Università degli Studi di Urbino Carlo Bo / Portale Web di Ateneo


METODI STATISTICI PER IL MARKETING
MARKETING STATISTICAL METHODOLOGY

A.A. CFU
2016/2017 8
Docente Email Ricevimento studenti
Nicola Maria Rinaldo Loperfido

Assegnato al Corso di Studio

Marketing e comunicazione per le aziende (LM-77)
Curriculum: PERCORSO COMUNE
Giorno Orario Aula

Obiettivi Formativi

Il corso insegna i principali metodi di analisi statistica multivariata e di data mining, il cui utilizzo nel marketing si è notevolmente diffuso negli ultimi anni. In particolare verranno studiate la segmentazione del mercato, le mappe percettive, la ricerca delle eccellenze, l’analisi delle criticità, la soddisfazione del consumatore e le reti sociali.

The course teaches the main multivariate statistical methods, which have been used more and more often  in the last years. More precisely, it teaches market segmentation, perceptual maps, outlier detection, customer satisfaction and social networks.

Programma

1.  Richiami di statistica di base. Media, varianza, asimmetria, curtosi, correlazione, regressione semplice, frequenze marginali, frequenze congiunte, frequenze condizionate.

2.  Richiami di algebra lineare. Vettori, matrici, relazioni, operazioni, casi notevoli, sistemi lineari, rango, determinante.

3.  Complementi di algebra lineare. Matrici a blocchi, spazi lineari, matrici ortogonali, autovalori, autovettori, forme quadratiche, valori singolari, approssimazioni di matrici, prodotti di matrici.

4.  Elaborazioni preliminari. Matrice dei dati, matrice delle distanze, vettore media, matrice varianza, matrice correlazione, asimmetria e curtosi multivariate, matrici a più vie.

5.  Metodi orientati alle unità. Analisi dei gruppi, analisi della varianza, analisi discriminante, graduazione multidimensionale.

6.  Metodi orientati alle variabili. Regressione multivariata, componenti principali, analisi delle corrispondenze, correlazioni canoniche.

7.  Applicazioni al marketing: segmentazione del mercato, mappe percettuali, conjoint analysis, previsione della domanda, customer satisfaction, reti sociali.

Risultati di Apprendimento (Descrittori di Dublino)

- Conoscenza e capacità di comprensione: lo studente conoscerà i principali metodi di statistica multivariata ed il loro utilizzo nel marketing.  

- Conoscenza e capacità di comprensione applicate: lo studente potrà esplorare quantitativamente dati complessi, per individuarne le strutture latenti.

- Autonomia di giudizio: lo studente potrà scegliere la metodologia più adatta all'esplorazione dei dati e valutare la qualità dei risultati ottenuti.

- Abilità comunicative: lo studente imparerà a comunicare i risultati delle analisi esplorative tramite grafici, tabelle, presentazioni e relazioni.

- Capacità di apprendere: lo studente riuscirà ad integrare quanto appreso con le metodologie apprese in altri corsi oppure tramite studio personale.

Materiale Didattico

Il materiale didattico predisposto dal docente in aggiunta ai testi consigliati (come ad esempio diapositive, dispense, esercizi, bibliografia) e le comunicazioni del docente specifiche per l'insegnamento sono reperibili all'interno della piattaforma Moodle › blended.uniurb.it

Modalità Didattiche, Obblighi, Testi di Studio e Modalità di Accertamento

Modalità didattiche

Il corso prevede l'utilizzo di diverse modalità didattiche:

1.  Lezioni. Esposizione della teoria, discussione di casi reali, verifica informale dei risultati di apprendimento. La modalità didattica è interattiva, per stimolare e la partecipazione attiva degli studenti.

2.  Esercitazioni. Organizzazione dei dati ed elaborazione degli stessi tramite EXCEL. In particolare verranno spiegate ed utilizzate le principali funzioni statistiche di EXCEL.

3.  Ricevimenti. Durante il corso c’è  un ricevimento settimanale, il cui orario è fissato prima dell’inizio del corso stesso. Negli altri periodi il ricevimento viene concordato con il docente tramite posta elettronica.

Obblighi

Le modalità dell’esame sono dettagliatamente descritte nel materiale didattico.

Testi di studio

1.  Il libro di Mary Fraire e Alfredo Rizzi : Analisi dei Dati per il Data Mining, edito da Carocci, che risulta particolarmente utile per approfondire i punti 4, 5, 6 e 7 elencati nei Risultati di Apprendimento.

2.   Il libro di Alfredo Rizzi: Il Linguaggio delle Matrici, edito da Carocci, che risulta particolarmente utile per approfondire i punti 2 e 3 elencati nei Risultati di Apprendimento.

3.  Dispense messe a disposizione dal docente sulla piattaforma Moodle › blended.uniurb.it., inclusive di esercizi risolti, esercizi svolti, tabelle riassuntive, modalità di esame, esempi di esame.

Modalità di
accertamento

La valutazione avviene tramite una prova scritta che consiste in trenta affermazioni estratte casualmente dal materiale didattico. Lo studente deve stabilire la veridicità o la falsità di ogni affermazione. Ogni risposta corretta corrisponde ad un punto e la somma dei punti costituisce il voto dell’esame. Lo studente ha a disposizione un’ora di tempo per completare l’esame.

Informazioni Aggiuntive per Studenti Non Frequentanti

Modalità didattiche

Ricevimento, anche telefonico, previo accordo con il docente via posta elettronica.

Obblighi

Identici a quelli dei frequentanti

Testi di studio

Studio individuale dei testi di esame indicati sopra e del materiale presente sulla piattaforma blended.

Modalità di
accertamento

La valutazione degli studenti non frequentanti è la stessa degli studenti frequentanti.

Note

L'esame e la bibliografia potranno essere in lingua inglese su richiesta dello studente.

The student can request to sit the final exam in English with an alternative bibliography. 

« torna indietro Ultimo aggiornamento: 28/07/16


Condividi


Questo contenuto ha risposto alla tua domanda?


Il tuo feedback è importante

Raccontaci la tua esperienza e aiutaci a migliorare questa pagina.

Il tuo 5x1000 per sostenere le attività di ricerca

L'Università di Urbino destina tutte le risorse che deriveranno da questa iniziativa alla ricerca scientifica ed al sostegno di giovani ricercatori.

Numero Verde

800 46 24 46

Richiesta informazioni

informazioni@uniurb.it

Posta elettronica certificata

amministrazione@uniurb.legalmail.it

Social

Performance della pagina

Università degli Studi di Urbino Carlo Bo
Via Aurelio Saffi, 2 – 61029 Urbino PU – IT
Partita IVA 00448830414 – Codice Fiscale 82002850418
2019 © Tutti i diritti sono riservati

Top