No hay comentarios.

CURSO:ANALITICA DE CLIENTES
TRADUCCION:CUSTOMER ANALYTICS
SIGLA:EAM585
CREDITOS:05
MODULOS:03/TRIMESTRAL
CARACTER:OPTATIVO
TIPO:CATEDRA
CALIFICACION:ESTANDAR
PALABRAS CLAVE:METODOS ANALITICOS, DATOS, MODELOS PREDICTIVOS, MACHINE LEARNING.
NIVEL FORMATIVO:MAGISTER


I.DESCRIPCIÓN DEL CURSO

Este curso introduce a los alumnos a las herramientas analiticas mas utilizadas en marketing para entender mejor al cliente (entendido en un sentido amplio) y predecir su respuesta a acciones de marketing. En este curso los alumnos aprenderan el enfoque cientifico a la gestion de clientes via el uso de tecnologias tales como bases de datos, metodos analiticos y software computacional para recolectar, analizar y actuar en base a la informacion de clientes. Si bien el curso es intensivo en el uso de metodos cuantitativos, su objetivo no es ayudar a formar expertos en estadistica, sino que proporcionar las competencias necesarias para interactuar con y gestionar un equipo de marketing analytics.


II.RESULTADOS DE APRENDIZAJE

1.Constatar la importancia del uso de modelos y datos en la gestion de clientes, considerando las ventajas de la toma de decisiones basada en evidencia empirica.

2.Apreciar la importancia de la centricidad en el cliente como concepto clave en la analitica de clientes.

3.Aplicar herramientas de analitica de clientes al apoyo de la toma de decisiones en marketing.

4.Implementar modelos comunmente utilizados en marketing analytics usando el programa R.

5.Evaluar la correcta aplicacion e interpretacion de tecnicas de la analitica de clientes a situaciones de negocio especificas.


III.CONTENIDOS

1.Introduccion a la analitica de clientes y al uso de R.
1.1.Tipos de analisis en analitica de clientes: descriptivos/predictivos, prescriptivos, causales
1.2.Estructura de datos mas comunes.
1.3.Exploracion y visualizacion de datos usando R.

2.Customer Lifetime Value y Analisis RFM.
2.1.Concepto de Customer Lifetime Value (CLV).
2.2.Modelos de prediccion de retencion.
2.3.Analisis RFM (recency, frequency and monetary value).

3.Modelos de Prediccion de Respuesta.
3.1.Modelo logistico.
3.2.Modelo de redes neuronales
3.3.Otros modelos de machine learning

4.Modelos de Cross-Selling y Text Mining.
4.1.Modelos next-product-to buy.
4.2.Sistemas de recomendacion y market basket analysis.
4.3.Bag-of-words model

5.Metodos Experimentales en Customer Analytics.
5.1.Experimentos de campo en marketing.
5.2.Experimentos naturales y modelo de diferencias en diferencias.


IV.ESTRATEGIAS METODOLOGICAS

-Analisis aplicado de bases de datos reales usando el programa R

-Controles escritos.

-Estudio de casos

-Tareas (individuales y grupales)


V.ESTRATEGIAS EVALUATIVAS

-Participacion en clases: 15%

-Controles escritos: 15%

-Tareas (grupales e individuales): 40%

-Examen final: 30%


VI.BIBLIOGRAFIA

Considerando el caracter practico del curso, este no incluye bibliografia obligatoria. De todos modos, se consideran una serie de textos o recursos disponibles en linea relacionados con cada uno de los temas a tratar en las clases. Todas las referencias listadas mas abajo ayudan a profundizar los contenidos vistos durante las sesiones.


Complementaria

"Managing Customers as Investments: The Strategic Value of Customers in the Long Run", Sunil Gupta & Donald Lehmann, 2005, Pearson Education

?Customer Centricity?, Peter Fader, 2012, Wharton School Press.

?Database Marketing: Analyzing and Managing Customers?, Robert C. Blattberg, Byung-Do Kim & Scott Neslin, 2008, Springer.

?Strategic Database Marketing?, Arthur M. Hughes, 4th Edition, 2012, Mc Graw Hill.

?R for Marketing Research and Analytics?, Chris Chapman & Elea McDonnel Feit, 2nd Edition, 2019, Springer.

?Customer Relationship Management: Concept, Strategy and Tools?, V. Kumar & Werner Reinartz, 3rd Edition, 2018, Springer.


PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE
FACULTAD DE CIENCIAS ECONOMICAS Y ADMINISTRATIVAS / ABRIL 2020