Κατανόηση της καταναλωτικής συμπεριφοράς μέσω παραγοντικής ανάλυσης

Abstract

Η καταναλωτική συμπεριφορά αποτελεί ένα σύνθετο φαινόμενο που επηρεάζεται από κοινωνικούς, δημογραφικούς και αγοραστικούς παράγοντες. Η ανάλυση τέτοιων δεδομένων απαιτεί μεθόδους ικανές να αποκαλύψουν τις λανθάνουσες δομές που δεν είναι άμεσα παρατηρήσιμες. Στην παρούσα διπλωματική εργασία εφαρμόζεται η Διερευνητική Παραγοντική Ανάλυση (EFA) και η Επιβεβαιωτική Παραγοντική Ανάλυση (CFA) σε πραγματικά δεδομένα καταναλωτών, προερχόμενα από εταιρική καμπάνια μάρκετινγκ δημοσιευμένη στην πλατφόρμα Kaggle. Τα δεδομένα περιλαμβάνουν δημογραφικές μεταβλητές, δαπάνες σε κατηγορίες προϊόντων, χρήση φυσικών και ψηφιακών καναλιών αγορών και δείκτες ψηφιακής αλληλεπίδρασης. Η Διερευνητική Παραγοντική Ανάλυση (EFA) αποκάλυψε δύο σταθερούς παράγοντες και έναν τρίτο με χαμηλότερη συνοχή, οι οποίοι σχετίζονται με την αγοραστική ένταση, την ποικιλία προϊόντων και τη χρήση ψηφιακών καναλιών αντίστοιχα. Η Επιβεβαιωτική Παραγοντική Ανάλυση (CFA) χρησιμοποιήθηκε για την αξιολόγηση της προτεινόμενης δομής, επιβεβαιώνοντας ικανοποιητική προσαρμογή σε βασικούς δείκτες καταλληλότητας. Τα αποτελέσματα αναδεικνύουν ότι η παραγοντική ανάλυση προσφέρει μια συνεκτική προσέγγιση για την κατανόηση των καταναλωτικών μοτίβων και μπορεί να αποτελέσει σημαντικό εργαλείο στη διαμόρφωση στοχευμένων στρατηγικών μάρκετινγκ.Consumer behavior is a multifaceted phenomenon influenced by demographic, economic, and behavioral factors. Analyzing such data requires methods capable of uncovering latent structures that are not directly observable. This thesis applies Exploratory Factor Analysis (EFA) and Confirmatory Factor Analysis (CFA) to real consumer data obtained from a corporate marketing campaign published on the Kaggle platform. The dataset includes demographic characteristics, product category expenditures, use of physical and digital purchasing channels, and indicators of digital interaction. The Exploratory Factor Analysis (EFA) revealed two stable factors and a third with lower coherence, associated with purchasing intensity, product variety, and digital engagement, respectively. Confirmatory Factor Analysis (CFA) was subsequently used to assess the suitability of the proposed structure, confirming satisfactory model fit across key goodness-of-fit indices. The findings demonstrate that factor analysis offers a comprehensive framework for understanding consumer behavior patterns and can serve as a valuable tool for designing targeted marketing strategies.