AUEB Library - Digital Repository

PYXIDA Institutional Repository
and Digital Library

Username
Password

Collections :	Ιδρυματικό Αποθετήριο ΟΠΑ / AUEB Institutional Repository Σχολή Διοίκησης Επιχειρήσεων / School of Business Τμήμα Διοικητικής Επιστήμης και Τεχνολογίας / Department of Management Science and Technology Μεταπτυχιακές Εργασίες / Postgraduate dissertations

Title :	Customer analysis: the case of an online retailer

Alternative Title :	Ανάλυση πελατών: η περίπτωση ενός διαδικτυακού λιανοπωλητή

Creator :	Τσούτσα, Μαρία-Ελένη Tsoutsa, Maria-Eleni

Contributor :	Chatziantoniou, Damianos (Επιβλέπων καθηγητής) Karlis, Dimitrios (Εξεταστής) Louridas, Panagiotis (Εξεταστής) Athens University of Economics and Business, Department of Management Science and Technology (Degree granting institution)

Type :	Text

Extent :	66p.

Language :	el

Identifier :	http://www.pyxida.aueb.gr/index.php?op=view_object&object_id=11198

Abstract :	Στις μέρες μας δημιουργείται μεγάλος όγκος δεδομένων σε διάφορους τομείς. Οι επιχειρήσεις συλλέγουν και αναλύουν δεδομένα σε μια προσπάθεια να κατανοήσουν τη συμπεριφορά των πελατών και να αναπτύξουν αποτελεσματικές στρατηγικές. Ο σκοπός αυτής της εργασίας είναι να παρέχει μια προσέγγιση για προτάσεις προϊόντων και υπηρεσιών για ηλεκτρονικά καταστήματα χρησιμοποιώντας τμηματοποίηση πελατών, μοντέλο RFM (Recency, Frequency, Monetary) και ανάλυση καλαθιού αγοράς. Για την ανάλυση χρησιμοποιήθηκαν Python μέσω Jupyter Notebook και SAS® Studio.Αυτή η ανάλυση μπορεί να βοηθήσει ένα διαδικτυακό φαρμακείο να κατανοήσει καλύτερα τη συμπεριφορά του υπάρχοντος πελάτη, να βελτιώσει την ικανοποίηση και, κατά συνέπεια, τα κέρδη της επιχείρησης. Η επιχείρηση θα μπορεί να υλοποιεί αποτελεσματικές προωθητικές ενέργειες για τους πελάτες του ηλεκτρονικού της καταστήματος και έτσι να επιτυγχάνει αύξηση του πελατολογίου της προσελκύοντας νέους πιστούς πελάτες.Στο μέλλον, αυτή η ανάλυση θα μπορούσε να εκτελεστεί ξανά για μεγαλύτερο χρονικό διάστημα με περισσότερα δημογραφικά δεδομένα και δεδομένα συμπεριφοράς για κάθε πελάτη από την επιχείρηση. Έτσι, τα αποτελέσματα θα μπορούσαν να συγκριθούν με την υπάρχουσα διπλωματική για να διαπιστωθεί εάν η επιχείρηση έχει βελτιώσει τους στόχους που έχει θέσει και εάν χρειάζεται να κάνει κάποιες αλλαγές στις προωθητικές της ενέργειες. Nowadays, a massive amount of data is generated in each field. Businesses collect and analyze data, trying to approach customer behavior and build an efficient strategy. The goal of this thesis is to provide a fresh viewpoint on the online store's product and service proposals by utilizing Customer Segmentation, RFM (Recency, Frequency, Monetary) model, and Market Basket Analysis. Python through Jupyter Notebook and SAS® Studio were used for analysis.This analysis can help an online pharmacy to understand better the behavior of the existing customer, to improve satisfaction and, thus, the business’s profits. The business will be able to implement effective promotional actions for the customers of its online store and thus achieve an increase in its clientele by attracting new loyal customers. In the future, this analysis could be performed again for a longer period with more demographic and behavioral data for each customer from the business. Thus, the results could be compared with existing diplomacy to see if the business has made any improvement in the objectives that it has set and if it needs to make some changes in its promotional actions.

Abstract :

Στις μέρες μας δημιουργείται μεγάλος όγκος δεδομένων σε διάφορους τομείς. Οι επιχειρήσεις συλλέγουν και αναλύουν δεδομένα σε μια προσπάθεια να κατανοήσουν τη συμπεριφορά των πελατών και να αναπτύξουν αποτελεσματικές στρατηγικές. Ο σκοπός αυτής της εργασίας είναι να παρέχει μια προσέγγιση για προτάσεις προϊόντων και υπηρεσιών για ηλεκτρονικά καταστήματα χρησιμοποιώντας τμηματοποίηση πελατών, μοντέλο RFM (Recency, Frequency, Monetary) και ανάλυση καλαθιού αγοράς. Για την ανάλυση χρησιμοποιήθηκαν Python μέσω Jupyter Notebook και SAS® Studio.Αυτή η ανάλυση μπορεί να βοηθήσει ένα διαδικτυακό φαρμακείο να κατανοήσει καλύτερα τη συμπεριφορά του υπάρχοντος πελάτη, να βελτιώσει την ικανοποίηση και, κατά συνέπεια, τα κέρδη της επιχείρησης. Η επιχείρηση θα μπορεί να υλοποιεί αποτελεσματικές προωθητικές ενέργειες για τους πελάτες του ηλεκτρονικού της καταστήματος και έτσι να επιτυγχάνει αύξηση του πελατολογίου της προσελκύοντας νέους πιστούς πελάτες.Στο μέλλον, αυτή η ανάλυση θα μπορούσε να εκτελεστεί ξανά για μεγαλύτερο χρονικό διάστημα με περισσότερα δημογραφικά δεδομένα και δεδομένα συμπεριφοράς για κάθε πελάτη από την επιχείρηση. Έτσι, τα αποτελέσματα θα μπορούσαν να συγκριθούν με την υπάρχουσα διπλωματική για να διαπιστωθεί εάν η επιχείρηση έχει βελτιώσει τους στόχους που έχει θέσει και εάν χρειάζεται να κάνει κάποιες αλλαγές στις προωθητικές της ενέργειες.
Nowadays, a massive amount of data is generated in each field. Businesses collect and analyze data, trying to approach customer behavior and build an efficient strategy. The goal of this thesis is to provide a fresh viewpoint on the online store's product and service proposals by utilizing Customer Segmentation, RFM (Recency, Frequency, Monetary) model, and Market Basket Analysis. Python through Jupyter Notebook and SAS® Studio were used for analysis.This analysis can help an online pharmacy to understand better the behavior of the existing customer, to improve satisfaction and, thus, the business’s profits. The business will be able to implement effective promotional actions for the customers of its online store and thus achieve an increase in its clientele by attracting new loyal customers. In the future, this analysis could be performed again for a longer period with more demographic and behavioral data for each customer from the business. Thus, the results could be compared with existing diplomacy to see if the business has made any improvement in the objectives that it has set and if it needs to make some changes in its promotional actions.

Subject :	Ηλεκτρονικό εμπόριο Ανάλυση δεδομένων Τμηματοποίηση πελατών Ανάλυση RFM Ανάλυση καλαθιού αγοράς E-commerce Data analysis Customer segmentation Recency, Frequency, Monetary (RFM) Market basket analysis

Date Available :	2024-03-26 22:25:38

Date Issued :	26-03-2024

Date Submitted :	2024-03-26 22:25:38

Access Rights :	Free access

Licence :

File: Tsoutsa_2024.pdf

Type: application/pdf

Login