AliAmvra-Mejorando la Experiencia del Cliente a través de la Aplicación de Técnicas de Aprendizaje Automático para la Evaluación y Análisis de Datos de Encuestas
Autores: Mpouziotas, Dimitris; Besharat, Jeries; Tsoulos, Ioannis G.; Stylios, Chrysostomos
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
AliAmvra-Mejorando la Experiencia del Cliente a través de la Aplicación de Técnicas de Aprendizaje Automático para la Evaluación y Análisis de Datos de Encuestas
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Proyecto
AliAmvra
Capturas de alta calidad
Golfo de Amvrakikos
Plan integrado
Identidad empresarial
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
AliAmvra es un proyecto desarrollado para explorar y promover las capturas de alta calidad del Golfo de Amvrakikos (GP) en las regiones más amplias de Artas. Además, este proyecto tenía como objetivo implementar un plan de acción integrado para formar una identidad empresarial con alto valor añadido y lograr servicios empresariales integrados adaptados a las características especiales de la zona. El plan de acción para este proyecto consistió en buscar activamente nuevos mercados, crear una identidad colectiva para los productos, promover su calidad y valor añadido, participar en exposiciones gastronómicas y de degustación, acciones de difusión y publicidad, así como mejorar la calidad de los productos y mercados en función de las necesidades del cliente. El enfoque principal de este estudio es observar y analizar los datos obtenidos de varias exposiciones de degustación del proyecto AliAmvra, con el objetivo de mejorar la experiencia del cliente y la calidad del producto. Se realizó un análisis extenso para este estudio mediante la recopilación de datos a través de encuestas que tuvieron lugar en los gastronómicos del proyecto AliAmvra. Nuestro objetivo era realizar dos tipos de revisiones, una centrada en el análisis de datos y la otra en la evaluación de algoritmos impulsados por modelos. Cada revisión utilizó una encuesta con una estructura individual, cada una con un propósito diferente. Además, nuestra revisión del modelo centró su atención en desarrollar un sistema de recomendación robusto con dichos datos. Los algoritmos que evaluamos fueron MLP (perceptrón multicapa), RBF (función de base radial), GenClass, NNC (construcción de red neuronal) y FC (construcción de características), que se utilizaron para la implementación del sistema de recomendación. Como nuestro veredicto final, determinamos que FC (construcción de características) tuvo el mejor rendimiento, presentando la tasa de clasificación más baja del 24.87%, mientras que el algoritmo que tuvo el peor rendimiento en promedio fue RBF (función de base radial). Nuestro objetivo final era mostrar y expandir el trabajo realizado en el proyecto AliAmvra a través de este análisis.
Descripción
AliAmvra es un proyecto desarrollado para explorar y promover las capturas de alta calidad del Golfo de Amvrakikos (GP) en las regiones más amplias de Artas. Además, este proyecto tenía como objetivo implementar un plan de acción integrado para formar una identidad empresarial con alto valor añadido y lograr servicios empresariales integrados adaptados a las características especiales de la zona. El plan de acción para este proyecto consistió en buscar activamente nuevos mercados, crear una identidad colectiva para los productos, promover su calidad y valor añadido, participar en exposiciones gastronómicas y de degustación, acciones de difusión y publicidad, así como mejorar la calidad de los productos y mercados en función de las necesidades del cliente. El enfoque principal de este estudio es observar y analizar los datos obtenidos de varias exposiciones de degustación del proyecto AliAmvra, con el objetivo de mejorar la experiencia del cliente y la calidad del producto. Se realizó un análisis extenso para este estudio mediante la recopilación de datos a través de encuestas que tuvieron lugar en los gastronómicos del proyecto AliAmvra. Nuestro objetivo era realizar dos tipos de revisiones, una centrada en el análisis de datos y la otra en la evaluación de algoritmos impulsados por modelos. Cada revisión utilizó una encuesta con una estructura individual, cada una con un propósito diferente. Además, nuestra revisión del modelo centró su atención en desarrollar un sistema de recomendación robusto con dichos datos. Los algoritmos que evaluamos fueron MLP (perceptrón multicapa), RBF (función de base radial), GenClass, NNC (construcción de red neuronal) y FC (construcción de características), que se utilizaron para la implementación del sistema de recomendación. Como nuestro veredicto final, determinamos que FC (construcción de características) tuvo el mejor rendimiento, presentando la tasa de clasificación más baja del 24.87%, mientras que el algoritmo que tuvo el peor rendimiento en promedio fue RBF (función de base radial). Nuestro objetivo final era mostrar y expandir el trabajo realizado en el proyecto AliAmvra a través de este análisis.