DDDM : Marketing-data analytics

Catalogue des cours de Institut Mines-Télécom Business School

Code

MPYF MKT 6439

Niveau

M2

Discipline

Marketing, commercial

Langue

Anglais/English

Crédits ECTS

2

Heures programmées

28

Charge totale étudiant

40

Coordonnateur(s)

Département

  • Management, Marketing et Stratégie

Equipe pédagogique

Introduction au module

This course introduces students to different methods that are commonly used to make marketing decisions based on the collection and analysis of data. It will cover methods to segment consumers, conjoint analysis to design and price products, marketing mix models and controlled experiments to optimize the marketing mix. Tools from statistics and machine learning will be introduced in a practical way; the focus will be on their applications in business settings to make better decisions.

Contenu : structure du module et agenda

Day 1: Conjoint analysis for product design and pricing
Day 2: Clustering algorithms for consumer segmentation, and preference mapping and dimensionality reduction
Day 3: Customer selection, Customer Lifetime Value, RFM analysis, Logistic Regression
Day 4: Marketing mix models, causality, controlled experiments, A/B testing, statistical significance

Contribution à l'atteinte des ODD (Objets du Développement Durable)

ODD4 – Ensure inclusive and equitable quality education and promote lifelong learning opportunities for all.
ODD8 - Promote sustained, inclusive and sustainable economic growth, full and productive employment and decent work for all.

Nombre d'ODD abordés parmi les 17

2

Apprentissage

synchrone

Méthode pédagogique

Lectures and class discussion on practical examples
Case studies
Hands-on applications on datasets

Système de notation et modalités de rattrapage

Individual evaluation: 60% (short quizzes, participation, final exam)
Collective evaluation: 40% (group projects)

Le règlement de scolarité en vigueur constitue le document de référence.
En cas de note finale inférieure à 10 sur 20, un rattrapage est organisé et compte pour 100% de la note finale.
Tout devoir remis hors délai sera crédité de la note de 0.
Les notes peuvent être individualisées selon la participation (retard ou absence non excusée en cours, comportement en cours, etc.) sous la forme d'un bonus ou d'un malus de points. La règle de ponctualité et de présence fait partie intégrante du cadre de vie et d’apprentissage porté collectivement, elle traduit le respect du travail des enseignants, du groupe et des exigences de l’école ainsi qu'une posture professionnelle attendue des étudiants. Toute absence non justifiée d'une demi-journée de classe entraînera une pénalité d’un point sur la note finale du module concerné. Cette sanction pourra également s’appliquer à tout retard non justifié. En cas de retards ou d’absences répétés, le nombre de points retirés pourra être augmenté, afin de garantir le bon déroulement des enseignements.

Règlement du module

Le règlement de scolarité en vigueur constitue le document de référence.

Communication Professeur-Apprenant
● Le professeur contactera les apprenants via leur adresse mail scolaire (IMT-BS/TSP) et le portail Moodle. Aucune communication via les adresses mails personnelles n’aura lieu. Il est de la responsabilité de l’étudiant de consulter régulièrement sa boîte mail IMT-BS/TSP.
● Les apprenants peuvent communiquer avec le professeur en envoyant un mail à son adresse institutionnelle. Au besoin, il est possible de le rencontrer dans son bureau ou par visio-conférence sur rendez-vous.

Apprenants avec des besoins d’accommodement
Si l’apprenant a un handicap qui empêche d’accomplir le travail décrit ou qui nécessite toute sorte d'accommodement, il est de sa responsabilité d’en informer le directeur des études (avec justificatifs) dès que possible. Aussi, l’apprenant ne doit pas hésiter à en discuter avec son professeur.

Comportement en classe
● En guise de courtoisie envers le professeur et les autres apprenants, tous les téléphones portables, jeux électroniques ou autres appareils générant du son doivent être désactivés pendant les cours.
● L’apprenant doit éviter out comportement perturbateur et irrespectueux tel que: arriver en retard en classe, partir tôt, comportement inconsidéré (ex. dormir, lire un document non lié au cours, utiliser un langage vulgaire, parler excessivement, manger, boire, etc.). Un avertissement peut être donné à la première infraction de ces règles. Les contrevenants seront pénalisés et pourront être expulsés de la classe et/ou subir d'autres procédures disciplinaires.
● Aucun retard n'est toléré. La présence sera déclarée sur Moodle via un QR code fourni par le professeur à chaque démarrage de cours.
● L’apprenant doit arriver à l'heure pour les examens et autres évaluations. Personne ne sera autorisé à entrer en classe une fois que la première personne aura terminé l'examen et quitté la salle. Il n'y a absolument aucune exception à cette règle. Aucun apprenant ne peut continuer à passer un examen une fois le temps écoulé. Aucun apprenant ne peut quitter la salle pendant un examen à moins qu'il / elle ait terminé et ait remis tous les documents.
● En cas de cours à distance, l'apprenant doit maintenir sa caméra allumée sauf en cas d'indications contraires données par l'enseignant.

Code éthique
IMT-BS est engagée dans une politique d'honnêteté dans le milieu académique. Toute conduite compromettant cette politique peut entraîner des sanctions académiques et/ou disciplinaires. Les apprenants doivent s'abstenir de tricher, de mentir, de plagier et de voler. Ceci consiste à accomplir un travail original et à reconnaître toute autre personne dont les idées et les documents imprimés (y compris ceux provenant d’Internet) sont paraphrasés ou cités directement. Tout apprenant qui enfreint ou aide un autre élève à enfreindre les normes de comportement scolaire sera sanctionné conformément aux règles de l'IMT-BS.

Références obligatoires et lectures suggérées

Palmatier, Petersen, Germann: Marketing Analytics Based on First Principles (2022)

Mots-clés

Data marketing, Customer analytics, Product analytics, Marketing mix models, Segmentation