• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Бакалавриат 2024/2025

Онлайн маркетинг, основанный на больших данных

Статус: Курс по выбору (Реклама и связи с общественностью)
Направление: 42.03.01. Реклама и связи с общественностью
Когда читается: 4-й курс, 1, 2 модуль
Формат изучения: без онлайн-курса
Охват аудитории: для всех кампусов НИУ ВШЭ
Язык: русский
Кредиты: 4

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

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

Планируемые результаты обучения

  • Корректно ставит задачи и прогнозирует ожидаемые результаты, защищает маркетинговую стратегию перед стейкхолдерами
  • Применяет практические навыки планирования маркетинга, на основе данных, с использованием современных Data-платформ; аудиторного планирования; разработки Data-стратегии для маркетинга.
  • Взвешивает альтернативы использования различных платформ по управлению данными в целях маркетинга, интерпретирует и формулирует разницу между платформенными ИТ-решениями для маркетинга и классами таких решений (CRM, aCRM, oCRM, CDP (и их виды), DMP, DCR, DSP, Walled Garden и другими)
  • Анализирует технологические решения рынка маркетинговых технологий (MarTech) на предмет их релевантности бизнес и маркетинговым задачам
  • Формулирует цели и задачи маркетинга, основанного на данных, а также бизнес-задачи, которые могут быть поставлены перед таким маркетингом
  • Формулирует технологический «стэк» (набор решений), необходимый для сбора, обработки, активации и анализа данных для маркетинга в онлайн-среде
  • Корректно определяет и выбирать источники сбора онлайн и офлайн данных
Содержание учебной дисциплины

Содержание учебной дисциплины

  • 1. Источники получения «больших данных»
  • 2. Онлайн данные и принципы идентификации пользователей
  • 3. Офлайн данные и принципы идентификации пользователей
  • 4. Сбор, хранение, анализ и сегментация данных
  • 5. Принцип передачи онлайн и офлайн данных между платформами
  • 6. Технологии работы и управления данными
  • 7. Первичный анализ данных
  • 8. Аудиторное планирование
  • 9. Построение эффективной дата стратегии
  • 10. Связь онлайн и офлайн данных
  • 11. Решение задачи омниканальности
  • 12. Проблемы идентификации пользователей по Cookie-файлам. Актуальные решения в области таргетинга
  • 13. Использование данных для персонализированной коммуникации
  • 14. Использование данных для маркетинговых и бизнес-задач
  • 15. Метрики оценки успешной коммуникации
  • 16. Правовые аспекты работы с большими данными
Элементы контроля

Элементы контроля

  • неблокирующий Оценка за активность на занятиях
    При наличии подтверждённой уважительной причины совокупная оценка рассчитывается без учёта пропущенной формы контроля.
  • неблокирующий Домашнее задание
    Формат задания и дедлайн выполнения сообщается преподавателем дополнительно.
  • неблокирующий Экзаменационный проект
    "Автомат" не предусмотрен.
Промежуточная аттестация

Промежуточная аттестация

  • 2024/2025 2nd module
    0.3 * Домашнее задание + 0.3 * Оценка за активность на занятиях + 0.4 * Экзаменационный проект
Список литературы

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

  • 9781498751414 - Foster, Ian; Ghani, Rayid; Jarmin, Ron S.; Kreuter, Frauke; Lane, Julia I. - Big Data and Social Science : A Practical Guide to Methods and Tools - 2017 - CRC Press - https://search.ebscohost.com/login.aspx?direct=true&db=nlebk&AN=1353316 - nlebk - 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

Авторы

  • Добромыслова Ксения Олеговна
  • Коваленко Надежда Николаевна
  • Бердников Илья Евгеньевич