Συντάχθηκε 04-10-2024 15:49
Τόπος:
Έναρξη: 08/10/2024 10:30
Λήξη: 08/10/2024 11:30
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ
Διοίκηση Επιχειρήσεων - Master in Business Administration (ΜΒΑ)
Ονοματεπώνυμο: …Αναστασία Δρίτσα…
Αριθμός Μητρώου: …2022019015…
Τίτλος στα Ελληνικά: …Αλγόριθμοι Πρόβλεψης Διαδικτυακής Συμπεριφοράς…
Τίτλος στα Αγγλικά: … Algorithms For Online Behavior Prediction…
Επιβλέπων: …Στυλιανός Τσαφαράκης, Αναπληρωτής Καθηγητής…
Πρώτο Μέλος: …Μιχαήλ Δούμπος, Καθηγητής…
Δεύτερο Μέλος: …Ευαγγελία Κρασαδάκη, ΕΔΙΠ
Περίληψη της εργασίας στα Ελληνικά:
Η επίγνωση της διαδικασίας της συμπεριφοράς των χρηστών στο χώρο του διαδικτύου αποτελεί βασικό στοιχείο του ψηφιακού μάρκετινγκ. Η εμβάθυνση της διαδικασίας έχει τη δυνατότητα ταξινόμησης των χρηστών με βάσει την συμπεριφορά τους και μπορεί να αναλυθεί. Για το σκοπό αυτό, η εργασία αναλύει τον τρόπο με τον οποίο οι αλγόριθμοι: Λογιστική Παλινδρόμηση, Δέντρα Αποφάσεων, Τυχαία Δάση, Μηχανές Διανυσμάτων Υποστήριξης και Νευρωνικά Δίκτυα, χρησιμοποιούνται για την ανάλυση και την πρόβλεψη των ενεργειών των χρηστών στο διαδικτυακό περιβάλλον.
Αξιοποιώντας αυτούς τους αλγορίθμους, οι επιχειρήσεις έχουν τη δυνατότητα απόκτησης πολύτιμων πληροφοριών σχετικά με τις αλληλεπιδράσεις, τις προτιμήσεις και τις προθέσεις αγοράς των χρηστών, ενισχύοντας έτσι την αποτελεσματικότητα των στοχευμένων προσπαθειών μάρκετινγκ. Η μελέτη παρέχει συγκριτική ανάλυση των δυνατών σημείων και των περιορισμών κάθε αλγορίθμου, προσφέροντας πρακτικές οδηγίες για την επιλογή της καταλληλότερης μεθόδου για συγκεκριμένες εργασίες πρόβλεψης στην ψηφιακή αγορά. Τα ευρήματα τονίζουν τη σημασία των προηγμένων αναλυτικών τεχνικών για την κατανόηση και την επίδραση στη συμπεριφορά των καταναλωτών, οδηγώντας τελικά σε πιο εξατομικευμένες και αποτελεσματικές στρατηγικές μάρκετινγκ.
Λέξεις Κλειδιά: διαδικτυακή συμπεριφορά, αγοραστική συμπεριφορά, ψηφιακό μάρκετινγκ, αλγόριθμοι πρόβλεψης.
Περίληψη της εργασίας στα Αγγλικά[2]:
The awareness of the process of user behavior in the online space is a key element of digital marketing. Delving into this process allows for the categorization of users based on their behavior, which can then be analyzed. For this purpose, the study examines how algorithms such as Logistic Regression, Decision Trees, Random Forests, Support Vector Machines, and Neural Networks are used to analyze and predict user actions in the online environment.
By utilizing these algorithms, businesses can gain valuable insights into user interactions, preferences, and purchase intentions, thereby enhancing the effectiveness of targeted marketing efforts. The study provides a comparative analysis of the strengths and limitations of each algorithm, offering practical guidance for selecting the most appropriate method for specific prediction tasks in the digital marketplace. The findings highlight the importance of advanced analytical techniques in understanding and influencing consumer behavior, ultimately leading to more personalized and effective marketing strategies.
Keywords: online behavior, purchasing behavior, digital marketing, predictive algorithms.
Σύνδεσμος εκδήλωσης
