Marketing Mix Modeling w praktyce – Modelowanie, Post-analizy, optymalizacje i tworzenie rekomendacji – część II 2400-ZEWW893

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