| dc.contributor.advisor | Χρυσαφιάδη, Κωνσταντίνα | |
| dc.contributor.author | Καραγκούνης, Αριστείδης | |
| dc.date.accessioned | 2025-11-06T10:20:24Z | |
| dc.date.available | 2025-11-06T10:20:24Z | |
| dc.date.issued | 2025-09 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/18356 | |
| dc.description.abstract | Η παρούσα εργασία διερευνά τη συμβολή της Μηχανικής Μάθησης (ML) στον μετασχηματισμό του ηλεκτρονικού εμπορίου, με έμφαση στις εφαρμογές της, τα εμπορικά οφέλη, τις τεχνικές και οργανωτικές προκλήσεις, καθώς και τις μελλοντικές προοπτικές. Μέσω συνδυασμού βιβλιογραφικής ανασκόπησης και ποιοτικής μεθοδολογίας, αναλύθηκαν οι απόψεις επαγγελματιών του χώρου σχετικά με τον ρόλο της ML στην εξατομίκευση εμπειρίας πελατών, στην υποστήριξη αποφάσεων και στη βελτιστοποίηση λειτουργιών όπως το customer support και τα logistics. Παράλληλα, αναδείχθηκαν κρίσιμα ζητήματα όπως η αλγοριθμική προκατάληψη, η ανάγκη για διαφάνεια και η ηθική χρήση των δεδομένων. Τα ευρήματα υποδεικνύουν πως, παρά τις τεχνικές δυσκολίες και την αρχική αντίσταση εντός οργανισμών, η ML αποτελεί καταλύτη ανταγωνιστικότητας, ιδίως όταν συνδυάζεται με κατάλληλη εκπαίδευση και διατομεακή συνεργασία. Η μελέτη καταλήγει σε προτάσεις για θεσμικά πλαίσια, στρατηγικές για ΜμΕ, και μελλοντική έρευνα γύρω από την υπεύθυνη και επεκτάσιμη χρήση της ML στον τομέα του ηλεκτρονικού εμπορίου. | el |
| dc.format.extent | 52 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.title | Η χρήση της μηχανικής μάθησης στο ηλεκτρονικό εμπόριο την τελευταία 10ετία : συμβολή και προκλήσεις | el |
| dc.title.alternative | The use of machine learning in e-commerce the past decade : contribution and challenges | el |
| dc.type | Bachelor Dissertation | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
| dc.description.abstractEN | This study explores the contribution of Machine Learning (ML) to the transformation of e-commerce, focusing on its applications, commercial benefits, technical and organizational challenges, as well as future directions. Through a combination of literature review and qualitative methodology, the views of professionals in the field were analyzed regarding the role of ML in customer experience personalization, decision support, and optimization of operations such as customer service and logistics. Additionally, critical issues were highlighted, including algorithmic bias, the need for transparency, and the ethical use of data. The findings indicate that despite technical difficulties and initial resistance within organizations, ML is a key driver of competitiveness—especially when combined with proper training and interdepartmental collaboration. The study concludes with proposals for regulatory frameworks, strategies for small and medium-sized enterprises (SMEs), and future research on the responsible and scalable use of ML in the e-commerce sector. | el |
| dc.subject.keyword | Μηχανική μάθηση | el |
| dc.subject.keyword | Ηλεκτρονικό εμπόριο | el |
| dc.subject.keyword | Εξατομίκευση | el |
| dc.subject.keyword | Αλγοριθμική προκατάληψη | el |
| dc.subject.keyword | Τεχνητή νοημοσύνη | el |
| dc.subject.keyword | Προκλήσεις | el |
| dc.subject.keyword | Οργανωτική υιοθέτηση | el |
| dc.subject.keyword | Μελλοντικές τάσεις | el |
| dc.subject.keyword | Διαφάνεια | el |
| dc.subject.keyword | Ρυθμιστικό πλαίσιο | el |
| dc.date.defense | 2025-10-14 | |
