Проектно-исследовательский семинар "Анализ данных в коммуникационных проектах"

Магистратура 2023/2024

Статус: Курс обязательный

Направление: 42.04.01. Реклама и связи с общественностью

Где читается: Факультет креативных индустрий

Когда читается: 1-й курс, 1-4 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Грызунова Елена Аркадьевна, Егоров Дмитрий Владимирович, Коточигов Константин Львович, Нестер (Нестеренко) Роман Юрьевич, Суворина Татьяна Владимировна

Прогр. обучения: Коммуникации, основанные на данных

Язык: русский

Кредиты: 12

Контактные часы: 124

Полная версия программы учебной дисциплины

Аннотация

В результате успешного освоения программы проектно-исследовательского семинара студенты будут: • знать принципы работы с данными и способы модификации существующих решений для достижения результатов в области анализа коммуникационной среды; • уметь проводить медиа и аудиторное планирование; представить результат в формате презентации, отчета или интерактивного дэшборда для презентации клиенту; • владеть инструментами измерения и увеличения эффективности коммуникаций; методами анализа данных для изучения аудитории, составления портрета пользователя, оценки эффективности кампаний; статистическим анализом данных с использованием Python; инструментами визуализации данных с использованием Python, BI инструментов, презентаций.

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

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.
Дает определение методам, которые использует в работе с данными, понимает принцип работы и способы модификации для достижения определенных результатов и предлагать новые решения
Знает основные этапы методологии CRISP-DM; умеет формулировать шаги аналитического проекта в терминах методологии.
Использует инструменты измерения и увеличения эффективности коммуникаций.
Понимает основные принципы работы с текстовыми данными; умееет разрабатвать модели машинного обучения, использующие текстовые данные в качестве атрибутов.
Понимает принципы работы рекомендательных систем; умеет использовать прикладные библиотеки для разработки простых сервисов рекомендаций.
Представляет результаты анализа данных в формате презентации, отчета или интерактивного дэшборда ; объясняет научно-популярным языком принципы работы алгоритма, цели и задачи проекта.
Студент выбирает методы, подходы и инструменты для решения поставленных профессиональных задач, исходя из критического анализа существующей бизнеспрактики и обзора релевантных научных исследований.
Использует статистические методы для сравнения пользовательских групп и составления портрета аудитории.

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.
Введение в проектную работу и подготовку КР
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.
Синтез и анализ источников, обзор литературы для проектной работы
Методология анализа данных CRISP-DM.
Обработка естественного языка и интеллектуальный анализ текста.
Рекомендательные системы.
Подготовка данных для предиктивных моделей.
Коммуникационные проекты, основанные на данных.

Элементы контроля

Предзащита курсового проекта
Предварительная презентация результатов курсового проекта в рамках проектно-исследовательского семинара до основной защиты КР перед комиссией.
Домашнее задание: обработка естественного языка
Определение тональности отзыва
Домашнее задание: рекомендательная система
Сервис рекомендаций для пользователя.
Мини-проект: кластеризация посетителей сайта и выбор эффективных сегментов для РК
Построение модели атрибуции.
Обзор источников по теме курсового проекта
Обзор источников представляется в виде устного выступления и презентации.
Домашнее задание по анализу аудитории
Статистический анализ характеристик целевой аудитории коммуникационной кампании.
Домашнее задание по сегментации аудитории
Сегментация пользователей.
Презентация плана индивидуального курсового проекта.
Презентация плана курсовой работы

Промежуточная аттестация

2023/2024 4th module
0.1 * Домашнее задание по анализу аудитории + 0.1 * Домашнее задание по сегментации аудитории + 0.1 * Домашнее задание: обработка естественного языка + 0.1 * Домашнее задание: рекомендательная система + 0.2 * Мини-проект: кластеризация посетителей сайта и выбор эффективных сегментов для РК + 0.1 * Обзор источников по теме курсового проекта + 0.2 * Предзащита курсового проекта + 0.1 * Презентация плана индивидуального курсового проекта.

Программа дисциплины