Методы анализа больших данных в исследованиях поведения покупателей

Магистратура 2021/2022

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»

Лучший по критерию «Новизна полученных знаний»

Статус: Курс по выбору (Прикладные методы социального анализа рынков)

Направление: 39.04.01. Социология

Кто читает: Департамент больших данных и информационного поиска

Где читается: Факультет социальных наук

Когда читается: 2-й курс, 1, 2 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Управителев Филипп Александрович

Прогр. обучения: Прикладные методы социального анализа рынков

Язык: русский

Кредиты: 6

Контактные часы: 56

Полная версия программы учебной дисциплины

Аннотация

Курс “Методы анализа больших данных в исследованиях поведения покупателей” предназначен для магистрантов второго года обучения и продолжает идеи и практики курса “Автоматизированный сбор больших данных в экономико-социологических исследованиях”. В курсе рассматриваются основные задачи продуктовой аналитики в IT-сфере, использующие идеи и методы больших данных. Слушатели курса ознакомятся с основными ролями и компетенциями аналитиков в IT-компаниях, научатся отвечать с помощью данных на ключевые бизнес-вопросы, стоящие перед аналитиками. Также слушатели познакомятся с возможностями применения методов машинного обучения для повышения ценности продукта - сегментации пользователей по их платежному поведению, прогнозирование оттока, прогностическая оценка окупаемости рекламных кампаний и т.д.

Цель освоения дисциплины

Дать студентам представление об основных задачах и инструментах, стоящих перед аналитиками в современных бизнес-компаниях.
Показать студентам возможные перспективы профессионального развития и заложить необходимые базовые навыки.

Планируемые результаты обучения

Студенты знают разные метрики активности и вовлечения пользователей, понимают их разницу, способны рассчитать метрики или нарисовать соответствующие графики.
Студенты понимают основные модели привлечения пользователей продукта через рекламные кампании, способны оценивать и предсказывать эффективность рекламных кампаний.
Студенты понимают цели и задачи, которые стоят перед аналитиками в бизнес-компаниях, преимущественно IT-сферы.
Студенты понимают, как высчитываются монетизационные показатели проекта, способны различать различные модели монетизации, могут оценить и проинтерпретировать lifetime value пользователя.
Студенты понимают, как проводить АБ-тесты для новых элементов продукта: способны написать дизайн исследования, рассчитать выборку и проинтерпретировать результаты.

Содержание учебной дисциплины

Введение в цели и задачи продуктовой аналитики
Метрики активности и вовлечения пользователей
Основы юнит-экономики и метрики монетизации пользователей
Создание и тестирование фич (feature).
Основы маркетинговой аналитики

Элементы контроля

Контрольная работа 1
Работа сдается в виде скрипта на R (Python или другой ЯП - по договоренности со студентом)
Домашнее задание 1
Работа сдается в виде R-markdown-файла (или же любой другой формат, предполагающий использование языков программирования, по договоренности со студентом).
Контрольная работа 2
Работа сдается в виде скрипта на R (Python или другой ЯП - по договоренности со студентом)
Домашнее задание 2
Работа сдается в виде R-markdown-файла (или же любой другой формат, предполагающий использование языков программирования, по договоренности со студентом).

Промежуточная аттестация

2021/2022 учебный год 2 модуль
0.35 * Домашнее задание 1 + 0.35 * Домашнее задание 2 + 0.1 * Контрольная работа 1 + 0.2 * Контрольная работа 2

Программа дисциплины