Marketing Mix Modelling w praktyce – Wprowadzenie do R, Tidyverse i przetwarzanie danych - cz. I

nieobowiązkowe

Przedmiot ma na celu wprowadzenie Studentów w 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. Czym jest Marketing Mix Modeling?

• Plan przedmiotu: agenda spotkań

• Warunki zaliczenia przedmiotu

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

• Czym jest MMM – na dużych klockach.

• 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

• BRIEFIENG na projekt – Data validation

2. Wprowadzenie do R, tidyverse, set-up środowiska – część 1

• Instalacja R i RStudio

• Przydatne skróty klawiszowe,

• instalacja pakietów

• Obsługa RStudio

• Zasady pisania kodów w R

• Intro to Tidyverse

3. Wprowadzenie do R, tidyverse, set-up środowiska – część 2

• biblioteki w ramach tidyverse – readr, tidyr, tibble, dplyr, lubridate, purr, ggplot

• porównanie ggplot vs plotly

• modelowanie w R – przykłady funkcje niezbędnych przy modelowaniu (MMM in practise część II)

4. R Markdown – czyli jak efektywnie i efektownie przedstawić swój kod

5. Przygotowanie bazy do modelowania (1 – dane sprzedażowe)

• Zmienne uwzględniane w modelach na przykładzie kategorii FMCG

• Dane panelowe i szeregi czasowe

• Postać bazy do modelowania

• Częstotliwość danych i jej implikacje

• Wybór odpowiedniej zmiennej modelowanej

• Sposoby agregacji wartości i wolumenu sprzedaży

• Dystrybucja numeryczna vs ważona

• Cena, informacje o promocjach

6. Przygotowanie bazy do modelowania (2 – czynniki zewnętrzne)

• Jak uwzględnić w bazie do modelowania czynniki zewnętrzne:

i. COVID,

ii. Sezonowość

iii. Makroekonomię/Demografię

iv. Trade

v. Pogodę

vi. Święta

7. Przygotowanie bazy do modelowania (3 – dane mediowe)

• Metody pomiarów mediów i dostawcy danych

• Czym jest GRP?

• Impresje czy Kliki?

• Czym jest AdStock?

8. Przygotowanie prezentacji

• Praktyczne wskazówki jak przygotować dobrą prezentację

• Storytelling with data – podsumowanie najważniejszych punktów

• Przykładowe prezentacje Data Validation

9. Prezentacje studentów na DV

10. Prezentacje studentów na DV

11. Kurs kończy się wręczeniem Certyfikatów dla Studentów.

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

Umiejętności:

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

 Studenci potrafią wyciągnąć pierwsze wnioski na podstawie graficznej analizy danych

 Studenci potrafią wychwycić ewentualne błędy w danych

 Studenci potrafią przygotować prezentację zgodną z wymaganiami Storytelling with Data

 Studenci zdobędą/udoskonalą umiejętność przetwarzania danych w programie R Studio oraz za pomocą R Markdown, co pozwoli zdobyć praktyczne umiejętności kluczowe na rynku pracy

Kompetencje społeczne:

 Studenci wiedzą jak w zrozumiały sposób prezentować pierwsze wnioski i hipotezy na podstawie danych

Przygotowanie prezentacji Data Validation

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