Marketing Mix Modelling w praktyce

nieobowiązkowe

praktyczny świat biznesu. Kluczowym celem przedmiotu jest pokazanie, jak przełożyć wyniki modelowania i suche statystyki na akcyjne biznesowo rekomendacje.

Na przestrzeni jednego semestru studenci dowiedzą się, jakie zastosowania ma ekonometria w świecie marketingu oraz będą mieli okazje rozwinąć kompetencje kluczowe na rynku pracy. Zdobędą również podstawy wiedzy marketingowej.

W trakcie zajęć wykonany zostanie szereg ćwiczeń praktycznych obejmujących pracę z danymi z użyciem R Studio (wystarczy bardzo podstawowa znajomość – umiejętność uruchomienia programu i absolutnie podstawowej obsługi – reszty nauczycie się w trakcie zajęć), tworzenie podstawowych modeli, przeprowadzanie kluczowych analiz biznesowych oraz tworzenie rekomendacji.

1. Wprowadzenie:

• Plan przedmiotu: agenda spotkań

• Warunki zaliczenia przedmiotu

• Dostawcy MMMów - charakterystyka rynku, ścieżka kariery, model pracy, role w zespole.

• Czym właściwie jest MMM?

• MMMy – ekonometria czy analityka? Porównanie z innymi formami pomiaru efektywności mediów.

• Rola projektu MMM w strategii marki

• Na jakie pytania odpowiada ekonometria?

• Proces projektu ekonometrycznego

2. Przygotowanie bazy do modelowania (dane niemediowe)

• Zmienne uwzględniane w modelach na przykładzie kategorii FMCG

• Dane panelowe i szeregi czasowe

• Postać bazy do modelowania

• Częstotliwość danych i jej implikacje

• Dystrybucja numeryczna i ważona

• Cena, informacje o promocjach

• Sezonowość

• Zmienne binarne

3. Przygotowanie bazy do modelowania (dane mediowe)

• Metody pomiarów mediów i dostawcy danych

• Dobór odpowiednich metryk w trakcie tworzenia modelowania (różnica między GRP, klikami i impresjami)

• Czym jest AdStock?

4. Modelowanie oraz interpretacja modelu (1)

• Typy modeli: multiplikatywne, addytywne

• Kolejność uwzględniania zmiennych

• Interpretacja parametrów: elastyczności, semi elastyczności, efekty krańcowe

• Response Curves, diminishing returns:

• funkcje c-shape vs s-shape

• Modelowanie w praktyce – kryteria wyboru zmiennych (statystyka vs. biznes)

5. Modelowanie oraz interpretacja modelu - walidacja (2)

• Regresja pozorna i współliniowość

• Testy statystyczne

• Holdouts

6. Dekompozycja modelu oraz wyciąganie wniosków biznesowych (1)

• Uproszczony sposób dekompozycji

• Baseline vs Incremental

• Ujęcie statyczne i dynamiczne

• Liczenie ROI

• Optymalizacja na krzywych wklęsłych (np. arctan) – przykład prostego algorytmu

• Przykładowe rekomendacje

7. Dekompozycja modelu oraz wyciąganie wniosków biznesowych (2)

• Ćwiczenia praktyczne

• Studenci prezentują wyniki swoich projektów MMM w formie prezentacji .pdf z rekomendacjami (na podstawie przygotowanych własnoręcznie modeli).

8. Kurs kończy się wręczeniem Certyfikatów dla Studentów.

Sylabus został opracowany we współpracy z ekspertami Marketing Mix Modelingu z działu MediaCom Business Science, który jest oficjalnym partnerem Facebooka w kwestii modelowania marketing mixu oraz jednym z największych zespołów ekonometrycznych na europejskim rynku.

Najlepsi studenci zostaną zaproszeni do uproszczonego procesu rekrutacji do działu MediaCom Business Science, gdzie będą mieli okazję zdobyć cenne doświadczenie w ramach międzynarodowych projektów realizowanych dla największych marek.

*MediaCom Business Science Warsaw to jeden z kluczowych hubów w ramach globalnej struktury badawczej, który od 20 lat obsługuje największe marki w Polsce i na świecie. Zespół składa się z 30 ekonometryków i ekspertów data science. Rocznie realizuje ponad 60 projektów na rynkach całego świata (Kanada, US, Australia, Japonia i Europa). Obsługuje największych globalnych graczy, a rekomendacje stworzone w ramach projektów pokrywają łącznie ponad 2 miliardy budżetów mediowych rocznie. Od 5 lat zespół w Warszawie jest globalnym partnerem Meta (Facebook) w obszarze Modelowania Marketing Mix.

Market Response Models: Econometric and Time Series Analysis: Dominique M. Hanssens, Leonard J. Parsons, Randall L. Schultz

Wiedza:

- Studenci wiedzą czym jest Marketing Mix Modelling

- Studenci potrafią wskazać najważniejsze czynniki marketingowe, które powinny być uwzględnione w modelowaniu

- Studenci wiedzą jak dobrać formę funkcyjną modelu i wiedzą, jakie ma to konsekwencje

- Studenci potrafią biznesowo zinterpretować wyniki modelu

- Studenci wiedzą jak zwalidować model statystycznie i biznesowo

Umiejętności:

- Studenci wiedzą jak przygotować podstawową bazę do modelowania i potrafią wybrać odpowiednią formę zmiennej

- Studenci potrafią wskazać najważniejsze wnioski płynące z modelowania marketing mixu

- Studenci potrafią przełożyć wyniki na wnioski biznesowe I stworzyć rekomendację

- Studenci potrafią zaprezentować podstawowe wyniki MMM

- Studenci zdobędą/udoskonalą umiejętność przetwarzania danych i tworzenia podstawowych modeli w programie R Studio, co pozwoli zdobyć praktyczne umiejętności kluczowe na rynku pracy

Kompetencje społeczne:

- Studenci rozumieją zastosowanie MMM w świecie biznesu i rozumieją wpływ takiego projektu na biznes klientów

- Studenci potrafią ułożyć historię i uargumentować swoje rekomendacje biznesowe na podstawie wyników modelowania

- Studenci wiedzą jak w zrozumiały sposób prezentować wyniki modelowania

Przygotowanie projektu i prezentacja na koniec kursu.

Na ocenę złożą się też prace domowe i aktywność na zajęciach (bonusowe punkty).