El impacto de los servicios de publicidad que brindan los influencers en la determinación del impuesto a la renta de las empresas del sector Retail, Lima, 2019
Bibliographic record
Abstract
El presente trabajo de investigación tiene el propósito de evaluar y cuantificar el impacto de los servicios de publicidad que brindan los influencers, a través de redes sociales, en la determinación del impuesto a la renta de las empresas del sector Retail que contratan sus servicios. Esta investigación se realiza debido a la presencia y el alcance que tienen actualmente las redes sociales en el público objetivo, y a la posición, cada vez más frecuente, que vienen adquiriendo las empresas Retail en contratar este tipo de servicios para su publicidad, a su vez que la inversión que se realiza con este propósito es, y tiende a seguir siendo, material. Las empresas objeto de este estudio son las del sector Retail, específicamente las principales empresas que contratan influencers para servicios de publicidad a través de sus redes sociales. Se tomó como premisa relevante, la existencia de lineamientos tributarios que rigen las deducciones aplicables sobre gastos realizados por conceptos de publicidad, los cuales deben ser cumplidos por las empresas en la adquisición de estos servicios brindados por las personas mencionadas anteriormente. Otro aspecto importante considerado es el hecho de que un tratamiento incorrecto realizado por las empresas en cuanto a servicios de publicidad a través de redes sociales puede generar distorsión en el registro y cálculo de los movimientos contables, y con ello, el reparo tributario. Para validar las hipótesis planteadas, se hizo uso de instrumentos cualitativos y cuantitativos. Por un lado, se realizó una entrevista a profundidad a expertos en tributación: el primero es miembro de la firma Ernst & Young (EY) y el segundo forma parte del Grupo Elektra Perú; por otro lado, se realizaron encuestas a las principales empresas del sector retail que contratan influencers para servicios de publicidad. Además, se presenta un caso práctico en el que se plantean tres (3) escenarios, en los cuales se realizan simulaciones de contrataciones de influencers para servicios publicitarios en dos campañas anuales, esto permitirá evaluar el impacto obtenido en el cálculo del impuesto a la renta
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Direct model labels (unvalidated)
Per-model category and study-design labels from the labeling rounds. They are machine output, unvalidated, and the disagreement between models ships as data. No study design here is MEDLINE-validated yet.
| Model arm | Categories | Study design | Confidence |
|---|---|---|---|
| gpt | no category Domain: not available · Genre: Empirical About the Canadian research system: no · About a Canadian topic: no | Other design | high |
| grok | no category Domain: not available · Genre: Empirical About the Canadian research system: no · About a Canadian topic: no | Other design | high |
| opus | no category Domain: not available · Genre: Empirical About the Canadian research system: no · About a Canadian topic: no | Other design | medium |
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedLabeled directly by 3 models reading the full record.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".