Course 2022-2023 a.y.

Il corso è idealmente strutturato secondo un processo di problem solving.

• Dall’inizio del corso gli studenti verranno divisi in gruppi al fine analizzare un problema di busiess. Gli studenti, lavorando in team, dovranno recuperare informazioni e dati necessari alla analisi della situazione attuale in termini strategici, competitivi ed economici. Questo consentirà agli studenti di applicare gli strumenti analitici e i framework teorici affrontati durante il corso ad un problema di business concreto. Gli studenti dovranno infine presentare la soluzione identificata.
• Al fine di consolidare le competenze tecniche ed analitiche che verranno utilizzate in questo corso. Nella fase inziale del corso verranno ripresi e approfonditi alcuni metodi statistici quali i concetti di test d'ipotesi, regressione lineare e non-lineare (logit e probit). Queste tecniche saranno  poi applicate dai partecipanti al fine di analizzare dati e rispondere a domande funzionali allo sviluppo di strategie di marketing
• L' attività di teamwork è strutturata e pensata valorizzare le competenze e le tecniche analitiche che gli studenti affronteranno durante il corso. Nel corso gli studenti si confronteranno con tecniche e teorie che potranno essere utilizzate direttamente per lo svolgimento del lavoro di gruppo. La strutturazione delle lezioni è pensata per i) introdurre un concetto teorico o analitico (es. analisi dell’eterogeneità del cliente), ii) affrontare con gli studenti una applicazione pratica di tale concetto (es. analisi dell’eterogeneità dei clienti con dati reali relativi a una marca / business esemplificativi), iii) applicare la competenza acquisita nell’attività di teamwork (es. analisi dell’eterogeneità della base clienti o potenziali clienti dell’azienda partner)
• Nella prima parte del corso vengono affrontati i seguenti argomenti:
  • Analisi del customer journey e delle sue fasi
  • Analisi della situazione attuale di mercato.
  • Sviluppo di un piano di marketing, definizione degli obiettivi e di strategie di marketing supportate dall’analisi dei dati.
  • Data analytics finalizzata all’analisi del mercato e del cliente.
  • Gestione dell’acquisizione e dell’eterogeneità del cliente e dello sviluppo dello stesso nelle varie fasi del customer journey.
  • Identificazione dei piani d’azione e dei relativi budget e analisi del valore della strategia identificata. 
• Durante il corso sono previste diverse sessioni di “lab” il cui obiettivo è fornire agli studenti dati e casi concreti, al fine di facilitare l’acquisizione delle tecniche analitiche e consolidare le competenze acquisite.
• La seconda parte del corso simula il tipico processo di presentazione e discussione dei progetti di marketing all’interno dell’azienda. I singoli gruppi sono chiamati a un’attività di role playing in cui svolgono, alternandosi, ad esempio, il ruolo di product/brand manager, nella presentazione del proprio marketing plan o di direttore marketing o di amministratore delegato, nella discussione critica e nelle indicazioni di miglioramento dei piani dei colleghi.

In sintesi, i principali temi trattati durante il corso sono i seguenti:

• Il “valore dei dati” e di strategie di marketing data-driven. 
• Mappatura del customer journey 
• Streategie data-driven per l’acquisizione, development e profilazione di clienti e potenziali clienti.
• Analisi della domanda e del potenziale di mercato.
• Struttura competitiva e intelligence sui concorrenti; analisi della quota di mercato e posizionamento.
• Metodi e tecniche per analizzare e gestire l’eterogeneità del cliente.
• Situazione attuale, previsione delle vendite e costi per il prodotto di interesse.
• Predisposizione del budget di marketing, per prodotti, clienti e canali.
• Valutazione dei risultati economici e discussione delle strategie alternative.

Al termine del corso lo studente avrà appreso i concetti fondamentali dell’analisi strategica di marketing. In particolare lo studente avrà acquisito le seguenti competenze:

·      Strutturazione e definizione di un piano di marketing

·      Identificazione e selezione delle varie fonti di dati disponibili in marketing

·      Strutturazione di una strategia di marketing data-driven

·      Descrizione ed illustrazione del processo di mappatura del customer-journey del cliente

·      Descrizione delle strategie finalizzate al reperimento di dati e informazioni  finalizzate alla acquisizione e development del cliente 

·      Consapevolezza dei rischi e attenzione nella gestione della privacy del cliente e acquisizione di informazioni personali.

·      Comprensione delle fonti di eterogeneità del cliente e delle tecniche statistiche finalizzate all’analisi della stessa

·      Distinguere tra strategie di marketing customer-centric versus product-centric.

·      Identificazione dei concorrenti e gestione del vantaggio competitivo

·      Definire il legame tra le azioni di marketing pianificate e gli impatti sul budget

Al termine dell'insegnamento, lo studente sarà in grado di:

• Analizzare la domanda di mercato di un prodotto/servizio.
• Utilizzare le principali fonti di informazioni e di dati per le analisi del mercato, dei clienti, potenziali clienti e concorrenti.
• Valutare le performance economiche e competitive di un prodotto/servizio e analizzare le varie componenti della quota di mercato.
• Sviluppare un piano di azioni di marketing a partire da un set di obiettivi strategici.
• Reperire ed analizzare dati relativi all’acquisizione di nuovi clienti
• Sviluppare strategie data-driven finalizzate all’acquisizione di informazioni su potenziali nuovi clienti.
• Effettuare la mappatura del customer journey del cliente distinguendo tra le varie fasi nel processo decisionale (ricerca di informazioni, acquisto e post-acquisto) e i diversi canali e touchpoint disponibili (esempio negozi, canali digitali, web, mobile, social media, ecc.).
• Identificare le diverse possibili fonti di eterogeneità dei clienti e nuovi clienti.
• Acquisire e analizzare i dati necessari alla gestione dell’eterogeneità dei clienti
• Analizzare statisticamente dati al fine di mappare l’eterogeneità dei clienti.
• Sviluppare delle strategie customer-centric e data-driven di segmentazione, targeting e posizionamento.
• Esaminare la posizione competitiva di un prodotto/servizio e svolgere un’analisi di benchmarking rispetto ai principali concorrenti.
• Simulare l’impatto in termini di budget e di risultati attesi (sia competitivi che reddituali) di una strategia di marketing a livello di prodotto / servizio, a livello di canale o di gruppi di clienti.
• Effettuare una presentazione (scritta e orale) e una difesa del proprio piano di marketing.

• Lezioni frontali
• Testimonianze (in aula o a distanza)
• Esercitazioni (esercizi, banche dati, software etc.)
• Analisi casi studio / Incidents guidati (tradizionali, multimediali)
• Lavori/Assignment di gruppo
• Altre attivita' d'aula interattive (role playing, business game, simulation, online forum, instant polls)

• Testimonianze in aula tenute da aziende. Tali interventi sono importanti per facilitare ed esplicitare il legame tra le teorie e gli strumenti affrontati nel corso e la pratica manageriale.  
• Esercitazioni e casi di studio utilizzando dati e problemi di business reali. Tali esercitazioni consentono di applicare i metodi e le tecniche di analisi dei dati affrontate nel corso.
• L’attività di teamwork consiste nella risoluzione del problema di business presentato  all’inizio del corso e nello sviluppo di un piano di marketing riferito tipicamente a uno specifico prodotto/servizio. Questo progetto consente anche di sviluppare capacità di team working e di organizzione e gestione delle tempistiche di lavoro.
• Role playing che consiste, per ciascun gruppo di studenti, nella presentazione del proprio piano di marketing e nella discussione critica dei piani di marketing presentati dai compagni e riferiti a categorie di prodotti differenti dal proprio. Tale attività consente di affinare le capacità di effective presentation e di analisi critica del lavoro svolto dai colleghi.

Le modalità di valutazione sono basate su due elementi:

• Esame finale: 50%
• Assignment di gruppo: 50%

• Esame finale: prova scritta volta a verificare:
  • La conoscenza dei modelli e degli strumenti di analisi affrontati durante il corso.
  • La capacità di utilizzare tali modelli / strumenti per affrontare problemi aziendali concreti.
  • La capacità di intepretare output e metriche relative alle tecniche di analisi dei dati affrontate durante il corso.
  • La capacità di predisporre un budget di marketing e di stimare i risultati competitivi e reddituali di strategie di marketing alternative.
• Assignment di gruppo: gli studenti, suddivisi in gruppi, devono predisporre un piano di marketing riferito a uno specifico prodotto/servizio/problema di business scelto dai docenti all’interno di diverse alternative proposte dall’azienda partner e dai docenti. I gruppi sono inoltre chiamati a svolgere la funzione di discussant sui piani di marketing presentati dai compagni e riferiti a categorie di prodotti differenti dal proprio. Il voto degli assignment di gruppo è mantenuto valido per i tre appelli dell’anno accademico.

• Le modalità di valutazione sono basate su:

• Esame finale: 100%
•  
• Esame finale: prova scritta volta a verificare:
  • La conoscenza dei modelli e degli strumenti di analisi affrontati durante il corso.
  • La capacità di utilizzare tali modelli / strumenti per affrontare problemi aziendali concreti.
  • La capacità di intepretare output e metriche relative alle tecniche di analisi dei dati affrontate durante il corso.
  • La capacità di predisporre un budget di marketing e di stimare i risultati competitivi e reddituali di strategie di marketing alternative.
  • La capacità di analizzare e interpretare dati finalizzati a prendere decisioni rilevanti per lo sviluppo di un piano di marketing 
  • Capacità di analizzare criticamente un caso di marketing e suggerire appropriate e ben motivate strategie. 
•  

• Slide delle lezioni,
• Casi ed Esercitazioni fornite in aula
• Golfetto F., Chizzoli C., Guida alla preparazione del piano di marketing, capp. 1-4-5. 
• Lemon, Katherine N., and Peter C. Verhoef. "Understanding customer experience throughout the customer journey." Journal of marketing 80.6 (2016): 69-96.
• Krafft, Manfred, et al. "Insight is power: Understanding the terms of the consumer-firm data exchange." Journal of Retailing 97.1 (2021): 133-149.
• Artea: Designing Targeting Strategies Eva Ascarza, Ayelet Israeli, 25 September 2020 Harvard Business Review Case

Le seguenti letture sono suggerite e indicate per chi volesse aprofondire ulteriormente.  Non rappresentano un materiale richiesto per frequentare o svolgere l'esame: 

• Rosenbaum, M. S., Otalora, M. L., & Ramírez, G. C. (2017). How to create a realistic customer journey map. Business horizons, 60(1), 143-150.
• Wedel, Michel, and P. K. Kannan. "Marketing analytics for data-rich environments." Journal of Marketing 80.6 (2016): 97-121.
• Bradlow, Eric T., et al. "The role of big data and predictive analytics in retailing." Journal of Retailing 93.1 (2017): 79-95.
• Verhoef, Peter, Edwin Kooge, and Natasha Walk. Creating value with big data analytics: Making smarter marketing decisions. Routledge, 2016, Cap 1 &2
• Ascarza, Eva, Peter S. Fader, and Bruce GS Hardie. "Marketing models for the customer-centric firm." Handbook of marketing decision models. Springer, Cham, 2017. 297-329.
• Palmatier, Robert W., and Shrihari Sridhar. Marketing strategy: Based on first principles and data analytics. Macmillan International Higher Education, 2017. Cap 2 
• Analisi dei dati con SPSS II. Le analisi multivariate di Claudio Barbaranelli, L’analisi dei Cluster Cap 5

• Slide delle lezioni,
• Casi ed Esercitazioni fornite in aula
• Golfetto F., Chizzoli C., Guida alla preparazione del piano di marketing. 
• Lemon, Katherine N., and Peter C. Verhoef. "Understanding customer experience throughout the customer journey." Journal of marketing 80.6 (2016): 69-96.
• Krafft, Manfred, et al. "Insight is power: Understanding the terms of the consumer-firm data exchange." Journal of Retailing 97.1 (2021): 133-149.
• Palmatier, Robert W., and Shrihari Sridhar. Marketing strategy: Based on first principles and data analytics. Macmillan International Higher Education, 2017. Cap 2: Managing Customer Heterogeneity
• Artea: Designing Targeting Strategies Eva Ascarza, Ayelet Israeli, 25 September 2020 Harvard Business Review Case 

Le seguenti letture sono suggerite e indicate per chi volesse approfondire ulteriormente.  Non rappresentano un materiale richiesto per frequentare o svolgere l'esame: 

• Rosenbaum, M. S., Otalora, M. L., & Ramírez, G. C. (2017). How to create a realistic customer journey map. Business horizons, 60(1), 143-150.
• Wedel, Michel, and P. K. Kannan. "Marketing analytics for data-rich environments." Journal of Marketing 80.6 (2016): 97-121.
• Bradlow, Eric T., et al. "The role of big data and predictive analytics in retailing." Journal of Retailing 93.1 (2017): 79-95.
• Verhoef, Peter, Edwin Kooge, and Natasha Walk. Creating value with big data analytics: Making smarter marketing decisions. Routledge, 2016, Cap 1 &2
• Ascarza, Eva, Peter S. Fader, and Bruce GS Hardie. "Marketing models for the customer-centric firm." Handbook of marketing decision models. Springer, Cham, 2017. 297-329.
• Analisi dei dati con SPSS II. Le analisi multivariate di Claudio Barbaranelli, L’analisi dei Cluster Cap 5

The course is structured according to a problem-solving process.

• Students are divided into groups at the beginning of the course. They are asked to analyze a business problem outlined by partner companies. They will have to retrieve information and data to analyze the market and the business challenge as a whole. The purpose is to give students an immediate opportunity to apply to a concrete business problem the analytical tools and theoretical frameworks covered during the course. Finally, students will present the solution identified to faculty and companies representatives.
• In the initial phase of the course, some statistical methods will be refreshed and deepened (e.g., hypothesis testing, linear and non-linear regression approaches). The participants will then apply these techniques to analyze data and answer questions functional to the development of marketing strategies
• This teamwork activity is structured and designed to apply and value the analytical skills and techniques that students will acquire attending the course. Methods and theories covered can be used immediately by students to outline the teamwork activity with the partner company. The structure of the specific classes is designed to i) introduce a theoretical or analytical concept (e.g., analysis of customers' heterogeneity), ii) provide students a practical application of this concept (e.g., analysis of customers' heterogeneity using real firm data), iii) apply the skills acquired in the teamwork activity (e.g., analysis the partner company's customers heterogeneity).
• In the first part of the course, the following topics will be covered:
  • Analysis of the market and of the current situation.
  • Marketing plan development.
  • Data analytics to analyze the market and the customers.
  • Customer acquisition and customer heterogeneity.
  • Action plans, marketing budgets, and analysis of the expected economic value of the identified strategy. 
• The course has several "lab" sessions. By providing students real data and business cases, we expect to facilitate learning analytical techniques and consolidate the skills acquired.
•  The second part of the course simulates the activity of presenting and discussing a marketing plan within a company. Students are asked to a role-playing activity in which they perform the role of a product/brand manager, presenting the marketing plan to the company's CMO/CEO.

In summary, the course covers the following topics:

• Business model di riferimento dell’azienda, revenue.
• Business and revenue models.
• Analysis of the market demand (e.g. market potential).
• Value of data-driven marketing.
• Mapping the customer journey.
• Data-driven strategies to acquire profile potential customers.
• Analytical tools to analyze and manage customers heterogeneity.
• Budgeting and analysis of the economic and financial effects of the marketing strategies

At the end of the course, the student will have learned the fundamental concepts of strategic marketing analysis. In particular, the student will have acquired the following set of skills:

·       Definition of a marketing plan. 

·       Identification of different marketing data sources.

·       Structuring marketing data-driven strategies.

·       Description and illustration of the customer-journey mapping process.

·       Definition of strategies thought to retrieve data and information about leads and prospects with the purpose of acquiring them as new customers. 

·       Issues and Opportunities: Customer Privacy and Data Protection.

·       Understanding the sources of customer heterogeneity and illustration of the statistical techniques aimed at analyzing heterogeneity.

·       Distinguish between customer-centric versus product-centric marketing strategies.

·       Identification of competitors, creation and management of the competitive advantage.

·       Defining the links between the marketing actions and their impacts on the budget.

At the end of the course student will be able to:

• Formulate a market demand analysis
• Use the main sources of data to analyze the market, the customers, the potential customers and competitors.
• Analyze competitive information, assess the market share and the economic performance of a business.
• Develop a marketing plan based on a set of strategic goals.
• Use data analytics to reach new customers and to enhance customer acquisition.
• Examine the customer journey distinguishing stages in the decision-making process (information search, purchase and post-purchase) and the different channels and touchpoints available (e.g. stores, digital channels, web, mobile, social media, etc.).
• Identify the different sources of customer heterogeneity of potential new and existing customers.
• Data management of customer heterogeneity.
• Develop customer-centric and data-driven strategies for segmentation, targeting and positioning.
• Assess the competitive position of a product / service and develop a benchmarking analysis.
• Prepare an oral and written presentation and a defense of the marketing plan designed for the teamwork activity.

• Face-to-face lectures
• Guest speaker's talks (in class or in distance)
• Exercises (exercises, database, software etc.)
• Case studies /Incidents (traditional, online)
• Group assignments
• Interactive class activities (role playing, business game, simulation, online forum, instant polls)

• Guest speaker’s talks. These talks are important to facilitate and make explicit the link between the theories and tools addressed in the course and managerial practice
• Exercises & Case Studies. We develop exercises and cases using actual data and business problems. These exercises allow students to apply the methods and techniques of data analysis discussed in the course.
• The teamwork activity and group assignments are conducted in collaboration with the partner company and consist of solving a business problem presented by the company at the beginning of the course. Students will have to develop a marketing plan and propose it to faculty/companies’ representatives. This project also allows students to strengthen team-working skills.
• Role-play activity will be used during the presentation of the results of the teamwork activity to enhance teamwork skills and team members’ participation.

Grades are assessed as follows:

1. Individual exam: 50% of the overall grade;
2. Group project: 50% of the overall grade

Final exam: written test aimed at verifying:

·       Knowledge of the models and analysis tools addressed during the course.

·       The ability to use these models and tools to address actual business problems.

·       The ability to interpret outputs and metrics related to the data analysis techniques addressed during the course.

·       The ability to prepare develop a marketing plan with related budget.

• Group assignments: students, divided into groups, must prepare a marketing plan related to a specific brand/product/service/business problem chosen within the various alternatives proposed by the partner company and the faculty. The groups are also asked to carry out the function of discussants of the marketing plans presented by their peers. The group assignment grade is kept valid for the three sessions of the academic year.

100% written exam, consisting of a series of conceptual questions and exercises.

Final exam: written test aimed at verifying:

·       Knowledge of the models and analysis tools addressed during the course.

·       The ability to use these models and tools to address actual business problems.

·       The ability to interpret outputs and metrics related to the data analysis techniques addressed during the course.

·       The ability to prepare develop a marketing plan with related budget.

• Slide and materials provided by the instructor available on te Cases and exercises provided by the instructor available on the Bboard platform
• Lemon, Katherine N., and Peter C. Verhoef. "Understanding customer experience throughout the customer journey." Journal of marketing 80.6 (2016): 69-96.
• Krafft, Manfred, et al. "Insight is power: Understanding the terms of the consumer-firm data exchange." Journal of Retailing 97.1 (2021): 133-149.
• Artea: Designing Targeting Strategies Eva Ascarza, Ayelet Israeli, 25 September 2020 Harvard Business Review Case

The following readings are suggested, not mandatory to attend the course or to successfully pass the final exam:

• Rosenbaum, M. S., Otalora, M. L., & Ramírez, G. C. (2017). How to create a realistic customer journey map. Business horizons, 60(1), 143-150.
• Wedel, Michel, and P. K. Kannan. "Marketing analytics for data-rich environments." Journal of Marketing 80.6 (2016): 97-121.
• Bradlow, Eric T., et al. "The role of big data and predictive analytics in retailing." Journal of Retailing 93.1 (2017): 79-95.
• Verhoef, Peter, Edwin Kooge, and Natasha Walk. Creating value with big data analytics: Making smarter marketing decisions. Routledge, 2016, Chapters 1 &2
•  
• Ascarza, Eva, Peter S. Fader, and Bruce GS Hardie. "Marketing models for the customer-centric firm." Handbook of marketing decision models. Springer, Cham, 2017. 297-329.
•  Palmatier, Robert W., and Shrihari Sridhar. Marketing strategy: Based on first principles and data analytics. Macmillan International Higher Education, 2017. Chapter 2: Managing customer heterogeneity

•  Slide and materials provided by the instructor available on the Bboard platform,
• R. BEST, Market-based management, Pearson, 2013, 6th International edition 
• Cases and exercises provided by the instructor available on the Bboard platform
• Lemon, Katherine N., and Peter C. Verhoef. "Understanding customer experience throughout the customer journey." Journal of marketing 80.6 (2016): 69-96.
• Krafft, Manfred, et al. "Insight is power: Understanding the terms of the consumer-firm data exchange." Journal of Retailing 97.1 (2021): 133-149.
• Artea: Designing Targeting Strategies Eva Ascarza, Ayelet Israeli, 25 September 2020 Harvard Business Review Case
• Palmatier, Robert W., and Shrihari Sridhar. Marketing strategy: Based on first principles and data analytics. Macmillan International Higher Education, 2017. Chapter 2: Managing customer heterogeneity

The following readings are suggested, not mandatory to attend the course or to successfully pass the final exam:

• Rosenbaum, M. S., Otalora, M. L., & Ramírez, G. C. (2017). How to create a realistic customer journey map. Business horizons, 60(1), 143-150.
• Wedel, Michel, and P. K. Kannan. "Marketing analytics for data-rich environments." Journal of Marketing 80.6 (2016): 97-121.
• Bradlow, Eric T., et al. "The role of big data and predictive analytics in retailing." Journal of Retailing 93.1 (2017): 79-95.
• Verhoef, Peter, Edwin Kooge, and Natasha Walk. Creating value with big data analytics: Making smarter marketing decisions. Routledge, 2016, Chapters 1 &2
• Ascarza, Eva, Peter S. Fader, and Bruce GS Hardie. "Marketing models for the customer-centric firm." Handbook of marketing decision models. Springer, Cham, 2017. 297-329.