Strumenti per analizzare, comprendere e decidere nel marketing

02MSC-P-002

Fondamenti dell’evidenza

Correlazione o causalità: cosa consente davvero di affermare un’analisi?

03MSC-P-003

Fondamenti dell’evidenza

Come esprimere l’incertezza di un risultato di marketing?

04MSC-P-004

Fondamenti dell’evidenza

Significatività o dimensione dell’effetto: quale risultato interpretare?

05MSC-P-005

Scienza della misurazione

Come misurare un costrutto di marketing non direttamente osservabile?

06MSC-P-006

Scienza della misurazione

Come progettare e validare una scala di misurazione?

07MSC-P-007

Scienza della misurazione

Alfa o omega: come valutare l’affidabilità di una scala?

08MSC-P-009

Scienza della misurazione

PCA, EFA o CFA: quale metodo scegliere?

09MSC-P-010

Sperimentazione e causalità

Quando condurre un esperimento di marketing?

10MSC-P-011

Sperimentazione e causalità

Come progettare un A/B test che stimi davvero un effetto?

11MSC-P-012

Sperimentazione e causalità

Di quante osservazioni ha bisogno un esperimento?

12MSC-P-013

Sperimentazione e causalità

Come misurare l’effetto incrementale di una campagna con un gruppo di controllo?

13MSC-P-017

Sperimentazione e causalità

Come rilevare selezione, contaminazione e perdita di osservazioni in un esperimento?

14MSC-P-018

Regressione ed econometria

Regressione predittiva o causale: cosa si vuole stimare?

15MSC-P-019

Regressione ed econometria

Come diagnosticare una regressione di marketing prima di interpretarla?

16MSC-P-022

Scienza dei prezzi

Come stimare l’elasticità al prezzo e la sua incertezza?

17MSC-P-026

Modelli di scelta

Logit vs Probit: come scegliere per una probabilità di acquisto?

18MSC-P-029

Scienza del cliente

Quali clienti hanno la probabilità di abbandono più elevata?

19MSC-P-027

Scienza della misurazione

TAM, UTAUT o UTAUT2: quale quadro usare per studiare l’accettazione tecnologica?

20MSC-P-008

Scienza della misurazione

Come validare una scala di misurazione marketing?

21MSC-P-014

Sperimentazione e causalità

Come progettare un esperimento geografico di marketing?

22MSC-P-015

Sperimentazione e causalità

Come stimare un effetto con la differenza nelle differenze?

23MSC-P-020

Scienza dei prezzi

Come trattare l’endogeneità del prezzo?

24MSC-P-021

Regressione ed econometria

Effetti fissi o casuali: quale modello panel scegliere?

25MSC-P-023

Scienza dei prezzi

Come stimare una funzione di domanda?

26MSC-P-024

Scienza dei prezzi

Come simulare uno scenario prezzo-volume-margine?

27MSC-P-028

Scienza del cliente

Come stimare la CLV con BG/NBD e Gamma-Gamma?

28MSC-P-030

Scienza del cliente

Come analizzare la ritenzione con un modello di sopravvivenza?

29MSC-P-043

Scienza del cliente

Quanto vale un abbonato se si hanno solo sei mesi di ritenzione osservata?

30MSC-P-031

Scienza del cliente

Come costruire una segmentazione clienti utile?

31MSC-P-032

Scienza del cliente

Come testare la stabilità di una segmentazione?

32MSC-P-033

Regressione ed econometria

Come validare una previsione di marketing?

33MSC-P-034

Fondamenti dell’evidenza

Come costruire una simulazione Monte Carlo per una decisione di marketing?

34MSC-P-035

Regressione ed econometria

Come modellare saturazione e adstock?

35MSC-P-039

Fondamenti dell’evidenza

Quale test statistico scegliere?

Variabili, metodi e limiti →

Laboratorio di dati aperti 04 / 04

Insiemi di dati riproducibili

Imparare da dati che si possono ispezionare.

Ogni insieme di dati di esempio è sintetico, documentato e volutamente compatto. Serve a riprodurre un metodo, non a generalizzare un risultato al mercato.

FORMATO CSV UTF‑8 LICENZA CC0 1.0

MSC-001

Elasticità al prezzo

Prezzo · volume · stagionalità · 24 osservazioni

MSC-002

Risposta pubblicitaria

Spesa · esposizione · risposta · 24 osservazioni

MSC-005

Incrementalità promozionale

Test · controllo · vendite · 24 osservazioni

MSC-004

Valore del ciclo di vita del cliente

Recenza · frequenza · valore · 30 clienti

MSC-006

Modellazione del marketing mix

Canali · vendite · controlli · 36 periodi

MSC-007

Validità della misurazione

Rispondenti · elementi · gruppi · 30 rispondenti

MSC-010

Parametri della simulazione Monte Carlo

Scenari · distribuzioni · dipendenze · 24 ipotesi