Магистратура
2024/2025





Проектно-исследовательский семинар "Анализ данных в коммуникационных проектах"
Статус:
Курс обязательный (Цифровые коммуникации и продуктовая аналитика)
Направление:
42.04.01. Реклама и связи с общественностью
Кто читает:
Школа коммуникаций
Где читается:
Факультет креативных индустрий
Когда читается:
1-й курс, 2-4 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для своего кампуса
Преподаватели:
Грызунова Елена Аркадьевна,
Егоров Дмитрий Владимирович,
Коточигов Константин Львович,
Суворина Татьяна Владимировна
Прогр. обучения:
Цифровые коммуникации и продуктовая аналитика
Язык:
русский
Кредиты:
9
Программа дисциплины
Аннотация
Проектно-исследовательский семинар направлен на поэтапное погружение в экосистему и аналитические методы в цифровых коммуникациях. На первом этапе студенты знакомятся с индустрией, основными трендами, кейсами, типами и источниками данных. На втором этапе студенты получают практические навыки аудиторного анализа, маркетинговой и продуктовой аналитики с использованием Python и SQL. На третьем этапе студенты применяют методы машинного обучения для обработки естественного языка, создания предиктивных моделей и рекомендательных систем при решении коммуникационных задач. Семинар также реализует функцию экспертной поддержки проектной работы студентов в рамках подготовки курсовой работы.
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
- Использует инструменты измерения и увеличения эффективности коммуникаций.
- Представляет результаты анализа данных в формате презентации, отчета или интерактивного дэшборда ; объясняет научно-популярным языком принципы работы алгоритма, цели и задачи проекта.
- Составляет запросы к базам данных в SQL
- Студент выбирает методы, подходы и инструменты для решения поставленных профессиональных задач, исходя из критического анализа существующей бизнеспрактики и обзора релевантных научных исследований.
- Считает и применяет метрики продуктовой аналитики.
- Формулирует гипотезы и составляет план проекта на основе имеющихся данных и поставленных задач
- Использует статистические методы для сравнения пользовательских групп и составления портрета аудитории.
- Описывает актуальную экосистему диджитал-рынка (наполнение, ключевые игроки, функционал технических платформ).
- Классифицирует инструменты измерения эффективности цифровых коммуникационных стратегий
- На базовом уровне формирует коммуникационную стратегию на основе использования и анализа данных
- Использует прикладные библиотеки Python для разработки простых рекомендательных систем
- Отбирает признаки для предиктивной модели.
- Выделяет аномалии в данных.
- Разрабатывает модели машинного обучения, использующие текстовые данные.
Содержание учебной дисциплины
- Тема 1. Экосистема рекламного (digital) рынка и его эволюция.
- Тема 2. Индикаторы эффективной коммуникации.
- Инструменты измерения эффективности.
- Тема 4. Инструменты увеличения эффективности.
- Онлайн-данные.
- Тема 6. Оффлайн данные.
- Тема 7. Онлайн + Оффлайн.
- Тема 8. Смежные источники данных и аналитики
- Тема 9. От медиа планирования к аудиторному планированию.
- Безопасность данных.
- От обезличенной коммуникации к персональной.
- Тема 12. Изменение потребительского поведения.
- Тема 13. Анализ данных для решения задач рекламодателей.
- Введение в проектную работу и подготовку КР
- Базы данных и SQL
- Первичный анализ данных. Сравнение пользовательских групп.
- Задачи обучения с учителем. Как построить свой Look-a-like.
- Обучение без учителя. Поиск групп среди аудитории сайта и построение персональной коммуникации.
- Прикладные задачи и метрики продуктовой аналитики
- Оценка эффективности рекламных кампаний.
- Визуализация и представление результатов.
- RFM-анализ для сегментации пользователей по транзакционным данным. Визуализация. Предсказание Lifetime Value пользователей.
- Когортный анализ.
- A/B-тестирование и эксперименты.
- Особенности мобильной аналитики.
- Workshop по решению задач продуктовой и маркетинговой аналитики.
- Синтез и анализ источников, обзор литературы для проектной работы
- Методология анализа данных CRISP-DM.
- Оценивание моделей и отбор признаков.
- Обработка естественного языка и интеллектуальный анализ текста
- Рекомендательные системы.
Элементы контроля
- Кейс
- Домашнее задание по анализу аудиторииСтатистический анализ характеристик целевой аудитории коммуникационной кампании.
- Мини-проект: кластеризация посетителей сайта и выбор эффективных сегментов для РК
- Обзор источников по теме курсового проекта
- Домашнее задание по сегментации аудитории
- Презентация плана индивидуального курсового проекта
- Домашнее задание: обработка естественного языка
- Домашнее задание: рекомендательная система
Промежуточная аттестация
- 2024/2025 4th module0.125 * Домашнее задание по анализу аудитории + 0.125 * Домашнее задание по сегментации аудитории + 0.125 * Домашнее задание: обработка естественного языка + 0.125 * Домашнее задание: рекомендательная система + 0.125 * Кейс + 0.125 * Мини-проект: кластеризация посетителей сайта и выбор эффективных сегментов для РК + 0.125 * Обзор источников по теме курсового проекта + 0.125 * Презентация плана индивидуального курсового проекта
Список литературы
Рекомендуемая основная литература
- Python для сложных задач: наука о данных и машинное обучение. - 978-5-4461-0914-2 - Плас Дж. Вандер - 2021 - Санкт-Петербург: Питер - https://ibooks.ru/bookshelf/376830 - 376830 - iBOOKS
- Машинное обучение с использованием Python. Сборник рецептов: Пер. с англ. - 978-5-9775-4056-8 - Элбон Крис - 2019 - Санкт-Петербург: БХВ-Петербург - https://ibooks.ru/bookshelf/366635 - 366635 - iBOOKS
- Прикладной анализ текстовых данных на Python. Машинное обучение и создание приложений обработки естественного языка - 978-5-4461-1153-4 - Бенджамин Бенгфорт, Ребекка Билбро, Тони Охеда - 2021 - Санкт-Петербург: Питер - https://ibooks.ru/bookshelf/365298 - 365298 - iBOOKS
- Рашка, С. Python и машинное обучение: крайне необходимое пособие по новейшей предсказательной аналитике, обязательное для более глубокого понимания методологии машинного обучения : руководство / С. Рашка , перевод с английского А. В. Логунова. — Москва : ДМК Пресс, 2017. — 418 с. — ISBN 978-5-97060-409-0. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/100905 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
- Твердохлебова, М. Д., Интернет-маркетинг : учебник / М. Д. Твердохлебова. — Москва : КноРус, 2025. — 190 с. — ISBN 978-5-406-13783-3. — URL: https://book.ru/book/955537 (дата обращения: 26.08.2024). — Текст : электронный.
Рекомендуемая дополнительная литература
- 9781118824900 - Szabó, Gábor; Boykin, Oscar - Social Media Data Mining and Analytics - 2018 - John Wiley & Sons, Inc. - http://search.ebscohost.com/login.aspx?direct=true&db=nlebk&AN=1899346 - nlebk - 1899346
- 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
- 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
- Martin Oberhofer, Eberhard Hechler, Ivan Milman, Scott Schumacher, & Dan Wolfson. (2014). Beyond Big Data : Using Social MDM to Drive Deep Customer Insight. [N.p.]: IBM Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1600785