Please use this identifier to cite or link to this item:
https://olympias.lib.uoi.gr/jspui/handle/123456789/39857Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Βασιλάκης, Δημήτριος | el |
| dc.date.accessioned | 2026-03-09T10:13:36Z | - |
| dc.date.available | 2026-03-09T10:13:36Z | - |
| dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/123456789/39857 | - |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | * |
| dc.subject | CDP | en |
| dc.subject | customer data platform | |
| dc.subject | machine learning | |
| dc.title | Customer Data Platforms And Machine Learning | en |
| dc.type | masterThesis | en |
| heal.type | masterThesis | el |
| heal.type.en | Master thesis | en |
| heal.type.el | Μεταπτυχιακή εργασία | el |
| heal.generalDescription | Η παρούσα εργασία στηρίχθηκε στο εργαλείο RFM Tool v. 4.5.0 πάνω στο οποίο ολοκληρώθηκαν οι πειραματικές αξιολογήσεις και η καταγραφή των αποτελεσμάτων | el |
| heal.classification | Machine Learning | |
| heal.dateAvailable | 2026-03-09T10:14:36Z | - |
| heal.language | el | el |
| heal.access | free | el |
| heal.recordProvider | Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής και Τηλεπικοινωνιών | el |
| heal.publicationDate | 2026-03 | - |
| heal.abstract | Στη σύγχρονη ψηφιακή οικονομία, η ικανότητα των επιχειρήσεων να παρέχουν εξατομικευμένες εμπειρίες στους πελάτες τους αποτελεί βασικό παράγοντα ανταγωνιστικότητας. Ωστόσο, ο κατακερματισμός των δεδομένων σε απομονωμένα συστήματα (data silos) δυσχεραίνει την απόκτηση μιας ενιαίας εικόνας για τον καταναλωτή. Οι Πλατφόρμες Δεδομένων Πελατών (Customer Data Platforms - CDPs) αναδύονται ως η λύση για την ενοποίηση της πληροφορίας, ενώ η Μηχανική Μάθηση (Machine Learning) προσφέρει τα εργαλεία για την αξιοποίησή της. Σκοπός της παρούσας διπλωματικής εργασίας είναι η μελέτη και η πρακτική εφαρμογή αλγορίθμων Μηχανικής Μάθησης σε περιβάλλον CDP για την επίτευξη αποτελεσματικής τμηματοποίησης. Η μεθοδολογία ακολούθησε το διεθνές πλαίσιο CRISP-DM, χρησιμοποιώντας πραγματικά συναλλακτικά δεδομένα λιανικής ("Online Retail Dataset"). Μέσω της γλώσσας προγραμματισμού Python και του λογισμικού RFM Master Tool v4.5.0 που αναπτύχθηκε για τους σκοπούς της έρευνας, πραγματοποιήθηκε προεπεξεργασία δεδομένων, ανάλυση RFM (Recency, Frequency, Monetary) και συγκριτική αξιολόγηση των αλγορίθμων συσταδοποίησης K-Means, K-Means++, K-Medoids και DBSCAN. Τα αποτελέσματα της έρευνας κατέδειξαν ότι ο αλγόριθμος K-Means++ πέτυχε τη βέλτιστη τεχνική σταθερότητα και ταχύτητα εκτέλεσης. Ωστόσο, για την επιχειρηματική αξιοποίηση προκρίθηκε ο αλγόριθμος K-Medoids (PAM), καθώς η χρήση πραγματικών αντιπροσώπων (medoids) περιόρισε την επίδραση των ακραίων τιμών και προσέφερε μια πιο ρεαλιστική και διευρυμένη τμηματοποίηση της αγοράς. Αναδείχθηκαν πέντε στρατηγικές ομάδες πελατών: "Champions / VIPs", "Loyal", "New/Potential", "At Risk" και "Lost". Αντιθέτως, ο αλγόριθμος DBSCAN λειτούργησε αποτελεσματικά ως ανιχνευτής ανωμαλιών, απομονώνοντας τους πελάτες εξαιρετικά υψηλής αξίας (Whales) ως θόρυβο. Η εργασία καταλήγει στο συμπέρασμα ότι η ενσωμάτωση αναλυτικών μοντέλων σε υποδομές CDP επιτρέπει τη μετάβαση σε μια δεδομενο-κεντρική λήψη αποφάσεων, βελτιστοποιώντας την εμπειρία του πελάτη και τη διαχείριση των εταιρικών πόρων. Λέξεις-Κλειδιά: Customer Data Platforms (CDP), Μηχανική Μάθηση, Προσωποποίηση, K-Means++, K-Medoids, RFM Analysis, Τμηματοποίηση Πελατών. | el |
| heal.advisorName | Γιαννακέας, Νικόλαος | el |
| heal.committeeMemberName | Τσούλος, Ιωάννης | el |
| heal.committeeMemberName | Καρβέλης, Πέτρος | |
| heal.academicPublisher | Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής και Τηλεπικοινωνιών. Τμήμα Πληροφορικής και Τηλεπικοινωνιών | el |
| heal.academicPublisherID | uoi | el |
| heal.numberOfPages | 203 | el |
| heal.fullTextAvailability | true | - |
| Appears in Collections: | Διατριβές Μεταπτυχιακής Έρευνας (Masters) - ΤΠΤ | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| ΒΑΣΙΛΑΚΗΣ ΔΗΜΗΤΡΙΟΣ - ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ Version 1.0.pdf | 4.62 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License
