Λογότυπο αποθετηρίου
 

Fan lag analysis: predicting fan attendance across time with a combined binary classification and survival analysis model

dc.contributor.degreegrantinginstitutionAthens University of Economics and Business, Department of Management Science and Technologyen
dc.contributor.thesisadvisorΚαρλής, Δημήτρηςel
dc.creatorΚοκκινόπουλος-Μοράλες, Κωνσταντίνοςel
dc.creatorKokkinopoulos-Morales, Konstantinosen
dc.date.accessioned2025-03-26T19:51:48Z
dc.date.available2025-03-26T19:51:48Z
dc.date.issued10/10/2019
dc.date.submitted2019-10-11 16:01:29
dc.description.abstractLive music promotion is a growing but also complex industry. Traditionally, event planning is shaped according to the ongoing ticket sales success. This thesis, studies the application of a machine learning approach that predicts ticket sales for a live music event (concert or festival) across time. The approach is called Fan Lag Analysis and builds upon the assumption that ticket sales of live music events can be predicted if two fan characteristics are modeled: propensity for ticket ordering and the expected time for the same action. In that direction, the methodology combines modeling concepts from binary classification and survival analysis. Finally, simulation tests are applied to generate robust predictions of expected ticket sales scenarios. With the validation of the research assumptions at a synthetic dataset of fan variables, Fan Lag Analysis opens a whole new range of possibilities in live music promotion strategies through data-driven ticket sales predictions.en
dc.description.abstractΗ προώθηση της ζωντανής μουσικής είναι μια αναπτυσσόμενη αλλά και σύνθετη βιομηχανία. Παραδοσιακά, ο προγραμματισμός των εκδηλώσεων διαμορφώνεται σύμφωνα με την επιτυχή πορεία των πωλήσεων εισιτηρίων. Αυτή η εργασία, μελετά την εφαρμογή μιας προσέγγισης μηχανικής μάθησης που προβλέπει τις πωλήσεις εισιτηρίων για μια συναυλία ζωντανής μουσικής (συναυλία ή φεστιβάλ) στον χρόνο. Η προσέγγιση ονομάζεται Fan Lag Analysis και βασίζεται στην υπόθεση ότι οι πωλήσεις εισιτηρίων συναυλιών ζωντανής μουσικής μπορούν να προβλεφθούν εάν έχουν διαμορφωθεί δύο χαρακτηριστικά θιασωτών: η τάση για παραγγελία εισιτηρίων και ο αναμενόμενος χρόνος για την ίδια ενέργεια. Σε αυτή την κατεύθυνση, η μεθοδολογία συνδυάζει έννοιες μοντελοποίησης από δυαδική ταξινόμηση και ανάλυση επιβίωσης. Τέλος, εφαρμόζονται δοκιμές προσομοίωσης για τη δημιουργία ισχυρών προβλέψεων αναμενόμενων σεναρίων πωλήσεων εισιτηρίων. Με την επικύρωση των υποθέσεων έρευνας σε ένα συνθετικό σύνολο μεταβλητών θιασωτών, η Fan Lag Analysis ανοίγει ένα εντελώς νέο εύρος δυνατοτήτων σε στρατηγικές προώθησης ζωντανής μουσικής μέσω προβλέψεων πωλήσεων εισιτηρίων που βασίζονται σε δεδομένα.el
dc.embargo.expire2019-10-11 16:01:29
dc.embargo.ruleOpen access
dc.format.extent40p.
dc.identifierhttp://www.pyxida.aueb.gr/index.php?op=view_object&object_id=7355
dc.identifier.urihttps://pyxida.aueb.gr/handle/123456789/8754
dc.languageen
dc.rightsCC BY: Attribution alone 4.0
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectΔιοργάνωση συναυλιώνel
dc.subjectΔυαδική ταξινόμησηel
dc.subjectΑνάλυση επιβίωσηςel
dc.subjectΠώληση εισιτηρίωνel
dc.subjectΘαυμαστέςel
dc.subjectΠρόβλεψηel
dc.subjectΜηχανική μάθησηel
dc.subjectLive music promotionen
dc.subjectBinary classificationen
dc.subjectSurvival analysisen
dc.subjectTicket salesen
dc.subjectFansen
dc.subjectPredictionen
dc.subjectMachine learningen
dc.titleFan lag analysis: predicting fan attendance across time with a combined binary classification and survival analysis modelen
dc.title.alternativeΑνάλυση βραδύτητας θιασώτηel
dc.typeText

Αρχεία

Πρωτότυπος φάκελος/πακέτο

Τώρα δείχνει 1 - 1 από 1
Φόρτωση...
Μικρογραφία εικόνας
Ονομα:
Kokkinopoulos-Morales_2019.pdf
Μέγεθος:
2.34 MB
Μορφότυπο:
Adobe Portable Document Format