Marketing Mix Modeling w praktyce – Modelowanie, Post-analizy, optymalizacje i tworzenie rekomendacji – część II

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.

1. Wprowadzenie

• Plan przedmiotu: agenda spotkań

• Warunki zaliczenia przedmiotu

• 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

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

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

4. Dane wykorzystywane w MMM i ich struktura

• Dane panelowe i szeregi czasowe

• Postać bazy do modelowania

• Częstotliwość danych i jej implikacje

• Wybór odpowiedniej zmiennej modelowanej

• Sposoby agregacji wartości i wolumenu sprzedaży

• Dane uwzględniane w modelach na przykładzie kategorii FMCG

• Dystrybucja numeryczna vs ważona

• Cena, informacje o promocjach

• Czynniki zewnętrzne: Covid, Sezonowość Makroekonomia/Demografia, Trade, Pogoda, Święta

• Metody pomiarów mediów i dostawcy danych

• Czym jest GRP?

• Impresje czy Kliki?

• Czym jest AdStock?

5. Modelowanie oraz interpretacja modelu (1)

• Analiza graficzna zmiennych

• Typy modeli: multiplikatywne, addytywny

• Kolejność uwzględniania zmiennych

• Interpretacja parametrów: elastyczności, semielastyczności, efekty krańcowe

6. Modelowanie oraz interpretacja modelu (2)

• Response Curves, diminishing returns

 Media: c-shape vs s-shape

 Przekształcenie arctg

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

• Regresja pozorna i współliniowość

• Testy statystyczne wykorzystywane do walidacji modeli MMM

• Holdouts

7. Analizy na podstawie modelu i wyciąganie wniosków biznesowych

• Dekompozycja zmiennej modelowanej

• Baseline vs Incremental

• Waterfall dynamiczny vs statyczny

• Liczenie ROIów

8. Optymalizacja inwestycji marketingowych i tworzenie rekomendacji

• Optymalizacja na krzywych wklęsłych – przykład prostego algorytmu

• Przykładowe rekomendacje

9. Zaliczenie przedmiotu

• Prezentacja indywidualnych projektów stworzonych przez studentów (lub egzamin ustny)

10. Kurs kończy się wręczeniem Certyfikatów dla Studentów.

Sylabus został opracowany we współpracy z ekspertami Marketing Mix Modelingu z Choreograph Polska, który jest oficjalnym partnerem Meta (Facebook) w kwestii modelowania marketing mixu oraz jednym z największych zespołów ekonometrycznych na europejskim rynku.

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

*Choreograph Polska to jeden z kluczowych hubów w ramach globalnej struktury analitycznej WPP, który od 20 lat obsługuje największe marki w Polsce i na świecie. Zespół składa się z 40 ekonometryków i ekspertów data science. Rocznie realizuje ponad 100 projektów na rynkach całego świata (Kanada, US, Australia, Japonia i Europa). Obsługuje największych globalnych graczy, a rekomendacje stworzone w ramach projektów pokrywają łącznie ponad miliard dolarów budżetów mediowych rocznie. Od 7 lat zespół w Warszawie jest globalnym partnerem Meta (Facebook) w obszarze Modelowania Marketing Mix.

Szacunkowy nakład pracy studenta:

Typ aktywności K (kontaktowe) S (samodzielne)

wykład (zajęcia) 0 0

ćwiczenia (zajęcia) 30 0

egzamin 1 0

konsultacje 2 0

przygotowanie do ćwiczeń 0 22

przygotowanie do wykładów 0 0

przygotowanie do kolokwium 0 0

przygotowanie do egzaminu 0 20

… 0 0

Razem 33 42 = 75

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 (max ocena 5) lub egzamin ustny (max ocena 4)

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