Contents
Aufgrund der Digitalisierung des Lebens der Verbraucher sowie der Funktionen und Prozesse in Unternehmen verfügen Unternehmen heute über eine große Menge unterschiedlicher Daten, zunehmend nicht nur auf aggregierter, sondern auch auf individueller Ebene. Doch die Menge der verfügbaren Daten und Informationen führt nicht immer zu besseren Entscheidungen. Die Herausforderung besteht darin, zu wissen, wie man Daten analysieren und interpretieren muss. Insbesondere von den Marketingverantwortlichen wird zunehmend erwartet, dass sie ihre Entscheidungen mit Hilfe der Analysen von Daten fundieren. Marketing Analytics erlaubt es Managern die Leistung des Marketings genau zu beziffern, um anhand der Ergebnisse die Effektivität zu maximieren und die Rentabilität (ROI) des Marketings zu optimieren. Verschiedene Marketing Analytics Methoden erlauben es Präferenzen und Trends der Kunden offenzulegen, Informationen, welche für zukünftige Marketing- und Geschäftsentscheidungen von zentraler Bedeutung sind.
Learning outcomes
In diesem Kurs lernen die Teilnehmenden anhand von praktischen Anwendungen, wie Daten im Marketing genutzt werden können um Kunden, Märkte oder Wettbewerber besser zu verstehen. Dieser Kurs vermittelt verschiedene analytische Methoden von Statistik bis hin zum maschinellen Lernen als Mittel zur Bewertung und Optimierung von Marketingaktivitäten und -kampagnen. Teilnehmende verlassen den Kurs mit einem soliden Verständnis dafür, wie Marketing Analytics zur Vorhersage von Ergebnissen und zur systematischen Allokation von Ressourcen eingesetzt werden können.
Necessary prerequisites
–
Recommended prerequisites
–
Forms of teaching and learning | Contact hours | Independent study time |
---|---|---|
Lecture | 2 SWS | 7 SWS |
Exercise class | 2 SWS | 6 SWS |
ECTS credits | 6 |
Graded | yes |
Workload | 180h |
Language | English |
Form of assessment | Schriftliche Prüfung (90 Min.) |
Restricted admission | no |
Further information | – |
Examiner Performing lecturer | ![]() | Prof. Dr. Florian Stahl Prof. Dr. Florian Stahl |
Frequency of offering | Spring semester |
Duration of module | 1 semester |
Range of application | M.Sc. MMM, M.Sc. WiPäd, M.Sc. VWL, M.Sc. Wirt. Inf., LL.M., MAKUWI, MMDS |
Preliminary course work | – |
Program-specific Competency Goals | CG 1, CG 4 |
Literature | Chapman, Christopher N., McDonnell Feit, Elea (2015): R for Marketing Research and Analytics. The book is available for free from the URL: https://link.springer.com/book/10.1007/978–3-319–14436-8 Grigsby, Mike (2018) Marketing Analytics: A Practical Guide to Improving Consumer Insights Using Data Techniques Katsov, Ilya (2018) Introduction to Algorithmic Marketing: Artificial Intelligence for Marketing Operations |
Course outline | Introduction in Marketing and Marketing Analytics Consumer and Customer Analytics: Analyzing and Predicting Individual-level Preferences and Brand Choice Binary Brand and Product Choice Multinomial Brand and Product Choice Markov Models Analyzing and Modeling Purchase Quantity and Timing Market Analytics: Analyzing and Predicting Aggregated Demand and Competition Product Sales Market Basket Analysis Forecasting New Product Sales S-Curves (New Product Sales Over Time) Neural Networks Considering Trends and Seasonality Brand Sales and Market Share Market and Customer Segmentation RFM Models Classification Trees Latent Class Analysis Collaborative Filtering Marketing Management: Increasing Efficiency of Marketing and Competitive Advantage through Analytics Customer Management Customer Relationship Management (CRM) Analytics Customer Journey Analytics Brand Management Measuring Brand Perception Using Big Data Brand Audit through Social Listening Marking Strategy: Increasing Efficiency of Marketing Instruments Pricing Analytics Dynamic Pricing Multi-Channel Pricing |