| dc.contributor.advisor | Φιλιππάκης, Μιχαήλ | |
| dc.contributor.author | Παχούμη, Ειρήνη Άννα | |
| dc.date.accessioned | 2024-05-16T08:01:21Z | |
| dc.date.available | 2024-05-16T08:01:21Z | |
| dc.date.issued | 2024-02-25 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/16459 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/3881 | |
| dc.description.abstract | Η διατριβή με τίτλο "Συγκριτική ανάλυση αλγορίθμων τεχνητής νοημοσύνης στην τμηματοποίηση της αγοράς: Μια μελέτη περίπτωσης με δεδομένα διαδικτυακής λιανικής πώλησης" διερευνά τη διασταύρωση της τμηματοποίησης της αγοράς και της τεχνητής νοημοσύνης (AI) στο πλαίσιο του διαδικτυακού λιανικού εμπορίου. Στην εισαγωγή (Κεφάλαιο 1), υπογραμμίζεται η σημασία της τμηματοποίησης της αγοράς και η βελτίωσή της μέσω της ΤΝ, χρησιμοποιώντας ένα σύνολο δεδομένων διαδικτυακού λιανικού εμπορίου. Το ερευνητικό πρόβλημα επικεντρώνεται στην αξιολόγηση αλγορίθμων τεχνητής νοημοσύνης για την τμηματοποίηση της αγοράς, αιτιολογημένη τόσο για ακαδημαϊκή όσο και για πρακτική σημασία. Οι στόχοι της μελέτης επικεντρώνονται στην αξιολόγηση της αποτελεσματικότητας επιλεγμένων αλγορίθμων ΤΝ. Διατυπώνονται συγκεκριμένα ερευνητικά ερωτήματα και περιγράφονται το πεδίο εφαρμογής και οι περιορισμοί, όπως οι περιορισμοί δεδομένων.
Η βιβλιογραφική ανασκόπηση (Κεφάλαιο 2) καλύπτει τις θεωρίες τμηματοποίησης της αγοράς, τις εφαρμογές της ΤΝ στο μάρκετινγκ και μια λεπτομερή διερεύνηση των αλγορίθμων ΤΝ για την τμηματοποίηση της αγοράς, με παραπομπή σε σχετικές μελέτες. Στη μεθοδολογία (Κεφάλαιο 3), περιγράφεται το σύνολο δεδομένων για το ηλεκτρονικό λιανικό εμπόριο, καθώς και τα βήματα συλλογής και προεπεξεργασίας των δεδομένων. Η επιλογή των αλγορίθμων ΤΝ αιτιολογείται, και ο πειραματικός σχεδιασμός περιγράφει λεπτομερώς τις παραμέτρους, τα τμήματα και τις μετρικές αξιολόγησης για τη σύγκριση των επιδόσεων των αλγορίθμων.
Τα αποτελέσματα (Κεφάλαιο 4) παρουσιάζονται σε περιγραφική και αναλυτική μορφή, παρουσιάζοντας μια συγκριτική ανάλυση των αλγορίθμων ΤΝ, την απόδοσή τους στην τμηματοποίηση της αγοράς και τη συγκριτική αξιολόγηση μεταξύ τους. Από τα αποτελέσματα αντλούνται συμπεράσματα για αξιοποιήσιμα συμπεράσματα. Η συζήτηση (Κεφάλαιο 5) ερμηνεύει τα ευρήματα στο πλαίσιο της τμηματοποίησης της αγοράς, συσχετίζοντάς τα με την υπάρχουσα βιβλιογραφία. Αντιμετωπίζονται οι περιορισμοί και οι προκλήσεις που αντιμετωπίστηκαν κατά τη διάρκεια της μελέτης, τόσο κατά την εφαρμογή όσο και κατά την ερμηνεία των αλγορίθμων ΤΝ. Αυτή η ολοκληρωμένη μελέτη συνεισφέρει πολύτιμες γνώσεις για την ενσωμάτωση της ΤΝ στις στρατηγικές τμηματοποίησης της αγοράς για το ηλεκτρονικό λιανικό εμπόριο. | el |
| dc.format.extent | 88 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.title | Συγκριτική ανάλυση αλγορίθμων τεχνητής νοημοσύνης στην τμηματοποίηση της αγοράς : μια μελέτη περίπτωσης με δεδομένα διαδικτυακής λιανικής πώλησης | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων | el |
| dc.description.abstractEN | The thesis entitled "Comparative Analysis of Artificial Intelligence Algorithms in Market Segmentation: A Case Study with Online Retail Data" explores the intersection of market segmentation and artificial intelligence (AI) in the context of online retailing. In the introduction (Chapter 1), the importance of market segmentation and its improvement through AI is highlighted, using an online retail dataset. The research problem focuses on the evaluation of artificial intelligence algorithms for market segmentation, justified for both academic and practical importance. The objectives of the study focus on evaluating the effectiveness of selected AI algorithms. Specific research questions are formulated and scope and limitations, such as data limitations, are described.
The literature review (Chapter 2) covers theories of market segmentation, applications of AI in marketing, and a detailed investigation of AI algorithms for market segmentation, with reference to relevant studies. In the methodology (Chapter 3), the data set for e-retailing is described, as well as the data collection and pre-processing steps. The selection of AI algorithms is justified, and the experimental design details the parameters, segments, and evaluation metrics for comparing the performance of the algorithms.
The results (Chapter 4) are presented in descriptive and analytical form, presenting a comparative analysis of AI algorithms, their market segmentation performance and benchmarking against each other. Conclusions are drawn from the results for useful conclusions. The discussion (Chapter 5) interprets the findings in the context of market segmentation, relating them to the existing literature. Limitations and challenges encountered during the course of the study, both in the implementation and interpretation of the TN algorithms, are addressed. This comprehensive study contributes valuable insights into the integration of AI into market segmentation strategies for e-retailing. | el |
| dc.contributor.master | Προηγμένα Συστήματα Πληροφορικής | el |
| dc.subject.keyword | Τμηματοποίησης της αγοράς | el |
| dc.date.defense | 2024-03-13 | |
