Publication
A comparison between statistical and machine learning methods for retail market segmentation
| datacite.subject.fos | Ciências Sociais::Economia e Gestão | pt_PT |
| dc.contributor.advisor | Teymourifar, Aydin | |
| dc.contributor.author | Simões, Filipe da Cunha | |
| dc.date.accessioned | 2025-02-22T12:43:35Z | |
| dc.date.available | 2025-02-22T12:43:35Z | |
| dc.date.embargo | 2026-02 | |
| dc.date.issued | 2024-07-12 | |
| dc.date.submitted | 2024-03 | |
| dc.description.abstract | This study explores the dynamics of consumer behaviour in the retail sector to analyze the varied inclinations, patterns of purchase, and frameworks for making decisions among different groups of people. The study has identified six unique consumer clusters based on a thorough two different methodologies (k-means and Self-Organizing Maps (“SOMs”)). Every cluster exhibits a unique profile that demonstrates the intricacy and subtlety of customer preferences. The results show notable differences in brand loyalty, price sensitivity, and the importance of sustainability, with ramifications for customized marketing strategies. These findings have significant ramifications for retail enterprises. They emphasize how important it is for retailers to tailor their operational and marketing strategies to meet the diverse demands and wants of various consumer segments. It is recommended that retailers make use of these insights to augment customer interaction, refine inventory control, and formulate sophisticated sustainability programs that correspond with consumer preferences. In addition, the study set a direction for more research. Researching how consumer preferences vary over time and evaluating the efficacy of various marketing strategies across various demographic groups, and would be impactful in the realm. A global viewpoint and an enlarged scope would also highlight the impact of culture on buying decisions, offering a thorough understanding of consumers in various economies. | pt_PT |
| dc.description.abstract | Este estudo explora a dinâmica do comportamento do consumidor no setor retalhista para analisar as diversas inclinações, padrões de compra e estruturas de tomada de decisão entre diferentes grupos de pessoas. O estudo identificou seis clusters de consumidores únicos com base em duas metodologias distintas (k-means e Mapas Auto-Organizados ("SOMs")). Cada cluster apresenta um perfil único que demonstra a complexidade e subtileza das preferências dos clientes. Os resultados mostram diferenças notáveis na fidelidade à marca, sensibilidade ao preço e importância da sustentabilidade, com repercussões para estratégias de marketing personalizadas. Estas descobertas têm ramificações significativas para as empresas de retalho. Elas enfatizam quão importante é para os retalhistas adaptar as suas estratégias operacionais e de marketing para satisfazer as diversas exigências e desejos de diferentes segmentos de consumidores. Recomenda-se que os retalhistas aproveitem estas perceções para aumentar a interação com os clientes, refinar o controlo de inventário e formular programas de sustentabilidade sofisticados que correspondam às preferências dos consumidores. Além disso, o estudo estabeleceu uma direção para mais investigação. Investigar como as preferências dos consumidores variam ao longo do tempo e avaliar a eficácia de várias estratégias de marketing em diferentes grupos demográficos seria impactante no campo. Uma perspetiva global e um escopo alargado também destacariam o impacto da cultura nas decisões de compra, oferecendo uma compreensão completa dos consumidores em diversas economias. | pt_PT |
| dc.identifier.tid | 203885929 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.14/48234 | |
| dc.language.iso | eng | pt_PT |
| dc.subject | Self-organizing maps | pt_PT |
| dc.subject | Market segmentation | pt_PT |
| dc.subject | Clustering | pt_PT |
| dc.subject | Retail | pt_PT |
| dc.subject | Decision-making | pt_PT |
| dc.subject | Mapas auto-organizados | pt_PT |
| dc.subject | Segmentação de mercado | pt_PT |
| dc.subject | Retalho | pt_PT |
| dc.subject | Tomada de decisão | pt_PT |
| dc.title | A comparison between statistical and machine learning methods for retail market segmentation | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | embargoedAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Mestrado em Gestão | pt_PT |