URI | http://purl.tuc.gr/dl/dias/D164B2B9-253B-4C71-A502-0FEE0CFB035E | - |
Αναγνωριστικό | https://doi.org/10.26233/heallink.tuc.93575 | - |
Γλώσσα | el | - |
Μέγεθος | 78 σελίδες | el |
Μέγεθος | 3.1 megabytes | en |
Τίτλος | Ανάλυση μεγάλου όγκου δεδομένων και κειμένων με στόχο την τμηματοποίηση της αγοράς | el |
Τίτλος | Big data analysis of features and text with the objective to execute | en |
Δημιουργός | Paschalidis Marios | en |
Δημιουργός | Πασχαλιδης Μαριος | el |
Συντελεστής [Επιβλέπων Καθηγητής] | Matsatsinis Nikolaos | en |
Συντελεστής [Επιβλέπων Καθηγητής] | Ματσατσινης Νικολαος | el |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Tsafarakis Stelios | en |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Τσαφαρακης Στελιος | el |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Grigoroudis Evangelos | en |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Γρηγορουδης Ευαγγελος | el |
Εκδότης | Πολυτεχνείο Κρήτης | el |
Εκδότης | Technical University of Crete | en |
Ακαδημαϊκή Μονάδα | Technical University of Crete::School of Production Engineering and Management | en |
Ακαδημαϊκή Μονάδα | Πολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησης | el |
Περίληψη | Η ανάλυση μεγάλων όγκων δεδομένων από το διαδίκτυο αποτελεί σύγχρονη και πολύ αξιόπιστη μέθοδο εξαγωγής συμπερασμάτων για καταναλωτικές συμπεριφορές, όπως και κατηγοριοποίησης και ομαδοποίησης καταναλωτών και προϊόντων/επιχειρήσεων. Στην διπλωματική εργασία, θα πραγματοποιηθεί η εξαγωγή δεδομένων από ιστοσελίδες αξιολόγησης τουριστικού ενδιαφέροντος σε Ελληνικές και ξένες ανταγωνιστικές τουριστικές περιοχές. Θα δοθεί έμφαση στην ανάλυση των αξιολογήσεων των χρηστών και των σχολίων τους. Στα δεδομένα που θα συγκεντρωθούν θα εφαρμοστούν μέθοδοι πολυκριτήριας ανάλυσης αποφάσεων, εξόρυξης δεδομένων και ανάλυσης κειμένων με στόχο την ανάλυση της συμπεριφοράς και τη δημιουργία ομάδων χρηστών/καταναλωτών (τμηματοποίηση αγοράς), την ανάλυση της συμπεριφοράς και την πρόβλεψη καταναλωτικών συμπεριφορών. Τέλος, θα εξαχθούν συμπεράσματα και θα διατυπωθούν προτάσεις τμηματοποίησης της αγοράς και βελτίωσης των ανταγωνιστικών χαρακτηριστικών των επιμέρους περιοχών/ξενοδοχείων. | el |
Περίληψη | Big Data Analysis on information from the internet is the contemporary and most reliable way of forming customer behavioral patterns, as well as classification and clustering of customers and businesses.
In this thesis, data from tourist rating websites were collected with web crawling methods, with specific targeting on Greek and competing regions. User ratings and reviews were targeted with more importance. On the whole total of the collected data, we applied Multi Criteria Analysis methods, data mining and text analysis with the aim of analyzing and predicting customer behavior. Finally, we present our conclusions, suggest ways of clustering the market and the strategic enhancement on specific criteria based on competition. | en |
Τύπος | Διπλωματική Εργασία | el |
Τύπος | Diploma Work | en |
Άδεια Χρήσης | http://creativecommons.org/licenses/by/4.0/ | en |
Ημερομηνία | 2022-10-10 | - |
Ημερομηνία Δημοσίευσης | 2022 | - |
Θεματική Κατηγορία | Text analysis | en |
Θεματική Κατηγορία | Multi criteria analysis | en |
Θεματική Κατηγορία | Hotel market segmentation | en |
Θεματική Κατηγορία | Big data analysis | en |
Βιβλιογραφική Αναφορά | Μάριος Πασχαλίδης, "Ανάλυση μεγάλου όγκου δεδομένων και κειμένων με στόχο την τμηματοποίηση της αγοράς", Διπλωματική Εργασία, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2022 | el |
Βιβλιογραφική Αναφορά | Marios Paschalidis, "Big data analysis of features and text with the objective to execute", Diploma Work, School of Production Engineering and Management, Technical University of Crete, Chania, Greece, 2022 | en |