in team motivation and the company’s technological modernization. It is concluded that digitizing the commercial process through AI and Big Data is essential to remain competitive in dynamic markets such as freight brokerage. This strategy helps optimize resources, improve decision-making, and deliver more efficient and personalized services.
dc.description.degreelevelPregradospa
dc.description.degreenameProfesional en Negocios Internacionalesspa
dc.description.domainhttp://www.ustavillavicencio.edu.co/home/index.php/unidades/extension-y-proyeccion/investigacion
dc.format.mimetypeapplication/pdf
dc.identifier.citationRaigosa Carreño, J. E. (2025). Plan de mejora para la captación de clientes en Armstrong Transport Group [Informe de prácticas Universidad Santo Tomás]. Repositorio Institucional
dc.identifier.instnameinstname:Universidad Santo Tomásspa
dc.identifier.reponamereponame:Repositorio Institucional Universidad Santo Tomásspa
dc.identifier.repourlrepourl:https://repository.usta.edu.cospa
dc.identifier.urihttp://hdl.handle.net/11634/71776
dc.language.isospa
dc.publisherUniversidad Santo Tomásspa
dc.publisher.branchCRAI-USTA Villavicencio
dc.publisher.facultyFacultad de Negocios Internacionalesspa
dc.publisher.programPregrado Negocios Internacionalesspa
dc.relation.referencesChen, Y., Li, Z., & Wang, H. (2023). Artificial intelligence applications in logistics and freight transportation: A systematic review. Transportation Research Part E: Logistics and Transportation Review, 169, 102982. https://doi.org/10.1016/j.tre.2022.102982
dc.relation.referencesCulot, G., Podrecca, M., & Nassimbeni, G. (2024). Artificial intelligence in supply chain management: A systematic literature review of empirical studies and research directions. Computers in Industry, 162, 1-17.. https://doi.org/10.1016/j.compind.2024.104132
dc.relation.referencesDicisiel, C. M., & Frutos, M. (s.f.). Impacto y evolución de Big Data en la logística: Una revisión exhaustiva de tendencias y prácticas actuales. Memorias de las 53 JAIIO – SIIIO 401 404. https://revistas.unlp.edu.ar/JAIIO/article/view/18013/17681
dc.relation.referencesGopal, P. R. C., Rana, N. P., Krishna, T. V., Jha, K. N., & Elmagraby, S. E. (2024). Impact of big data analytics on supply chain performance: an analysis of influential factors. Annals of Operations Research, 333, 769–797. https://doi.org/10.1007/s10479-022-04749-6
dc.relation.referencesGroup, A. T. (28 de Marzo de 2006). Armstrong Transport Group. Obtenido de https://www.armstrongtransport.com/our-history
dc.relation.referencesIbarra Peña, K. A., Morán Murillo, P. N., & Rodríguez Sares, E. A. (2024). Inteligencia artificial y Big Data en la optimización de cadenas de suministro internacionales: Hacia una logística predictiva y sostenible. Revista UGC. 2(3). 61-71. https://universidadugc.edu.mx/ojs/index.php/rugc/article/view/55/53
dc.relation.referencesKache, F., & Seuring, S. (2017). Challenges and opportunities of digital information at the intersection of Big Data Analytics and supply chain management. International Journal of Operations & Production Management, 37(1), 10–36. https://doi.org/10.1108/IJOPM-02 2015-0078
dc.relation.referencesMhlongo, S., & Ochola, E. (2021). Predictive analytics for customer acquisition and retention in the logistics sector. Journal of Business and Retail Management Research, 15(3), 92–106. https://doi.org/10.24052/JBRMR/V15IS03/ART-09
dc.relation.referencesNucci, R., & Sevilla, D. (2025, mayo 7). La Guía Completa para la Búsqueda en Apollo.io. https://www.getguru.com/es/reference/apollo-iosearch
dc.relation.referencesWamba, S. F., Queiroz, M. M., Guthrie, C., & Braganza, A. (2022). Industry experiences of artificial intelligence (AI): benefits and challenges in operations and supply chain management. Production Planning & Control, 33(16). 1493-1497. https://doi.org/10.1080/09537287.2021.1882695
dc.relation.referencesWaller, M. A., & Fawcett, S. E. (2013). Data Science, predictive analytics, and Big Data: A revolution that will transform supply chain design and management. Journal of Business Logistics, 34(2), 77–84. https://doi.org/10.1111/jbl.12010
dc.relation.referencesZhong, R. Y., Xu, C., & Wang, Z. (2021). Big Data analytics for logistics and supply chain management: Theory and practice. International Journal of Production Economics, 239, 108207. https://doi.org/10.1016/j.ijpe.2021.108207
dc.rightsAttribution-NonCommercial-NoDerivs 2.5 Colombiaen
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.subject.keywordClient acquisition
dc.subject.keywordArtificial intelligence
dc.subject.keywordBig Data
dc.subject.keywordLogistics
dc.subject.keywordFreight brokerage
dc.subject.lembLogística - Inteligencia Artificial
dc.subject.lembAprendizaje en organizaciones
dc.subject.lembPráctica Universitaria
dc.subject.lembNegocios Internacionales - Informes
dc.subject.proposalCaptación de clientes
dc.subject.proposalInteligencia artificial
dc.subject.proposalBig Data
dc.subject.proposalLogística
dc.subject.proposalFreight brokerage
dc.titlePlan de Mejora para la Captación de clientes en Armstrong Transport Group
dc.typebachelor thesis
dc.type.categoryFormación de Recurso Humano para la Ctel: Trabajo de grado de Pregrado
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.driveinfo:eu-repo/semantics/bachelorThesis
dc.type.localTrabajo de gradospa
dc.type.versioninfo:eu-repo/semantics/acceptedVersion

Archivos

Bloque original

Mostrando 1 - 3 de 3
Miniatura
Nombre:
2025joseraigosa.pdf
Tamaño:
1.29 MB
Formato:
Adobe Portable Document Format
Descargar
Miniatura
Nombre:
Autorización Facultad
Tamaño:
866.78 KB
Formato:
Adobe Portable Document Format
Descargar
Miniatura
Nombre:
Autorización Estudiante
Tamaño:
202.87 KB
Formato:
Adobe Portable Document Format
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
807 B
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Pregrado Negocios Internacionales