Analisi e previsione dell’intenzione d’acquisto dello shopper nel punto vendita tramite studio delle traiettorie e tecniche di machine learning
Mercuri, Chiara (A.A. 2022/2023) Analisi e previsione dell’intenzione d’acquisto dello shopper nel punto vendita tramite studio delle traiettorie e tecniche di machine learning. Tesi di Laurea in Customer intelligence e logiche di analisi dei big data, Luiss Guido Carli, relatore Marina Paolanti, pp. 120. [Master's Degree Thesis]
PDF (Full text)
Restricted to Registered users only Download (2MB) | Request a copy |
Abstract/Index
Una nuova era per il mondo del retail. I cambiamenti nel settore retail e l’evoluzione del punto di vendita fisico. Il retail e le nuove tecnologie: gli utilizzi dei big data nel retail. L'analisi del comportamento dello shopper nel punto vendita e della sua intenzione d'acquisto in letteratura. L’analisi e misurazione dell'intenzione di acquisto nel punto vendita in letteratura. L’analisi del comportamento dello shopper nel punto vendita: approcci tradizionali e nuove tecniche di ricerca. L’analisi delle traiettorie nel punto vendita (shopper behaviour analysis). Sviluppo di un modello predittivo dell'intenzione d'acquisto per categoria tramite tecniche di machine learning in un punto vendita intelligente. Descrizione del punto vendita. Tecnologia di tracciamento utilizzata e costruzione delle traiettorie. Materiali e metodi.
References
Bibliografia e sitografia: pp. 73-80.
Thesis Type: | Master's Degree Thesis |
---|---|
Institution: | Luiss Guido Carli |
Degree Program: | Master's Degree Programs > Master's Degree Program in Marketing (LM-77) |
Chair: | Customer intelligence e logiche di analisi dei big data |
Thesis Supervisor: | Paolanti, Marina |
Thesis Co-Supervisor: | Villarroel Ordenes, Francisco Javier |
Academic Year: | 2022/2023 |
Session: | Summer |
Deposited by: | Alessandro Perfetti |
Date Deposited: | 23 Jan 2024 11:44 |
Last Modified: | 23 Jan 2024 11:44 |
URI: | https://tesi.luiss.it/id/eprint/37659 |
Downloads
Downloads per month over past year
Repository Staff Only
View Item |