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.
Objectifs d'apprentissage (compétences mères)
- 1.1 - Auditer les usages avancés et spécialisés des outils de l'intelligence digitale, afin de les mobiliser avec pertinence, en tenant compte du contexte stratégique des organisations.
- 6.2 - Optimiser l'usage d'outils adaptés aux différents domaines de gestion, et définir et interpréter les KPI pertinents, afin de mesurer et garantir une création de valeur durable et soutenable pour toutes les parties prenantes.
Traits de compétences
- Appliquer des méthodes d’analyse de données pour segmenter des consommateurs et représenter leurs préférences
- Analyser la valeur et le comportement des clients afin d’orienter les décisions marketing
- Évaluer l’impact et la performance des actions marketing à partir d’indicateurs et de résultats chiffrés.
- Concevoir des offres et actions marketing en s’appuyant sur des informations issues des données
- Interpréter les résultats d’analyses statistiques pour formuler des recommandations marketing argumentées
Contenu : structure du module et agenda
Day 1: Segmentation, perceptual mapping, and diffusion models
Day 2: Product analytics (conjoint analysis)
Day 3: Analytics for pricing and promotion decisions (marketing mix models, controlled experiments,)
Day 4: Customer analytics (Logistic Regression, RFM analysis, Customer Lifetime Value)
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.
Ce cours contribue principalement à l'ODD 4 (Éducation de qualité) en formant les étudiants aux méthodes analytiques avancées et aux compétences en science des données appliquées au marketing, essentielles pour leur employabilité future. Il soutient également l'ODD 8 (Travail décent et croissance économique) en préparant les futurs professionnels à des emplois à forte valeur ajoutée dans l'analyse marketing data-driven et la prise de décision basée sur les données.
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
- Participation: 10%
- Short quizzes: 10%
- Group project: 30%
- Final exam: 50%
The catch-up exam will take the form of a 30-minute oral exam.
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