Εξόρυξη και ανάλυση δεδομένων για τη βελτίωση των διαδικασιών του ψηφιακού μάρκετινγκ και του μάρκετινγκ κοινωνικών δικτύων

Περίληψη

Η παρούσα διδακτορική διατριβή διερευνά πώς μπορεί να βελτιωθεί η χρήση των συστημάτων προτάσεων στις σύγχρονες πλατφόρμες ψηφιακού περιεχομένου, μέσα από δύο συμπληρωματικές κατευθύνσεις: αφενός μέσω της στοχευμένης βελτίωσης υφιστάμενων μεθόδων και αφετέρου μέσω της τεκμηριωμένης επιλογής της καταλληλότερης μεθόδου ή αρχιτεκτονικής για κάθε εφαρμοστικό πλαίσιο. Τα συστήματα προτάσεων προσεγγίζονται όχι απλώς ως αλγόριθμοι πρόβλεψης, αλλά ως μηχανισμοί εξατομίκευσης που μετατρέπουν δεδομένα συμπεριφοράς σε επιλογές περιεχομένου και, ως εκ τούτου, συνδέονται άμεσα με το ψηφιακό μάρκετινγκ και την εμπειρία του χρήστη. Κεντρική θέση της διατριβής είναι ότι η αυξανόμενη πολυπλοκότητα ενός μοντέλου δεν συνεπάγεται κατ’ ανάγκη μεγαλύτερη αξία. Η καταλληλότητά του εξαρτάται από τα δεδομένα, τον στόχο της υπηρεσίας, τις απαιτήσεις απόδοσης και τους λειτουργικούς περιορισμούς.Η έρευνα ακολουθεί πειραματική, ποσοτική και διαδοχική μεθοδολογία και αναπτύσσεται σε τρεις αλληλένδετες επιστημονικές ...
περισσότερα

Περίληψη σε άλλη γλώσσα

This doctoral dissertation investigates how recommender systems can be used more effectively in modern digital-content platforms through two complementary strategies: improving existing methods and selecting the method or architecture best suited to a particular application context. Recommender systems are approached not merely as prediction algorithms, but as personalization mechanisms that transform behavioral data into content choices and therefore play a direct role in digital marketing and user experience. A central premise of the dissertation is that increasing model complexity does not necessarily translate into greater value; the suitability of a recommender depends on the available data, the service objective, the required performance profile, and the operational constraints of the platform.The research follows an experimental, quantitative, and sequential design and develops through three interconnected scientific contributions. The first investigates whether a classical coll ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/62938
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/62938
ND
62938
Εναλλακτικός τίτλος
Data mining and analysis for optimizing digital marketing and social media marketing processes
Συγγραφέας
Σεβασλίδου, Νεραντζούλα (Πατρώνυμο: Ευάγγελος)
Ημερομηνία
10/2026
Ίδρυμα
Διεθνές Πανεπιστήμιο της Ελλάδας. Σχολή Οικονομίας και Διοίκησης. Τμήμα Διοίκησης Οργανισμών, Μάρκετινγκ και Τουρισμού
Εξεταστική επιτροπή
Παπαϊωαννου Ευγενία
Ασημακόπουλος Κωνσταντίνος
Σταλίδης Γεώργιος
Γεωργιάδης Χρήστος
Μπάμνιος Γεώργιος
Τζιώνας Παναγιώτης
Νάνος Ιωάννης
Επιστημονικό πεδίο
Φυσικές Επιστήμες ➨ Επιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική ➨ Διεπιστημονικές εφαρμογές επιστήμης ηλεκτρονικών υπολογιστών
Κοινωνικές Επιστήμες ➨ Οικονομικά και Επιχειρήσεις ➨ Μάρκετινγκ
Λέξεις-κλειδιά
Συστήματα προτάσεων; Εξατομίκευση συστάσεων; Συνεργατικό φιλτράρισμα; Ομαδοποίηση; Εξόρυξη δεδομένων; Νευρωνικό Συνεργατικό Φιλτράρισμα; Τεχνητή νοημοσύνη; Ψηφιακό μάρκετινγκ; Διακυβέρνηση Επιλογής Μοντέλου
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
πιν., σχημ., γραφ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.