Marketing Mix Modelling w praktyce – Wprowadzenie do R, Tidyverse i przetwarzanie danych - cz. I 2400-ZEWW321

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.