logo SBA

ETD

Archivio digitale delle tesi discusse presso l’Università di Pisa

Tesi etd-01302017-215244


Tipo di tesi
Tesi di laurea magistrale
Autore
DEL PIVO, MARCO
URN
etd-01302017-215244
Titolo
Verso modelli predittivi di successo dei nuovi prodotti: un approccio sperimentale sui Social Network
Dipartimento
INGEGNERIA DELL'ENERGIA, DEI SISTEMI, DEL TERRITORIO E DELLE COSTRUZIONI
Corso di studi
INGEGNERIA GESTIONALE
Relatori
relatore Prof. Bonaccorsi, Andrea
correlatore Chiarello, Filippo
Parole chiave
  • Predictive Models
  • Sentiment Analysis
  • Social Network
  • Success of Product
Data inizio appello
22/02/2017
Consultabilità
Completa
Riassunto
Sommario
La crescente competitività e rapidità di cambiamento del mercato sta portando le aziende a chiedere a progettisti e ingegneri di prodotto di creare idee che incontrano al meglio i bisogni del consumatore, rendendo sempre più importante il processo di comprensione di ciò che gli utenti vogliono e desiderano. L'analisi di Big Data estratti da Social Network è ormai una pratica molto comune con un incredibile impatto strategico, che permette di valutare le immediate reazioni del mercato per poter regolare azioni di marketing e di supporto. Le metodologie di analisi viste fino ad adesso si basano su Sentiment Analysis, che mostra le reazioni degli utenti al prodotto, ma non può dire se il prodotto stia rispondendo o meno ai bisogni dell'utente. Questo lavoro di tesi si prospetta di elaborare un metodo di estrazione di contenuti strutturati attraverso un approccio sperimentale, applicando per la prima volta un software che può permettere di individuare all'interno delle conversazioni i vantaggi e gli svantaggi che gli utenti stanno riscontrando nell'utilizzo di un determinato prodotto.

Abstract
Increasing competition and rapidly changing of market is leading companies to ask designers and product engineers to create ideas that best meet consumer needs, making it increasingly important the process of understanding what users want and desire. The analysis of Big Data extracted from the Social Network is now a very common practice with an incredible strategic impact, which allows to evaluate the immediate reaction of the market to adjust marketing and support actions. The analytical methodologies seen until now are based on Sentiment Analysis, which displays the users' reactions to the product, but we can not say whether or not the product is responding to user needs. The thesis work lies ahead to develop a method of extraction of structured content through an experimental approach, applying for the first time a software that may allow the detection part of the conversations the advantages and disadvantages that users are finding in using a particular product.

File