Search

Dissertation submitted in partial fulfillment of the requirements for the degree of Doctor of Philosophy in the School of Production Engineering and Management of the Technical University of Crete, Greece 2019 Περίληψη: Η παρούσα διδακτορική διατριβή εξετάζει το ρόλο της εμπιστοσύνης στο νέο περιβάλλον των κοινοτήτων εμπορικού σήματος στα μέσα κοινωνικής δικτύωσης. Οι επιχειρήσεις χρησιμοποιούν τα νέα τεχνολογικά μέσα, όπως το διαδίκτυο, στην προσπάθεια τους να προσεγγίσουν υπάρχοντες και νέους πελάτες. Με την έλευση του παγκόσμιου ιστού 2.0 (Web 2.0) δημιουργήθηκαν οι κοινότητες εμπορικού σήματος στα μέσα κοινωνικής δικτύωσης. Οι κοινότητες αυτές παρουσιάζουν ορισμένα χαρακτηριστικά που τις διαφοροποιούν από τις κλασσικές κοινότητες εμπορικού σήματος (διαφορετική αλληλεπίδραση μεταξύ των μελών, δική τους γλώσσα επικοινωνίας, ιστορία και παραδόσεις της κοινότητας, μέλη βοηθούν τα άλλα μέλη στην ενσωμάτωση και παραμονή τους στην κοινότητα). Επίσης, εμφανίζουν κάποια μοναδικά χαρακτηριστικά (μοναδικό περιεχόμενο, έλλειψη ιεραρχίας μεταξύ των μελών, μια βάση μελών που αριθμεί εκατομμύρια, προσαρμοσμένο περιεχόμενο ανάλογα με τα μέλη και διαφορετική αφήγηση σύμφωνα με τις προτιμήσεις του κάθε μέλους, άμεση σύνδεση με χιλιάδες άλλες σχετιζόμενες κοινότητες εμπορικού σήματος). Τα μέλη των κοινοτήτων αυτών διαχωρίζονται σε ενεργά και σε παθητικά βάση των δραστηριοτήτων που αναπτύσσουν μέσα σε αυτές τις κοινότητες. Επίσης, στις συγκεκριμένες κοινότητες εμπορικού σήματος στα μέσα κοινωνικής δικτύωσης, τα μέλη αναπτύσσουν συναισθήματα τα οποία ενισχύουν την εμπιστοσύνη προς το προϊόν/υπηρεσία. Ακόμα τα συγκεκριμένα μέλη στις κοινότητες εμπορικού σήματος στα μέσα κοινωνικής δικτύωσης παρουσιάζουν κάποια ατομικά χαρακτηριστικά, τα οποία επηρεάζουν την αλληλεπίδραση τους μέσα στην κοινότητα και κατ’ επέκταση και την σχέση τους με την εταιρεία που υποστηρίζει η κοινότητα. Τέτοια χαρακτηριστικά είναι όπως οι προσωπικοί στόχοι που έχουν κατά την είσοδο τους σε μια αλληλεπίδραση με άλλο μέλος/η (σχεσιακή ανταλλαγή), ο ατομικός προσανατολισμός που παρουσιάζουν κατά τη διάρκεια της επικοινωνίας τους, το επίπεδο ανταπόκρισης και αμοιβαιότητας που εκδηλώνουν κατά τη διάρκεια μια σχεσιακής ανταλλαγής αλλά και το επίπεδο συμμετοχής τους στις συγκεκριμένες κοινότητες.. Η παρούσα διδακτορική διατριβή δείχνει ότι τα ατομικά χαρακτηριστικά ενός ατόμου μπορούν να επηρεάσουν το επίπεδο εμπιστοσύνης προς την εταιρεία με το αντίστοιχο εμπορικό σήμα. Πιο συγκεκριμένα, ο ατομικός προσανατολισμός και οι προσωπικοί στόχοι ενός ατόμου που επιδιώκει να επιτύχει στην αλληλεπίδρασή του με την εταιρεία επηρεάζουν το επίπεδο εμπιστοσύνης προς αυτή. Επιπλέον, η ίδια η συμμετοχή στην κοινότητα εμπορικού σήματος στα μέσα κοινωνική δικτύωσης αυξάνει περαιτέρω το επίπεδο εμπιστοσύνης προς την εταιρεία. Πρόσθετες δραστηριότητες στην κοινότητα, όπως η δημοσίευση στον τοίχο της κοινότητας εμπορικού σήματος στα μέσα κοινωνική δικτύωσης, έχει μια θετική επίδραση στο επίπεδο της εμπιστοσύνης του προς την εταιρεία με το εν λόγω εμπορικό σήμα. Επιπροσθέτως, παρατηρούμε ότι σε κάθε αλληλεπίδραση που λαμβάνει χώρα στην κοινότητα εμπορικού σήματος στα μέσα κοινωνικής δικτύωσης, εάν ένα μέλος εμφανίζει μια συμπεριφορά εμπιστοσύνης σε ένα άλλο μέλος, το τελευταίο μέλος θα ανταποδώσει περισσότερο. Αντίθετα, παρατηρείται ότι μια καινούργια αλληλεπίδραση με νέα μέλη δεν επηρεάζεται από μια προηγούμενη επιτυχημένη αλληλεπίδραση με άλλα μέλη της κοινότητας αλλά εξαρτάται περισσότερο από το εκ φύσεως επίπεδο εμπιστοσύνης που έχει το άτομο που αλληλοεπιδρά. Επιπλέον, στην παρούσα διδακτορική διατριβή, διαπιστώνεται ότι η υψηλότερη εμπιστοσύνη στην εταιρεία συνδέεται με ένα αυξημένο επίπεδο αγοραστικής πίστης. Αυτή η υψηλότερη εμπιστοσύνη προέρχεται από τη συμμετοχή στην κοινότητα εμπορικού σήματος στα μέσα κοινωνική δικτύωσης. Αυτή η αύξηση της εμπιστοσύνης στην εταιρεία, λόγω της συμμετοχής στην κοινότητα εμπορικού σήματος στα μέσα κοινωνικής δικτύωσης, φαίνεται να μειώνει την πιθανότητα ενός μέλους να σταματήσει να αγοράζει προϊόντα/υπηρεσίες από την εταιρεία με το εν λόγω εμπορικό σήμα.

Ο κόσμος συνεχώς αλλάζει εξαιτίας των νέων τεχνολογικών καινοτομιών που επινοεί η επιστήμη. Η ανάγκη για πρόβλεψη των αλλαγών που φέρνουν οι νέες καινοτομίες είναι πρωταρχικής σημασίας για την επιβίωση των οργανισμών. Οι νέες τεχνολογίες φέρνουν ταυτόχρονα ευκαιρίες αλλά και απειλές. Η μη έγκαιρη πρόβλεψη τους θα έχει ως συνέπεια ο οργανισμός να υποστεί τις αρνητικές επιπτώσεις από τις απειλές των νέων τεχνολογιών και να μην αξιοποιηθούν οι ευκαιρίες που αργά η γρήγορα θα εμφανιστούν. Οι νέες τεχνολογίες μπορεί να προκαλούν μικρές βελτιώσεις ή πολύ δραστικές αλλαγές, οι οποίες αναστατώνουν πλήρως τις υπάρχουσες δομές μιας αγοράς. Η αποτυχία πρόβλεψης, κυρίως των δραστικών τεχνολογιών, θα επιφέρει σε πολύ μικρό χρονικό διάστημα, ακόμα πιο αρνητικά αποτελέσματα στον οργανισμό. Οι δραστικές τεχνολογίες από μόνες τους δεν επιφέρουν έσοδα. Αντιθέτως, μόλις ενσωματωθούν σε ένα επιχειρηματικό μοντέλο επιφέρουν μεγάλης έκτασης αλλαγές στον τομέα και απειλούν πολλές φορές με αφάνεια ακόμα και τις μεγάλες καλά εδραιωμένες επιχειρήσεις στον τομέα. Επίσης, μια νεοεισερχόμενη επιχείρηση στην αγορά που ενσωματώνει νέες τεχνολογίες έχει ανάγκη από ένα μοντέλο που να μπορεί να προβλέψει εάν θα επιφέρει δραστικές μεταβολές στην αγορά και εάν θα καταφέρει, να παραμένει και να κατακτήσει ικανό μερίδιο της αγοράς. Η ασαφής λογική, καθώς αναπαριστά τον τρόπο που σκέπτεται το ανθρώπινο μυαλό με την χρήση λέξεων και λογικών κανόνων, μπορεί να μοντελοποιήσει αρκετά ικανοποιητικά, προβλήματα όπου κυριαρχεί η αβεβαιότητα, εξ αίτιας της αμφιβολίας, της έλλειψης πληροφοριών και των ανακριβών δεδομένων. Στην παρούσα διατριβή αποδεικνύεται ότι η ασαφή λογική έχει τα μέσα να υπολογίσει με μεγάλη επιτυχία, την αβεβαιότητα που μια δραστική τεχνολογία επιφέρει, όπως ακριβώς έχει κάνει και σε πολλούς άλλους τομείς. Αναπτύχθηκε ένα ασαφές μοντέλο έχοντας ως μεταβλητές εισόδου την «Τιμή», την «Ποιότητα-Εξυπηρέτηση», την «Ευκολία Πρόσβασης» και την «Μη εξυπηρετούμενη ανάγκη» και ως έξοδο την «Δραστική Αλλαγή», εκμαιεύοντας την γνώση των ειδικών. Αρχικά οι ειδικοί αξιολογήσαν το προτεινόμενο μοντέλο. Στην συνέχεια η αξιολόγηση έγινε με πραγματικά δεδομένα που αφορούσαν την Airbnb. Το μοντέλο προέβλεψε ότι από τον πρώτο χρόνο λειτουργείας της εταιρίας, το 2010, θα γινόταν κυρίαρχη στην αγορά καταλυμάτων, δηλαδή 7 έτη νωρίτερα από τότε που εμφανίστηκαν οι πρώτες μελέτες για την δραστική αλλαγή που επέφερε η Airbnb στην αγορά. Το Δεκέμβρη του 2020 εισήχθη στο χρηματιστήριο με αξία $87 δις, όταν η αξία της αλυσίδας ξενοδοχείων Marriot ήταν $42 δις και Hilton $29 δις., One of the main reasons businesses usually fail when (rapid or long-term) technological innovations alter markets is their inability to adapt fast and understand the effect of such innovations to existing and/or traditionally working business models. As disruptive technological innovations become the new norm, attributes of chosen disruptive technologies must be part of the enhanced (new) business model with the aim to benefit customers. This requires a radical departure from 'conventional thinking' to first identify major key factors that drive such technologies and to incorporate the effect of disruptive technologies into the new business model in almost real-time. The result is improved market status and competitiveness of companies and increased returns due to model flexibility and adjustability, as well as predictability. This thesis uses and implements a rule-based Fuzzy Inference System (FIS), an excellent tool to capture even random market phenomena. This is because of the FIS nonlinear universal approximation properties, ability to express human expert knowledge and experience by using fuzzy inference rules represented in “if-then” statements, and ability to handle, incorporate and account for accrued experimental data and a-priori knowledge before returning a solution. The proposed forecasting model is capable to model and predict the disruptiveness for a new technology itself. Results are promising; thus, this method provides a very promising support tool to companies allowing for them to face and overcome disruptive technologies threats (defending against a disruptive challenge) and to offer opportunities to their customers. Real data from Airbnb are applied to the model and the predictability success Is really satisfied.

Περίληψη: Στην παρούσα έρευνα, θα γίνει μια προσπάθεια να καταγραφούν οι προτιμήσεις της ανώτατης διοίκησης των ξενοδοχειακών μονάδων τεσσάρων και πέντε αστέρων στην κατανομή επενδυτικών πόρων για την περαιτέρω βελτίωση και επέκταση αυτών. Παράλληλα, θα ερευνηθούν τα χαρακτηριστικά που οι δυνητικοί πελάτες και οι πελάτες ξενοδοχειακών μονάδων προκρίνουν ως τα σημαντικότερα για την επιλογή ξενοδοχειακής μονάδας και για την ικανοποίηση τους από την διαμονή τους σε αυτή αντίστοιχα. Μάλιστα, θα εξεταστεί εάν τα διάφορα ατομικά χαρακτηριστικά του κάθε συμμετέχοντα στην έρευνα όπως το φύλλο ή η ηλικιακή ομάδα διαδραματίζουν κάποιο ρόλο σε διαμόρφωση και τη μεταβολή αυτών των επιλογών. Η ιεράρχηση της σημαντικότητας των διαφορών στοιχείων ενδιαφέροντος (των επενδυτικών προτεραιοτήτων για τα στελέχη της διοίκησης, των παραγόντων επιλογής καταλύματος για τους δυνητικούς πελάτες και των παραγόντων ικανοποίησης από τη διαμονή) της κάθε ομάδας (ιδιοκτητών – δυνητικών πελατών – πελατών) θα γίνει μέσα από έρευνες δομημένου ερωτηματολογίου. Σε ένα δεύτερο στάδιο, θα επιχειρηθεί η εκτίμηση της επίπτωσης ενός οικονομικού υπερ-σόκ (super-shock), όπως αυτό που προκλήθηκε από την εξάπλωση της πανδημίας του κορονοϊού, στον ξενοδοχειακό κλάδο και να εκτιμηθεί αν επέφερε στατιστικά σημαντική μεταβολή στις προτεραιότητες κατανομής επενδυτικών πόρων για τους ιδιοκτήτες των ξενοδοχειακών μονάδων, στην ιεράρχηση των παραγόντων επιλογής ξενοδοχειακών μονάδων των δυνητικών πελατών και στην σημασία των παραγόντων ικανοποίησης από τη διαμονή για τους πελάτες των ξενοδοχείων τεσσάρων και πέντε αστέρων. Ακολούθως, σε ένα τρίτο στάδιο, μέσα από στατιστικές μεθόδους ανάλυσης και μοντέλα παλινδρόμησης, θα προσπαθήσουμε να εντοπίσουμε εάν τα διάφορα ατομικά χαρακτηριστικά των συμμετεχόντων από τις τρεις ομάδες που εξετάζουμε στην έρευνα μας (ιδιοκτητών – δυνητικών πελατών – πελατών) επηρεάζουν την αντίληψη τους για τη μεταβολή των προτιμήσεων τους που επέφερε η εξάπλωσης της πανδημίας του κορονοϊού και η λήψη μέτρων παγκοσμίως για την αντιμετώπιση της καθώς και τον οικονομικό αντίκτυπο στο νέο διαμορφούμενο μετά την πανδημία περιβάλλον όπως αυτός εκφράζεται μέσα από το ύψος των επενδυτικών δαπανών και της διάρκειας και των δαπανών διακοπών σε ξενοδοχεία τεσσάρων και πέντε αστέρων αντίστοιχα. Εξ’ όσων γνωρίζουμε, η παρούσα μελέτη είναι η πρώτη που ακολουθεί αυτή την ολιστική προσέγγιση διερευνώντας ταυτόχρονα τόσο τις προτεραιότητες της πλευράς της διοίκησης των ξενοδοχειακών μονάδων όσο και τις προτιμήσεις του πελατολογίου τους καθώς, επίσης, είναι και η πρώτη έρευνα που μελετά την επίπτωση της εξάπλωσης της πανδημίας του κορονοϊού στην κατανομή των επενδυτικών πόρων από πλευράς ιδιοκτητών και στην ιεράρχηση των κριτηρίων επιλογής και ικανοποίησης από πλευράς πελατών για την διαμονή σε μια ξενοδοχειακή μονάδα τεσσάρων και πέντε αστέρων. Τα δείγματα που θα χρησιμοποιηθούν στην παρούσα έρευνα έχουν συλλεγεί από ξενοδοχειακές μονάδες τεσσάρων και πέντε αστέρων της Κρήτης, ενός κορυφαίου μεσογειακού και ευρωπαϊκού τουριστικού προορισμού. Τα αποτελέσματα της έρευνας δείχνουν ότι η εξάπλωση της πανδημίας του κορονοϊού επέφερε σημαντικές μεταβολές τόσο στις επενδυτικές προτεραιότητες όσο και στους παράγοντες επιλογής καταλύματος για αναψυχή και στους παράγοντες ικανοποίησης από τη διαμονή, καθιστώντας τη παρούσα μελέτη ένα λεπτομερή οδικό χάρτη για τους παράγοντες που μπορούν να επηρεάσουν την προσέλκυση πελατών στιςεν λόγω ξενοδοχειακές μονάδες δείχνοντας στη διοίκηση των ξενοδοχειακών μονάδων πως μπορούν αποτελεσματικά να διαφοροποιηθούν και να αποκτήσουν ένα συγκριτικό ανταγωνιστικό πλεονέκτημα υπό τις νέες συνθήκες που διαμορφώθηκαν μετά την έλευση της πανδημίας. Επίσης, φαίνεται από τα αποτελέσματα της έρευνας ότι συγκεκριμένα ατομικά χαρακτηριστικά των συμμετεχόντων όπως η ηλικιακή ομάδα ενός διευθυντικού στελέχους των ξενοδοχείων ή το οικογενειακό ετήσιο εισόδημα ενός πελάτη μπορούν να επηρεάσουν τόσο την αντίδραση τους απέναντι στις μεταβολές των παραγόντων που επέφερε η πανδημία όσο και τον οικονομικό τους αντίκτυπο (π.χ. επενδυτικές δαπάνες, δαπάνες διακοπών σε ξενοδοχεία τεσσάρων και πέντε αστέρων), προσφέροντας στα στελέχη ανθρωπίνων πόρων των ξενοδοχείων επιπλέον εργαλεία για την ανίχνευση προσωπικού καλύτερα εφοδιασμένου να αντιμετωπίσει μια μελλοντική παρόμοια κρίση και στα στελέχη μάρκετινγκ και επικοινωνίας των ξενοδοχειακών μονάδων νέους τρόπους να εξειδικεύσουν και να κάνουν πιο αποτελεσματικό το διαφημιστικό τους μήνυμα.

A dissertation submitted to the School of Production Engineering and Management at the Technical University of Crete in partial fulfilment of the requirements for the degree of Doctor of Philosophy. Summarization: This thesis is a comprehensive and complete research on bank failure prediction, as it examines various modeling aspects for obtaining improved results. The analysis is based on a comprehensive dataset of approximately 60,000 observations over an extensive period of nine years (2005-2014), and it examines different prediction horizons, for up to three years prior to failure. We explore whether the addition of variables related to the diversification of the banks’ activities, along with local effects, improves the predictability of the models. Seven popular and widely used machine-learning techniques are compared (logistic regression, support vector machines with linear and radial kernels, naïve Bayes, extreme gradient boosting, random forests and artificial neural networks) and three different classification performance metrics are calculated (AUROC, H-measure, and Kolmogorov-Smirnov metric). In order to ensure the robustness of the results, bootstrap testing is used. The results show that mid- and long-range predictions improve significantly with the addition of diversification variables. Local effects exist and further improve the results while support vector machines along with gradient boosting and random forests outperform the traditional models with the differences increasing over longer prediction horizons.