Бакалавриат
2021/2022
Онлайн маркетинг, основанный на больших данных
Лучший по критерию «Новизна полученных знаний»
Статус:
Курс по выбору (Реклама и связи с общественностью)
Направление:
42.03.01. Реклама и связи с общественностью
Кто читает:
Школа коммуникаций
Где читается:
Факультет креативных индустрий
Когда читается:
4-й курс, 2, 3 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для всех кампусов НИУ ВШЭ
Преподаватели:
Бердников Илья Евгеньевич
Язык:
русский
Кредиты:
4
Контактные часы:
48
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 занятияхПри 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 заданиеФормат задания и дедлайн выполнения сообщается преподавателем дополнительно.
Промежуточная аттестация
- 2021/2022 учебный год 3 модуль0.3 * 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