BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//TUC//Events//EN
CALSCALE:GREGORIAN
BEGIN:VTIMEZONE
TZID:Europe/Athens
TZNAME:EEST
DTSTART:19700329T030000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0300
TZNAME:EET
DTSTART:19701025T040000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
CREATED:20260827T105722Z
LAST-MODIFIED:20260827T105722Z
DTSTAMP:20261014T044818Z
UID:1791942498@tuc.gr
SUMMARY:Παρουσίαση μεταπτυχιακής εργασίας κ.
  ΚΟΥΡΕΜΠΗ ΕΥΘΥΜΙΑΣ ΜΑΡΙΑΣ, σχολή ΜΠΔ
LOCATION:
DESCRIPTION:https://www.tuc.gr/el/to-polytechnei
 o/ilektronikes-ypiresies/imerologio/
 imerologio-ekdiloseon-1?tx_tucevents
 2_tuceventsdisplay%5Baction%5D=show&
 tx_tucevents2_tuceventsdisplay%5Bcon
 troller%5D=Event&tx_tucevents2_tucev
 entsdisplay%5Bevent%5D=8645&cHash=ca
 5a397770fe517b8f2562ab5f886e2b\nΠΟΛΥ
 ΤΕΧΝΕΙΟ ΚΡΗΤΗΣ\n Σχολή Μηχανικών Παρ
 αγωγής και Διοίκησης\n Πρόγραμμα Μετ
 απτυχιακών Σπουδών\n Διοίκηση Επιχει
 ρήσεων\n  \n ΠΑΡΟΥΣΙΑΣΗ ΜΕΤΑΠΤΥΧΙΑΚΗ
 Σ ΕΡΓΑΣΙΑΣ\n Τετάρτη, 9 Σεπτεμβρίου 
 2026, 12:00\n https://tuc-gr.zoom.us
 /j/5741492636?pwd=MTE1QnR5c1JjM3UxZU
 o3SU84SWJQUT09 Meeting ID: 574 149 2
 636 Password: 367117\n Ονοματεπώνυμο
 : ΚΟΥΡΕΜΠΗ ΕΥΘΥΜΙΑ ΜΑΡΙΑ\n Θέμα: Ανά
 λυση Ικανοποίησης Πελατών με χρήση Μ
 εθόδων Πολυκριτήριας Ανάλυσης αποφάσ
 εων και Μηχανικής Μάθησης\n Title: C
 ustomer Satisfaction Analysis using 
 Multi-Criteria Decision Analysis and
  Machine Learning Methods\n Εξεταστι
 κή Επιτροπή\n \n \nΜΑΤΣΑΤΣΙΝΗΣ ΝΙΚΟΛ
 ΑΟΣ, Ομότιμος Καθηγητής (επιβλέπων)\
 n \nΣΙΣΚΟΣ ΕΛΕΥΘΕΡΙΟΣ, Επίκουρος Καθ
 ηγητής\n \nΦΑΦΑΛΙΟΣ ΠΑΥΛΟΣ, Επίκουρο
 ς Καθηγητής\n \n Περίληψη\n Η παρούσ
 α διπλωματική εργασία αποσκοπεί στην
  διαμόρφωση μιας μεθοδολογία για την
  μέτρηση και ανάλυση της συμπεριφορά
 ς των πελατών Σούπερ Μάρκετς (ΣΜ). Κ
 ύριος στόχος είναι η μελέτη των παρα
 γόντων που επηρεάζουν και διαμορφώνο
 υν το βαθμό ικανοποίησης των πελατών
  των σούπερ μάρκετς βασιζόμενοι στην
  ανάλυση της συμπεριφοράς τους μετά 
 την αγορά ούτως ώστε τα ΣΜ να αναπρο
 σαρμόζουν τις στρατηγικές μάρκετινγκ
  και εξυπηρέτησής τους. Η έρευνα θα 
 βασιστεί σε πρωτογενή δεδομένα που θ
 α συλλεχθούν μέσω ειδικά διαμορφωμέν
 ου ερωτηματολογίου. Μετά την συγκέντ
 ρωση και προεπεξεργασία των δεδομένω
 ν, θα εφαρμοστεί μια μέθοδος μηχανικ
 ής μάθησης για την ομαδοποίηση (τμημ
 ατοποίηση) των καταναλωτών σε ομοιογ
 ενείς ομάδες με παρόμοιες συμπεριφορ
 ές. Ακολούθως, σε κάθε ομάδα πελατών
 /καταναλωτών, θα εφαρμοστεί η πολυκρ
 ιτηριακή μέθοδος MUSA, με στόχο να μ
 ετρηθούν και αξιολογηθούν τα ποιοτικ
 ά χαρακτηριστικά ικανοποίησής τους κ
 αι να εντοπιστούν τα κρίσιμα σημεία 
 βελτίωσης και δράσης. Η προτεινόμενη
  συνδυαστική χρήση των δύο μεθόδων φ
 ιλοδοξεί να αποτελέσει μια αξιόπιστη
  και πρακτικά αξιοποιήσιμη μεθοδολογ
 ία ανάλυσης της ικανοποίησης καταναλ
 ωτών για τον συγκεκριμένο κλάδο επιχ
 ειρήσεων.\n
STATUS:CONFIRMED
ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr
DTSTART:20260909T120000
DTEND:20260909T130000
TRANSP:OPAQUE
CLASS:DEFAULT
END:VEVENT
END:VCALENDAR