Проектно-исследовательский семинар "Анализ данных в коммуникационных проектах"

Магистратура 2019/2020

Статус: Курс обязательный (Коммуникации, основанные на данных)

Направление: 42.04.01. Реклама и связи с общественностью

Где читается: Факультет креативных индустрий

Когда читается: 1-й курс, 1-4 модуль

Формат изучения: без онлайн-курса

Преподаватели: Грызунова Елена Аркадьевна, Егоров Дмитрий Владимирович, Коточигов Константин Львович, Нестер (Нестеренко) Роман Юрьевич, Суворина Татьяна Владимировна, Уваров Максим Викторович

Прогр. обучения: Коммуникации, основанные на данных

Язык: русский

Кредиты: 15

Контактные часы: 176

Полная версия программы учебной дисциплины

Аннотация

Настоящая дисциплина относится к блоку дисциплин «Практика(и), проектная и(или) научно-исследовательская работа». Для программы «Коммуникации, основанные на данных» данная дисциплина является обязательной. В результате успешного освоения курса студенты будут: • знать принципы работы с данными и способы модификации существующих решений для достижения результатов в области анализа коммуникационной среды; • уметь проводить медиа и аудиторное планирование; представить результат в формате презентации, отчета или интерактивного дэшборда для презентации клиенту; • владеть инструментами измерения и увеличения эффективности коммуникаций; методами анализа данных для изучения аудитории, составления портрета пользователя, оценки эффективности кампаний; статистическим анализом данных с использованием Python; инструментами визуализации данных с использованием Python, BI инструментов, презентаций.

Цель освоения дисциплины

Целью дисциплины «Проектно-исследовательский семинар «Анализ данных в коммуникационных проектах» является освоение студентами аналитических и управленческих компетенций, необходимых для реализации прикладных коммуникационных проектов, основанных на данных.

Планируемые результаты обучения

Знает, как устроен рекламный рынок, и какие игроки его представляют, взаимодействие между участниками.
Знает, по каким метрикам бренды (компании) оценивают эффективность медиа и коммуникационных активностей.
Знает индикаторы эффективной коммуникации.
Знает современные инструменты и подходы, которые помогают рекламодателям увеличить эффективность коммуникации.
Знает, какие онлайн данные существуют, как собрать данные, как их использовать.
Знает, какие оффлайн данные существуют, как собрать данные, как их использовать.
Знает, как связывать разные типы данных.
Знает, как получить данные из открытых источников.
Знает принципы планирования рекламных активностей бренда.
Знает специфику в области обеспечения безопасности данных и существующие юридические ограничения.
Понимает специфику омниканальной коммуникации.
Имеет представление о современных тенденциях изменения потребительского поведения.
Дает определение методам, которые использует в работе с данными, понимает принцип работы и способы модификации для достижения определенных результатов и предлагать новые решения
Понимает основные направления современных научных и проектных исследований, знает, какие данные нужны, как их собрать и с помощью чего обработать для проверки гипотезы.
Владеет и применяет методы анализа данных для анализа аудитории, составления портрета пользователя
Демонстрирует владение статистическим анализом данных с использованием Python.
Понимает принципы работы алгоритмов анализа данных, знает отличия от стандартных статистических подходов, понимает, какую модель выбрать для решения конкретной задачи и какие данные для этого необходимо собрать и каким образом собрать их безопасным способом.
Понимает и распознает индикаторы эффективной коммуникации, владеет инструментами измерения и увеличения эффективности, способен проводить медиа и аудиторное планирование, провести анализ эффективности текущих каналов и выбрать наиболее подходящие.
Способен представить результате в формате презентации, отчета или интерактивного дэшборда для презентации клиенту.
Студент выбирает методы, подходы и инструменты для решения поставленных профессиональных задач, исходя из критического анализа существующей бизнеспрактики и обзора релевантных научных исследований.
Понимает основные направления современных научных и проектных исследований, знает, какие данные нужны, как их собрать и с помощью чего обработать для проверки гипотезы, предлагает собственные гипотезы и составляет план проекта или научного исследования для решения своих задач.
Знает основные этапы методологии; умеет формулировать шаги аналитического проекта в терминах методологии.
Понимает основные принципы работы с текстовыми данными; умееет разрабатвать модели машинного обучения, использующие текстовые данные в качестве атрибутов
Понимает принципы работы рекомендательных систем; умеет использовать прикладные библиотеки для разработки простых сервисов рекомендаций.
Умеет отбирать признаки для предиктивной модели; умеет выделять аномалии в данных
Способен объяснить научно-популярным языком принципы работы алгоритма, цели и задачи проекта, донести до клиентов, выступать на конференциях с кейсами.

Содержание учебной дисциплины

Тема 1. Экосистема рекламного (digital) рынка и его эволюция.
Как устроен рекламный рынок, и какие игроки его представляют, взаимодействие между участниками.
Тема 2. Индикаторы эффективной коммуникации.
По каким метрикам бренды (компании) оценивают эффективность медиа и коммуникационных активностей.
Тема 3. Инструменты измерения эффективности.
Обзор современных инструментов измерения эффективности маркетинговых активностей бренда.
Тема 5. Онлайн данные
Какие онлайн данные существуют, как собрать данные, как их использовать.
Тема 4. Инструменты увеличения эффективности.
Обзор современных инструментов и подходов, которые помогают рекламодателям увеличить эффективность коммуникации.
Тема 6. Оффлайн данные.
Какие оффлайн данные существуют, как собрать данные, как их использовать.
Тема 7. Онлайн + Оффлайн.
Как связывают ранее не связанные типы данных. Обзор подходов и методов. Успешные примеры.
Тема 8. Смежные источники данных и аналитики
Мониторинг открытых источников и данные социальных сетей.
Тема 10. Безопасность данных.
Безопасность данных, ограничения со стороны государства и влияние мировых рынков.
Тема 9. От медиа планирования к аудиторному планированию.
Изменение подходов к планированию рекламных активностей бренда.
Тема 11. От обезличенной коммуникации к персональной.
Решение задач кросс-девайс коммуникации и задач омниканальности.
Тема 12. Изменение потребительского поведения.
Как меняется современное потребление, и какие технологии будут актуальны через 5 лет
Тема 13. Анализ данных для решения задач рекламодателей.
Ключевые концепты, основные тренды, AdTech, Data Market, основные проблемы. Обзор инструментов Data science и их применения в маркетинге. Полезные ресурсы.
Тема 14. Первичный анализ данных.
Выгрузка и предобработка данных (GCP, bash), демонстрация основных методов Pandas, первые попытки описания аудитории, статистические сравнения групп пользователей. Демонстрация основных методов matplotlib, seaborn, plotly.
Тема 15. Задачи обучения с учителем. Как построить свой Look-a-like.
Алгоритмы классификации. Деревья решений и метод ближайших соседей. Как строится, работает, параметры и применение в реальных задачах. Линейные модели классификации и регрессии. Random Forest. Оценка эффективности алгоритмов. Построение скоринговых моделей для кук.
Тема 16. Обучение без учителя. Поиск групп среди аудитории сайта и построение персональной коммуникации.
Метод главных компонент и кластеризация. Особенности применения PCA, выбор признаков, методы и метрики качества.
Тема 17. Другие прикладные задачи анализа данных.
Особенности задач, методы построения выводов, на что обратить внимание. Кредитный скоринг, задача оттока и анализ эффективности удержания, анализ результатов АБ теста. Кейсы.
Тема 19. Визуализация и представление результатов.
Как визуализировать отчет так, чтобы понравилось клиенту. Построение интерактивных дэшбордов. Обзор BI систем. Обзор возможностей визуализации данных в Google Studio и Bime. Практика визуализации данных в Tableau.
Тема 18. Оценка эффективности рекламных кампаний.
Комплексная оценка метрик, моделирование атрибуции, эвристические и мультиканальные модели, их реализация и оценка эффективности РК.
Тема 22. Методология анализа данных CRISP-DM
Понимание бизнес-задач. Сбор и начальное изучение данных. Подготовка данных. Моделирование. Оценка. Внедрение.
Тема 23. Обработка естественного языка и интеллектуальный анализ текста
Предварительная обработка текстовых данных: токены, N-граммы. Тематическое моделирование. Извлечение информации и кластеризация. Байесовская классификация текстов. Анализ тональности текстов. Глубокое обучение в интеллектуальном анализе текста. Обзор практик применения интеллектуального анализа текстов для прикладных исследований в области рекламы и связей с общественностью (анализ потребительских предпочтений, оценка репутации, мониторинг трендов и др.)
Тема 24. Рекомендательные системы.
Принципы работы рекомендательных систем. Библиотеки машинного обучения для разработки сервисов рекомендаций
Тема 25. Подготовка данных для предиктивных моделей.
Отбор признаков для предиктивной модели. Аномалии в данных.
Тема 26. Коммуникационные проекты, основанные на данных.
Предзащита и обсуждение курсовых проектов.
Введение в проектную работу
Особенности реализации коммуникационных проектов, основанных на данных: бизнес-практика, кейсы. Требования к курсовым проектам и групповой проектной работе. Презентация и обсуждение планов курсовых проектов и групповых проектов.
Критический анализ источников, обзор литературы.
Поиск и подбор релевантных источников. Критическое чтение. Синтез и анализ. Структура обзора литературы. Экспертное интервью как формат сбора данных об актуальной бизнес-практике.

Элементы контроля

Околлоквиум – оценка за коллоквиум.
Домашнее задание 1
Опроект – оценка за мини-проект
Ообзор – оценка за обзор источников по теме курсового проекта
Обзор источников представляется в виде устной презентации.
Оплан1 – оценка за презентацию плана индивидуального курсового проекта.
Студенту необходимо представить план курсовой работы - индивидуального курсового проекта в форме мультимедийной презентации и устного выступления с последующими ответами на вопросы преподавателя и других студентов.Содержание презентации должно включать в себя:  техническое задание, цели и задачи проекта;  краткий обзор актуальных практик, анализ рынка, ситуационный анализ;  подробное описание этапов работы над проектом.
Оплан2 – оценка за презентацию плана группового проекта.
Проектной группе необходимо представить план группового проекта в форме мультимедийной презентации и устного выступления с последующими ответами на вопросы преподавателя и других студентов. Презентация должна включать в себя описание бизнес-задачи и её решения с помощью методов анализа данных. Оценка – общая для проектной группы.
Опредзащита – оценка за предзащиту курсового проекта
Студенту необходимо представить презентацию результатов курсового проекта. Выступление на 10 минут, презентация от 10 слайдов, а также ответить на вопросы преподавателя по курсовому проекту.
Домашнее задание 2
Домашнее задание 3
Домашнее задание 4
Домашнее задание 5
Домашнее задание 6
Домашнее задание 7

Промежуточная аттестация

Промежуточная аттестация (4 модуль)
0.1 * Домашнее задание 1 + 0.1 * Домашнее задание 2 + 0.1 * Домашнее задание 3 + 0.05 * Домашнее задание 4 + 0.05 * Домашнее задание 5 + 0.05 * Домашнее задание 6 + 0.05 * Домашнее задание 7 + 0.05 * Околлоквиум – оценка за коллоквиум. + 0.05 * Ообзор – оценка за обзор источников по теме курсового проекта + 0.1 * Оплан1 – оценка за презентацию плана индивидуального курсового проекта. + 0.1 * Оплан2 – оценка за презентацию плана группового проекта. + 0.1 * Опредзащита – оценка за предзащиту курсового проекта + 0.1 * Опроект – оценка за мини-проект

Программа дисциплины