Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
Marketing
Departamento / Department
Ano letivo / Execution Year
2023/2024
Pré-requisitos / Pre-Requisites
Não
Objetivos Gerais / Objectives
Apresentar aos estudantes as principais definições e aplicações dos sistemas analíticos no Marketing. Os estudantes deverão saber aplicar os principais modelos de marketing analítico e interpretar os seus resultados de forma a criar valor para as organizações.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
OA1. Identificar e descrever os conceitos inerentes às técnicas de data mining e text mining mais utilizadas no Marketing para análise de grandes quantidades de informação. OA2. Aplicar e analisar modelos de data mining para o desenho de projetos de Marketing Analytics de segmentação, aquisição, desenvolvimento e retenção de clientes. OA3. Aplicar e analisar modelos de text mining e análise de sentimentos para obtenção de padrões em e-WOM.
Conteúdos Programáticos / Syllabus
CP1. Introdução ao Data Mining e Text Mining e suas aplicações ao Marketing CP2. Modelos de Clustering para Segmentação de Clientes CP3. Modelos Preditivos de Aquisição e Retenção de Clientes (churn) CP4. Web Analytics: A aplicação de text mining e análise de sentimentos à análise de padrões online de e-WOM.
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
Esta demonstração de coerência decorre da interligação dos conteúdos programáticos (CP) com os objetivos de aprendizagem (OA), como a seguir se explicita: CP 1 -> OA 1 CP 2 -> OA 2 CP 3 -> OA 2 CP 5 -> OA 3
Avaliação / Assessment
Sem prejuízo do estrito cumprimento do regulamento do programa, a avaliação contínua exige a presença mínima em 60% das aulas e inclui a realização de: - Um trabalho, que poderá ser de grupo, com a ponderação de 50%; - Uma prova individual, com a ponderação de 50% e uma nota mínima de 10 valores. Alternativamente o exame final, à semelhança da 2ª época, representará 100% da nota final obtida, desconsiderando a componente de avaliação contínua.
Metodologias de Ensino / Teaching methodologies
Todas as aulas são teórico-práticas. Serão utilizadas as seguintes metodologias de ensino-aprendizagem (ME): ME1. Expositivas, para apresentação dos quadros teóricos de referência. ME2. Ativas, com realização de trabalho de grupo ME3. Experimentais, em laboratório, com desenvolvimento e exploração de "modelos" em computador ME4. Auto-estudo, relacionado com o trabalho autónomo (TA) do estudante, tal como consta no Planeamento das Aulas.
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
As metodologias de ensino-aprendizagem visam o desenvolvimento das principais competências de aprendizagem dos estudantes que permitam cumprir com cada um dos objetivos de aprendizagem, pelo que, na grelha a seguir, apresentam-se as principais interligações entre as metodologias de ensino-aprendizagem e os respetivos objetivos. ME1 -> OA 1, 2, 3 ME2 -> OA 2, 3 ME3 -> OA 2, 3 ME4 -> OA 1, 2, 3
Observações / Observations
.
Bibliografia Principal / Main Bibliography
Hwang, Y.H. (2019). Hands-On Data Science for Marketing: Improve your Marketing Strategies with Machine Learning using Python and R. Packt Publishing Ldt. UK Artigos científicos indicados pelo docente Folhas de apoio às aulas elaboradas pelo docente
Bibliografia Secundária / Secondary Bibliography
Berry, M.J.A. and Linoff, G.S.. (2011). Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management. Indianapolis: Wiley Grigsby, M. (2018). Marketing Analytics: A Practical Guide to Improving Consumer Insights Using Data Techniques. Kogan Page Publishers.
Data da última atualização / Last Update Date
2024-02-16