JP2018 - Profilazione di utenti da grandi quanitità di dati eterogenei mediante machine learning per l'innovazione digitale di enti fieristici

Data inizio
1 settembre 2019
Durata (mesi) 
24
Dipartimenti
Informatica
Responsabili (o referenti locali)
Menegaz Gloria
Parole chiave
JOINT PROJECTS, DIGITAL INNOVATION, DATA SCIENCE, BIG DATA MINING, MACHINE LEARNING, INTELLIGENT SYSTEMS, MULTIMEDIA, MARKETING AND NEUROMARKETING, CUSTOMER PROFILING

OBIETTIVI
Questo progetto mira all'innovazione digitale degli enti fieristici in conformità all'iniziativa "Digitizing European Industry" promossa da H2020 ed in particolare alla definizione formale e all'implementazione di profili multimediali degli utenti al fine di informare i processi decisionali a livello di management e ideare modelli di business e marketing innovativi.

PROCEDIMENTO
A tal fine, I “big-data”, in generale eterogenei e frammentati, raccolti sia attraverso l'infrastruttura fisica che attraverso l'accesso al Web, saranno analizzati utilizzando metodi di “machine learning” ad-hoc per la creazione di modelli di profili utente in sinergia con esperti di marketing che verranno poi convalidati sul campo seguendo opportune metriche di performance definite nel corso del progetto in relazione a specifici eventi (ad esempio Vinitaly). L’elemento chiave del progetto è la profilazione multimediale, che costituisce l’elemento piu fortemente innovativo del progetto, corredata dagli strumenti tecnologici che la rendono attuabile. Tutti gli attori coinvolti nella mostra, espositori e visitatori, verranno tracciati sia nella dimensione fisica che in quella Web, in conformità con la normativa sulla privacy e sulla protezione dei dati (Regolamento UE 2016/679). La singergia con gli esperti di marketing garantirà la sinergia tra le sezioni ICT e di business ai fini di un migliore monitoraggio e ottimizzazione del processo grazie al feedback fornito da entrambi, potenzialmente portando Veronafiere ad una posizione di leadership nel settore.

RISULTATI
L’approccio sarà multidisciplinare e multimodale: tecnologie avanzate relative a big-data e deep learning verranno applicate a grandi quantita di dati frammentati ed eterogenei (in quanto provenienti sia dalla rete di sensori che dalla navigazione Web) per inferire modelli comportamentali che verranno utilizzati per informare i processi di decision-making e proporre nuove strategie di marketing e misure per la quantificazione della performance.

MAIN PARTNER
Veronafiere SPA 
HUMATIC s.r.l. 
Liverpool Hope University

Enti finanziatori:

Finanziamento: assegnato e gestito dal Dipartimento

Partecipanti al progetto

Gloria Menegaz
Professore ordinario
Aree di ricerca coinvolte dal progetto
Sistemi intelligenti
Artificial intelligence

Attività

Strutture