Institutional Repository [SANDBOX]
Technical University of Crete
EN  |  EL

Search

Browse

My Space

Ηλεκτρονικό μάρκετινγκ τουριστικών επιχειρήσεων μέσω της εξόρυξης γνώσης από βάσεις δεδομένων on line συστημάτων κρατήσεων

Kazakopoulou Danai

Simple record


URIhttp://purl.tuc.gr/dl/dias/DF453E98-6595-493F-9702-0DAF7E505AC6-
Identifierhttps://doi.org/10.26233/heallink.tuc.22941-
Languageel-
Extent58 σελίδεςel
TitleΗλεκτρονικό μάρκετινγκ τουριστικών επιχειρήσεων μέσω της εξόρυξης γνώσης από βάσεις δεδομένων on line συστημάτων κρατήσεωνel
TitleDeveloping E-marketing strategies in tourism industries through data mining techniquesel
CreatorKazakopoulou Danaien
CreatorΚαζακοπουλου Δαναηel
Contributor [Thesis Supervisor]Matsatsinis Nikolaosen
Contributor [Thesis Supervisor]Ματσατσινης Νικολαοςel
Contributor [Committee Member]Tsafarakis Steliosen
Contributor [Committee Member]Τσαφαρακης Στελιοςel
Contributor [Committee Member]Grigoroudis Evaggelosen
Contributor [Committee Member]Γρηγορουδης Ευαγγελοςel
PublisherTechnical University of Creteen
PublisherΠολυτεχνείο Κρήτηςel
Academic UnitTechnical University of Crete::School of Production Engineering and Managementen
Academic UnitΠολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησηςel
Content SummaryΣκοπός της παρούσας εργασίας είναι η ανάλυση της τουριστικής κίνησης στο νομό Χανίων από το έτος 2009 μέχρι και σήμερα και η διαμόρφωση στρατηγικών marketing για στοχευμένη διαφήμιση ώστε να αυξηθούν οι κρατήσεις των τουριστικών καταλυμάτων και να γίνουν ανοίγματα προς νέες αγορές. Τα στοιχεία που επεξεργαστήκαμε (περίπου 11.000 κρατήσεις) αφορούν σε online κρατήσεις απευθείας από τα websites ξενοδοχειακών μονάδων στο νομό Χανίων. Ο τομέας του ηλεκτρονικού τουρισμού (e-tourism) βιώνει μεγάλη ανάπτυξη τα τελευταία χρόνια, καθώς έχει αρκετά πλεονεκτήματα σε σύγκριση με το παραδοσιακό τουριστικό σύστημα. Οι ιστοσελίδες ξενοδοχείων με online συστήματα κρατήσεων χρησιμοποιούνται πλέον σχεδόν από το σύνολο της τουριστικής βιομηχανίας με τάση τα τελευταία χρόνια να αυξάνονται οι απευθείας κρατήσεις μέσω των ιστοσελίδων των ξενοδοχείων. Σε μια εποχή όπου η ευελιξία και οι άπειρες δυνατότητες επιλογής είναι η ισχυρότερη τάση στη συμπεριφορά των καταναλωτών, ενώ το value for money και η διαφοροποίηση χαρακτηρίζουν τις επιλογές τους, παρουσιάζει μεγάλο ενδιαφέρον πώς αυτά επηρεάζουν τον νευραλγικό τομέα του τουρισμού. Αρχικά συγκεντρώθηκαν τα δεδομένα και στην συνέχεια κατασκεύαστηκαν στατιστικοί πίνακες προς εξαγωγή αρχικών συμπερασμάτων. Στην συνέχεια αναλύθηκαν μέσω της μεθόδου Data Mining (εξόρυξη γνώσης από μεγάλες βάσεις δεδομένων). Με αυτή τη μέθοδο μπορούν να γίνουν προβλέψεις των μελλοντικών τάσεων και συμπεριφορών, πράγμα που επιτρέπει στις επιχειρήσεις να κάνουν δυναμικό marketing πρός όποια κατεύθυνση καταδείξουν τα αποτελέσματά της. Τα αποτελέσματα αυτά θα χρησιμοποιηθούν ως oδηγός online marketing προσαρμοσμένος στις τοπικές επιχειρήσεις καθώς θα προταθούν νέες ομάδες πελατών και θα συσταθούν πλάνα μάρκετινγκ βοηθητικά προς τους ξενοδόχους για την επόμενη τουριστική περίοδο.el
Content SummaryThe purpose of this research is the multi-criteria analysis of tourism in Chania from 2009 until today, shaping marketing strategies for targeted advertising to increase bookings for tourist accommodation and make openings to new markets. The data that were processed (approximately 11,000 reservations) are online direct bookings from the websites of hotel units in Chania. The field of e-tourism (e-tourism) experienced strong growth in recent years, as it has several advantages compared to the traditional tourist system. Websites with online hotel booking systems are now used by almost all the tourist industry trend in recent years, to increase direct bookings through the website of the hotel. At a time when flexibility and infinite possibilities of choice is the strongest trend in consumer behavior, while the value for money and diversity characterize the choices of great interest how they affect the key tourism sector. Originally collected data and then constructed statistical tables for export initial conclusions. Then analyzed by the method of Data Mining (mining of large databases). Data mining algorithms applied extensively as decision trees (decision trees), grouping (clustering), association rules (association rules), time series (time series) etc. and then analyze their content. With this method can predict future trends and behaviors, allowing businesses to make marketing potential in any direction show the results. These results will be used as a customized guide for the set up of online marketing strategies for local businesses as it will bring new customer groups and marketing plans set up auxiliary to hoteliers for the following season.en
Type of ItemΔιπλωματική Εργασίαel
Type of ItemDiploma Worken
Licensehttp://creativecommons.org/licenses/by-nc-nd/4.0/en
Date of Item2014-10-10-
Date of Publication2014-
SubjectAlgorithmic knowledge discoveryen
SubjectFactual data analysisen
SubjectKDD (Information retrieval)en
SubjectKnowledge discovery in dataen
SubjectKnowledge discovery in databasesen
SubjectMining, Dataen
Subjectdata miningen
Subjectalgorithmic knowledge discoveryen
Subjectfactual data analysisen
Subjectkdd information retrievalen
Subjectknowledge discovery in dataen
Subjectknowledge discovery in databasesen
Subjectmining dataen
SubjectChannels, Marketingen
SubjectChannels of distributionen
SubjectDistribution channelsen
Subjectmarketing channelsen
Subjectchannels marketingen
Subjectchannels of distributionen
Subjectdistribution channelsen
Bibliographic CitationΔανάη Καζακοπούλου, "Developing E-marketing strategies in tourism industries through data mining techniques", Διπλωματική Εργασία, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2014el
Bibliographic CitationDanai Kazakopoulou, "Ηλεκτρονικό μάρκετινγκ τουριστικών επιχειρήσεων μέσω της εξόρυξης γνώσης από βάσεις δεδομένων on line συστημάτων κρατήσεων", Diploma Work, School of Production Engineering and Management, Technical University of Crete, Chania, Greece, 2014en

Available Files

Services

Statistics