| dc.contributor.advisor | Panagiotakis, Konstantinos | |
| dc.contributor.author | Δεμίρη, Σοφία | |
| dc.date.accessioned | 2026-05-05T12:12:33Z | |
| dc.date.available | 2026-05-05T12:12:33Z | |
| dc.date.issued | 2026-01 | |
| dc.identifier.uri | http://hdl.handle.net/11728/13393 | |
| dc.description | ENGLISH ABSTRACT
This thesis focuses on the study of consumer trends in online shopping by employing data analysis techniques and machine learning methods, with particular emphasis on examining correlations between demographic and behavioral characteristics of consumers. The aim of the research is to investigate and understand purchasing behavior in the digital environment, as well as to identify patterns that may contribute to improving the efficiency and strategic approach of contemporary enterprises operating in the field of electronic commerce.
The research is based on a synthetic dataset, which includes variables such as age, income, gender, marital status, product category, customer satisfaction level, and payment method. The methodological approach centers on exploratory data analysis and the calculation of correlation measures, in order to capture the relationships between demographic characteristics, consumer choices, and levels of customer satisfaction.
The results of the analysis demonstrate the existence of significant correlations between specific characteristics and purchasing patterns, as well as the potential to distinguish groups of consumers with similar profiles. Overall, the study highlights the usefulness of data analysis and machine learning as tools for interpreting consumer behavior in the context of online shopping, thereby enhancing the understanding of contemporary consumer trends. | en_UK |
| dc.description.abstract | Η παρούσα διπλωματική εργασία εστιάζει στη μελέτη των καταναλωτικών τάσεων στις ηλεκτρονικές αγορές, αξιοποιώντας τεχνικές ανάλυσης δεδομένων και μεθόδους μηχανικής μάθησης, με έμφαση στην ανάλυση συσχετίσεων μεταξύ δημογραφικών και συμπεριφορικών χαρακτηριστικών των καταναλωτών. Σκοπός της έρευνας είναι η διερεύνηση και η κατανόηση της αγοραστικής συμπεριφοράς στο ψηφιακό περιβάλλον, καθώς και η ανάδειξη προτύπων που δύναται να συμβάλλουν στη βελτίωση της αποδοτικότητας και της στρατηγικής προσέγγισης των σύγχρονων επιχειρήσεων που δραστηριοποιούνται στο ηλεκτρονικό εμπόριο.
Η έρευνα βασίζεται σε ένα πραγματικό σύνολο δεδομένων σχετικά ηλεκτρονικού εμπορίου, το οποίο διατίθεται δημόσια μέσω της πλατφόρμας kaggle και αφορά την πλατφόρμα Olist. Tο συγκεκριμένο σύνολο δεδομένων περιλαμβάνει πραγματικές συναλλαγές, χαρακτηριστικά παραγγελιών καθώς και πληροφορίες σχετικά με τη διαδικασία παράδοσης. Όλα τα παραπάνω, αξιοποιούνται για την ανάλυση καταναλωτικών τάσεων και την λήψη επιχειρηματικών αποφάσεων. Η μεθοδολογική προσέγγιση επικεντρώνεται στη διερευνητική ανάλυση δεδομένων και στον υπολογισμό συντελεστών συσχέτισης με στόχο την αποτύπωση των σχέσεων μεταξύ δημογραφικών χαρακτηριστικών, καταναλωτικών επιλογών και ικανοποίησης των καταναλωτών.
Τα αποτελέσματα της ανάλυσης αποδεικνύουν την ύπαρξη σημαντικών συσχετίσεων μεταξύ συγκεκριμένων χαρακτηριστικών και αγοραστικών προτύπων, καθώς και τη δυνατότητα διάκρισης ομάδων καταναλωτών με παρόμοια χαρακτηριστικά. Συνολικά, η εργασία αναδεικνύει τη χρησιμότητα της ανάλυσης δεδομένων και της μηχανικής μάθησης ως εργαλεία ερμηνείας της καταναλωτικής συμπεριφοράς στο πλαίσιο των ηλεκτρονικών αγορών, ενισχύοντας την κατανόηση των σύγχρονων καταναλωτικών τάσεων. | en_UK |
| dc.language.iso | el_GR | en_UK |
| dc.publisher | Μεταπτυχιακό Πρόγραμμα στην Ανάλυση Δεδομένων και Χρηματοοικονομική Τεχνολογία , Σχολή Οικονομικών Επιστημών και Διοίκησης, Πανεπιστήμιο Νεάπολις Πάφου | en_UK |
| dc.rights | Απαγορεύεται η δημοσίευση ή αναπαραγωγή, ηλεκτρονική ή άλλη χωρίς τη γραπτή συγκατάθεση του δημιουργού και κάτοχου των πνευματικών δικαιωμάτων | en_UK |
| dc.subject | αλγόριθμος Apriori | en_UK |
| dc.subject | νευρωνικά δίκτυα | en_UK |
| dc.subject | ηλεκτρονικές αγορές | en_UK |
| dc.subject | Μηχανική μάθηση | en_UK |
| dc.title | Καταναλωτικές τάσεις στις ηλεκτρονικές αγορές μέσω ανάλυσης δεδομένων και μηχανικής μάθησης | en_UK |
| dc.title.alternative | Διπλωματική Εργασία η οποία υποβλήθηκε προς απόκτηση εξ αποστάσεως μεταπτυχιακού τίτλου σπουδών στην ανάλυση δεδομένων και χρηματοοικονομική τεχνολογία στο Πανεπιστήμιο Νεάπολις Πάφος. | en_UK |
| dc.type | Thesis | en_UK |
