ITALIANO 

Costituiscono materiale di studio le slide delle lezioni, che verranno rese disponibili sul portale e-learning di Ateneo, e le risorse (articoli, tutorial o parti di libri) che verranno indicate dal docente durante il corso.
 

Il corso fornisce le competenze metodologiche e operative per selezionare e applicare tecniche base di analisi dei dati a supporto delle decisioni nel marketing digitale. 
Gli studenti applicheranno praticamente le tecniche e i concetti appresi attraverso un progetto di fine corso da svolgere in gruppo, lavorando su un caso specifico con dati realistici e con dati reali reperiti da un social media.
Al termine del corso, gli studenti saranno in grado di:
Comprendere il contesto analitico del digital marketing — identificare i principali bisogni informativi legati all'audience, al comportamento degli utenti, alle performance delle campagne pubblicitarie digitali. Comprendere la differenza tra analisi descrittiva, diagnostica, prescrittiva e predittiva e le tipologie di domande di business a cui esse possono dare risposta.
Identificare le principali sorgenti di dati nel digital marketing — riconoscere e distinguere le fonti dati più rilevanti come piattaforme social e strumenti di web analytics.
Utilizzare Google Analytics per l'analisi di dati e-commerce — navigare l'interfaccia di Google Analytics, interpretare i report predefiniti relativi al comportamento degli utenti e alle performance e-commerce, ed estrarre insight utili a supporto delle decisioni di marketing.
Applicare tecniche di analisi descrittiva — elaborare con Microsoft Excel dataset aziendali e dati provenienti da e-commerce e social media, con padronanza delle principali funzioni di aggregazione, filtraggio e sintesi statistica.
Progettare report visuali e dashboard interattive — utilizzare le funzionalità di Microsoft Excel per costruire rappresentazioni visive dei dati efficaci e leggibili, orientate a rispondere a specifiche domande di business finalizzate alla comprensione dell'audience di riferimento.
Applicare tecniche di clustering per la customer segmentation — utilizzare uno strumento no-code e aperto (KNIME) per applicare metodi di segmentazione non supervisionata su dati di marketing, interpretarne i risultati e tradurli in indicazioni operative per la profilazione del cliente.
Tali competenze verranno applicate in modo integrato nell'ambito di un progetto di fine corso.

Descrittori di Dublino
Conoscenze e capacità di comprensione applicata
Gli studenti saranno in grado di selezionare e applicare tecniche base di analisi dei dati a supporto delle decisioni nel marketing digitale. In particolare, sapranno identificare i principali bisogni informativi legati all'audience, al comportamento degli utenti e alle performance delle campagne pubblicitarie digitali, riconoscere le principali sorgenti di dati del settore, e applicare tecniche di analisi descrittiva e di clustering per la customer segmentation.
Autonomia di giudizio
Gli studenti saranno in grado di scegliere la tecnica di analisi più adeguata in funzione del tipo di dato disponibile e della domanda di business, valutare criticamente i risultati ottenuti.
Abilità comunicative
Gli studenti saranno in grado di progettare report visuali e dashboard interattive in Microsoft Excel, costruendo rappresentazioni efficaci e leggibili orientate a comunicare insight relativi all'audience a interlocutori aziendali.
Capacità di apprendere
Gli studenti acquisiranno familiarità con gli strumenti adottati nel corso — Google Analytics, Microsoft Excel e KNIME — sviluppando una base metodologica che consenta loro di estendere autonomamente le proprie competenze analitiche a nuovi strumenti e contesti del marketing digitale. 

La conoscenza dei concetti base di statistica e delle tecniche di regressione lineare e logistica e di raggruppamento (clustering), sono consigliate per la corretta comprensione dei processi di analisi che si andranno ad implementare. Le suddette conoscenze, oggetto del corso di “Marketing statistics and metrics” saranno comunque richiamate e brevemente discusse durante il corso.
 

L'insegnamento prevede 54 ore di lezione.
Il corso sarà organizzato in moduli, ciascuno dei quali costituito da lezioni teoriche, dimostrazioni ed esercitazioni guidate e progetti pratici di gruppo.

Il corso prevede un progetto di gruppo in cui gli studenti applicheranno gli strumenti introdotti nel corso.



 

La valutazione finale sarà espressa in trentesimi.

L'esame consisterà in due prove:

- una prova orale individuale, in cui gli studenti dovranno rispondere in forma verbale a domande che possono spaziare su tutti gli argomenti del programma e svolgere, su richiesta, compiti pratici avvalendosi degli strumenti software visti a lezione. Gli studenti dovranno portare il proprio computer portatile, se impossibilitati verrà fornito loro un computer con installati i software necessari.

- un project work di gruppo, che sarà illustrato nel dettaglio durante le lezioni e che dovrà essere presentato dagli studenti in forma di relazione scritta e presentazione orale supportata da slides.
Il voto finale sarà la media delle valutazionie ottenute per le due prove (50% test e 50% project work). 

 

Il ricevimento studenti è previsto ogni lunedì dalle ore 10:30 alle ore 12:30, previo appuntamento via e-mail. E' possibile fissare ricevimenti in giorni ed orari diversi ed in modalità online (su paittaforma Teams), contattando il docente via e-mail.
Tutte le informazioni inerenti il corso, le dispense, i materiali di supporto e le esercitazioni e tutte le comunicazioni avverranno attraverso la pagina e-learning del corso (accesso da: http://elearning.unich.it/)