Ανάπτυξη και σύγκριση αλγορίθμων δυναμικής ανάθεσης τιμών σε προϊόντα

Λαμπρογεώργου, Φωτεινή; Lamprogeorgou, Foteini

dc.contributor.author	Λαμπρογεώργου, Φωτεινή	el
dc.contributor.author	Lamprogeorgou, Foteini	en
dc.date.accessioned	2022-04-14T10:07:21Z
dc.date.available	2022-04-14T10:07:21Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/55099
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.22797
dc.rights	Αναφορά Δημιουργού 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by/3.0/gr/	*
dc.subject	Μηχανική Μάθηση	el
dc.subject	Ανάλυση Δεδομένων	el
dc.subject	Μοντέλα Πρόβλεψης,	el
dc.subject	Παλινδρόμηση	el
dc.subject	Ταξινόμηση	el
dc.subject	Forecasting Models	en
dc.subject	Machine Learning	el
dc.subject	Data Analysis	en
dc.subject	Regression	en
dc.subject	Classification	en
dc.title	Ανάπτυξη και σύγκριση αλγορίθμων δυναμικής ανάθεσης τιμών σε προϊόντα	el
heal.type	bachelorThesis
heal.classification	Δυναμική Τιμολόγηση	el
heal.classification	Dynamic Pricing	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2021-11-03
heal.abstract	Η παρούσα διπλωματική εξετάζει το θέμα της τιμολόγησης των προϊόντων, ένα ζήτημα που έχει απασχολήσει ιδιαίτερα κάθε μορφής πάροχο που εμπλέκεται σε εμπορικές δραστηριότητες και αποτελεί ακόμη πιο πολύπλοκη διαδικασία στις μέρες μας, όπου ο ανταγωνισμός πληθαίνει και οι επιλογές που έχουν οι καταναλωτές αυξάνονται. Στόχος της εργασίας είναι η ανάπτυξη και η σύγκριση αλγορίθμων που θα προσφέρουν τη δυνατότητα σχεδιασμού μιας δυναμικής στρατηγικής τιμολόγησης αλλά και ορισμού των επιμέρους παραμέτρων πώλησης (όπως η αποστολή, ή η διαθεσιμότητα των προϊόντων) που θα συμπεριλαμβάνεται σε μια γενικότερη μεθοδολογία με τέτοια ευελιξία ώστε να μπορεί να μεταβάλλεται προσφέροντας κάθε φορά στο προϊόν περισσότερες πιθανότητες να προτιμηθεί έναντι των ανταγωνιστικών και υποκατάστατων προϊόντων. Ειδικότερα, η μελέτη γίνεται σε ένα σύνολο δεδομένων ηλεκτρονικών προϊόντων μεγάλων παρόχων του ηλεκτρονικού εμπορίου. Πάνω σε αυτή τη βάση εκπαιδεύονται και αξιολογούνται αλγόριθμοι επιβλεπόμενης μηχανικής εκμάθησης με στόχο αρχικά την πρόβλεψη των τιμών των προϊόντων με τον πιο ακριβή και αποδοτικό τρόπο και σε επόμενο στάδιο τον καθορισμό και των επιμέρους χαρακτηριστικών τους. Συνολικά, επιδιώκεται ο σχεδιασμός μιας στρατηγικής τιμολόγησης και πώλησης η οποία θα συμβάλει στο να γίνουν τα προϊόντα ενός εκάστοτε παρόχου δημοφιλή και ανταγωνιστικά μια συγκεκριμένη χρονική στιγμή την οποία εξετάζουμε. Μέσα από την εργασία αυτή, παρουσιάζονται τα βασικά χαρακτηριστικά των προβλέψεων με μεγαλύτερη ανάλυση να γίνεται στις καινοτόμες μεθόδους πρόβλεψης με χρήση νευρωνικών δικτύων. Αναλύονται οι δύο βασικές μέθοδοι της παλινδρόμησης και της ταξινόμησης και τα στοιχεία των αλγορίθμων αυτών. Έπειτα, περιγράφεται η μεθοδολογία που χρησιμοποιείται και έχει ως στόχο τόσο την αποτελεσματική ανάλυση και διαχείριση των δεδομένων μέχρι να παράγουμε ένα εύχρηστο μοντέλο όσο και την εφαρμογή και αξιολόγηση των αλγορίθμων είτε αυτό αφορά ακρίβεια (regression), είτε επιτυχία πρότασης (classification). Τέλος, λόγω της προσπάθειας καθορισμού μιας δυναμικής στρατηγικής, εξετάζονται συγκεκριμένες περιπτώσεις οι οποίες συμβάλλουν στην εξαγωγή συμπερασμάτων για τους παράγοντες που καθορίζουν τη δημοφιλία των προϊόντων. Η εργασία ολοκληρώνεται με την αξιοποίηση αυτών των συμπερασμάτων με στόχο τη δημιουργία μιας ευρύτερης στρατηγικής με βάση την οποία ένας πάροχος μπορεί όχι μόνο να καθορίσει δυναμικά τις τιμές των προϊόντων αλλά και τα υπόλοιπα στοιχεία που αφορούν την πώληση και διάθεση του προϊόντος στα μέσα του ηλεκτρονικού εμπορίου.	el
heal.abstract	The present thesis addresses the issue of pricing of products, a matter that has been particularly concerning for each provider involved in commercial activities and is an even more complex process nowadays when competition is rising and options which consumers have are increasing. The goal of the research is to develop and compare algorithms that will will offer the possibility of designing a dynamic pricing strategy and defining the individual sales parameters (such as shipping or availability of products) that will be included in a general methodology with such flexibility that it can be easily changed in order to ensure each time that the product has a better chance of being preferred over competing and substituting products. In particular, the study is done on a data set of electronic products of major providers of e-commerce. Using this dataset, supervised machine learning algorithms are trained and evaluated with the aim of forecasting the products’ prices in the most accurate and efficient way and also determining the individual characteristics of the products. All in all, we are trying to form a pricing and sales strategy in order to make products from one provider popular and competitive at a specific point in time that we are considering. Through this work, the main characteristics of forecasts are presented, with greater analysis being made into innovative forecasting methods using neural networks. The two basic methods of regression and classification and the elements of these algorithms are analyzed. Then, we present the methodology being used, which aims at the effective analysis and management of data until we produce a workable model as well as the application and evaluation of the algorithms for either regression or classification. Finally, so as to define a dynamic strategy we are using specific case studies that contribute to drawing conclusions about factors that determine products’ popularity. The project is being completed by taking use of these conclusions with the aim of creating a broader strategy which will be used by a provider not only dynamically to determine the prices of products but also the other features related to the sale and disposal of the product in the means of electronic commerce.	en
heal.advisorName	Ασημακόπουλος, Βασίλειος	el
heal.committeeMemberName	Ασημακόπουλος, Βασίλειος	el
heal.committeeMemberName	Ψαρράς, Ιωάννης	el
heal.committeeMemberName	Ασκούνης, Δημήτριος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Ηλεκτρικών Βιομηχανικών Διατάξεων και Συστημάτων Αποφάσεων	el
heal.academicPublisherID	ntua
heal.numberOfPages	119 σ.	el
heal.fullTextAvailability	false