Ficha Unidade Curricular (FUC)

Informação Geral / General Information

Carga Horária / Course Load

Área científica / Scientific area

Marketing

Departamento / Department

Departamento de Marketing, Operações e Gestão Geral

Ano letivo / Execution Year

2026/2027

Pré-requisitos / Pre-Requisites

Não se aplica.

Objetivos Gerais / Objectives

Pretende-se que os alunos, no final desta unidade curricular, sejam capazes de aplicar criticamente os principais conceitos de estratégia de marketing articulados com o papel da Inteligência Artificial ao longo da jornada do cliente; analisar o consumidor e segmentar com técnicas de IA; definir posicionamento e decisões do Marketing-Mix potenciadas por IA preditiva e generativa; construir e justificar análises com ferramentas de IA e avaliar soluções com métricas técnicas e de negócio comunicando recomendações baseadas em evidência, assegurando boas práticas de privacidade e ética.

Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes

Depois de estudarem o programa de Estratégia de Marketing com Inteligência Artificial, os alunos devem ser capazes de: OA1. Descrever o processo de marketing e explicar, de forma crítica, o papel da Inteligência Artificial (IA) em cada etapa da jornada do cliente. OA2. Planear iniciativas de marketing orientadas por IA. OA3. Aplicar métodos de análise do consumidor com IA para segmentação. OA4. Formular estratégias de posicionamento e propostas de valor e desenhar decisões do Marketing-Mix potenciadas por IA. OA5. Construir e justificar análises com ferramentas de IA para estratégia de Marketing. OA6. Avaliar soluções com métricas técnicas de avaliação de modelos de IA. OA7. Comunicar recomendações baseadas em evidência de padrões identificados com técnicas de IA.

Conteúdos Programáticos / Syllabus

CP1. A Estratégia de Marketing: Conceitos e Definições CP2. O impacto da Inteligência Artificial (IA) na estratégia de Marketing CP3. A envolvente de Marketing. Técnicas de IA para análise da Envolvente CP4. A definição da estratégia: Técnicas de IA para Segmentação e Posicionamento CP5. Técnicas de IA (preditivas e generativas) para desenvolvimento do Marketing-Mix.

Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular unit's content dovetails with the specified learning outcomes

Os CP1 e CP2 associam-se aos OA1 e OA2: os alunos descrevem o processo de marketing e o papel da IA em cada etapa da jornada, e planificam iniciativas orientadas por IA. O CP3 liga-se aos OA2, OA5 e OA6, ao tratar a envolvente de marketing e as técnicas de IA para recolha/qualidade de dados e análise, bem como critérios de avaliação de modelos. O CP4 sustenta os OA3 e OA4, aplicando IA à segmentação e ao posicionamento para fundamentar propostas de valor. O CP5 articula-se com os OA4, OA5, OA6 e OA7, ao aplicar IA preditiva e generativa nas decisões do Marketing-Mix, avaliando desempenho e comunicando recomendações baseadas em evidência.

Avaliação / Assessment

O aluno deverá adquirir competências de análise e síntese, de pesquisa, de crítica, de comunicação escrita e oral e serão utilizadas as seguintes metodologias de ensino-aprendizagem (ME): 1. Expositivas, para apresentação dos quadros teóricos de referência 2. Participativas, com análise e resolução de casos. 3. Ativas, com realização de projetos de empresa 4. Auto-estudo, relacionado com o trabalho autónomo do aluno. Os grupos de trabalho devem ter entre 3 e 5 elementos.

Metodologias de Ensino / Teaching methodologies

O aluno deverá adquirir competências de análise e síntese, de pesquisa, de crítica, de comunicação escrita e oral e serão utilizadas as seguintes metodologias de ensino-aprendizagem (ME): 1. Expositivas, para apresentação dos quadros teóricos de referência 2. Participativas, com análise e resolução de casos. 3. Ativas, com realização de projetos de empresa 4. Auto-estudo, relacionado com o trabalho autónomo do aluno. Os grupos de trabalho devem ter entre 3 e 5 elementos.

Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes

A metodologia adotada não só ajudará o desenvolvimento dos raciocínios de análise crítica desejáveis como também permitirá um enriquecimento da turma com os contributos específicos de cada estudante. A análise de casos e a elaboração do trabalho de grupo permitirá a integração entre o domínio teórico e a sua aplicação na prática. O exame final, de carácter individual, permitirá analisar se cada estudante absorveu e sabe aplicar noutros contextos todos os conceitos apresentados ao longo da UC. Metodologias de ensino aprendizagem (MEA) vs Objetivo de Aprendizagem (OA): 1. Aulas expositivas, para apresentação de quadros teóricos de referência: OA1 a OA7; 2. Aulas Participativas, com análise e resolução de casos práticos: OA1 a OA7; 3. Aulas Participativas, com análise e discussão de casos de estudo e textos de apoio: OA1 a OA7; 4. Aulas Ativas, com realização de trabalhos individuais e de grupo: OA1 a OA7; 5. Auto-estudo, relacionadas com o trabalho autónomo do aluno, tal como consta do Planeamento das Aulas: OA1 a OA7

Observações / Observations

O docente irá disponibilizar uma hora semanal para atendimento aos alunos. A utilização de ferramentas de Inteligência Artificial (IA) é permitida na procura de informação de mercado para responder aos desafios da UC. No entanto, é necessário que os estudantes identifiquem sempre as fontes e as prompts que foram utilizadas para a geração desses insights e que sejam capazes de refletir com sentido crítico sobre os resultados apresentados. Esta UC contribui para o ODS de indústria, inovação e infraestruturas no sentido em que dota os estudantes de competências que permitam criar um espírito analítico, inovador e empreendedor nos mercados concorrenciais. Os alunos abrangidos pelo 'Regulamento Interno para Estudantes com Estatutos Especiais' deverão contactar o docente da UC, ou o Coordenador da mesma, na primeira semana de aulas de cada semestre, com vista ao enquadramento dos processos de aprendizagem e avaliação na UC.

Bibliografia Principal / Main Bibliography

Loureiro, S. M. C., & Guerreiro, J. (2025). Silent Economy: The New Paradigm of Generative AI. CRC Press. Palmatier, R. W., Petersen, J. A., & Germann, F. (2022). Marketing Analytics: Based on First Principles. Bloomsbury Publishing.

Bibliografia Secundária / Secondary Bibliography

Loureiro, S. M. C., Guerreiro, J. & Tussyadiah, I. (2021). Artificial intelligence in business: state of the art and future research agenda. Journal of Business Research. 129, 911-926. https://dx.doi.org/10.1016/j.jbusres.2020.11.001

Data da última atualização / Last Update Date

2025-11-27