Εφαρμογή μεθόδων Ανάλυσης Συναισθήματος σε περιγραφές προϊόντων, για την μελέτη της επίδρασης τους στην αγοραστική συμπεριφορά των καταναλωτών.

A study on how the sentiment of product descriptions may affect customer behaviour, using Sentiment Analysis methods. (Αγγλική)

  1. MSc thesis
  2. Τερέζη, Χρυσάφη
  3. Μεταπτυχιακή Εξειδίκευση στα Πληροφοριακά Συστήματα (ΠΛΣ)
  4. 26 Σεπτεμβρίου 2020 [2020-09-26]
  5. Αγγλικά
  6. 62
  7. Κοζανίδης, Ελευθέριος
  8. Κοζανίδης, Ελευθέριος | Ρήγκου, Μαρία
  9. Sentiment Analysis | Ανάλυση Συναισθήματος | Machine Learning | Μηχανική Μάθηση | Natural Language Proceccing | Επεξεργασία Φυσικής γλώσσας | Correlation Analysis | Ανάλυση Συσχέτισης
  10. 90
  11. Included : tables, figures, pictures
    • Στα χρόνια της τεχνολογικής επανάστασης και της ραγδαίας ανάπτυξης των τεχνολογιών, οι αγορές μέσω Ίντερνετ κερδίζουν όλο και περισσότερο χώρο στον κόσμο της λιανικής πώλησης. Οι καταναλωτές επιλέγουν να κάνουν τις αγορές τους από την ασφάλεια του σπιτιού τους και ενώ έχουν στη διάθεση τους χιλιάδες προϊόντα. Οι εταιρείες καταβάλουν μεγάλες προσπάθειες να τοποθετούνται τα προϊόντα τους πρώτα στις λίστες των sites και να καθιερώνονται στις συνειδήσεις των καταναλωτών. Ο ανταγωνισμός μεγαλώνει καθώς οι καταναλωτές εκτίθενται διαρκώς σε κάθε μορφής διαφημιστικές καμπάνιες. Πριν την τελική τους επιλογή, σε μια προσπάθεια να κατανοήσουν τα χαρακτηριστικά και τα προτερήματα των προϊόντων, οι καταναλωτές μπορεί να συγκρίνουν εκατοντάδες περιγραφές προϊόντων. Το αντικείμενο μελέτης αυτής της διπλωματικής είναι το αντίκτυπο που μπορεί να έχει το συναίσθημα της περιγραφής ενός προϊόντος στην συμπεριφορά των πελατών, χρησιμοποιώντας την τεχνική της Ανάλυσης Συναισθήματος. Η Ανάλυση Συναισθήματος είναι η διαδικασία κατά την οποία εντοπίζουμε το συναίσθημα ενός κειμένου χρησιμοποιώντας τεχνικές επεξεργασίας φυσικής γλώσσας. Είναι ένας σχετικά νεός τεχνολογικός τομέας, που αναπτύσσεται ραγδαία ήδη από τις αρχές του τελευταίου αιώνα. Σε αυτή τη διπλωματική εργασία, πραγματοποιήθηκε εφαρμογή τεχνικών Μηχανικής Μάθησης σε μια συλλογή δεδομένων από κριτικές προϊόντων της Amazon. Ο κύριος στόχος αυτής της διπλωματικής είναι να αξιοποιηθεί η πληροφορία που λάβαμε από την Ανάλυση Συναισθήματος και να πιστοποιηθεί αν υπάρχει συσχέτιση μεταξύ του συναισθήματος στην περιγραφή των προϊόντων και της αγοραστικής συμπεριφοράς των καταναλωτών. Τα ευρήματα αυτής της μελέτης θα μπορούσαν να βοηθήσουν τις επιχειρήσεις να αποφασίσουν αν αξίζει να επενδύσουν χρόνο στην βελτιστοποίηση του συναισθήματος που εκφράζεται στην περιγραφή του κάθε προϊόντος.
    • The massive increase in internet usage leads to a more digitalised world. E-commerce possesses a leading role in the retail business, as it provides the opportunity to the customers to make purchases from the comfort of their homes. A significant amount of effort is being dedicated to optimising product listing in e-commerce websites. The competition grows since modern people are exposed to many marketing activities. To make their final selection, customers go through hundreds of product descriptions in an attempt to comprehend each product's features and benefits and chose according to their requirements. In this dissertation, we study the impact of the product descriptions' sentiment on the customers' behaviour, practising Sentiment Analysis methods. Sentiment Analysis, alternatively referred to as opinion mining, is the process of extracting and identifying opinions and sentiments on a given text, using Natural Language Processing. It is a relatively new field of research, but it is one of the most active research areas in the field of text mining since the beginning of the 21st century. To apply Sentiment Analysis, we were motivated to explore prospering Natural Language Processing and Machine Learning techniques on a large dataset of product reviews, obtained by Amazon. This dissertation is concentrating on leveraging Sentiment Analysis methods to identify the correlation between product descriptions and their average review ratings or product sales. The findings of this study, could enable retailers decide whether it’s worth investing time to optimize the sentiment of each product’s description.
  13. Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές