Marketing Analytics

Inhalt

Im Rahmen des Kurses wird auf verschiedene relevante Marktforschungsfragestellungen eingegangen, wie unter anderem das Verständnis von Kundeneinstellungen, das Vorbereiten strategischer Entscheidungen und das Erstellen von Verkaufsprognosen. Zur Untersuchung dieser Fragestellungen wird der Umgang unter anderem mit Daten aus sozialen Medien, Paneldaten, Nested Observations und experimentellem Design vermittelt. Zur Datenanalyse werden weiterführende Verfahren wie Multilevel Modeling oder Return on Marketing Models behandelt. Hierbei wird auch vertiefend auf Fragestellungen der Kausalität eingegangen. Die Vorlesung wird durch eine rechnerbasierte Übung ergänzt, in welcher die Verfahren praktisch angewendet werden.

Der/ die Studierende

  • erhält aufbauend auf der Vorlesung Marktforschung einen Überblick über weiterführende statistische Verfahren
  • lernt im Zuge der Vorlesung den Umgang mit fortgeschrittenen Erhebungsmethoden und Analyseverfahren
  • ist darauf aufbauend in der Lage die Ergebnisse zu interpretieren und Handlungsimplikationen abzuleiten.

Gesamtaufwand bei 4,5 Leistungspunkten: ca. 135.0 StundenPräsenszeit: 30 StundenVor- /Nachbereitung: 45 StundenPrüfung und Prüfungsvorbereitung: 60 Stunden

Voraussetzung für das Belegen des Kurses ist das erfolgreiche Absolvieren der Veranstaltung Market Research.

Im Falle von Austauschstudierenden kann die Bedingung, dass der Kurs Market Research bestanden sein muss umgangen werden, wenn diese ausreichende Statistikkenntnisse durch Statistikkurse an der Heimatuniversität nachweisen können. Dies wird individuell vom Lehrstuhl geprüft.

Nähere Informationen erhalten Sie direkt bei der Forschungsgruppe Marketing & Vertrieb (marketing.iism.kit.edu).

VortragsspracheEnglisch
Literaturhinweise
  • Hanssens, Dominique M., Parsons, Leonard J., Schultz, Randall L. (2003), Market response models: Econometric and time series analysis, 2nd ed, Boston.
  • Gelman, Andrew, Hill, Jennifer (2006), Data analysis using regression and multilevel/hierarchical models, New York.
  • Cameron, A. Colin, Trivedi, Pravin K. (2005), Microeconometrics: methods and applications, New York.
  • Chapman, Christopher, Feit, Elea M. (2015), R for Marketing Research and Analytics, Cham.
  • Ledolter, Johannes (2013), Data mining and business analytics with R, New York.