Πλοήγηση ανά Συγγραφέας "Markaki, Smaragda"
Τώρα δείχνει 1 - 3 of 3
Αποτελέσματα ανά σελίδα
Επιλογές ταξινόμησης
Τεκμήριο Η επίδραση του ηλεκτρονικού μάρκετινγκ στην επιλογή τουριστικού καταλύματος.(ΕΛΜΕΠΑ, Σχολή Επιστημών Διοίκησης και Οικονομίας (ΣΕΔΟ), Τμήμα Διοικητικής Επιστήμης και Τεχνολογίας, 2025-05-02) Γιαννόπουλος, Χρήστος; Giannopoulos, Christos; Παπαδάκης, Γιώργος; Papadakis, Giorgos; Μαρκάκη, Σμαράγδα; Markaki, SmaragdaΜια τουριστική επιχείρηση, όπως είναι μια μονάδα φιλοξενίας, θα πρέπει να κατανοεί τις πραγματικές απόψεις και απαιτήσεις των πελατών και να δημιουργεί μια ισχυρή εικόνα για την επωνυμία της που θα την διαφοροποιεί από άλλες ανταγωνιστικές επιχειρήσεις. Ένας επισκέπτης δεν αγοράζει απλά έναν τουριστικό προϊόν με τις λειτουργικές απαιτήσεις που θα ήθελε, αλλά χρειάζεται να έχει το προϊόν ή η επωνυμία μια διακριτή εικόνα ικανή να του δημιουργήσει μια πρόθεση αγοράς. Για να συμβεί αυτό θα πρέπει κάθε τουριστικό προϊόν να ελέγχεται σχολαστικά για την ποιότητα του. Μόλις επιβεβαιωθεί η ποιότητα του προϊόντος, το Word-of Mouth της μάρκας θα καθιερωθεί και η τουριστική επιχείρηση θα λάβει υψηλή φήμη και υψηλή αξιολόγηση. Αυτό συνεπάγεται ότι τα σχετικά έξοδα διαφήμισης και μάρκετινγκ θα μειωθούν κατά την προώθηση νέων τουριστικών προϊόντων ή την διατήρηση αυτών που ήδη υπάρχουν για μια ακόμη περίοδο. Εκτός όμως από την πραγματική ποιότητα όσων παρέχονται, μια τουριστική επιχείρηση θα πρέπει να δίνει προσοχή και στην αντιληπτή αξία των υπηρεσιών, να επικεντρώνεται δηλαδή σε λογικές τιμές και να επιδιώκει την συμφωνία του πελάτη για τις υπηρεσίες του προϊόντος. Χρειάζεται επομένως, οι απαιτήσεις των καταναλωτών για τουριστικά προϊόντα να γίνονται κατανοητές με σαφήνεια και τα τουριστικά προϊόντα ή οι υπηρεσίες που προσφέρονται, προκειμένου να ικανοποιηθούν οι ανάγκες τους, να αξιολογούνται θετικά από διαφορετικές ομάδες πελατών.Τεκμήριο Η κοινωνική δικτύωση των μικρών-μικρομεσαίων επιχειρήσεων εν μέσω πανδημίας.(ΕΛΜΕΠΑ, Σχολή Επιστημών Διοίκησης και Οικονομίας (ΣΕΔΟ), Τμήμα Διοικητικής Επιστήμης και Τεχνολογίας, 2024-06-07) Δριμισκιανάκη, Αμαλία; Drimiskianaki, Amalia; Παπαμιχελάκη, Ελισάβετ; Papamichelaki, Elisavet; Μαρκάκη, Σμαράγδα; Markaki, SmaragdaΗ πανδημία του κορονοϊού (COVID-19) έχει προκαλέσει τεράστιες διαταραχές στη ζωή και τα μέσα διαβίωσης των ανθρώπων σε όλο τον κόσμο, γεγονός που είχε καταστροφικό αντίκτυπο στην οικονομία όλου του κόσμου. Η πανδημία δεν προκάλεσε μόνο μια επείγουσα κατάσταση έκτακτης ανάγκης όσον αφορά τη δημόσια υγεία, αλλά είχε επίσης μακροπρόθεσμες επιπτώσεις τόσο στην οικονομία όσο και στην κοινωνία. Προκάλεσε την αποτυχία σημαντικού αριθμού εταιρειών, τόσο μεγάλων όσο και μικρών, γεγονός που είχε ως αποτέλεσμα την απώλεια θέσεων εργασίας για εκατομμύρια εργαζόμενους. Επιπλέον, οδήγησε σε έλλειψη πρόσβασης σε επαρκείς προμήθειες τροφίμων και έθεσε τον κίνδυνο να βυθιστεί ένας ακόμη μεγαλύτερος αριθμός ανθρώπων στη φτώχεια. Οι επιπτώσεις της πανδημίας στις μικρές επιχειρήσεις ήταν ποικίλες ανάλογα με τον κλάδο και τις γεωγραφικές θέσεις. Για παράδειγμα, οι εταιρείες στον κλάδο της φιλοξενίας και του τουρισμού έχουν πληγεί ιδιαίτερα σκληρά λόγω της μείωσης των καταναλωτικών δαπανών και των ταξιδιών. Εν τω μεταξύ, ορισμένες μικρότερες εταιρείες στους τομείς της τεχνολογίας και του ηλεκτρονικού εμπορίου ανέφεραν αύξηση της ζήτησης για τα αγαθά και τις υπηρεσίες που παρέχουν ως άμεση συνέπεια της τάσης προς την εξ αποστάσεως απασχόληση και τις ηλεκτρονικές αγορές. Στα πλαίσια της παρούσας εργασίας εξετάστηκε σε ποιο βαθμό η χρήση της τεχνολογίας και συγκεκριμένα των μέσων κοινωνικής δικτύωσης συνέβαλε στην επίλυση των προβλημάτων που δημιούργησε η πανδημία του κορονοϊού (COVID-19) στις μικρές και μικρομεσαίες επιχειρήσεις στην Ελλάδα.Τεκμήριο Ομαδοποίηση εικόνων με βάση το περιεχόμενο.(Τ.Ε.Ι. Κρήτης, Σχολή Διοίκησης και Οικονομίας (Σ.Δ.Ο), Τμήμα Διοίκησης Επιχειρήσεων (Αγ. Νικόλαος), 2019-10-24) Λασθιωτάκη, Δήμητρα; Μαρκάκη, Σμαράγδα; Lasthiotaki, Dimitra; Markaki, SmaragdaΟμαδοποίηση ή διαφορετικά “clustering” είναι η διαδικασία κατά την οποία δεδομένα κατατάσσονται σε σημασιολογικά σύμφωνες ομάδες (clusters) με βάση κάποιο μέτρο ομοιότητας. Η έννοια του “cluster” δεν μπορεί να οριστεί επακριβώς και αυτό είναι ένας απ’ τους λόγους που υπάρχουν πάρα πολλοί αλγόριθμοι ομαδοποίησης. Επίσης, δεν μπορούμε να πούμε ότι υπάρχει ένας αντικειμενικά “σωστός” αλγόριθμος που να εφαρμόζεται σε όλες τις περιπτώσεις. Οι βασικοί αλγόριθμοι ομαδοποίησης διακρίνονται σε τέσσερις κύριες κατηγορίες: τους Ιεραρχικούς Αλγόριθμους (Hierarchical Algorithms), τους Αλγόριθμους κ – κέντρου (k – means), τους Διαμεριστικούς ή Κατανεμημένους Αλγόριθμους (Distribution-based clustering) και τους Βασισμένους στην Πυκνότητα (Density-based clustering). Η ομαδοποίηση εικόνων αναφέρεται στο πρόβλημα εύρεσης της κατάλληλης αντιστοίχισης των εικόνων σε ομάδες (clusters) έτσι ώστε κάθε ομάδα να αποτελείται από εικόνες με όμοια χαρακτηριστικά. Οι τεχνικές ομαδοποίησης εικόνων μπορούν να χωριστούν σε δύο κύριες κατηγορίες, στις supervised τεχνικές οι οποίες χαρακτηρίζονται από την ανθρώπινη παρέμβαση και στις unsupervised τεχνικές. Όλες οι τεχνικές, όμως, ανεξαρτήτως κατηγορίας βασίζονται στις ομοιότητες μεταξύ των χαρακτηριστικών των εικόνων και στο πλήθος των ομάδων. Μια μορφή ομαδοποίησης εικόνων θεωρείτε και το πρόβλημα της ταξινόμησης – προσπέλασης των εικόνων μιας μεγάλης βάσης δεδομένων με βάση το περιεχόμενο, με το οποίο θα ασχοληθούμε εκτενώς στα πλαίσια της παρούσας εργασίας. Η ταξινόμηση των εικόνων με βάση το περιεχόμενο είναι στην ουσία η δημιουργία μιας διαδρομής που θα περνάει απ’ όλες της εικόνες μια μόνο φορά, με τέτοια σειρά ώστε η επόμενη από την προηγούμενη φωτογραφία να έχουν όμοιο περιεχόμενο. Το πρόβλημα αυτό μοιάζει πολύ με το πρόβλημα του “Πλανόδιου Πωλητή”, γνωστό στη βιβλιογραφία ως The Travelling Salesman Problem (TSP). Το πρόβλημα του “Πλανόδιου Πωλητή” (TSP) αναφέρεται στην εύρεση της ιδανικής και ελάχιστης διαδρομής για τον πλανόδιο πωλητή ο οποίος ξεκινώντας από την αφετηρία του, θα πρέπει να επισκεφθεί μια σειρά από πόλεις και έπειτα να επιστρέψει στην αρχική τοποθεσία έτσι ώστε η συνολική απόσταση του ταξιδιού του να είναι η ελάχιστη δυνατή και με περιορισμό να επισκεφθεί κάθε πόλη μια και μόνο φορά. Ένας από τους πρώτους αλγορίθμους που χρησιμοποιήθηκε για την επίλυση του TSP προβλήματος είναι ο αλγόριθμος του κοντινότερου γείτονα (NN algorithm). Μια άλλη ευριστική μέθοδος, επίσης, που αποδίδει καλές λύσεις στο πρόβλημα αυτό είναι η Ant Colony Optimization (ACO) η οποία χρησιμοποιεί μια προσομοίωση μιας αποικίας μυρμηγκιών και βασίζεται στη συμπεριφορά που παρατηρείτε σε πραγματικά μυρμήγκια να εντοπίζουν το συντομότερο μονοπάτι μεταξύ της εκάστοτε πηγής τροφής και της φωλιάς τους. Τέλος, μια άλλη κατηγορία αλγορίθμων που χρησιμοποιούνται ευρέως για την επίλυση τέτοιου τύπου προβλημάτων, είναι οι Γενετικοί Αλγόριθμοι που ανήκουν στην κατηγορία των μετάευρετικών (metaheuristic) αλγορίθμων και είναι εμπνευσμένοι από τη διαδικασία της φυσικής επιλογής η οποία ανήκει στην μεγαλύτερη κατηγορία των εξελικτικών αλγορίθμων (Evolutionary Algorithms – EA).