Publicação
Decoding consumer preferences in wine : predictive analytics and machine learning in analyzing Portuguese wine consumer ratings
| datacite.subject.fos | Ciências Sociais::Economia e Gestão | pt_PT |
| dc.contributor.advisor | Bertani, Nicolò | |
| dc.contributor.author | Schneider, Lukas Florian | |
| dc.date.accessioned | 2024-04-26T15:31:39Z | |
| dc.date.available | 2024-04-26T15:31:39Z | |
| dc.date.issued | 2024-01-03 | |
| dc.date.submitted | 2024-01-01 | |
| dc.description.abstract | The increasing significance of electronic markets and platforms has revolutionized how consumers interact with and purchase products such as wine. This change provides more information availability to distinguish it from others. Consequently, it is easier to convey a distinct message for characterful products. Nevertheless, it also results in drawbacks like information overload and a loss of the ability to differentiate. This thesis uses advanced analytics to decode the most important factors for consumer preferences in the Portuguese wine market. At the same time, it addresses the challenges and opportunities presented by the information-rich environment of electronic marketplaces. Specifically, I conducted a study to identify, using predictive analytics tools, the essential qualitative product features of Portuguese wine that matter for consumer satisfaction. To do this, robust predictive models were built using individual consumer review ratings and the descriptive characteristics of Portuguese wines from the electronic marketplace and platform Vivino. Ultimately, relative feature importance was determined using Random Forest, AdaBoost, Gradient Boosting, and XGBoost. Additionally, the study incorporates user comments via topic modeling into the predictive models. As a result of this analysis, the study revealed consumer participation, user engagement, sensory perception, generalization, and price description as driving factors for consumer satisfaction. In summary, all models demonstrated similar outcomes, recommending a focus on extrinsic rather than intrinsic product attributes to differentiate from other product groups. These findings can be used further for strategic market decisions and research. | pt_PT |
| dc.description.abstract | A crescente importância dos mercados e plataformas eletrônicos revolucionou a forma como os consumidores interagem e compram produtos, especialmente o vinho. Esta mudança oferece maior disponibilidade de informação para destacar produtos únicos, mas também traz desafios como a sobrecarga de informação e perda de diferenciação. Esta tese investiga o uso de análises avançadas para decifrar os principais fatores que influenciam as preferências dos consumidores no mercado de vinhos português, abordando os desafios e oportunidades do ambiente rico em informações desses mercados. Realizei um estudo que emprega ferramentas de análise preditiva para identificar as características qualitativas essenciais do vinho português que impactam a satisfação do consumidor. Modelos preditivos robustos foram desenvolvidos usando avaliações de consumidores e características dos vinhos portugueses em mercados eletrônicos e na plataforma Vivino. Métodos como Random Forest, AdaBoost, Gradient Boosting e XGBoost ajudaram a determinar a importância relativa dessas características, incorporando também comentários dos usuários através da modelagem de tópicos. Os resultados revelaram que a participação e envolvimento do consumidor, percepção sensorial, generalização e descrição de preço são fatores cruciais para a satisfação do cliente. Todos os modelos apontaram para a necessidade de focar em atributos extrínsecos, ao invés de intrínsecos, para se diferenciar no mercado. Essas descobertas são valiosas para estratégias de mercado e pesquisas futuras. | pt_PT |
| dc.identifier.tid | 203590732 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.14/44824 | |
| dc.language.iso | eng | pt_PT |
| dc.subject | Consumer satisfaction | pt_PT |
| dc.subject | Wine analytics | pt_PT |
| dc.subject | Predictive modeling | pt_PT |
| dc.subject | Topic modeling | pt_PT |
| dc.subject | Feature importance | pt_PT |
| dc.title | Decoding consumer preferences in wine : predictive analytics and machine learning in analyzing Portuguese wine consumer ratings | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Mestrado em Análise de Dados para Gestão | pt_PT |