• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Исследование поведения потребителей: Big Data и предиктивная аналитика

2021/2022
Учебный год
RUS
Обучение ведется на русском языке
4
Кредиты
Статус:
Курс по выбору
Когда читается:
2-й курс, 1 модуль

Преподаватели


Асратян Петр Ашотович

Программа дисциплины

Аннотация

Понимание поведения потребителя и процесса принятия решения о покупке на современном рынке является одним из ключевых аспектов обеспечения конкурентоспособности бизнеса. С приходом цифровой эпохи взаимодействие между покупателем и ритейлером изменилось кардинальным образом. Покупатель сталь самостоятельным в построении своего клиентского опыта, и ритейлерам необходимо найти новые механизмы привлечения клиента и обеспечения его лояльности. Кроме того, у современного ритейлера как никогда актуальными становятся задачи оптимизации процессов. И здесь ему приходят на помощь современные методы и технологии исследования цифрового следа потребителя, анализа больших данных и машинного обучения. Этим методам и технологиям и посвящается курс.
Цель освоения дисциплины

Цель освоения дисциплины

  • Формирование комплексного понимания поведения потребителей и принципов использования больших данных в исследованиях потребителя
Планируемые результаты обучения

Планируемые результаты обучения

  • Знание в чем состоит и как формируется информационный след потребителя в цифровом мире
  • Знание основ исследований потребителя и анализа данных о потребителе
  • Знание особенностей поведения потребителей в цифровой мире
  • Понимание принципов и целей использования машинного обучения бизнесом
  • Понимание принципов обработки больших данных и подходов к решение прикладных задач бизнеса с использованием больших данных
  • Понимание принципов, целей и задач использования маркетинговых экспериментов как метода изучения поведения потребителей
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Основы исследований потребителя и анализа данных о потребителе
  • Трансформация поведения потребителя в цифровом мире
  • Маркетинговый эксперимент как метод изучения поведения потребителей
  • Информационный след потребителя в цифровом мире
  • Источники больших данных: как собирают информацию о потребителе
  • Основы машинного обучения глазами бизнеса
  • Обработка больших данных и решение прикладных задач
Элементы контроля

Элементы контроля

  • неблокирующий Домашние задания
    В курсе дается 3 домашних задания, вес каждого домашнего задания в итоговой оценке - 0.2
  • блокирующий Письменная экзаменационная работа
    Экзаменационная работа включает открытые и закрытые тестовые вопросы и вопросы, требующие развернутого ответа. Реализуется с использованием компьютерных технологий. Время и порядок выполнения заданий строго регламентированы.
Промежуточная аттестация

Промежуточная аттестация

  • 2021/2022 учебный год 1 модуль
    0.4 * Письменная экзаменационная работа + 0.6 * Домашние задания
Список литературы

Список литературы

Рекомендуемая основная литература

  • Andreea Larisa BOBOC, & Daniel MOISE. (2018). Instruments Used for Marketing Experiments. Journal of Emerging Trends in Marketing and Management, 1, 129.
  • Andrew Smith. (2020). Consumer Behaviour and Analytics : Data Driven Decision Making. Routledge.
  • Artun, O., & Levin, D. (2015). Predictive Marketing : Easy Ways Every Marketer Can Use Customer Analytics and Big Data. Hoboken: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1050355
  • Belk, R. W. (2011). Research in Consumer Behavior. Emerald Group Publishing Limited.
  • BOKER, A. (2019). Machine Learning & Analytics: The Modern Key to a Positive Customer Experience. Design: Retail, 31(3), 42.
  • Close, A. (2012). Online Consumer Behavior : Theory and Research in Social Media, Advertising and E-tail. New York: Routledge. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=456120
  • Dan Siroker, & Pete Koomen. (2013). A / B Testing : The Most Powerful Way to Turn Clicks Into Customers. Wiley.
  • Davenport, T. H., Harris, J. G., Jones, G. L., Lemon, K. N., Norton, D., & McCallister, M. B. (2007). The Dark Side of Customer Analytics. Harvard Business Review, 85(5), 37–48.
  • Grigsby, M. (2016). Advanced Customer Analytics : Targeting, Valuing, Segmenting and Loyalty Techniques. London: Kogan Page. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1365518
  • Infiniti Research. (9 C.E., Winter 2019). Why Customer Journey Mapping is Important for Retailers | Read Infiniti Research’s Latest Success Story to Gather Detailed Insights. Business Wire (English).
  • Kitchens, B., Dobolyi, D., Li, J., & Abbasi, A. (2018). Advanced Customer Analytics: Strategic Value Through Integration of Relationship-Oriented Big Data. Journal of Management Information Systems, 35(2), 540–574. https://doi.org/10.1080/07421222.2018.1451957
  • Mario D’Arco, Letizia Lo Presti, Vittoria Marino, & Riccardo Resciniti. (2019). Embracing AI and Big Data in customer journey mapping: from literature review to a theoretical framework. https://doi.org/10.21511/im.15(4).2019.09
  • MCKNIGHT, C. (2017). Customer Journey Maps: A Path to Innovation and Increased Profits. EContent, 40(6), 20.
  • Pelau Corina, Stanescu Mihaela, & Serban Daniela. (2019). Big-Data and Consumer Profiles – The hidden traps of data collection on social media networks. Proceedings of the International Conference on Business Excellence, 13(1), 1070–1078. https://doi.org/10.2478/picbe-2019-0093
  • Suoniemi, S., Meyer-Waarden, L., Munzel, A., Zablah, A. R., & Straub, D. W. (2017). Use Of Big Data Analytics For Customer Relationship Management: Point Of Parity Or Source Of Competitive Advantage? https://doi.org/10.5281/zenodo.823665
  • Szabó, G., & Boykin, O. (2019). Social Media Data Mining and Analytics. Hoboken: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=nlebk&AN=1899346

Рекомендуемая дополнительная литература

  • Ares, G., & Varela, P. (2018). Methods in Consumer Research, Volume 2 : Alternative Approaches and Special Applications. Woodhead Publishing.
  • Burk, S. (2006). A Better Statistical Method for A/B Testing in Marketing Campaigns. Marketing Bulletin, 17, 1.
  • Hackett, P. (2019). Quantitative Research Methods in Consumer Psychology : Contemporary and Data Driven Approaches. New York, NY: Routledge. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1853813
  • Petra, M. M. G. (2016). Customer journey: a customer experience and decision making tool in the e-commerce context.
  • Popescu Cristian-Constantin. (2018). Improvements in business operations and customer experience through data science and Artificial Intelligence. Proceedings of the International Conference on Business Excellence, 12(1), 804–815. https://doi.org/10.2478/picbe-2018-0072
  • Solomon, M. R. (2017). Consumer Behavior: Buying, Having, and Being, Global Edition. [Place of publication not identified]: Pearson. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1490347
  • Thi Mai Le, & Shu-Yi Liaw. (2017). Effects of Pros and Cons of Applying Big Data Analytics to Consumers’ Responses in an E-Commerce Context. Sustainability, 9(5), 798. https://doi.org/10.3390/su9050798
  • Wissam Nazeer Wassouf, Ramez Alkhatib, Kamal Salloum, & Shadi Balloul. (2020). Predictive analytics using big data for increased customer loyalty: Syriatel Telecom Company case study. Journal of Big Data, 7(1), 1–24. https://doi.org/10.1186/s40537-020-00290-0