PYXIDA Institutional Repository
and Digital Library
 Home
Collections :

Title :Ανάλυση αγοραστικής συμπεριφοράς καταστημάτων μικρής λιανικής: κατηγορία μη τρόφιμο
Alternative Title :Purchasing behavior analysis of convenience stores, non-food categories
Creator :Σαραφίδου, Ευαγγελία
Contributor :Λεκάκος, Γεώργιος (Επιβλέπων καθηγητής)
Φραΐδάκη, Κατερίνα (Εξεταστής)
Χατζηαντωνίου, Δαμιανός (Εξεταστής)
Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Διοικητικής Επιστήμης και Τεχνολογίας (Degree granting institution)
Type :Text
Extent :101σ.
Language :el
Identifier :http://www.pyxida.aueb.gr/index.php?op=view_object&object_id=7527
Abstract :Σκοπός της παρούσας διπλωματικής εργασίας είναι η ανάλυση των πωλήσεων στην Ελλάδα πολυεθνικής εταιρείας του κλάδου των FMCGs στο κομμάτι της μικρής λιανικής για δύο έτη (2017, 2018), λαμβάνοντας υπόψη τις τάσεις και εξελίξεις στην συγκεκριμένη αγορά τα τελευταία χρόνια. Πιο συγκεκριμένα, έχουν αναλυθεί οι πωλήσεις του πανελλαδικού δικτύου διανομέων της στα μικρά σημεία λιανικής και στόχος είναι να διαπιστωθούν η εξέλιξη της αγοραστικής δύναμης και συνήθειας των σημείων λιανικής, οι προτιμήσεις τους βάσει των συγκεκριμένων προϊοντικών κατηγοριών που προμηθεύει η εταιρεία, οι διαφοροποιήσεις βάσει γεωγραφίας και τύπου καταστημάτων. Η ανάλυση πραγματοποιήθηκε μέσω της πλατφόρμας SAS, με την χρήση των εργαλείων SAS Enterprise Guide και SAS Enterprise Miner. Ο Enterprise Guide χρησιμοποιήθηκε για την επεξεργασία και προετοιμασία των δεδομένων για λόγους περιγραφικής στατιστικής και για την χρήση αυτών σε τεχνικές εξόρυξης δεδομένων. Στον Enterprise Miner, πραγματοποιήθηκε clustering πελατών βάσει του μοντέλου RFM. Στόχος είναι η αναγνώριση και η τμηματοποίηση των πελατών με κοινά χαρακτηριστικά RFM. Με αυτόν τον τρόπο, η εταιρεία θα είναι σε θέση να βελτιστοποιήσει και να διαφοροποιήσει την στόχευση και προσφορές σε διαφορετικές ομάδες σημείων λιανικής. Στο ίδιο εργαλείο πραγματοποιήθηκε Market Basket Analysis, με σκοπό να εντοπιστούν οι ισχυρότερες συνδέσεις μεταξύ προϊοντικών κατηγοριών. Τέλος, αναπτύχθηκε μοντέλο πρόβλεψης για τον εντοπισμό των σημείων λιανικής με ισχυρή πιθανότητα να σταματήσουν να αγοράζουν, χρησιμοποιώντας την μεθοδολογία του Decision Tree.Τα ευρήματα της παρούσας ανάλυσης επιβεβαιώνουν την μείωση του πλήθους τον σημείων σε συνάφεια με την τάση της αγοράς, εντούτοις η εταιρεία επιτυγχάνει αύξηση αξίας πωλήσεων υποστηριζόμενη σε μεγάλο βαθμό στις προωθητικές ενέργειες και εκπτώσεις. Παρουσιάζεται σαφής εποχικότητα τους καλοκαιρινούς μήνες τόσο λόγο της τουριστικής κίνησης, όσο και του μείγματος των προϊόντων κυρίως στην κατηγορία των απορρυπαντικών. Τα παραπάνω καθώς επίσης η διαφοροποίηση στην αγοραστική συμπεριφορά των διαφόρων τύπων καταστημάτων, αποτελούν χρήσιμα στοιχεία για την εταιρεία ούτως ώστε να προβεί στις κατάλληλες αποφάσεις και ενέργειες για την περαιτέρω ανάπτυξη της στο κανάλι της μικρής λιανικής.
The purpose of this thesis is to analyze the sales in Greece of a multinational company FMCGs, in the Convenience Retail Chanel, for two years (2017, 2018), taking into account market trends and developments in this specific market in recent years. More concretely, the sales (sell-out) of the nationwide retailer / wholesaler network have been analyzed and aim to determine the evolution of purchasing power and customs of Convenience stores, as well as their preferences based on the specific product categories the company supplies, plus geographical and store type variations. The analysis was done through the SAS platform and more specifically using the SAS Enterprise Guide and SAS Enterprise Miner tools. The Enterprise Guide was used to process, format, and prepare data for descriptive statistics and in order to use this data in data mining techniques. In Enterprise Miner, customer clustering was performed based on the RFM model. The goal is to identify and categorize customers with common RFM features. In this way, the company will be able to optimize and diversify targeting as well as offers to different groups of Convenience stores. In the same tool, Market Basket Analysis was carried out, in order to identify the strongest links among product categories. Finally, a predictive model was developed to identify retailers with a strong probability of quitting, using the Decision Tree methodology. The findings of the present analysis confirm a decrease in the number of points relevant to market trends. However, the company achieves a sales value increase largely supported by promotions and discounts. There is a clear seasonality throughout summer months due to, both the tourist traffic and the mix of products, mainly in the detergent category. The above mentioned, as well as the differentiation in the purchasing behavior of various types of stores, are useful elements for the company to make the appropriate decisions and take action for its further development in the Convenience Retail Chanel.
Subject :Μικρή λιανική
Αγαθά ταχείας κατανάλωσης
Προιόντα οικιακής φροντίδας
Προϊόντα προσωπικής υγιεινής
Convenience retail
Fast Μoving Consumer Goods (FMCG)
Home care products
Personal hygiene products
Date Available :2020-02-07 18:05:56
Date Issued :02/06/2020
Date Submitted :2020-02-07 18:05:56
Access Rights :Free access
Licence :

File: Sarafidou_2020.pdf

Type: application/pdf