Χρήση μηχανικής μάθησης για τη βελτίωση της απόδοσης του ελληνικού τουρισμού
| datacite.contributor.RelatedPerson | Μακρής, Χρήστος | |
| datacite.contributor.RelatedPerson | Χατζοπούλου, Ευαγγελία | |
| datacite.contributor.Supervisor | Ανδρικόπουλος, Αθανάσιος | |
| dc.contributor.author | Αλημίσης, Μιλτιάδης | |
| dc.contributor.other | Alimisis, Miltiadis | |
| dc.date.accessioned | 2024-07-05T10:07:54Z | |
| dc.date.available | 2024-07-05T10:07:54Z | |
| dc.date.issued | 2024-06-16 | |
| dc.degree | graduateThesis | |
| dc.description.abstract | Οι Τεχνολογίες Πληροφορικής και Επικοινωνιών (ΤΠΕ) στον τουρισμό, ξεκίνησαν μια νέα εποχή στον σύγχρονο τουρισμό και τη βιομηχανία φιλοξενίας. Οι επιχειρήσεις σε διάφορους τομείς ενδέχεται να χρησιμοποιήσουν την τεχνητή νοημοσύνη για να κλέψουν ετήσια έσοδα από τους λιγότερο ενημερωμένους ανταγωνιστές τους και δεν υπάρχει αμφιβολία για την ευρεία χρήση της τεχνητής νοημοσύνης. Υπάρχουν διάφοροι τρόποι με τους οποίους η τεχνητή νοημοσύνη (AI) χρησιμοποιείται στον τουριστικό τομέα, συμπεριλαμβανομένης της ενίσχυσης της εξατομίκευσης, της παροχής πιο συγκεκριμένων προτάσεων στους πελάτες και της διασφάλισης γρήγορων απαντήσεων ακόμη και όταν οι ανθρώπινοι χειριστές δεν είναι διαθέσιμοι. Η παρούσα εργασία με τίτλο αναλύει πώς η τεχνολογία μηχανικής μάθησης μπορεί να εφαρμοστεί για την αναβάθμιση και την εξατομίκευση των τουριστικών υπηρεσιών στην Ελλάδα, με στόχο την αύξηση της αποδοτικότητας και της ικανοποίησης των επισκεπτών. Η εργασία εστιάζει στην ανάλυση δεδομένων που συλλέγονται από διάφορες πηγές, όπως κριτικές σε online πλατφόρμες, δημογραφικά στοιχεία, προτιμήσεις και συμπεριφορές των τουριστών, με σκοπό την προσφορά προσαρμοσμένων τουριστικών πακέτων, βελτιωμένων υπηρεσιών φιλοξενίας και προσωποποιημένων εμπειριών. Μέσα από την εφαρμογή αλγορίθμων μηχανικής μάθησης, η εργασία εξετάζει την αναγνώριση προτύπων και τάσεων, την πρόβλεψη της ζήτησης για συγκεκριμένους προορισμούς και τη διαμόρφωση στρατηγικών μάρκετινγκ που στοχεύουν στην προσέλκυση νέων επισκεπτών και την παροχή αξέχαστων εμπειριών. Αναλύεται επίσης η σημασία της διαχείρισης της φήμης online και η ανάπτυξη εξατομικευμένων στρατηγικών επικοινωνίας με βάση τα δεδομένα. Η εργασία καταλήγει στην ανάγκη για συνεχή εκπαίδευση των αλγορίθμων με νέα δεδομένα, ώστε να εξασφαλιστεί η δυνατότητα προσαρμογής σε μεταβαλλόμενες τουριστικές τάσεις και προτιμήσεις. Η έρευνα υπογραμμίζει την προστιθέμενη αξία που μπορεί να προσφέρει η μηχανική μάθηση στον τομέα του τουρισμού, καθιστώντας την Ελλάδα πιο ανταγωνιστικό προορισμό με βελτιωμένη εμπειρία για τους επισκέπτες. | |
| dc.description.translatedabstract | Information and Communication Technologies (ICT) in tourism have ushered in a new era in the modern tourism and hospitality industry. Businesses in various industries may use AI to steal annual revenue from their less informed competitors, and there is no doubt about the widespread use of AI. There are several ways in which artificial intelligence (AI) is being used in the tourism sector, including enhancing personalization, providing more specific recommendations to customers, and ensuring quick responses even when human operators are not available. The present paper analyzes how machine learning technology can be applied to upgrade and personalize tourism services in Greece, with the aim of increasing efficiency and visitor satisfaction. The work focuses on the analysis of data collected from various sources, such as reviews on online platforms, demographics, preferences, and behaviors of tourists, to offer customized tourism packages, improved hospitality services and personalized experiences. Through the application of machine learning algorithms, the work looks at identifying patterns and trends, predicting demand for specific destinations, and formulating marketing strategies aimed at attracting new visitors and providing memorable experiences. The importance of online reputation management and the development of personalized communication strategies based on data is also discussed. The work concludes on the need for continuous training of algorithms with new data, to ensure the ability to adapt to changing tourist trends and preferences. The research highlights the added value that machine learning can bring to the tourism sector, making Greece a more competitive destination with an improved experience for visitors. | |
| dc.identifier.uri | https://hdl.handle.net/10889/27411 | |
| dc.language.iso | el | |
| dc.subject | Μηχανική μάθηση | |
| dc.subject | Τουρισμός | |
| dc.subject | Ελλάδα | |
| dc.subject | Ανάλυση δεδομένων | |
| dc.subject | Προσαρμοσμένες υπηρεσίες | |
| dc.subject | Προσωποποιημένες εμπειρίες | |
| dc.subject | Αλγόριθμοι | |
| dc.subject | Πρόβλεψη ζήτησης | |
| dc.subject | Στρατηγικές μάρκετινγκ | |
| dc.subject | Διαχείριση φήμης | |
| dc.subject.alternative | Machine learning | |
| dc.subject.alternative | Tourism | |
| dc.subject.alternative | Greece | |
| dc.subject.alternative | Data analysis | |
| dc.subject.alternative | Customized services | |
| dc.subject.alternative | Personalized experiences | |
| dc.subject.alternative | Algorithms | |
| dc.subject.alternative | Demand forecasting | |
| dc.subject.alternative | Marketing strategies | |
| dc.subject.alternative | Reputation management | |
| dc.title | Χρήση μηχανικής μάθησης για τη βελτίωση της απόδοσης του ελληνικού τουρισμού | |
| dc.title.alternative | Using machine learning to improve the performance of Greek tourism |