Can you reach 100,000 people in 8 weeks?
This course looks at how people behave online and how digital platforms distribute attention, and asks you to prove it with data. Half of the course is theory: online consumer behaviour, digital and social media strategy, how YouTube, Instagram and TikTok actually work, creator strategy, media planning and KPIs. The other half is a project work: in groups of 3-4 you launch an educational channel from zero, publish about 20 videos, log every video into a shared class dataset (metrics at 24h, 72h and 7 days) and run a real experiment on hooks, formats, thumbnails and duration.
Thursdays are classroom lessons (3 hours, with project review). Fridays are autonomous work on the project with teacher supervision (3 hours, 30-minute check-in at the start). Final presentations on Friday 18 December.
Views do not count towards your grade. Your grade depends on how well you design, run and read your experiment: hypotheses and design 20%, logging 20%, analysis and limits 30%, report and presentation 20%, peer evaluation 10%.
Tools: smartphone, CapCut or DaVinci Resolve, professional accounts on YouTube/Instagram/TikTok, Google Sheets.
Lecturer: Alessandro Mininno. MAGES, 2nd year, 6 ECTS, 48 hours.
Course Syllabus
Obiettivi formativi
Il corso insegna a leggere il comportamento delle persone online come un dato osservabile e a usarlo per progettare, lanciare e far crescere un canale digitale, misurando ogni scelta con i KPI delle piattaforme.
Al termine del corso lo studente è in grado di:
- descrivere come le piattaforme (YouTube, Instagram, TikTok) distribuiscono l'attenzione e come questo determina ciò che si può misurare;
- impostare una strategia digitale completa: obiettivi, pubblico, piattaforma, formati, piano editoriale e KPI;
- formulare ipotesi verificabili su hook, formati, copertine, titoli e durata, con variabile, metrica e soglia attesa;
- condurre un esperimento di contenuto su un canale reale, cambiando una variabile alla volta e registrando i dati a 24h, 72h e 7 giorni;
- leggere le analytics di piattaforma e un dataset condiviso, distinguendo un risultato da un rumore statistico;
- dichiarare limiti e confondenti del proprio esperimento prima che lo faccia il docente;
- scrivere un report in inglese e presentare un risultato a un committente partendo dal dato, non dalla cronaca.
Conoscenza e comprensione. Lo studente acquisisce i modelli del comportamento del consumatore online (fiducia, attenzione, influenza organica, lineare e di rete, journey del cliente, zero moment of truth) e il funzionamento dei sistemi di raccomandazione delle principali piattaforme, sempre insieme a dati di mercato aggiornati e a casi reali di campagne e di creator.
Capacità di applicare conoscenza e comprensione. Metà del corso è teorica, metà è un project work: in gruppi di 3-4 gli studenti aprono un canale educativo da zero e pubblicano circa 20 video in 8 settimane, alimentando un dataset di classe di 150-200 video che nessun gruppo potrebbe costruire da solo.
Autonomia di giudizio. Il voto non dipende dalle visualizzazioni ma dalla qualità del disegno, dell'esecuzione e della lettura dell'esperimento. Ogni report contiene una sezione obbligatoria su limiti e confondenti.
Abilità comunicative. Gli studenti presentano in aula ogni settimana lo stato del progetto e concludono con un report scritto in inglese e una presentazione finale di 10 minuti con discussione sui dati.
Contenuti sintetici
Il corso affronta il comportamento del consumatore online e l'analisi dei dati social, applicati al lancio e alla crescita di un canale digitale come caso di innovazione dell'esperienza utente.
Parte teorica (giovedì): stato di internet e del comportamento online; strategia digitale e social media; come funzionano YouTube, Instagram e TikTok e come si ottimizzano i contenuti; strumenti di monitoraggio e dashboard; strategia e misurazione dei creator; media planning, paid/owned/earned e KPI.
Parte pratica (venerdì): project work "From zero to 100k". I gruppi aprono un canale educativo, pubblicano circa 20 video in sei sprint settimanali, registrano le metriche in un dataset condiviso di classe e verificano le proprie ipotesi con i dati.
L'insegnamento è costruito su dati e casi reali provenienti dalla gestione di creator e dalla consulenza a brand in settori diversi. Non è richiesta alcuna competenza di programmazione.
Programma esteso
Il corso si svolge in 8 settimane, dall'8 ottobre al 18 dicembre 2026, per 48 ore totali: 27 ore di lezione in aula il giovedì (3 ore, inclusa la revisione dei progetti) e 21 ore di attività autonoma degli studenti sul project work il venerdì (3 ore, con supervisione del docente).
Lezioni (giovedì)
- 8 ottobre. Introduzione e stato di internet: comportamento del consumatore online, spostamenti di attenzione e di fiducia, uso di internet, contenuto come intrattenimento o informazione, come le piattaforme fanno emergere i contenuti. Brief del project work.
- 22 ottobre. Comunicazione e strategia social: obiettivi, piattaforme, canali, contenuti, KPI; panorama dei social e formati editoriali; ascesa del video e enshittification delle piattaforme; il mezzo come messaggio e impatto sull'immagine di marca; funnel social e zero moment of truth.
- 29 ottobre. YouTube e strategia di crescita: la piattaforma del click, come funziona l'algoritmo, ottimizzazione di copertine, titoli, durata e retention.
- 12 novembre. Instagram e TikTok: differenze tra piattaforme, hook e formati, talent e dinamiche di crescita.
- 19 novembre. Strumenti di monitoraggio e dashboard: analytics di piattaforma, lettura dei dati di un sistema di contenuti, dall'insight all'azione.
- 3 dicembre. Strategia e misurazione dei creator: modello di business del creator, relazione con il pubblico, selezione e misurazione.
- 10 dicembre. Media planning e KPI: paid, owned ed earned media, reporting.
- 17 dicembre. Chiusura del corso: apprendimenti chiave, revisione finale dei progetti e prova della presentazione.
Project work (venerdì): From zero to 100k
- Settimana 1 (9 ottobre): scelta di tema, pubblico e piattaforma; analisi di ciò che esiste; 2-3 ipotesi da verificare; script dei primi 4 video.
- Settimana 2 (23 ottobre): produzione e pubblicazione di 4 video con 4 hook diversi, a parità di tutto il resto.
- Settimana 3 (30 ottobre): 4 video, variando copertine, titoli, durata, tono di voce, una variabile alla volta.
- Settimana 4 (13 novembre): 4 video, variando formato e durata.
- Settimana 5 (20 novembre): pausa e analisi comparativa; lettura del dataset di classe; revisione delle ipotesi e decisione di pivot motivata dai dati.
- Settimana 6 (4 dicembre): 4 video sulle ipotesi riviste; focus su retention, commenti e spettatori di ritorno.
- Settimana 7 (11 dicembre): 4 video e prima bozza del report.
- Settimana 8 (18 dicembre): presentazione finale e analisi dei dati.
Ogni video pubblicato entra nel dataset di classe: un foglio condiviso, una riga per video, metadati a categorie chiuse (piattaforma, durata, tipo di hook, tipo di copertina, struttura del titolo, formato, CTA) e metriche a 24h, 72h e 7 giorni (impression, visualizzazioni, CTR, durata media di visione, retention a 3 e 30 secondi, like, commenti, condivisioni, variazione follower).
Settimane senza lezione: 15-16 ottobre e 26-27 novembre.
Prerequisiti
Nessun prerequisito formale. È utile la familiarità con i fogli di calcolo e con la statistica descrittiva di base (media, mediana, distribuzione, variazione percentuale). Non è richiesta alcuna competenza di programmazione. Per il project work servono uno smartphone, un software di montaggio gratuito (CapCut o DaVinci Resolve) e account professionali o creator su YouTube, Instagram o TikTok.
Metodi didattici
Circa metà didattica erogativa e metà didattica interattiva.
Giovedì: lezione in aula di 3 ore con casi reali e dati di mercato, seguita dalla revisione dei progetti dei gruppi.
Venerdì: attività autonoma degli studenti sul project work con supervisione del docente, 3 ore. La sessione si apre con un collegamento di 30 minuti per il controllo del logging dei dati, i blocchi e le domande; poi i gruppi lavorano alla produzione, alla pubblicazione e alla registrazione dei dati.
I gruppi lavorano dal primo giorno su un canale reale e pubblico: il progetto avanza di settimana in settimana per sprint e il dataset di classe cresce con il contributo di tutti. L'ultimo venerdì è dedicato alle presentazioni finali in aula.
Fino al 10% delle ore complessive può essere erogato a distanza.
Tutti gli strumenti utilizzati sono gratuiti e non richiedono programmazione.
Modalità di verifica dell'apprendimento
La valutazione è interamente basata sul project work "From zero to 100k". Non è previsto esame scritto per gli studenti frequentanti.
Gruppi di 3 o 4 studenti con ruoli definiti (on camera, montaggio, dati) aprono un canale educativo su YouTube, Instagram o TikTok e pubblicano circa 20 video in 8 settimane, registrando ogni video nel dataset di classe. I gruppi vincono la sfida se almeno un video supera le 100.000 visualizzazioni, ma le visualizzazioni non concorrono al voto.
Il voto dipende da come l'esperimento è stato disegnato, condotto e letto:
- ipotesi e disegno dell'esperimento (20%): 2-3 ipotesi scritte in settimana 1 con variabile, metrica e soglia attesa;
- rigore e completezza del logging (20%): ogni video registrato nel dataset di classe entro il venerdì di ogni settimana, con metriche a 24h, 72h e 7 giorni; un gruppo che non registra danneggia il dataset di tutti;
- analisi e interpretazione, con limiti e confondenti dichiarati (30%): esito di ogni ipotesi (confermata, rifiutata o inconclusiva) con metrica, numeri e un grafico; confronto con il dataset di classe; pivot motivato dai dati;
- report e presentazione (20%): report finale in inglese di 8-10 pagine più appendice, scritto come la relazione di un esperimento per un committente; presentazione finale di 10 minuti per gruppo più domande, il 18 dicembre;
- valutazione tra pari all'interno del gruppo (10%).
Il report finale contiene: una pagina con un solo risultato e un grafico; le ipotesi di settimana 1 riportate testualmente; cosa è stato fatto; i risultati, uno per ipotesi; cosa aggiunge il dataset di classe; il pivot; limiti e confondenti; tre raccomandazioni per il committente e una cosa da evitare, ciascuna legata a un numero; appendice con tabella dati, link ai video, registro di logging e screenshot delle analytics.
Il contributo individuale è verificato in sede di presentazione finale: le domande riguardano i dati, non i video.
Testi di riferimento
Slide del corso, dati di campagna e letture per ciascuna lezione, pubblicati sulla piattaforma e-learning.
Volumi di riferimento:
- A. Mininno, M. Ascani, M. Pagani, Ogni brand è un creator, 2025.
- M. J. Salganik, Bit by Bit. Social Research in the Digital Age, Princeton University Press, 2018 (capitoli scelti, in particolare sulla progettazione di esperimenti; disponibile gratuitamente online).
Letture di approfondimento indicate lezione per lezione, tra cui report di settore sull'uso di internet e dei social, materiali ufficiali delle piattaforme sul funzionamento dei sistemi di raccomandazione e delle analytics, e articoli sulla misurazione dell'efficacia dei contenuti.
Periodo di erogazione dell'insegnamento
Primo semestre
Lingua di insegnamento
Inglese
Sustainable Development Goals
Learning objectives
The course teaches students to read what people do online as observable data and to use it to design, launch and grow a digital channel, measuring every choice with platform KPIs.
By the end of the course students are able to:
- describe how platforms (YouTube, Instagram, TikTok) distribute attention and how this shapes what can be measured;
- design a complete digital strategy: goals, audience, platform, formats, editorial plan and KPIs;
- write testable hypotheses on hooks, formats, thumbnails, titles and duration, each with a variable, a metric and an expected threshold;
- run a content experiment on a real channel, changing one variable at a time and logging data at 24h, 72h and 7 days;
- read platform analytics and a shared dataset, telling a result from statistical noise;
- state the limits and confounders of their own experiment before the lecturer points them out;
- write a report in English and present a finding to a client starting from the data, not from a diary of what they did.
Knowledge and understanding. Students acquire the models of online consumer behaviour (trust, attention, organic, linear and networked influence, customer journey, zero moment of truth) and how the recommendation systems of the main platforms work, always together with current market data and real campaign and creator cases.
Applying knowledge and understanding. Half of the course is theory, half is a project work: in teams of 3-4, students open an educational channel from zero and publish about 20 videos in 8 weeks, feeding a class dataset of 150-200 videos that no single team could build alone.
Making judgements. The grade does not depend on views but on how well the experiment is designed, run and read. Every report includes a mandatory section on limits and confounders.
Communication skills. Students present the state of their project in class every week and close with a written report in English and a 10-minute final presentation with questions on the data.
Contents
The course covers online consumer behaviour and social data analysis, applied to launching and growing a digital channel as a case of user experience innovation.
Theory (Thursdays): the state of the internet and online behaviour; digital and social media strategy; how YouTube, Instagram and TikTok work and how content is optimised; monitoring tools and dashboards; creator strategy and measurement; media planning, paid/owned/earned media and KPIs.
Practice (Fridays): the "From zero to 100k" project work. Teams open an educational channel, publish about 20 videos over six weekly sprints, log metrics into a shared class dataset and test their hypotheses against the data.
Teaching is built on real data and cases from creator management and brand consulting across different sectors. No programming skills are required.
Detailed program
The course runs over 8 weeks, from 8 October to 18 December 2026, for 48 hours in total: 27 hours of classroom lessons on Thursdays (3 hours, including project review) and 21 hours of students' autonomous work on the project on Fridays (3 hours, with teacher supervision).
Lessons (Thursdays)
- 8 October. Introduction and state of the internet: online consumer behaviour, attention and trust shifts, internet usage, content as entertainment or information, how platforms surface content. Project work brief.
- 22 October. Communication and social media strategy: goals, platforms, channels, content, KPIs; social media landscape and editorial formats; the rise of video and the enshittification of platforms; the medium as the message and its impact on brand image; social media funnel and zero moment of truth.
- 29 October. YouTube and YouTube growth strategy: the click platform, how the algorithm works, optimising thumbnails, titles, duration and retention.
- 12 November. Instagram and TikTok growth strategy: platform differences, hooks and formats, talents and growth dynamics.
- 19 November. Monitoring tools and dashboards: platform analytics, reading the data of a content system, turning insights into action.
- 3 December. Creator strategy and measurement: the creator business model, building a relationship with the audience, creator selection and measurement.
- 10 December. Media planning and KPIs: paid, owned and earned media, reporting.
- 17 December. Course wrap-up: key learnings, final project review and presentation rehearsal.
Project work (Fridays): From zero to 100k
- Week 1 (9 October): choose topic, audience and platform; map what is already out there; write 2-3 hypotheses to test; script the first 4 videos.
- Week 2 (23 October): produce and publish 4 videos with 4 different hooks, everything else constant.
- Week 3 (30 October): 4 videos, varying thumbnails, titles, duration and tone of voice, one thing at a time.
- Week 4 (13 November): 4 videos, varying format and duration.
- Week 5 (20 November): pause and comparative analysis; read the class dataset; revise hypotheses and decide a pivot motivated by data.
- Week 6 (4 December): 4 videos testing the revised hypotheses; focus on retention, comments and returning viewers.
- Week 7 (11 December): 4 videos and first report draft.
- Week 8 (18 December): final presentation and data breakdown.
Every published video enters the class dataset: one shared sheet, one row per video, closed-category metadata (platform, duration, hook type, thumbnail type, title structure, format, CTA) and metrics at 24h, 72h and 7 days (impressions, views, CTR, average view duration, 3s and 30s retention, likes, comments, shares, follower delta).
Pause weeks with no lesson: 15-16 October and 26-27 November.
Prerequisites
No formal prerequisites. Familiarity with spreadsheets and with basic descriptive statistics (mean, median, distribution, percentage change) is useful. No programming skills are required. The project work requires a smartphone, a free editing tool (CapCut or DaVinci Resolve) and professional or creator accounts on YouTube, Instagram or TikTok.
Teaching methods
Roughly half lecture and half interactive teaching.
Thursdays: 3-hour classroom lesson with real cases and market data, followed by a review of the teams' projects.
Fridays: students' autonomous work on the project with teacher supervision, 3 hours. The session opens with a 30-minute call for the data logging check, blockers and questions; teams then work on production, publishing and data logging.
Teams work from day one on a real, public channel: the project advances week by week in sprints and the class dataset grows with everyone's contribution. The last Friday is dedicated to final presentations in class.
Up to 10% of total hours may be delivered at a distance.
All tools used are free and require no programming.
Assessment methods
Assessment is entirely based on the "From zero to 100k" project work. There is no written examination for attending students.
Teams of 3 or 4 students with defined roles (on camera, editing, data) open an educational channel on YouTube, Instagram or TikTok and publish about 20 videos in 8 weeks, logging every video into the class dataset. Teams win the challenge if at least one video gets more than 100,000 views, but views do not count towards the grade.
The grade depends on how well the experiment is designed, run and read:
- hypotheses and experiment design (20%): 2-3 hypotheses written in week 1 with a variable, a metric and an expected threshold;
- logging rigour and completeness (20%): every video logged into the class dataset by Friday of each week, with metrics at 24h, 72h and 7 days; a team that does not log damages everyone's dataset;
- analysis and interpretation, with limits and confounders declared (30%): outcome of each hypothesis (confirmed, rejected or inconclusive) with the metric, the numbers and one chart; comparison with the class dataset; a pivot motivated by data;
- report and presentation (20%): final report in English, 8-10 pages plus appendix, written as an experiment write-up for a client; 10-minute final presentation per team plus Q&A on 18 December;
- peer evaluation within the team (10%).
The final report contains: one page with one claim and one chart; the week 1 hypotheses verbatim; what was done; results, one per hypothesis; what the class dataset adds; the pivot; limits and confounders; three recommendations for the client and one thing to avoid, each tied to a number; an appendix with the full data table, video links, logging record and analytics screenshots.
Individual contribution is verified at the final presentation: questions are on the data, not on the videos.
Textbooks and Reading Materials
Course slides, campaign data and readings for each session, posted on the e-learning platform.
Reference books:
- A. Mininno, M. Ascani, M. Pagani, Ogni brand è un creator, 2025.
- M. J. Salganik, Bit by Bit. Social Research in the Digital Age, Princeton University Press, 2018 (selected chapters, in particular on running experiments; freely available online).
Further readings assigned session by session, including industry reports on internet and social media usage, official platform documentation on recommendation systems and analytics, and articles on measuring content effectiveness.
Semester
First semester
Teaching language
English
Sustainable Development Goals
Staff
-
Alessandro Mininno
