| Abstract : | Ένας βασικός παράγοντας επιτυχίας για κάθε επιχείρηση λιανικής είναι η κατανόηση των συνηθειών και των προτιμήσεων των πελατών. Επομένως, η κατανόηση των λόγων που οι πελάτες επισκέπτονται τα σούπερ μάρκετ τους είναι σημαντική για να αποκτήσουν ανταγωνιστικό πλεονέκτημα και να διατηρήσουν ή ακόμα καλύτερα, να αυξήσουν το μερίδιο αγοράς τους.Για να επιτευχθεί αυτό, αναδεικνύεται η ανάγκη σχεδιασμού συστημάτων και πλαισίων ανάλυσης πελατών.Ο απώτερος στόχος αυτής της μεταπτυχιακής διατριβής είναι να μελετήσει και να κατανοήσει την αγοραστική συμπεριφορά του πελάτη ανά επίσκεψη και να εντοπίσει εάν οι δραστηριότητες προώθησης έχουν επίδραση στη διαμόρφωση αυτής της συμπεριφοράς. Για να επιτευχθούν τα παραπάνω, λαμβάνοντας υπόψη τη βιβλιογραφία, αναπτύσσεται μια προσέγγιση ανάλυσης πελατών που χρησιμοποιεί ένα Πλαίσιο που βασίζεται σε Εξόρυξη Δεδομένων (Data Mining-based Framework) για τον εντοπισμό τμημάτων με βάση τις επισκέψεις πελατών και στη συνέχεια, τα Προωθητικά Επιπτώσεις εξετάζονται σε επίπεδο εσόδων.Μετά από μια εκτενή ανάλυση του συνόλου δεδομένων ενός ελληνικού σούπερ μάρκετ χρησιμοποιώντας διάφορα περιγραφικά στατιστικά στοιχεία, αναπτύχθηκε μια προσέγγιση τμηματοποίησης με βάση δεδομένα σε επίπεδο καλαθιού και παρήγαγε ομάδες επισκέψεων πελατών, με βάση την ποσότητα των κατηγοριών προϊόντων που έχουν αγοράσει οι πελάτες σε κάθε επίσκεψη. Τέλος, μετά την ανάθεση της αποστολής αγορών σε κάθε τμήμα επίσκεψης, εκτελείται ένας αντίκτυπος Ανάλυσης Προωθητικών ενεργειών ανά τμήμα.Η προαναφερθείσα ανάλυση πραγματοποιήθηκε με τη χρήση του εργαλείου R studio, το οποίο είναι ένα ολοκληρωμένο περιβάλλον ανάπτυξης για τη Γλώσσα Στατιστικής Προγραμματισμού R.
A key success factor for every retail business is to understand the customer habits and preferences. Therefore, understanding the reasons the customers are visiting their supermarkets is important to gain competitive advantage and retain or even better, increase their market share. In order to achieve this, the need for the design of customer analytics systems and frameworks is emerged.The ultimate goal of this master thesis to study and comprehend the customer’s shopping behavior per visit, and identify whether promotional activities have effect in shaping this behavior. To achieve the above, considering the literature, a customer analytics approach is developed that utilizes a Data Mining-based Framework of identifying segments based on customer visits and subsequently, the Promotional Effects are examined in Monetary Terms. After an extensive analysis of a Greek supermarket’s dataset using several descriptive statistics, a segmentation approach was developed based on basket level data and produced customer visits groups, based on the quantity of the product categories that the customers have purchased during each visit. Finally, after the shopping mission’s assignment in each visit segment, a Promotion Analysis impact per segment is performed.The aforementioned analysis was performed using the R studio tool, which is an integrated development environment for R Statistical Programming Language.
|
|---|
Copyright © 2013 Library AUEB. All rights reserved.