Marketing Data Science, Forecasting e Decision Models

1

Marketing data science: fondamenti e strategia

Introduzione alla data science applicata al marketing: segmentazione, predizione e causalità.

2

Python per marketing data science

Strumenti Python essenziali per marketing analytics: pandas, scikit-learn, statsmodels, Prophet.

Prerequisiti: 1

3

Customer analytics e segmentazione

Tecniche di segmentazione clienti: RFM, K-means e behavioral clustering per il marketing.

Prerequisiti: 1

4

Cluster analysis: tecniche e applicazioni

Tecniche avanzate di clustering: hierarchical, DBSCAN e Gaussian Mixture Models per segmentazione.

Prerequisiti: 1

5

NPS critique e metriche di soddisfazione avanzate

Analisi critica del Net Promoter Score e metriche alternative per misurare la soddisfazione cliente.

Prerequisiti: 1

6

PMF e product-market fit analytics

Misurare il product-market fit con metodi quantitativi: retention, NRR e Sean Ellis test.

Prerequisiti: 1

7

Attribution modeling moderno

Dal last-click ai modelli incrementali: come leggere attribuzione e contributo reale dei canali senza confondere correlazione e causalità.

Prerequisiti: 1

8

Unit economics avanzate per il marketing

Modellare CAC, LTV e payback period con segmentazione e predizione dinamica.

Prerequisiti: 1

9

Trigger analytics e automazione marketing

Identificare trigger comportamentali per attivare campagne marketing in tempo reale.

Prerequisiti: 1

10

Text generation e NLP per marketing

Applicare NLP e generative AI al marketing: copy generation, sentiment e classificazione.

Prerequisiti: 1

11

Embeddings e rappresentazione semantica

Usare embeddings per rappresentare clienti, prodotti e contenuti in spazi vettoriali.

Prerequisiti: 1

12

Trappole analitiche e bias nel marketing

Errori statistici comuni nel marketing analytics e framework per evitarli.

Prerequisiti: 1

13

HADI cycles: applicazione pratica

Il framework HADI (Hypothesis-Action-Data-Insights) per marketing data science iterativo.

Prerequisiti: 1

14

Incrementality testing e holdout

Misurare l'effetto incrementale del marketing con holdout test e gruppi di controllo.

Prerequisiti: 1

15

Modelli predittivi per LTV e churn

Costruire modelli predittivi per Customer Lifetime Value e churn probability nel marketing.

Prerequisiti: 1

16

Retention analytics e crescita sostenibile

Come leggere la retention per capire qualità di prodotto e sostenibilità della crescita, con coorti, curve e decisioni operative.

Prerequisiti: 1

17

Drift, model decay e monitoraggio

Drift, model decay e monitoraggio. Lezione core del modulo Marketing Data Science, Forecasting e Decision Models con problema reale, modello concettuale, formalizzazione rigorosa, caso applicato, lab a 3 livelli e checkpoint finale.

Prerequisiti: 1

18

Cheat Sheet — Marketing Data Science

Riferimento rapido per tecniche e pattern di data science applicata al marketing.

Prerequisiti: 1

19

Caso studio: marketing data science end-to-end

Progetto pratico: predire il churn e costruire una strategia data-driven di retention.

Prerequisiti: 1