Course Syllabus
Obiettivi
Questo corso è rivolto a tutti gli studenti con una forte passione per il mondo della Data Science e il Marketing. Si tratta di un corso che raccoglie al suo interno la definizione di tutte le principali metodologie in ambito Advanced Analytics e Artificial Intelligence legate al mondo del Marketing. Inoltre, il corso è volto a comprendere i fondamentali principi dell’intero ciclo di vita per lo sviluppo di applicazioni data-driven e gli strumenti necessari per abilitare una trasformazione di marketing data driven in tutte le organizzazioni aziendali.
Contenuti sintetici
Introduzione al marketing con un approccio data-driven : in questa sezione del corso vengono introdotti i concetti di base necessari allo svolgimento dell’analisi di marketing quantitativa.
Approfondimento metodologico dei modelli in chiave cliente, prodotto ed engagement: in questa sezione viene effettuato un approfondimento metodologico sulle modalità di disegno, sviluppo e interpretazione dei dati dei principali modelli di Advanced Analytics e Artificial Intelligence in chiave cliente, prodotto e ottimizzazione dei canali di marketing. Ciascun tema viene approfondito tramite una spiegazione di dettaglio delle logiche sottese al modello in analisi e da una esercitazione pratica disponibile nella piattaforma digitale.
Valutazione delle principali attività di marketing: in questa sezione vengono approfondite le logiche di valutazione della performance delle campagne e del customer journey digitale attraverso l’analisi delle principali metriche e lo sviluppo di modelli per la misurazione dell’impatto sul fatturato e sul ritorno sull’investimento (ROI)
Programma esteso
SEZIONE 1 - Introduzione al marketing con un approccio data-driven
CAP. 1 - Valorizzazione delle attività di marketing attraverso un approccio data-driven
CAP. 2 - La tecnologia come abilitatore del marketing per l’analisi dei dati
CAP. 3 - Architetture cloud e stack tecnologici per il marketing
CAP. 4 - Datalake, containers e microservices
CAP. 5 - Introduzione all'utilizzo di Python per le analisi di marketing
SEZIONE 2 - Approfondimento metodologico dei modelli in chiave cliente, prodotto ed engagement
CAP. 6 - Principali approcci metodologici in chiave customer centrica
CAP. 7 - La segmentazione deterministica (RFM)
CAP. 8 - La segmentazione comportamentale (Cluster Analysis)
CAP. 9 - I modelli di churn e di repurchase
CAP. 10 - Il modello di Customer Life Time Value (CLTV)
CAP. 11 - Misurazione della Customer Satisfaction
CAP. 12 – Neuromarketing e Artificial Intelligence
CAP. 13 - Principali approcci metodologici per le analisi in chiave prodotto
CAP. 14 - Principali algoritmi per la definizione di regole associative
CAP. 15 - Modelli di sensibilità al prezzo
CAP. 16 - Propensione all’acquisto di un prodotto o categoria di prodotti
CAP. 17 - L’ottimizzazione dei canali e delle comunicazioni di marketing
CAP. 18 - Modelli per il riconoscimento di oggetti all’interno delle immagini
CAP. 19 – Elaborazione del linguaggio naturale (NLP)
SEZIONE 3 - Valutazione delle principali attività di marketing
CAP. 20 - Principali approcci alla misurazione delle attività di marketing
CAP. 21 - Metodologie per la misurazione delle attività di marketing
CAP. 22 - Il modello di attribution
CAP. 23 - Il modello di marketing mix
Prerequisiti
Conoscenza linguaggio Python per gli Studenti di Data Science
Modalità didattica
Lezioni in aula, discussioni, filmati, esercizi facoltativi. Testimonianze in aula di professionisti di spicco del marketing.
Materiale didattico
Titolo del libro: Advanced Analytics e Artificial Intelligence per il Marketing: casi e applicazioni
Autori: Sergio Suriano, Nico Di Domenica, Marco Fusi, Luigi Capone
Casa Editrice PEARSON
Titolo del libro: Digital marketing. Data, analytics, tecnologie e canali digitali.
Autori: Nico Di Domenica, Attilio Redivo, Edoardo Rozzoni, Gianluigi Crippa
Casa Editrice PEARSON
Periodo di erogazione dell'insegnamento
secondo semestre
Modalità di verifica del profitto e valutazione
Prove obbligatorie:
- DOMANDE APERTE (equivalenti a brevissimi saggi) 50%
- Progetto di Gruppo 50% per studenti Data Science
Orario di ricevimento
Su richiesta
Sustainable Development Goals
Aims
This course is aimed at all students with a strong passion for the world of Data Science and Marketing. This is a course that collects the definition of all the main methodologies in the field of Advanced Analytics and Artificial Intelligence related to the world of Marketing. In addition, the course is aimed at understanding the fundamental principles of the entire life cycle for the development of data-driven applications and the tools necessary to enable a data-driven marketing transformation in all business organizations.
Contents
Introduction to marketing with a data-driven approach: this section of the course introduces the basic concepts necessary for carrying out quantitative marketing analysis.
Methodological study of the models in terms of customer, product and engagement: in this section, a methodological study is carried out on the methods of designing, developing and interpreting the data of the main Advanced Analytics and Artificial Intelligence models in terms of customer, product and optimization of marketing channels . Each theme is explored through a detailed explanation of the logic underlying the model under analysis and a practical exercise available on the digital platform.
Evaluation of the main marketing activities: in this section, the logic of evaluating the performance of campaigns and the digital customer journey is analyzed through the analysis of the main metrics and the development of models for measuring the impact on turnover and return on investment (ROI)
Detailed program
SECTION 1 - Introduction to marketing with a data-driven approach
Chapter. 1 - Enhancement of marketing activities through a data-driven approach
Chapter. 2 - Technology as a marketing enabler for data analysis
Chapter. 3 - Cloud architectures and technology stacks for marketing
Chapter. 4 - Datalake, containers and microservices
Chapter. 5 - Introduction to using Python for marketing analysis
SECTION 2 - Methodological analysis of the models in terms of customer, product and engagement
Chapter. 6 - Main methodological approaches in a customer centric key
Chapter. 7 - Deterministic segmentation (RFM)
Chapter. 8 - Behavioral segmentation (Cluster Analysis)
Chapter. 9 - The churn and repurchase models
Chapter. 10 - The Customer Life Time Value (CLTV) model
Chapter. 11 - Measurement of Customer Satisfaction
Chapter. 12 - Neuromarketing and Artificial Intelligence
Chapter. 13 - Main methodological approaches for product key analyzes
Chapter. 14 - Main algorithms for the definition of associative rules
Chapter. 15 - Price sensitivity models
Chapter. 16 - Propensity to purchase a product or category of products
Chapter. 17 - The optimization of marketing channels and communications
Chapter. 18 - Models for recognizing objects within images
Chapter. 19 - Natural Language Processing (NLP)
SECTION 3 - Evaluation of the main marketing activities
Chapter. 20 - Main approaches to the measurement of marketing activities
Chapter. 21 - Methods for measuring marketing activities
Chapter. 22 - The attribution model
Chapter. 23 - The marketing mix model
Prerequisites
Python Programming Language for Data Science students
Teaching form
Lectures, discussions, video presentations, optional exercises. Invitation to marketing professionals to share their working experience.
Textbook and teaching resource
Book: Advanced Analytics e Artificial Intelligence per il Marketing: casi e applicazioni
Authors: Sergio Suriano, Nico Di Domenica, Marco Fusi, Luigi Capone
PEARSON
Book: Digital marketing. Data, analytics, tecnologie e canali digitali.
Authors: Nico Di Domenica, Attilio Redivo, Edoardo Rozzoni, Gianluigi Crippa
PEARSON
Semester
second semester
Assessment method
mandatory evaluation exams:
- OPEN QUESTIONS (short texts) 50%
- Project 50% for Data Science students
Office hours
On request
