Data Driven Online Marketing

2019/2020

Academic Year

RUS

Instruction in Russian

4

ECTS credits

Delivered at:

School of Communication

Course type:

Elective course

When:

4 year, 2, 3 module

Instructor

Egorov, Dmitry

Программа дисциплины

Аннотация

Основная цель курса – предоставить студентам возможность самостоятельно пройти путь анализа данных. В итоге освоения курса студенты должны будут изучить механизмы анализа данных, построения метрик и управления процессом. Научиться определять показатели эффективности. В ходе курса планируется привлечение специалистов ежедневно работающих с данными и имеющими богатый опыт построения маркетинговых воронок, основанных на данных.

Цель освоения дисциплины

• Сформировать у студентов фундаментальное представление основ работы с большими данными, как с точки зрения понимания работы ключевых рекламных и маркетинговых технологий, так и с точки зрения основных источников получения онлайн и офлайн данных, а также принципов использования алгоритмов машинного анализа данных для решения конкретных задач бизнеса.

Планируемые результаты обучения

• Понимает основные направления современных научных и проектных исследований, знает, какие данные нужны, как их собрать и с помощью чего обработать для проверки гипотезы.
• Владеет ключевыми определениями. Корректно определяет и выбирает источники сбора онлайн и офлайн данных.
• Владеет ключевыми определениями. Умеет ориентироваться в технических аспектах идентификации пользователя.
• Знает технические основы сбора данных в онлайн и офлайн среде. Понимает принцип работы наиболее популярных алгоритмов анализа и сегментации данных.
• Владеет ключевыми определениями. Знает технические основы процесса приема / передачи данных между технологическими платформами.
• Владеет ключевыми определениями. Понимает принцип работы платформ управления данными. Обладает практическими навыками работы внутри платформ такого рода.
• Владеет ключевыми определениями. Понимает ключевые особенности и подходы аудиторного планирования онлайн коммуникации.
• Владеет ключевыми определениями. Понимает технические аспекты единой работы с онлайн и офлайн данными.
• Владеет ключевыми определениями. Понимает технические аспекты централизованного использования данных для коммуникации и построения сквозной аналитики.
• Владеет ключевыми определениями. Умеет выбирать источники для сбора текстовых данных, понимает основные алгоритмы их анализа.
• Владеет ключевыми определениями. Понимает технические возможности платформ и умеет формировать триггеры для адаптации рекламных сообщений и построения узкотаргетированных коммуникаций.
• Владеет ключевыми определениями. Понимает основные маркетинговые и бизнес задачи и умеет формировать план действий для их решения.
• Владеет ключевыми определениями. Понимает ключевые метрики оценки эффективности, а также основные модели комплексной оценки.
• Владеет ключевыми определениями. Понимает легальные принципы работы с данными.
• Владеет ключевыми определениями. Понимает практические основы формирования дата стратегии, умеет корректно ставить задачу и прогнозировать ожидаемые результаты.

Содержание учебной дисциплины

• Источники получения «больших данных»
  Обзор AdTech индустрии как одного из важнейших источников получения "больших данных" для последующего анализа и использования в онлайн маркетинговых активностях. Обзор основных типов данных: аналитические данные рекламных инструментов, текстовые данные, обезличенные идентификаторы пользователей в онлайн и офлайн среде. Задача связи различных типов данных для использования в маркетинговых активностях.
• Онлайн данные и принципы идентификации пользователей
  Обзор основ идентификации пользователя в онлайн среде, сильные и слабые стороны идентификаторов. Обзор основных источников получения онлайн данных.
• Офлайн данные и принципы идентификации пользователей
  Обзор основ идентификации пользователя в офлайн среде, сильные и слабые стороны идентификаторов. Обзор основных источников получения онлайн данных.
• Сбор, хранение, анализ и сегментация данных
  Описание основных подходов к сбору онлайн и офлайн данных, а также обзор основных алгоритмов машинного анализа данных для построения эффективной маркетинговой коммуникации. Возможные подходы к сегментации больших данных.
• Принцип передачи онлайн и офлайн данных между платформами
  Принцип интеграции различных платформ и обзор существующих протоколов приема/передачи данных
• Технологии работы и управления данными
  Обзор платформ управления данными и основных возможностей работы с онлайн и офлайн данными. Тренд развития Customer data platform (CDP)
• Первичный анализ данных
  Обзор основных направлений современных научных и проектных исследований, обзор основных подходов к обработке больших массивов данных и правила проверки гипотез.
• Аудиторное планирование
  Влияние больших данных на изменение основных подходов и принципов медиапланирования.
• Построение эффективной дата стратегии
  Обзор основных подходов составления стратегии работы с данными: выбор источников сбора, формирование логики сегментации данных, формирование критериев оценки.
• Связь онлайн и офлайн данных
  Обзор принципов единой работы с онлайн и офлайн данными в привязке к идентификатору пользователя.
• Решение задачи омниканальности
  Переход к единой коммуникации во всех используемых рекламных каналах, а также переход от коммуникации с устройствами пользователя к коммуникации с пользователем.
• Работа с текстовыми данными
  Обзор существующих источников текстовых данных в онлайн среде и основных подходов анализа и использования данных.
• Использование данных для персонализированной коммуникации
  Обзор технических возможностей платформ, описание подходов к формированию триггеров для адаптации рекламных сообщений и построения узкотаргетированных коммуникаций.
• Использование данных для маркетинговых и бизнес-задач
  Обзор основных задач бизнеса, решение которых возможно за счет комплексной работы с большими данными.
• Метрики оценки успешной коммуникации
  Обзор основных подходов оценки эффективности, понимание ожидаемых результатов на каждом из этапов коммуникационной воронки.
• Правовые аспекты работы с большими данными
  Безопасность данных, существующие ограничения со стороны государства и влияние мировых рынков (американский и европейский подходы работы с персональными и обезличенными данными).

Элементы контроля

• Оценка за активность на занятиях
• Экзамен
• Домашнее задание
  Формат задания и дедлайн выполнения сообщается преподавателем дополнительно.

Промежуточная аттестация

• Промежуточная аттестация (3 модуль)
  0.3 * Домашнее задание + 0.3 * Оценка за активность на занятиях + 0.4 * Экзамен

Список литературы

Рекомендуемая основная литература

• Hastie, T., Tibshirani, R., & Friedman, J. H. (2009). The Elements of Statistical Learning : Data Mining, Inference, and Prediction (Vol. Second edition, corrected 7th printing). New York: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=277008

Рекомендуемая дополнительная литература

• Foster, I., Ghani, R., Jarmin, R. S., Kreuter, F., & Lane, J. I. (2017). Big Data and Social Science : A Practical Guide to Methods and Tools. Boca Raton: Chapman and Hall/CRC. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=nlebk&AN=1353316
• Ishikawa, H. (2015). Social Big Data Mining. Boca Raton: CRC Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=964797
• Lee, H., & Sohn, I. (2015). Fundamentals of Big Data Network Analysis for Research and Industry. Chichester, UK: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1100477