Проектно-исследовательский семинар "Анализ данных в коммуникационных проектах"

Магистратура 2025/2026

Статус: Курс обязательный (Цифровые коммуникации и продуктовая аналитика)

Где читается: Факультет креативных индустрий

Когда читается: 1-й курс, 2-4 модуль

Охват аудитории: для своего кампуса

Преподаватели: Грызунова Елена Аркадьевна, Егоров Дмитрий Владимирович, Коточигов Константин Львович, Суворина Татьяна Владимировна

Язык: русский

Кредиты: 9

Контактные часы: 100

Дополнительные материалы в LMS Задать вопрос

Аннотация

Проектно-исследовательский семинар направлен на поэтапное погружение в экосистему и аналитические методы в цифровых коммуникациях. На первом этапе студенты знакомятся с индустрией, основными трендами, кейсами, типами и источниками данных. На втором этапе студенты получают практические навыки аудиторного анализа, маркетинговой и продуктовой аналитики с использованием Python и SQL. На третьем этапе студенты применяют методы машинного обучения для обработки естественного языка, создания предиктивных моделей и рекомендательных систем при решении коммуникационных задач.

Цель освоения дисциплины

Целью дисциплины «Проектно-исследовательский семинар «Анализ данных в коммуникационных проектах» является освоение студентами аналитических и управленческих компетенций, необходимых для реализации прикладных коммуникационных проектов, основанных на данных.

Планируемые результаты обучения

Использует инструменты измерения и увеличения эффективности коммуникаций.
Представляет результаты анализа данных в формате презентации, отчета или интерактивного дэшборда ; объясняет научно-популярным языком принципы работы алгоритма, цели и задачи проекта.
Составляет запросы к базам данных в SQL
Считает и применяет метрики продуктовой аналитики.
Использует статистические методы для сравнения пользовательских групп и составления портрета аудитории.
Описывает актуальную экосистему диджитал-рынка (наполнение, ключевые игроки, функционал технических платформ).
Классифицирует инструменты измерения эффективности цифровых коммуникационных стратегий
На базовом уровне формирует коммуникационную стратегию на основе использования и анализа данных
Использует прикладные библиотеки Python для разработки простых рекомендательных систем
Отбирает признаки для предиктивной модели.
Выделяет аномалии в данных.
Разрабатывает модели машинного обучения, использующие текстовые данные.

Содержание учебной дисциплины

Тема 1. Экосистема рекламного (digital) рынка и его эволюция.
Тема 2. Индикаторы эффективной коммуникации.
Инструменты измерения эффективности.
Тема 4. Инструменты увеличения эффективности.
Онлайн-данные.
Тема 6. Оффлайн данные.
Тема 7. Онлайн + Оффлайн.
Тема 8. Смежные источники данных и аналитики
Тема 9. От медиа планирования к аудиторному планированию.
Безопасность данных.
От обезличенной коммуникации к персональной.
Тема 12. Изменение потребительского поведения.
Тема 13. Анализ данных для решения задач рекламодателей.
Базы данных и SQL
Первичный анализ данных. Сравнение пользовательских групп.
Задачи обучения с учителем. Как построить свой Look-a-like.
Обучение без учителя. Поиск групп среди аудитории сайта и построение персональной коммуникации.
Прикладные задачи и метрики продуктовой аналитики
Оценка эффективности рекламных кампаний.
Визуализация и представление результатов.
RFM-анализ для сегментации пользователей по транзакционным данным. Визуализация. Предсказание Lifetime Value пользователей.
Когортный анализ.
A/B-тестирование и эксперименты.
Особенности мобильной аналитики.
Workshop по решению задач продуктовой и маркетинговой аналитики.
Методология анализа данных CRISP-DM.
Оценивание моделей и отбор признаков.
Обработка естественного языка и интеллектуальный анализ текста
Рекомендательные системы.

Элементы контроля

Домашнее задание по анализу аудитории
Статистический анализ характеристик целевой аудитории коммуникационной кампании.
Мини-проект: кластеризация посетителей сайта и выбор эффективных сегментов для РК
Кейс
Домашнее задание по сегментации аудитории
Домашнее задание: обработка естественного языка
Домашнее задание: рекомендательная система

Промежуточная аттестация

2025/2026 4th module
0.15 * Домашнее задание по анализу аудитории + 0.15 * Домашнее задание по сегментации аудитории + 0.2 * Домашнее задание: обработка естественного языка + 0.2 * Домашнее задание: рекомендательная система + 0.15 * Кейс + 0.15 * Мини-проект: кластеризация посетителей сайта и выбор эффективных сегментов для РК

Список литературы

Авторы

Суворина Татьяна Владимировна
Коточигов Константин Львович
Грызунова Елена Аркадьевна
Егоров Дмитрий Владимирович

Программа дисциплины