Forza vendita data-driven: l’integrazione di machine learning e business analyticss nella gestione commerciale
Giannascoli, Francesca (A.A. 2024/2025) Forza vendita data-driven: l’integrazione di machine learning e business analyticss nella gestione commerciale. Tesi di Laurea in Gestione dei processi commerciali e delle reti di vendita, Luiss Guido Carli, relatore Daniele D'Ambrosio, pp. 121. [Master's Degree Thesis]
Full text for this thesis not available from the repository.
Abstract/Index
L’evoluzione della forza vendita. Dalla gestione tradizionale alla trasformazione digitale della forza vendita. Sales technology: il CRM. Strategie data-driven: l’utilizzo di AI e analytics per massimizzare l’efficacia della forza vendita. La nuova frontiera del business: sinergie tra machine learning e business intelligence. Cos’è il business analytics? Cos’è il machine learning? Algoritmi di machine learning. Unsupervised learning: cluster analisys per la segmentazione dei clienti. Il modello RFM. Le private labels e il caso Eurofil S.r.l. Definizione e storia delle private labels. Eurofil S.r.l. Prospettive aziendali: risultati dalle interviste. Intervista Essity Italia. Intervista Conad: Consorzio nazionale dettaglianti. Intervista Futura Line Industry S.r.l. Intervista Eurofil S.r.l. Sintesi trasversale delle interviste: convergenze strategiche e prospettive comuni. RFM in azione: costruzione del modello e interpretazione strategica dei dati. Metodologia di ricerca. Analisi su KNIME: flusso di lavoro e scelte tecniche. Risultati e data visualization. Implicazioni teoriche. Implicazioni manageriali: strategie e Size of Prize.
References
Bibliografia: pp. 116-119. Sitografia: pp. 120-121.
| 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: | Gestione dei processi commerciali e delle reti di vendita |
| Thesis Supervisor: | D'Ambrosio, Daniele |
| Thesis Co-Supervisor: | Laura, Luigi |
| Academic Year: | 2024/2025 |
| Session: | Summer |
| Deposited by: | Alessandro Perfetti |
| Date Deposited: | 08 Jan 2026 09:39 |
| Last Modified: | 08 Jan 2026 09:39 |
| URI: | https://tesi.luiss.it/id/eprint/44602 |
Downloads
Downloads per month over past year
Repository Staff Only
 |
View Item |
