Проектно-исследовательский семинар "Анализ данных в коммуникационных проектах"

Магистратура 2018/2019

Лучший по критерию «Полезность курса для Вашей будущей карьеры»

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»

Статус: Курс обязательный (Коммуникации, основанные на данных)

Направление: 42.04.01. Реклама и связи с общественностью

Кто читает: Школа коммуникаций

Где читается: Факультет креативных индустрий

Когда читается: 1-й курс, 2-4 модуль

Формат изучения: без онлайн-курса

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

Прогр. обучения: Коммуникации, основанные на данных

Язык: русский

Кредиты: 12

Контактные часы: 144

Полная версия программы учебной дисциплины

Аннотация

Проектно-исследовательский семинар направлен на: 1) Поэтапное приобретение и усовершенствование исследовательских компетенций в области науки о данных для решения практических задач в сфере рекламы, маркетинговых коммуникаций и PR. 2) Формирование навыков управления проектами в области коммуникаций, основанных на данных. 3) Погружение в индустриальную специфику, знакомство с актуальными запросами коммуникационного рынка, получение опыта взаимодействия с заказчиками. 4) Осуществление экспертной поддержки всех форм проектной деятельности студентов в рамках образовательной программы.

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

Знает, как устроен рекламный рынок, и какие игроки его представляют, взаимодействие между участниками.
Знает, по каким метрикам бренды (компании) оценивают эффективность медиа и коммуникационных активностей.
Знает индикаторы эффективной коммуникации.
Знает современные инструменты и подходы, которые помогают рекламодателям увеличить эффективность коммуникации.
Знает, какие онлайн данные существуют, как собрать данные, как их использовать.
Знает, какие оффлайн данные существуют, как собрать данные, как их использовать.
Знает, как связывать разные типы данных.
Знает, как получить данные из открытых источников.
Знает принципы планирования рекламных активностей бренда.
Знает специфику в области обеспечения безопасности данных и существующие юридические ограничения.
Понимает специфику омниканальной коммуникации.
Имеет представление о современных тенденциях изменения потребительского поведения.
Дает определение методам, которые использует в работе с данными, понимает принцип работы и способы модификации для достижения определенных результатов и предлагать новые решения
Понимает основные направления современных научных и проектных исследований, знает, какие данные нужны, как их собрать и с помощью чего обработать для проверки гипотезы.
Владеет методами анализа данных для изучения аудитории, составления портрета пользователя. Владеет методами анализа данных в Python
Владеет методом кластеризации для анализа аудитории с помощью библиотек Python.
Применяет стандартные алгоритмы и методы анализа данных для решения прикладных задач для коммуникационной индустрии.
Представляет результаты анализа данных в формате презентации, отчета или интерактивного дэшборда ; объясняет научно-популярным языком принципы работы алгоритма, цели и задачи проекта.
Использует инструменты измерения и увеличения эффективности коммуникаций.
Понимает основные направления современных научных и проектных исследований, знает, какие данные нужны, как их собрать и с помощью чего обработать для проверки гипотезы, предлагает собственные гипотезы и составляет план проекта или научного исследования для решения своих задач.
Предлагает собственные гипотезы и составляет план проекта или научного исследования.
Знает основные направления современных научных и проектных исследований в области интеллектуального анализа текста.

Содержание учебной дисциплины

Тема 1. Экосистема рекламного (digital) рынка и его эволюция.
Как устроен рекламный рынок, и какие игроки его представляют, взаимодействие между участниками.
Тема 2. Индикаторы эффективной коммуникации.
По каким метрикам бренды (компании) оценивают эффективность медиа и коммуникационных активностей.
Тема 3. Инструменты измерения эффективности.
Обзор современных инструментов измерения эффективности маркетинговых активностей бренда.
Тема 5. Онлайн данные
Какие онлайн данные существуют, как собрать данные, как их использовать.
Тема 4. Инструменты увеличения эффективности.
Обзор современных инструментов и подходов, которые помогают рекламодателям увеличить эффективность коммуникации.
Тема 6. Оффлайн данные.
Какие оффлайн данные существуют, как собрать данные, как их использовать.
Тема 7. Онлайн + Оффлайн.
Как связывают ранее не связанные типы данных. Обзор подходов и методов. Успешные примеры.
Тема 8. Смежные источники данных и аналитики
Мониторинг открытых источников и данные социальных сетей.
Тема 10. Безопасность данных.
Безопасность данных, ограничения со стороны государства и влияние мировых рынков.
Тема 9. От медиа планирования к аудиторному планированию.
Изменение подходов к планированию рекламных активностей бренда.
Тема 11. От обезличенной коммуникации к персональной.
Решение задач кросс-девайс коммуникации и задач омниканальности.
Тема 12. Изменение потребительского поведения.
Как меняется современное потребление, и какие технологии будут актуальны через 5 лет
Тема 13. Анализ данных для решения задач рекламодателей.
Ключевые концепты, основные тренды, AdTech, Data Market, основные проблемы. Обзор инструментов Data science и их применения в маркетинге. Полезные ресурсы.
Тема 14. Первичный анализ данных.
Выгрузка и предобработка данных (GCP, bash), демонстрация основных методов Pandas, первые попытки описания аудитории, статистические сравнения групп пользователей. Демонстрация основных методов matplotlib, seaborn, plotly.
Тема 15. Задачи обучения с учителем. Как построить свой Look-a-like.
Алгоритмы классификации. Деревья решений и метод ближайших соседей. Как строится, работает, параметры и применение в реальных задачах. Линейные модели классификации и регрессии. Random Forest. Оценка эффективности алгоритмов. Построение скоринговых моделей для кук.
Тема 16. Обучение без учителя. Поиск групп среди аудитории сайта и построение персональной коммуникации.
Метод главных компонент и кластеризация. Особенности применения PCA, выбор признаков, методы и метрики качества.
Тема 17. Другие прикладные задачи анализа данных
Особенности задач, методы построения выводов, на что обратить внимание. Кредитный скоринг, задача оттока и анализ эффективности удержания, анализ результатов АБ теста. Кейсы.
Визуализация и представление результатов.
Как визуализировать отчет так, чтобы понравилось клиенту. Построение интерактивных дэшбордов. Обзор BI систем. Обзор возможностей визуализации данных в Google Studio. Практика визуализации данных в Tableau. Оформление результатов и презентация заказчику.
Тема 20. Введение в проектную работу.
Особенности реализации коммуникационных проектов, основанных на данных: бизнес-практика, кейсы. Обсуждение выбранных студентами тем курсовых работ и групповых проектов. Требования к курсовым проектам и групповой проектной работе. Согласование графика презентаций планов курсовых работ и предзащиты групповых проектов. Презентация и обсуждение планов курсовых проектов и групповых проектов. Методология анализа данных CRISP-DM.
Тема 21. Построение и проверка гипотез в интеллектуальном анализе данных.
Жизненный цикл гипотезы в интеллектуальном анализе данных. Построение гипотез. Особенности проверки гипотез при работе с большими данными. Кросс-валидация.
Тема 22. Интеллектуальный анализ текста.
Предварительная обработка текстовых данных: токены, N-граммы. Тематическое моделирование. Извлечение информации и кластеризация. Байесовская классификация текстов. Анализ тональности текстов. Глубокое обучение в интеллектуальном анализе текста. Применение интеллектуального анализа текстов для прикладных исследований в области рекламы и связей с общественностью (анализ потребительских предпочтений, оценка репутации, мониторинг трендов и др.).
Оценка эффективности рекламных кампаний.
Комплексная оценка метрик, моделирование атрибуции, эвристические и мультиканальные модели, их реализация и оценка эффективности РК.

Элементы контроля

Оауд – оценка за активность и качество аудиторной работы.
Опроект – оценка за итоговый мини-проект второго модуля.
Одз1, Одз2, Одз3 – оценки за домашние практические задания по разделам второго модуля.
Учащимся предлагается три практических задания по анализу аудитории и составлению статистических сравнений характеристик пользователей, построению базовых скоринговых моделей и кластеризации пользователей в виде тетрадок Jupyter, в которых требуется дописать свой код, и примерный набор данных к ним. В результате студенты получают заготовку для будущих исследований и лучше разбираются в алгоритмах подготовки данных, обучения и валидации моделей, формирования конечного результата и оценки качества алгоритма, учатся визуализировать результаты. Результатом домашней работы должна быть заполненная тетрадка Jupiter Notebook с комментариями о проделанной работе и полученными результатами.
Презентация плана курсового проекта
Предзащита группового проекта.
Предзащита курсового проекта
Устный экзамен
Устный экзамен по билетам. В билете по 2 вопроса, имеющих одинаковый вес. Каждый вопрос оценивается по 10-балльной шкале. Округление: арифметическое.

Промежуточная аттестация

Промежуточная аттестация (4 модуль)
В диплом выставляется результирующая оценка по учебной дисциплине: Орезульт = 0,7* Онакопл + 0,3 *·Оэкз Где: Оэкз – оценка за итоговый контроль в форме устного экзамена. Накопленная оценка рассчитывается по формуле: Онакопл = 0,4 * Опромежуточная1+ 0,3 * Опромежуточная2+ 0,3 *Опромежуточная3 где: Опромежуточная1 - оценка за второй модуль Опромежуточная2 - оценка за третий модуль Опромежуточная3 - оценка за четвёртый модуль. Промежуточная оценка за второй модуль выставляется по следующей формуле: Опромежуточная1 = 0,2*Оауд. + 0,5*Опроект + 0,1* Одз1 + 0,1*Одз2 + 0,1*Одз3. Промежуточная оценка за третий модуль выставляется по следующей формуле: Опромежуточная2 = 0,4*Оауд. + 0,3*Оплан курсовой работы + 0,3 * Опредзащита группового проекта. Промежуточная оценка за четвёртый модуль выставляется по следующей формуле: Опромежуточная3 = 0,5*Оауд. + 0,5*Опредзащита курсовой работы.

Программа дисциплины