Στρατηγικό ψηφιακό μάρκετινγκ χρηματοπιστωτικών συστημάτων αναλυόμενο με πληροφοριακά συστήματα διοίκησης και νευροεπιστήμης

Abstract

The doctoral dissertation titled "Strategic Digital Marketing of Financial Systems Analyzed with Decision Support Systems and Neuroscience" focuses on using advanced analytical technologies to enhance digital corporate branding through strategic digital marketing in the financial sector. Both Centralized Financial Systems (CeFi) and Decentralized Financial Systems (DeFi) are examined, utilizing digital marketing strategies, including Search Engine Optimization (SEO) and Social Media Marketing (SMM), Paid Search Advertising (PSA), Email Marketing (EMM), Video Marketing (VM), and others, always in alignment with corporate promotional strategies. The goal is to understand and improve key metrics, such as branded traffic, customer engagement and satisfaction, and online rankings. To investigate these metrics, the synergistic use of Management Information Systems (MIS) and Neuroscience proves to be scientifically appropriate. Strategic digital marketing concerns a fundamental research area with the role of examining the utilization of digital innovations to improve corporate performance, as well as customer satisfaction. These strategies help businesses increase brand visibility, enhance customer engagement, and optimize the overall user experience. In this context, adapting to modern technological demands and leveraging real-time data are integral parts of a successful digital marketing strategy. Big data has become one of the most essential factors in business decision-making, allowing the gathering, analysis, as well as the utilization of massive information volumes. Through the application of analytical tools, organizations might acquire deeper understanding of cunsumers’ behavioral data, identify market trends, as well as to improve operational efficiency. The integration of big data with Management Information Systems (MIS) offers a robust infrastructure for managing information, enabling the formulation of well-informed decisions. MIS facilitates data processing, identification of critical points, and support for strategic choices in multidimensional environments. Financial systems are the cornerstone of the global economy, connecting economic activities between businesses, governments, and individuals. Through their operation, they facilitate transactions, capital transfers, and risk management, ensuring market efficiency and stability. Financial systems are constantly evolving, incorporating new technologies and adapting to the needs of the global market. This research focuses on their two primary forms: Centralized Financial Systems (CeFi) and Decentralized Financial Systems (DeFi). Centralized Financial Systems (CeFi) rely on central authorities, such as banks and governmental entities, for the administration and oversight of transactions. These systems are characterized by high oversight levels, control, as well as transparency, providing participants with security and trust. In contrast, Decentralized Financial Systems (DeFi) rely on technologies like blockchain, which allow operations without the need for a central authority. DeFi promotes transparency, participation, and autonomy, as transactions are recorded in decentralized networks, eliminating the dependence on intermediaries. This makes them particularly appealing in environments requiring speed, low costs, and trust among participants. The distinction between CeFi and DeFi highlights the differing philosophies and dynamics of these systems, reflecting the economy's constant need to adapt to technological developments and user demands. Studying the effect that various digital marketing methods may have on financial systems’ digital brand and consumer engagement, forms a central objective of this dissertation. The research questions developed in this context pertain to analyzing the influence of various metrics of digital marketing methods on the branded traffic and online rankings of CeFi and the engagement and satisfaction of DeFi consumers. The methodology followed is analyzed in eight distinct stages, the first of which involves a literature and article review using PRISMA methods and the MIS tool VOSviewer. Next is the sampling stage, where, through purposive sampling, the top 5 or 10 companies from the CeFi and DeFi sectors were selected. Selection criteria included online rankings, traffic, capitalization, user preference, etc. The subsequent stage involves the gathering of web analytics, and generally big data, from the websites and social media platforms of CeFi and DeFi companies, using MIS platforms like SEMrush, Fanpage Karma, and others. Additionally, stages of statistical elaboration and analysis, Fuzzy Cognitive Mapping (FCM) models, hybrid simulation and modeling, and neuromarketing frameworks. Beyond descriptive statistics, statistical analysis relied on simple linear regression analysis to validate the research hypotheses. This stage aimed to examine the suitability of the research metrics and variables, including normality tests, sample coherence, and presentation of key descriptive elements. Ultimately, its main goal is to create correlation and regression analyses between dependent and independent variables to assess their relationships. This aligns the research objectives with the research questions and statistical analysis, contributing to their resolution. Fuzzy Cognitive Maps (FCM) were used to model complex relationships between variables, offering new perspectives on the strategic design of digital marketing. Their purpose is to provide static models for the analysis of the connection between DeFi and CeFi’s digital brand metrics and the selected digital marketing methods’ variables. Therefore, they significantly contribute to addressing the research questions in conjunction with statistical analysis results. In this context, the penultimate stage involves hybrid modeling. This multimethodological approach integrates Agent-Based Modeling (ABM), System Dynamics (SD), and Hybrid Modeling (HM), which combines ABM and SD. The ABM, SD, and HM techniques allow an understanding of phenomena on both micro and macro levels, highlighting the dynamic interaction between technology, marketing, and financial systems. The ultimate goal of the refered stage has been the adression of the research questions from the dynamic modeling and agent-based analysis’ perspective, extending the statistical analysis and FCM’s outcomes. Finally, in the neuromarketing modeling stage, neuroscience techniques such as eye-tracking, emotion analysis, scan paths, etc., are employed. Neuroscience has introduced innovative approaches in marketing, known as neuromarketing, focusing on studying brain activity and consumers' emotional responses. These techniques, combined with marketing theory, facilitate the development of personalized strategies that meet customer needs and expectations, fostering strong trust and reliability. Neuromarketing methods record user behavior through heatmaps, emotion analyses, and scan paths, providing valuable insights highly impactful in business decision-making. Initially, the primary objective of these models has been the addressing of the research questions regarding the above techniques’ application. Additionally, the objective extends to identifying potential strategies for website design and social media platforms that promote consumer engagement and satisfaction for CeFi and DeFi companies. This dissertation highlighted the significance of digital marketing and neuromarketing strategies in improving performance and user experience, emphasizing the differing needs of Centralized Financial Systems (CeFi) and Decentralized Financial Systems (DeFi). In CeFi, strategies such as Search Engine Optimization (SEO), Affiliate Marketing (AM), as well as Email Marketing (EMM), proved effective in enhancing branded traffic and online rankings. In DeFi, the same strategies focused on improving customer satisfaction and engagement. Technical website factors, like loading speed and internal link quality, were crucial for achieving brand promotion. Furthermore, innovative data analysis methods, such as neuromarketing through eye-tracking and heatmaps, played a crucial part in analyzing customer behavioral data. Overall, the study underscores the relevance of big data, behavior analysis, and modeling methods (ABM, SD, FCM, etc.) as key drivers for optimizing digital strategies, maximizing consumer interaction, and achieving competitive advantage in the digital space of CeFi and DeFi.

Η διατριβή με τίτλο «Στρατηγικό Ψηφιακό Μάρκετινγκ Χρηματοπιστωτικών Συστημάτων αναλυόμενο με Πληροφοριακά Συστήματα Διοίκησης και Νευροεπιστήμης» εστιάζει στη χρήση προηγμένων τεχνολογιών ανάλυσης για την ενίσχυση του ψηφιακού εταιρικού ονόματος διαμέσω του στρατηγικού ψηφιακού μάρκετινγκ στον χρηματοπιστωτικό τομέα. Μελετώνται τόσο τα Κεντροποιημένα Χρηματοπιστωτικά Συστήματα (CeFi) όσο και τα Αποκεντρωμένα Χρηματοπιστωτικά Συστήματα (DeFi), αξιοποιώντας ψηφιακές μεθόδους μάρκετινγκ, όπως η Βελτιστοποίηση Μηχανών Αναζήτησης (Search Engine Optimization – SEO), το Μάρκετινγκ Μέσω Κοινωνικών Μέσων (Social Media Marketing – SMM), η Διαφήμιση Πληρωμένης Αναζήτησης (Paid Search Advertising – PSA), το Μάρκετινγκ Μέσω Ηλεκτρονικού Ταχυδρομείου (Email Marketing – EMM), το Μάρκετινγκ Μέσω Βίντεο (Video Marketing – VM), κ.α., και πάντα σε συνάρτηση με τις εταιρικές στρατηγικές προώθησης. Ο στόχος είναι η κατανόηση και βελτίωση βασικών μετρικών, όπως η επώνυμη επισκεψιμότητα, η αφοσίωση και η ικανοποίηση των καταναλωτών και η διαδικτυακή κατάταξη. Για τη διερεύνηση τους κρίνεται εξαιρετικά δόκιμο επιστημονικά, η συνδυαστικής χρήσης Πληροφοριακών Συστημάτων Διοίκησης (ΠΣΔ) και Νευροεπιστήμης. Το στρατηγικό ψηφιακό μάρκετινγκ αποτελεί έναν βασικό τομέα έρευνας που εξετάζει τη χρήση ψηφιακών τεχνολογιών για τη βελτίωση της απόδοσης των επιχειρήσεων και την ικανοποίηση των καταναλωτών. Οι στρατηγικές ψηφιακού μάρκετινγκ βοηθούν τις επιχειρήσεις να αυξήσουν την ορατότητα της επωνυμίας τους, να ενισχύσουν τη δέσμευση των καταναλωτών και να βελτιστοποιήσουν τη συνολική εμπειρία χρήστη. Στο πλαίσιο της έρευνας, η προσαρμογή στις σύγχρονες τεχνολογικές απαιτήσεις και η χρήση δεδομένων σε πραγματικό χρόνο αποτελούν αναπόσπαστο μέρος μιας επιτυχημένης στρατηγικής ψηφιακού μάρκετινγκ. Τα μεγάλα δεδομένα (big data) έχουν αναδειχθεί ως ένας από τους πιο σημαντικούς παράγοντες στη λήψη επιχειρηματικών αποφάσεων, επιτρέποντας τη συλλογή, ανάλυση και αξιοποίηση τεράστιου όγκου πληροφοριών. Μέσω της εφαρμογής αναλυτικών εργαλείων, οι επιχειρήσεις μπορούν να κατανοήσουν βαθύτερα τη συμπεριφορά των καταναλωτών, να εντοπίσουν τάσεις της αγοράς και να βελτιώσουν τη λειτουργική αποδοτικότητα. Η συσχέτιση των μεγάλων δεδομένων με τα πληροφοριακά συστήματα διοίκησης (ΠΣΔ) προσφέρει μια ισχυρή υποδομή για τη διαχείριση των πληροφοριών, παρέχοντας τη δυνατότητα λήψης τεκμηριωμένων αποφάσεων. Τα ΠΣΔ διευκολύνουν την επεξεργασία των δεδομένων, τον εντοπισμό κρίσιμων σημείων και την υποστήριξη στρατηγικών επιλογών σε πολυδιάστατα περιβάλλοντα. Τα Χρηματοπιστωτικά Συστήματα αποτελούν τον πυρήνα της παγκόσμιας οικονομίας, καθώς συνδέουν τις οικονομικές δραστηριότητες μεταξύ επιχειρήσεων, κυβερνήσεων και ιδιωτών. Μέσω της λειτουργίας τους, διευκολύνονται οι συναλλαγές, η μεταφορά κεφαλαίων και η διαχείριση κινδύνων, ενώ διασφαλίζεται η αποτελεσματικότητα και η σταθερότητα των αγορών. Τα χρηματοπιστωτικά συστήματα εξελίσσονται διαρκώς, ενσωματώνοντας νέες τεχνολογίες και προσαρμοζόμενα στις ανάγκες της παγκόσμιας αγορά. Η παρούσα έρευνα επικεντρώνεται στις δύο κύριες μορφές τους: τα Κεντροποιημένα Χρηματοπιστωτικά Συστήματα (CeFi) και τα Αποκεντρωμένα Χρηματοπιστωτικά Συστήματα (DeFi). Τα Κεντροποιημένα Χρηματοπιστωτικά Συστήματα (CeFi) βασίζονται σε κεντρικές αρχές, όπως οι τράπεζες και οι κυβερνητικοί φορείς, για τη διαχείριση και τον έλεγχο των συναλλαγών. Τα αναφερόμενα συστήματα χαρακτηρίζονται από υψηλό επίπεδο εποπτείας, ελέγχου και διαφάνειας, παρέχοντας στους συμμετέχοντες ασφάλεια και εμπιστοσύνη. Αντίθετα, τα Αποκεντρωμένα Χρηματοπιστωτικά Συστήματα (DeFi) βασίζονται σε τεχνολογίες όπως το blockchain, οι οποίες επιτρέπουν τη λειτουργία χωρίς την ανάγκη κεντρικής αρχής. Τα DeFi προάγουν τη διαφάνεια, τη συμμετοχή και την αυτονομία, καθώς οι συναλλαγές καταγράφονται σε αποκεντρωμένα δίκτυα, εξαλείφοντας την εξάρτηση από μεσάζοντες. Έτσι, καθίστανται ιδιαίτερα ελκυστικά σε περιβάλλοντα που απαιτούν ταχύτητα, χαμηλό κόστος και εμπιστοσύνη μεταξύ των συμμετεχόντων. Η διάκριση μεταξύ CeFi και DeFi αναδεικνύει τη διαφορετική φιλοσοφία και δυναμική των συστημάτων, αντανακλώντας τη συνεχή ανάγκη της οικονομίας να προσαρμόζεται στις τεχνολογικές εξελίξεις και στις απαιτήσεις των χρηστών. Η μελέτη της επίδρασης των διαφόρων μεθόδων ψηφιακού μάρκετινγκ στο ψηφιακό εμπορικό όνομα των μορφών χρηματοπιστωτικών συστημάτων και της αφοσίωσης των καταναλωτών τους, αποτελεί κύριο στόχο της διδακτορικής διατριβής. Τα ερευνητικά ερωτήματα που αναπτύχθηκαν στο πλαίσιο της μεθοδολογίας, αναφέρονται στην ανάλυση της επιρροής διαφόρων μετρικών των μεθόδων ψηφιακού μάρκετινγκ στην επώνυμη επισκεψιμότητα και διαδικτυακή κατάταξη των CeFi και στην αφοσίωση και ικανοποίηση των καταναλωτών των DeFi. Η μεθοδολογία που ακολουθήθηκε αναλύεται σε 8 διακριτά στάδια, το πρώτο εκ των οποίων αφορά τη βιβλιογραφική και αρθρογραφική επισκόπηση της έρευνας με την εφαρμογή μεθόδων PRISMA και αξιοποιώντας το ΠΣΔ VOSviewer. Έπειτα, ακολουθεί στο στάδιο της επιλογής του δείγματος, όπου επιλέχθηκαν, με τη μέθοδο της δειγματοληψίας σκοπιμότητας, 5 ή 10 κορυφαίες εταιρίες των κλάδων CeFi και DeFi. Η επιλογή τους βασίστηκε σε παράγοντες όπως η διαδικτυακή τους κατάταξη, η επισκεψιμότητά τους, η κεφαλαιοποίησή τους, η προτίμηση των χρηστών, κ.α. Το επόμενο στάδιο αφορά τη συλλογή των μεγάλων δεδομένων και αναλυτικών δεδομένων από τις ιστοσελίδες και τα κοινωνικά μέσα των εταιριών CeFi και DeFi, χρησιμοποιώντας τις πλατφόρμες ΠΣΔ SEMrush, Fanpage Karma, κ.α. Επιπρόσθετα, ακολουθούν τα στάδια της στατιστικής ανάλυσης, της Ασαφούς Γνωσιακής Χαρτογράφησης (FCM), της υβριδικής μοντελοποίησης και προσομοίωσης και τέλος των μοντέλων νευρομάρκετινγκ. Η στατιστική ανάλυση, πέραν της περιγραφικής στατιστικής, βασίστηκε στην ανάλυση απλής γραμμικής παλινδρόμησης για την επιβεβαίωση των ερευνητικών υποθέσεων. Η στατιστική ανάλυση αποσκοπεί στην εξέταση, αρχικώς, της καταλληλότητας των μετρικών και μεταβλητών της έρευνας, με ελέγχους κανονικότητας κατανομών, συνοχής του δείγματος, παρουσίασης κύριων περιγραφικών στοιχείων, κ.α. Κατόπιν αυτού, κύριο στόχος της αποτελεί η δημιουργία αναλύσεων συσχετίσεων και γραμμικών παλινδρομήσεων, μεταξύ εξαρτημένων και ανεξάρτητων μεταβλητών, για την εξέταση της σχέσης τους. Σε αυτό το σημείο ευθυγραμμίζεται ο στόχος της έρευνας με τα ερευνητικά ερωτήματα και τη στατιστική ανάλυση, που συντελεί στην απάντησή τους. Τα Ασαφή Γνωσιακά Χαρτογραφήματα (FCM) χρησιμοποιήθηκαν για τη μοντελοποίηση σύνθετων σχέσεων μεταξύ μεταβλητών, προσφέροντας νέες προοπτικές στη στρατηγική σχεδίαση του ψηφιακού μάρκετινγκ. Στόχος τους είναι η παροχή στατικών μοντελοποιήσεων για την εξέταση της σχέσης των μετρικών ψηφιακού εμπορικού ονόματος των DeFi και CeFi με τις μεταβλητές των επιλεγμένων μεθόδων ψηφιακού μάρκετινγκ. Έτσι, θα συνεισφέρουν σημαντικά στην απάντηση των ερευνητικών ερωτημάτων, σε συνδυασμό με τα αποτελέσματα της στατιστικής ανάλυσης. Στο πλαίσιο της έρευνας, ακολούθησε το προτελευταίο στάδιο της μεθοδολογίας, το αναφερόμενο στάδιο της υβριδικής μοντελοποίησης. Υιοθετώντας την πολυμεθοδολογική προσέγγιση της έρευνας, ενσωματώνοντας συστήματα Μοντελοποίησης με Βάση τους Πράκτορες (Agent-Based Modeling - ABM), Δυναμικής Συστημάτων (System Dynamics - SD), καθώς και Υβριδικής Μοντελοποίησης (Hybrid Modeling - HM), που συνδυάζει τις ABM και SD. Οι τεχνικές ABM, SD και ΗΜ επιτρέπουν την κατανόηση φαινομένων τόσο σε μίκρο όσο και σε μάκρο επίπεδο, αναδεικνύοντας τη δυναμική αλληλεπίδραση μεταξύ τεχνολογίας, μάρκετινγκ και χρηματοοικονομικών συστημάτων. Απώτερος στόχος του παρόντος σταδίου είναι η απάντηση των ερευνητικών ερωτημάτων από την πλευρά της δυναμικής μοντελοποίησης και της ανάλυσης της μοντελοποίησης πρακτόρων, επεκτείνοντας τα συμπεράσματα της στατιστικής ανάλυσης και της FCM. Τέλος, στο στάδιο της ανάπτυξης των μοντέλων νευρομάρκετινγκ, αξιοποιούνται τεχνικές νευροεπιστήμης, όπως η παρακολούθηση βλέμματος (eye-tracking), η ανάλυση συναισθημάτων (emotion analysis), η διαδρομή βλέμματος (scan path), κ.α. Η νευροεπιστήμη έχει εισάγει καινοτόμες προσεγγίσεις στο μάρκετινγκ, γνωστές ως νευρομάρκετινγκ, οι οποίες εστιάζουν στη μελέτη της εγκεφαλικής δραστηριότητας και της συναισθηματικής απόκρισης των καταναλωτών. Οι τεχνικές, συνδυασμένες με τη θεωρία του μάρκετινγκ, διευκολύνουν την ανάπτυξη εξατομικευμένων στρατηγικών που ανταποκρίνονται στις ανάγκες και τις προσδοκίες των καταναλωτών, συμβάλλοντας στη δημιουργία μιας ισχυρής σχέσης εμπιστοσύνης και αξιοπιστίας. Απόρροια των μεθόδων είναι η καταγραφή της συμπεριφοράς του χρήστη απεικονιζόμενη σε θερμικούς χάρτες, αναλύσεις συναισθημάτων και διαδρομές βλέμματος, παρέχοντας πολύτιμες πληροφορίες, εξαιρετικά επιδραστικές στη λήψη επιχειρηματικών αποφάσεων. Σκοπός των μοντέλων νευρομάρκετινγκ αποτελεί, αρχικώς η απάντηση των ερευνητικών ερωτημάτων που αφορούν την εφαρμογή των αναφερόμενων τεχνικών. Επίσης, ο στόχος επεκτείνεται στην εύρεση πιθανών στρατηγικών από της διαμόρφωση της ιστοσελίδας και των μέσων κοινωνικής δικτύωσης που προωθούν την αφοσίωση και ικανοποίηση των καταναλωτών των εταιριών CeFi και DeFi. Η παρούσα διατριβή ανέδειξε τη σημασία των στρατηγικών ψηφιακού μάρκετινγκ και του νευρομάρκετινγκ στη βελτίωση της απόδοσης και της εμπειρίας χρήστη, με έμφαση στις διαφοροποιημένες ανάγκες των Κεντροποιημένων (CeFi) και Αποκεντρωμένων Χρηματοπιστωτικών Συστημάτων (DeFi). Στα CeFi, στρατηγικές όπως η Βελτιστοποίηση Μηχανών Αναζήτησης (SEO), το Μάρκετινγκ Μέσω Ηλεκτρονικού Ταχυδρομείου (EMM) και το Μάρκετινγκ Σύστασης και Συνεργατών (AM) απέδειξαν την αποτελεσματικότητά τους στην ενίσχυση της επώνυμης επισκεψιμότητας και της διαδικτυακής τους κατάταξης. Ενώ, στα DeFi, οι ίδιες στρατηγικές επικεντρώθηκαν στην ενίσχυση της ικανοποίησης και της αφοσίωσης των καταναλωτών. Οι τεχνικοί παράγοντες ιστοσελίδων, όπως η ταχύτητα φόρτωσης και η ποιότητα των εσωτερικών συνδέσμων αναδείχθηκαν καθοριστικοί για την επίτευξη της προώθησης του εμπορικού ονόματος των εταιριών. Καθώς επίσης, οι καινοτόμες μέθοδοι ανάλυσης δεδομένων, όπως το νευρομάρκετινγκ μέσω παρακολούθησης ματιών και θερμικών χαρτών, έπαιξαν καθοριστικό ρόλο στην ανάλυση της συμπεριφοράς των καταναλωτών τους. Συνολικά, η εργασία υπογραμμίζει τη συνάφεια των μεγάλων δεδομένων, της ανάλυσης συμπεριφοράς και των μεθόδων μοντελοποίησης (ABM, SD, FCM, κ.α.), ως βασικούς άξονες για τη βελτιστοποίηση των ψηφιακών στρατηγικών, τη μεγιστοποίηση της αλληλεπίδρασης των καταναλωτών και την επίτευξη ανταγωνιστικού πλεονεκτήματος στον ψηφιακό χώρο των CeFi και DeFi.