Συναισθηματική ανάλυση του καταναλωτή: σχέση μεταξύ συναισθήματος και βαθμολογίας προϊόντων που πωλούνται στο διαδίκτυο μέσω μηχανών σύγκρισης τιμής, μεταξύ αθλητικών ειδών και προϊόντων τεχνολογίας.

Sentiment analysis: Relationship between customer sentiment and online customer ratings for price comparison shopping engines between casual/athletic clothing and technology industry; An empirical study. (english)

  1. MSc thesis
  2. ΠΑΠΑΦΩΤΙΚΑΣ, ΙΑΣΩΝ
  3. Διοίκηση Επιχειρήσεων (MBA)
  4. 09 September 2018 [2018-09-09]
  5. Αγγλικά
  6. 65
  7. Φωλίνας, Δημήτριος
  8. Φωλίνας, Δημήτριος | Αγαπητού, Χρύσα
  9. Sentiment analysis | opinion mining | price comparison engine | machine learning | sports footwear | sports footwear goods | customer polarity | skroutz
  10. 3
  11. 128
  12. Περιέχει εικόνες και διαγράμματα
    • Η συναισθηματική ανάλυση του καταναλωτή στοχεύει ουσιαστικά στο να αναλύσει αυτό που λέει η ίδια λέξη, το συναίσθημα το καταναλωτή. Αναφέρεται στο συναίσθημα , άποψη, στάση κτλ. του καταναλωτή/ατόμου που βασίζεται στις κριτικές του όσον αφορά ένα προϊόν, μια άποψη, μία έννοια κτλ. Το συναίσθημα αυτό μπορεί να είναι θετικό, αρνητικό ή ουδέτερο. Αυτή η έρευνα αναλύει το συναίσθημα του καταναλωτή και το εκφράζει σε επίπεδο πολικότητας αυτού. Η Ελλάδα αυτή τη στιγμή αντιμετωπίζει μία από τις χειρότερες οικονομικές καταστροφές στην ιστορία της, με αποτέλεσμα οι μηχανές αναζήτησης με βάση την τιμή, όπως ο Σκρουτζ, να είναι κάτι παραπάνω από χρήσιμες στους καταναλωτές οι οποίοι βλέπουν το εισόδημα τους μέρα με την ημέρα να μειώνεται. Οι μηχανές αναζήτησης με βάση την τιμή έχουν ιδιαίτερα μεγάλη απήχηση όσον αφορά την αθλητική υπόδηση, καθώς και τα προϊόντα τεχνολογίας, αφού ανήκουν στις πέντε πιο διαδεδομένες κατηγορίες σε αυτές. Σε τέτοιες λοιπόν συνθήκες οι ομάδες ενδιαφέροντος όπως πωλητές/επιχειρηματίες/βιομηχανίες κτλ. πρέπει να βρουν νέους τρόπους προσέλκυσης πελατών αναγνωρίζοντας φυσικά τις ανάγκες τους μέσω έρευνας χωρίς την χρήση ερωτηματολογίων η οποία πολλές φορές μπορεί να οδηγήσει σε λάθος συμπεράσματα αφού μέσω αυτών ο καταναλωτής μπορεί να οδηγηθεί σε μια απάντηση κτλ. Αυτή η έρευνα κάνει μια προσπάθεια να αναγνωρίσει αυτού του είδους την πληροφορία και να βοηθήσει το σύγχρονο ηλεκτρονικό κατάστημα να βελτιώσει το επίπεδο των υπηρεσιών του και να αυξήσει το εισόδημα του μέσω λιγότερης διαφήμισης, κόστη ανά κλικ κτλ. Για αυτό το λόγο χρησιμοποιήθηκαν κρητικές από την ίσως πιο διαδεδομένη μηχανή αναζήτησης με βάση την τιμή στην Ελλάδα, skroutz (skroutz.gr, 2009) από όπου εξάχθηκε το συναίσθημα των καταναλωτών από δύο βασικές κατηγορίες όπως η τεχνολογία και η αθλητική υπόδηση λαμβάνοντας υπόψη τα σχόλια και βαθμολογίες αυτών. Για να μπορέσει να γίνει αυτό, χρησιμοποιήθηκε το WEKΑ με την χρήση αλγορίθμων σε επίπεδο πολικότητας.
    • Sentiment analysis, in other words opinion mining, is aiming on analyzing people’s sentiments, opinions, emotions, attitudes etc. Customer sentiment refers to the emotions expressed by customers through their text reviews. These sentiments can be positive, negative or neutral. This study will explore customer sentiments and express them in terms of customer sentiment polarity. In the current days, Greece is facing one of the worst economic crisis in its history, so price comparison engine usage is more than needed, especially for the most competitive and pricy goods, such as athletic footwear and technology ones. In such circumstances, companies have to find more efficient ways to get the absolutely necessary information from their targeted audience by overcoming the problems that a researcher can face with the usage of an ordinary questionnaire, because the customer has written his own point of view; using his own words without being guided by a questionnaire or an interview. This study tries to identify this crucial information and help the contemporary e-shop to improve its ecommerce services and gain more income with less advertising, cpc campaigns etc. Hence, in this case we gathered from «Skroutz» one of the most renowned PCE in Greece and extracted the sentiment from these core industries target groups, based on the users’/buyers’ comments and their rating. We used WEKA for classifying the text and extracting knowledge.
  14. Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές