Data Driven Online Marketing

2021/2022

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

Бердников Илья Евгеньевич

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

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

Содержание учебной дисциплины

• Источники получения «больших данных»
• Онлайн данные и принципы идентификации пользователей
• Офлайн данные и принципы идентификации пользователей
• Сбор, хранение, анализ и сегментация данных
• Принцип передачи онлайн и офлайн данных между платформами
• Технологии работы и управления данными
• Первичный анализ данных
• Аудиторное планирование
• Построение эффективной дата стратегии
• Связь онлайн и офлайн данных
• Решение задачи омниканальности
• Работа с текстовыми данными
• Использование данных для персонализированной коммуникации
• Использование данных для маркетинговых и бизнес-задач
• Метрики оценки успешной коммуникации
• Правовые аспекты работы с большими данными

Элементы контроля

• Оценка за активность на занятиях
  При наличии подтверждённой уважительной причины совокупная оценка рассчитывается без учёта пропущенной формы контроля.
• Экзамен
  "Автомат" не предусмотрен. Экзамен проводится в письменной форме на платформе Google Forms (https://docs.google.com/forms/). Продолжительность экзамена: 80 минут. К экзамену необходимо подключиться за 5 минут до начала. Компьютер студента должен удовлетворять требованиям: наличие рабочей камеры и микрофона, поддержка Google Forms / Google hangouts. Форма заданий подразумевает ответы на 10 открытых вопросов по материалам лекций и семинаров. Во время экзамена студентам разрешено: пользоваться собственными письменными конспектами.
• Домашнее задание
  Формат задания и дедлайн выполнения сообщается преподавателем дополнительно.

Промежуточная аттестация

• 2021/2022 учебный год 3 модуль
  0.3 * Оценка за активность на занятиях + 0.4 * Экзамен + 0.3 * Домашнее задание

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