Ανάπτυξη ενός ευφυούς πολυκριτήριου συστήματος συστάσεων για την υποστήριξη της λήψης αποφάσεων μάρκετινγκ

Abstract

In the modern business world, the need for greater precision in understanding consumer preferences is crucial for companies that provide products or services. Marketing managers employ various methods to analyze consumer profiles, aiming to increase sales and market shares while simultaneously enhancing customer satisfaction through the improvement and development of suitable products. In the field of marketing, the development of recommendation systems has emerged as a critical tool. These systems have the ability to analyze customer data and provide personalized product or service recommendations. The aim of recommendation systems is to retrieve relevant information derived from big data analysis and provide it to the user. Their most important feature in the marketing sector is the analysis of consumer behavior in order to recommend the right product or service to them, as well as to recommend improvements or the development of new products or services to the company to achieve its aims. Consequently, the problem they solve is a decision-making problem. Recommendation systems incorporate algorithms and machine learning methods (intelligent recommendation systems) to analyze market behavior and consumer preferences in order to predict future market habits. Systems in which consumer preferences among a set of alternative options are expressed through a set of criteria are called multi-criteria recommendation systems. By using multi-criteria recommendation systems in marketing, companies can improve the accuracy of their predictions, increase their market share, and enhance customer satisfaction. Additionally, intelligent decision support systems (DSS) are powerful tools for marketing professionals. Through the combined analysis of data and market predictions, intelligent DSSs provide valuable information that contributes to decision-making for optimal marketing outcomes. This contributes to delivering comprehensive and optimal recommendations that are more effective and tailored to the needs of each business. Ultimately, companies can effectively address the complexity of modern markets and achieve their goals with greater precision. The main aim is to develop an intelligent multi-criteria recommendation system for decision-making in the field of marketing by applying an innovative methodology. This methodology integrates multi-criteria analysis methods, consumer behavior analysis, market segmentation, competition analysis, brand choice models, and introduces a new model for simulating the product life cycle based on the logic of the Bass model. Additionally, by calculating consumer satisfaction and applying machine learning methods, the system has the capability to recommend ways to improve the company's products. This intelligent multi-criteria recommendation system supports marketing executives in businesses and organizations in making data-driven decisions, thereby improving the efficiency and accuracy of marketing strategies.

Στον σύγχρονο επιχειρηματικό κόσμο, η ανάγκη για μεγαλύτερη ακρίβεια στην κατανόηση των προτιμήσεων των καταναλωτών είναι ζωτικής σημασίας για τις εταιρίες, οι οποίες παρέχουν προϊόντα ή υπηρεσίες. Οι υπεύθυνοι μάρκετινγκ προσπαθούν να εφαρμόσουν μεθόδους για την ανάλυση των προφίλ των καταναλωτών, με απώτερο σκοπό την αύξηση των πωλήσεων και των μεριδίων της αγοράς αλλά και την ταυτόχρονη αύξηση της ικανοποίησης των πελατών τους μέσω της βελτίωσης – ανάπτυξης κατάλληλων προϊόντων. Στον τομέα του μάρκετινγκ, η ανάπτυξη των συστημάτων συστάσεων έχει αναδειχθεί ως ένα κρίσιμο εργαλείο. Αυτά τα συστήματα έχουν τη δυνατότητα να αναλύσουν τα δεδομένα των πελατών και να παρέχουν εξατομικευμένες προτάσεις προϊόντων ή υπηρεσιών. Στόχος των συστημάτων συστάσεων είναι η ανάκτηση των κατάλληλων πληροφοριών από έναν μεγάλο όγκο δεδομένων ώστε να παρέχουν την κατάλληλη πληροφορία στο χρήστη. Το πιο σημαντικό χαρακτηριστικό τους, στον τομέα του μάρκετινγκ, είναι η ανάλυση της συμπεριφοράς των καταναλωτών, με σκοπό να τους προτείνει το κατάλληλο προϊόν ή υπηρεσία, καθώς και η σύσταση προτάσεων βελτίωσης ή ανάπτυξης νέων προϊόντων – υπηρεσιών στην εταιρεία, ώστε να επιτύχει τους στόχους της. Συνεπώς, το πρόβλημα που λύνουν είναι ένα πρόβλημα λήψης απόφασης. Τα συστήματα συστάσεων ενσωματώνουν αλγορίθμους και μεθόδους μηχανικής μάθησης (ευφυή συστήματα συστάσεων) για να αναλύσουν την αγοραστική συμπεριφορά και τις προτιμήσεις των καταναλωτών με σκοπό να προβλέψουν τις μελλοντικές αγοραστικές τους συνήθειες. Τα συστήματα στα οποία οι προτιμήσεις των καταναλωτών, σε ένα σύνολο εναλλακτικών επιλογών εκφράζονται με τη βοήθεια ενός συνόλου κριτήριων, ονομάζονται πολυκριτήρια συστήματα συστάσεων. Με τη χρήση των πολυκριτήριων συστημάτων συστάσεων στο μάρκετινγκ, οι εταιρίες μπορούν να βελτιώσουν την ακρίβεια των προβλέψεών τους και να αυξήσουν το μερίδιο αγοράς τους καθώς και την ικανοποίηση των πελατών τους. Επιπλέον, τα ευφυή συστήματα υποστήριξης αποφάσεων (ΣΥΑ) αποτελούν ισχυρά εργαλεία για τους επαγγελματίες του μάρκετινγκ. Μέσω της συνδυασμένης ανάλυσης δεδομένων και προβλέψεων αγοράς, τα ευφυή ΣΥΑ παρέχουν πολύτιμες πληροφορίες που συμβάλλουν στη λήψη αποφάσεων για βέλτιστα αποτελέσματα στον τομέα του μάρκετινγκ. Αυτό συμβάλλει στην παροχή ολοκληρωμένων και βέλτιστων συστάσεων, που είναι πιο αποτελεσματικές και προσαρμοσμένες στις ανάγκες της κάθε επιχείρησης. Τέλος, οι εταιρίες μπορούν να αντιμετωπίσουν αποτελεσματικά την πολυπλοκότητα των σύγχρονων αγορών και να επιτύχουν τους στόχους τους με μεγαλύτερη ακρίβεια. Η διδακτορική διατριβή έχει ως κύριο στόχο την ανάπτυξη ενός ευφυούς πολυκριτήριου συστήματος συστάσεων για τη λήψη αποφάσεων στον τομέα του μάρκετινγκ εφαρμόζοντας μια πρωτότυπη μεθοδολογία. Η παρούσα μεθοδολογία ενσωματώνει σε ένα σύστημα μεθόδους πολυκριτήριας ανάλυσης, ανάλυσης συμπεριφοράς καταναλωτών, τμηματοποίησης αγοράς, ανάλυσης ανταγωνισμού, μοντέλων επιλογής προϊόντων και εισάγει ένα νέο μοντέλο για την προσομοίωση του κύκλου ζωής των προϊόντων, βασισμένο στη λογική του μοντέλου του Bass. Επιπλέον, μέσω υπολογισμού της ικανοποίησης των καταναλωτών και εφαρμογής μεθόδων μηχανικής μάθησης το σύστημα έχει την ικανότητα να συστήνει τρόπους βελτίωσης των προϊόντων της εταιρίας.Το παρόν ευφυές πολυκριτήριο σύστημα συστάσεων υποστηρίζει τα στελέχη μάρκετινγκ των επιχειρήσεων και των οργανισμών στη λήψη αποφάσεων που βασίζονται σε αναλύσεις δεδομένων, βελτιώνοντας έτσι την αποδοτικότητα και την ακρίβεια των στρατηγικών μάρκετινγκ.