[Laba] Маркетинговая аналитика [Дмитрий Цапий, Валерия Соломкина]

Robot · Вчера в 03:52

Особенности курса:

28 практических инструментов Изучите, как улучшать маркетинговые процессы и стратегии с помощью петли McKinsley и Excel; проводить исследование рынка с Kantar, Nielsen, data.ai; рассчитывать LTV, анализировать трафик в Google Analytics и Meta и многое другое.
Личный фидбек от преподавателей На протяжении всего обучения вы сможете обмениваться опытом, выполнять задания в группах, разбирать кейсы и получать конструктивный фидбек по домашним заданиям от экспертов отрасли.

Ключевые темы курса:

Основные каналы и метрики маркетинга: Разберётесь, какие каналы важны для увеличения аудитории и прибыли, и как использовать метрики для качественного прогнозирования с учетом сезонности и трендов.
Рынок и аудитория: Научитесь анализировать рынок и конкурентов с помощью SWOT-анализа и стороннего софта, чтобы определить позиционирование продукта и работы с ЦА.
Эффективность рекламных кампаний: Узнаете, как тестировать гипотезы, адаптировать стратегии и контролировать эффективность без лишних затрат.

Программа
Занятие 1. Обзор основных каналов и метрик маркетинга

Marketing levers & funnels (петля McKinsey, воронки и т.д.)
Обзор маркетинговых каналов: ТВ, OLV, OOH, Performance Marketing
Основные метрики digital-маркетинга: Impressions, Click-through-rate, Cost per click, Conversion rate, Cost per mile (CPM), Customer Acquisition Cost
Определение бизнес-целей и KPI для построения правильной маркетинговой стратегии
Улучшение взаимодействия с пользователем с помощью маркетинговой аналитики

Практика: определение основных KPI для различных компаний и рекламных кампаний.
Занятие 2. Аналитические платформы и инструменты для работы с данными

Обзор аналитических платформ (Google Analytics, Semrush, SimilarWeb)
Использование инструментов визуализации данных (Tableau, Looker, Power BI)
Создание инфографики и графиков для визуализации и анализа данных
Использование дашбордов для мониторинга показателей

Практика: на основе петли McKinsey построить возможный путь пользователя для разных типов бизнеса; работа с Google Analytics — анализ качества трафика и его источников, анализ структуры и посещения страниц.
Занятие 3. Практика структурирования и анализа массива маркетинговых данных

Упорядочивание и преобразование массива данных в понятные графики в Excel.

Домашнее задание: на основе массива данных построить таблицы с графиками для мониторинга показателей.
Занятие 4. Исследование рынка и аудитории

Методы и способы исследования рынка: обзор платных и бесплатных (относительно) инструментов исследования (Kantar, Nielsen, data.ai, Semrush, SimilarWeb, онлайн-опросы, социальные сети и т.д.)
Исследование конкурентов и их позиционирования. SWOT-анализ. Market Competitiveness, Positioning Matrix.
Целевая аудитория: её анализ и сегментация, формирование гипотез относительно аудитории. Портрет потребителя. Инструменты анализа: 1st party data / 3rd party data.
Анализ трендов рынка и где искать вдохновение.

Практика: сделать SWOT-анализ различных категорий компаний и оценить состояние рынка в данный момент.
Домашнее задание: с помощью SimilarWeb/Semrush собрать инсайты о конкурентах и аудитории, например, makeup.com.ua.
Занятие 5. Измерение и анализ трафика

Измерение трафика: анализ источников (paid, owned, earned), основные инструменты аналитики (Google Analytics, Meta) и обзор Supermetrics, Funnel и др.
Определение основных KPI для анализа (sessions, unique users, bounce rate, conversion rate и т.д.), использование UTM-меток.
Анализ конверсий: структура воронки, точки оттока трафика, гипотезы и их тестирование.
Оценка данных: как правильно делать выводы на основе данных платформ с помощью SMART-подхода.

Практика: анализ датасета для определения основных источников трафика, подбор вариантов улучшения каждого шага воронки.
Домашнее задание: анализировать датасет и определить, какие источники трафика использует компания; рассчитать конверсию и сделать выводы, какой канал самый успешный и обосновать почему.
Занятие 6. Продуктовая аналитика для мобильных приложений

Важность исследования и разработка go-to-market плана (Pain points, Needs, Journey, Competition, Values).
Анализ воронки от установки приложения до покупки.
Определение ключевых метрик для анализа: Downloads, Sign Ups, Clicks, Bounce rate, Screens viewed и т.д.
Понятие когорт и их назначение.
Обзор различных когорт пользователей мобильных приложений.

Практика: анализ кейсов компаний, которые изменяли лендинги/дизайн продукта: какие результаты

и основные KPI были достигнуты.
Домашнее задание: построить возможную воронку для выбранного приложения, выявить и определить основные блокеры на пути пользователя и предложить варианты их устранения.
Занятие 7. Ценность жизненного цикла клиента

Понятие и использование LTV.
Расчёт LTV на основе различных данных.
Кейс Netflix по использованию LTV.
Применение LTV в принятии маркетинговых решений.

Практика: расчёт LTV на предоставленных данных — работа в малых группах.
Занятие 8. Измерение эффективности рекламных кампаний

Анализ эффективности рекламных кампаний: CPI, CPA, CTR, ROAS, LTV и др.
Планирование бюджета рекламной кампании на основе её целей (ROI, бенчмарки, медиапланы).
Контроль и оптимизация рекламных кампаний: A/B-тестирование, регулярный анализ результатов, сценарии адаптации.

Практика: распределение предложенного бюджета для рекламной кампании по привлечению трафика.
Домашнее задание: распределение предложенного бюджета для реализации медиаплана.
Занятие 9. Аналитика и использование CRM и Marketing Automation

Что такое CRM и для чего она нужна в бизнесе (Salesforce, Zoho).
Оценка показателей (open rate, CTR, unsubscribe rate, conversion rate) открытия email и push-уведомлений и конверсий.
Стратегии повышения показателей и автоматизация процесса (персонализация, тестирование и оптимизация стратегии, использование промокодов и предложений).
Создание цепочки взаимодействия с клиентом на примере SendPulse.
Рассмотрение стратегий брендов по улучшению работы канала коммуникации.

Практика: обзор и анализ каналов коммуникации и цепочек взаимодействия разных компаний.
Домашнее задание: создать и детально описать цепочку взаимодействия с клиентом для своего или любого проекта — оформить в виде майндмепа.
Занятие 10. Построение прогноза: планирование будущих периодов

Маркетинговое прогнозирование (акцент на нужных метриках: как их определить, измерить и визуализировать).
Моделирование доходов и расходов (анализ исторического тренда и актуальных планов, кейс — плохой прогноз продаж IBM).
Определение сезонности и трендов для прогноза (индекс сезонности, множественные регрессии (TBD), Q5).

Практика: анализ прогнозов компаний и их сравнение с реальными данными.
Домашнее задание: построение прогноза с указанием бюджета и ключевых целей для маркетингового

отдела на основе исторических данных или P&L — на выбор.
Занятие 11. Будущее маркетинговой аналитики и тренды

Применение искусственного интеллекта (AI) и машинного обучения (ML) для маркетинговой аналитики.
Тренды в использовании Big Data.
Перспективы виртуальной и дополненной реальности в маркетинге.
Анализ: как AI изменил подход к аналитике.

Практика: мозговой штурм на тему будущего маркетинговой аналитики; сравнение прошлого (конец XX века) на основе кейсов реальных компаний с текущими подходами.