Marketing Basado en Datos y del Comportamiento
Código: 43931 Créditos ECTS: 10| Titulación | Tipo | Curso | Semestre |
|---|---|---|---|
| 4313148 Marketing | OT | 0 | 2 |
Contacto
- Nombre:
- Jordi López Sintas
- Correo electrónico:
- Jordi.Lopez@uab.cat
Uso de idiomas
- Lengua vehicular mayoritaria:
- español (spa)
Equipo docente
- María Pilar López Belbeze
- Jordi López Sintas
- Jose Lopez Vicario
- Giuseppe Lamberti
Prerequisitos
No hay pre requisitos
Objetivos y contextualización
Bloque I: Marketing basado en datos
El marketing basado en datos aborda el estudio de problemas de marketing a partir de datos, teorías y experimentos que estudian el comportamiento del consumidor. Es una línea de conocimiento interdisciplinaria (marketing science, microeconomía aplicada, organización industrial, y computación estadística) que aborda temas como los siguientes: investigación de las elecciones del consumidor y de su comportamiento, evaluación de decisiones comerciales basadas en datos, desarrollo y aplicación de experimentos a pequeña y gran escala, métodos para el uso de grandes cantidades de datos, métodos de computación para el análisis de datos disponibles en internet. Esta parte se divide en dos, aplicaciones del marketing basdo en datos con el entorno R y aplicaciones del aprendizaje automático a los problemas de marketing.
Bloque II: Marketing del comportamiento del consumidor
Marketing del comportamiento aborda el estudio de cómo los individuos se comportan en dominios relevantes de consumo. Esta área del marketing es interdisciplinaria y estudia temas como los siguientes: experimentos en marketing, toma de decisiones, actitudes y persuasión, influencia social motivación, cognición, cultura, comportamiento no consciente, neurociencia aplicada al consumidor, emociones. Esta parte se divide en dos, Economía del comportamiento (fundamentos) y marketing del comportamiento (aplicaciones).
Competencias
- Abordar situaciones y/o problemas empresariales que puedan entrañar un dilema ético a partir de una reflexión crítica.
- Aportar soluciones innovadoras a problemas comerciales.
- Argumentar y redactar informes precisos y claros sobre problemas comerciales planteados.
- Desarrollar habilidades directivas y de liderazgo.
- Diseñar e implantar planes de marketing atendiendo a criterios de eficacia y eficiencia.
- Diseñar, planificar y dirigir acciones de marketing en los nuevos escenarios que plantea la sociedad de la información.
- Generar ideas y soluciones innovadoras y competitivas.
- Implementar las técnicas emergentes en el ámbito del marketing.
- Trabajar con las fuentes de datos, las metodologías y técnicas de investigación científica y las herramientas informáticas propias del marketing.
- Trabajar en equipos de carácter interdisciplinar.
Resultados de aprendizaje
- Abordar situaciones y/o problemas empresariales que puedan entrañar un dilema ético a partir de una reflexión crítica.
- Analizar datos de encuesta mediante el software estadístico apropiado.
- Aplicar en la planificación en marketing herramientas novedosas.
- Aplicar los diferentes métodos de investigación.
- Argumentar y redactar informes precisos y claros sobre problemas comerciales planteados.
- Definir posicionamientos estratégicos claves a diferentes situaciones de producto-mercado.
- Desarrollar habilidades directivas y de liderazgo.
- Establecer procesos de análisis y valoración de acciones de otras empresas competidoras.
- Evaluar la dinámica de los mercados.
- Generar ideas y soluciones innovadoras y competitivas.
- Identificar las características de la base de datos para su análisis.
- Identificar las claves de las principales estrategias de marketing.
- Identificar y distinguir las nuevas tendencias en marketing.
- Identificar y filtrar las principales tendencias y tecnologías venideras.
- Plantear estrategias realistas e innovadoras.
- Plantear ideas elaboradas para la planificación u organización en marketing.
- Trabajar en equipos de carácter interdisciplinar.
- Utilizar correctamente las herramientas informáticas para el análisis de los datos.
- Utilizar modelos de diagnóstico estratégico.
- Utilizar modelos y criterios de previsión y monitorización avanzados.
- Utilizar recursos para la presentación atractiva y resumida de datos y resultados.
Contenido
Bloque I: Marketing basado en datos
Parte A) Aplicaciones del marketing basados en datos (Giuseppe Lamberti)
1) Diseño de nuevos productos teniendo en cuenta las preferencias de los consumidores
- Introducción a la análisis del Conjunto y principales aplicaciones
- Elección de atributos y niveles
- Selección del modelo de preferencias
- Elección del método de recogida de datos y escala de medición.
- Estimación de la función de utilidad subyacente
2) El importancia de la satisfacción del consumidor en la estrategia de Marketing para aumentar la retención de los propios consumidores: Costumer Satisfaction Model
- Modelos para medir la satisfacción de clientes
- Interpretación del modelo
- Implicaciones en la estrategia de marketing
3) Predecir la elección del consumidor mediante modelos de el análisis de elección discretas
- Modelos de elección discreta
- Principales aplicaciones
- Estimación de los parámetros
- Interpretación de los resultados
- Aplicación de modelos de elección discreta a el análisis de conjunto
Parte B: Modelos aprendizaje automático en marketing (Dr. José López Vicario)
Esta parte del módulo se basa en el desarrollo de tres miniproyectos en en el entorno R de análisis de datos. Cada miniproyecto desarrolla un tópico del márketing basado en datos, considerando datos reales de empresas de marketing digital (AirBnB, Tripadvisor, Amazon) o de redes sociales. El primer proyecto y también el segundo de desarrollaran cada uno en una sesión. El tercer proyecto se desarrollará durante dos sessiones debido a que se introducirán los conceptos de redes neuronales y aprendizaje (deep learning)
- Social Media Analytics (Sentiment Analysis, Ultra-segmentation, Brand Engagement).
- Recommendation system (Basket Market Analysis, Association Rules)
- Forecasting Models for Marketing Decisions (Score Prediction, Regression Models vs. Neural Networks).
Bloque II: Marketing del comportamiento del consumidor
C) Marketing del comportamiento I: economía del comportamiento humano (Dr. Jordi López Sintas)
- Teoría del valor
- Racionalidad limitada: Contabilidad mental; Información limitada; Decisiones ’irracionales’
- Teoría de los sistemas duales: Disponibilidad y afecto; Información que destaca: Sesgo de la situación actual e inercia
- Dimensiones sociales
- Dimensiones temporales
- Aplicaciones al cambio de comportamiento
- Aspectos éticos
D) Marketing del comportamiento II: Aplicaciones de la economía del comportamiento al marketing (Dra. Pilar López Belbeze)
- La experimentación como herramienta complementaria
- Comportamiento del consumidor y neurociencia
- Análisis del proceso de elección del consumidor
- Aplicaciones a las decisiones de producto
- Aplicaciones a las decisiones de precio
- Aplicaciones a las decisiones de marca
- Optimización de la comunicación con los consumidores
Metodología
Metodología docente
Clases magistrales.
Discusión de artículos/casosen clase
Clases de prácticas/casos.
Elaboración de ensayos.
Exposición oral de ensayos.
Tutorías.
Estudio personal.
Actividades
| Título | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|
| Tipo: Dirigidas | |||
| Clases magistrales, discusión de casos y presentación de ensayos cortos | 75 | 3 | 1, 2, 3, 4, 9, 6, 7, 8, 13, 14, 11, 12, 15, 16, 18, 19, 20, 21 |
| Tipo: Supervisadas | |||
| Tutorías y seguimiento de los ensayos a realizar y de los casos a preparar | 50 | 2 | 4, 8, 11, 16, 18, 21 |
| Tipo: Autónomas | |||
| Lecturas relacionadas, preparación de casos y prácticas, estudio y elaboración de esquemas | 100 | 4 | 2, 4, 5, 10, 11, 17, 18, 21 |
Evaluación
Evaluación
Participación en las discusiones de clase (20%)
Entregas de trabajos individuales o colectivos (40%)
Evaluación individual mediante examen o entrega individual (40%)
A. Normas generales de evaluación de los módulos
Este módulo se estructura en diferentes partes que están a cargo de diferentes profesores. La nota final del módulo consiste en la media de las notas de cada asignatura o partes que forman el módulo.
Se considera que el módulo se ha aprobado si:
1 la nota de cada parte del módulo es superior o igual a 5 (en una escala de 0 a 10) y
2 la nota final del módulo es mayor o igual a 5 (en una escala de 0 a 10)
Si el módulo no está aprobado, la coordinación del máster ofrecerá al estudiante la posibilidad de re-evaluar las partes que componen el módulo y que no se han superado si la nota es superior o igual a 3,5, según la valoración de los profesores de los módulos y de la coordinación. Si el estudiante aprueba la reevaluación la nota máxima que obtendrá en la parte reevaluada será de 5. El calendario de las reevaluaciones se hará público junto con la lista de notas del módulo.
La nota de cada parte del módulo
El alumno tendrá una nota de No Evaluado si no asiste al menos al 80% de las clases presenciales (se llevará un control con una hoja de firmas) o si no realiza al menos el 50% de las actividades de evaluación continuada. Cada profesor especificará en esta guía la manera en la que evaluará a los estudiantes. Si no se especifica en la guía, esas normas de evaluación se entregarán el primer día de clase por escrito.
B. Calendario de actividades de evaluación
Las fechas de las diferentes pruebas de evaluación (exámenes parciales, ejercicios en aula, entrega de trabajos, ...) se anunciarán con suficiente antelación durante el semestre.
La fecha del examen final de la asignatura está programada en elcalendario de exámenes de la Facultad.
"La programación de las pruebas de evaluación no se podrá modificar, salvo que haya un motivo excepcional y debidamente justificado por el cual no se pueda realizar un acto de evaluación. En este caso, las personas responsables de las titulaciones, previa consulta al profesorado y al estudiantado afectado, propondrán una nueva programación dentro del período lectivo correspondiente." Apartado 1 del Artículo 115. Calendario de las actividades de evaluación (Normativa Académica UAB)
Los y las estudiantes de la Facultad de Economía y Empresa que de acuerdo con el párrafo anterior necesiten cambiar una fecha de evaluación han de presentar la petición rellenando el documento Solicitud reprogramación pruebahttps://eformularis.uab.cat/group/deganat_feie/solicitud-reprogramacion-de-pruebas
Procedimiento de revisión de las calificaciones
Coincidiendo con el examen final se anunciará el día y el medio en que es publicarán las calificaciones finales. De la misma manera se informará del procedimiento, lugar, fecha y hora de la revisión de exámenes de acuerdo con la normativa de la Universidad.
Proceso de Recuperación
“Para participar en el proceso de recuperación el alumnado debe haber sido previamente evaluado en un conjunto de actividades que represente un mínimo de dos terceras partes de la calificación total de la asignatura o módulo.”Apartado 3 del Artículo 112 ter. La recuperación (Normativa Académica UAB).Los y las estudiantes deben haber obtenido una calificación media de la asignatura entre 3,5 y 4,9.
Todos los alumnos tienen la obligación de realizar las tareas evaluables. Si la nota de curso del alumno es 5 o superior, se considera superada la asignatura y ésta no podrá ser objeto de una nueva evaluación. En el caso de una nota inferior a 3,5, el estudiante tendrá que repetir la asignatura el siguiente curso. Para aquellos estudiantes que la nota de curso sea igual o superior a 3,5 e inferior a 5 podrán presentarse a la prueba de recuperación. Los profesores de la asignatura decidirán la modalidad de esta prueba. Cuando la nota de la prueba de recuperación sea igual o superior a 5, la calificación final de la asignatura será de APROBADO siendo la nota numérica máxima un 5. Cuando la nota de la prueba de recuperación sea inferior a 5, la cualificación final de la asignatura será de SUSPENSO siendo la nota numérica la nota de curso (y no la nota de la prueba de recuperación).
Un estudiante que no se presenta a ninguna prueba evaluatoria se considera no evaluable, por lo tanto, un estudiante que realiza algún componente de evaluación continuada ya no puede ser calificado con un "no evaluable”.
La fecha de esta pruebaestará programada en el calendario de exámenes de la Facultad. El estudiante que se presente y la supere aprobará la asignatura con una nota de 5. En caso contrario mantendrá la misma nota.
Irregularidades en actos de evaluación
Sin perjuicio de otras medidas disciplinarias que se estimen oportunas, y de acuerdo con la normativa académica vigente, "en caso que el estudiante realice cualquier irregularidad que pueda conducir a una variación significativa de la calificación de un acto de evaluación, se calificará con un 0 este acto de evaluación, con independencia del proceso disciplinario que se pueda instruir. En caso que se produzcan diversas irregularidades en los actos de evaluación de una misma asignatura, la calificación final de esta asignatura será 0". Apartado 10 del Artículo 116. Resultados de la evaluación. (Normativa Académica UAB)
Actividades de evaluación
| Título | Peso | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|---|
| Asistencia y participación en las discusiones de clase | 20% | 10 | 0,4 | 5, 13, 14, 11, 12, 16, 17, 18 |
| Ejercicios de evaluación individual | 40% | 3 | 0,12 | 9, 6, 10, 13, 14, 11, 12, 15 |
| Ejercicios prácticos individualse o en grupo | 40% | 12 | 0,48 | 1, 2, 3, 4, 5, 9, 6, 7, 8, 10, 13, 14, 11, 12, 15, 16, 17, 18, 19, 20, 21 |
Bibliografía
Bibliografía
Parte A:
Lilien, G.L. and Rangaswamy, A., (2004) Marketing Engineering: Computer Assisted Marketing Analysis and Planning, Prentice Hall.
Chapman, N.C., and McDonnell, E., Feit. (2015) R for Marketing Research and Analytics, Springer-Verlag, Switzerland, 2015
Miller, T. W. (2015). Marketing Data Science: Modeling Techniques in Predictive Analytics with R and Python (01 edition). Old Tappan, New Jersey: Pearson FT Press. (https://mdsr-book.github.io/exercises.html)
Grigsby, M. (2015). Marketing Analytics: A practical guide to real marketing science (1 edition). London : Philadelphia: Kogan Page.
Parte B:
Lantz, B. (2015) Machine Learning with R, Packt Publishing.
Chapman, C. and E. McDonnell Feit (2015) R for Marketing Research and Analytics, Springer.
Sharma,T., D. Sarkar, R. Bali (2017) Learning Social Media Analytics with R, Packt Publishing.
Parte C:
https://www.behavioraleconomics.com/introduction-behavioral-economics/
Dhami, S. (2016). TheFoundations of Behavioral Economic Analysis.Oxford: OUP Oxford.
Gneezy, U., List, J. (2013). The Why Axis. Public Affair. Disponible en Castellano como: “Lo que Importa es el Porqué” en Empresa Activa (2014).
Kahneman, D. (1990). Experimental Tests of the Endowment Effect and the Coase Theorem. Journal of Political Economy, 98(6), 1325–1348.
Kahneman, D. (2003). Experienced utility and objective happiness: a moment-based approach. In I. Brocas & J. D. Carrillo (Eds.), The Psychology of Economic Decisions. Vol 1: Rationality and well-being. Oxford: Oxford University Press.
Kahneman, D. (2012). Thinking, Fast and Slow. London: Penguin.
Thaler, R. H., & Sunstein, C. R. (2008). Nudge: improving decisions about health, wealth, and happiness. New Haven: Yale University Press.
Thaler, R. H. (2016). Misbehaving: The Making of Behavioural Economics (01 edition). London: Penguin. Disponible en castellano como: La Psicología Económica. Bilbao: Deusto.
Wilkinson, N. (2008). An Introduction to Behavioral Economics. Palgrave Macmillan.
Williams, B. (2017). Behavioural Economics for Business. Blurb.
Patzer, G. (1996). Experiment-Research Methodology in Marketing: Types and Applications. Praeger.
LOK, J. C. (n.d.). Judgement The difference between Behavioral Economy and Psychological Methods To Predict Consumption.
Parte D:
Aydinli, A., Gu, Y., & Pham, M. T. (2017). An experience-utility explanation of the preference for larger assortments. International Journal of Research in Marketing. https://doi.org/10.1016/j.ijresmar.2017.06.007
Barone, M. J., Bae, T. J., Qian, S., & d’Mello, J. (2017). Power and the appeal of the deal: how consumers value the control provided by Pay What You Want (PWYW) pricing. Marketing Letters, 28(3), 437–447. https://doi.org/10.1007/s11002-017-9425-6
Blanco, R. Á. D. (2012). Neuromarketing, fusión perfecta. Pearson España.
Brañas Garza, P. (Ed.). (2011). Economía experimental y del comportamiento | de Pablo Brañas Garza. Barcelona: Antoni Bosch Editor. Retrieved from http://www.antonibosch.com/libro/economia-experimental-y-del-comportamiento
Genco, S. J., Pohlmann, A. P., & Steidl, P. (2013). Neuromarketing For Dummies (Edición: 1). Mississauga: John Wiley & Sons Inc.
Gneezy, U., & List, J. (2014). Lo que importa es el porqué: Los motivos económicos ocultos de nuestras acciones. (M. D. Merino, Trans.). Empresa AC.
Praet, D. V. (2014). Unconscious Branding: How Neuroscience Can Empower (and Inspire) Marketing (Edición: Reprint). Palgrave Macmillan.
Renvoise, P., & Morin, C. (2007). Neuromarketing: Understanding the Buy Buttons in Your Customer’s Brain. Thomas Nelson.
Walters, D., & Nussey, B. (2015). Behavioral Marketing: Delivering Personalized Experiences At Scale (1 edition). Hoboken, New Jersey: Wiley.
Yan, J., Tian, K., Heravi, S., & Morgan, P. (2017). The vices and virtues of consumption choices: price promotion and consumer decision making. Marketing Letters, 28(3), 461–475. https://doi.org/10.1007/s11002-017-9421-x