![Institutional Repository [SANDBOX]](images/dias.logo.png "Institutional Repository [SANDBOX]"){kind=logo}
Institutional Repository [SANDBOX]
Technical University of Crete
Technical University of Crete
EN
|
EL
| URI: | http://purl.tuc.gr/dl/dias/957E41BB-A6C9-43EE-8E89-835F8D10C3CB | ||
| Year | 2024 | ||
| Type of Item | Master Thesis | ||
| License |
|
||
| Bibliographic Citation | Αντώνιος Ψαθάς, "Πρόβλεψη της ζήτησης του χαρουπιού μέσω Google Trends", Μεταπτυχιακή Διατριβή, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2024 https://doi.org/10.26233/heallink.tuc.98507 | ||
| Appears in Collections |
Προτάθηκε μία νέα συνάρτηση ζήτησης μέσω των αναζητήσεων στο Google έναντι της συμβατικής συνάρτησης ζήτησης, που προτείνει η μικροοικονομική. Η νέα συνάρτηση χρησιμοποιήθηκε για την πρόβλεψη της ζήτησης του χαρουπιού στην Κροατία. Τα τελευταία χρόνια αναβίωσε το ενδιαφέρον για το χαρούπι και επιλέχτηκε ως αντικείμενο μελέτης της παρούσας εργασίας. Η Κροατία επιλέχτηκε, καθώς βρίσκεται 4η σε αναζητήσεις για χαρούπι παγκοσμίως. Μέσω της σύγκρισης της προβλεπτικής ικανότητας της νέας με την συμβατική συνάρτηση ζήτησης φαίνεται ότι η νέα συνάρτηση ζήτησης έχει υψηλότερη προβλεπτική ικανότητα. Για την ανάλυση χρησιμοποιήθηκαν δεδομένα σε μηνιαία βάση από την Eurostat, την AMECO και τα Google Trends από τον Ιανουάριο του 2015 ως και τον Δεκέμβριο του 2021. Η εξαρτημένη μεταβλητή ήταν οι εισαγωγές χαρουπιού της Κροατίας από όλο τον κόσμο και ως ανεξάρτητες μεταβλητές χρησιμοποιήθηκαν οι αναζητήσεις για το χαρούπι ως τροφή και ως καλλιέργεια, οι αναζητήσεις για υποκατάστατα, συμπληρωματικά και παράγωγα του χαρουπιού και οι αναζητήσεις για θέματα διατροφής και υγείας. Για την επιλογή μεταβλητών έγινε έλεγχος στασιμότητας, συνολοκλήρωσης και αιτιότητας. Για την πρόβλεψη της ζήτησης έγινε χρήση των μεθόδων GBT, SVM, Random Forest και XGBoost. Μετά την διαμόρφωση των νέων συναρτήσεων έγινε σύγκριση των μεθόδων πρόβλεψης ως προς την προβλεπτική τους ικανότητα και φαίνεται ότι από την καλύτερη ως την χειρότερη κατατάσσονται ως εξής: GBT, SVM, Random Forest και XGBoost. Επιπρόσθετα, εξετάστηκε η πιθανή αλλαγή συμπεριφοράς ως προς το ενδιαφέρον για το χαρούπι στην περίοδο της πανδημίας και φαίνεται ότι οι αναζητήσεις για τον Covid δεν προκαλούν τις εισαγωγές χαρουπιού. Μέσω της νέας συνάρτησης προτάθηκαν στρατηγικές μάρκετινγκ για την αύξηση της ζήτησης στην Κροατία και μελετήθηκε η πιθανή εφαρμογή των στρατηγικών και στην Ελλάδα. Συμπερασματικά, προτάθηκε μία νέα συνάρτηση ζήτησης με την χρήση των Google Trends βάσει μεθόδων μηχανικής μάθησης και τα αποτελέσματα χρησιμοποιήθηκαν για την διαμόρφωση στρατηγικών αγροτικού μάρκετινγκ.
Copyright © DIAS 2013
