Conhecimentos de Base Recomendados
Não existem quaisquer pré-requisitos para a frequência desta Unidade Curricular.
Métodos de Ensino
As aulas serão teórico práticas, com exposição dos conteúdos e aplicação de conceitos com base num Caso de Estudo a trabalhar por grupos de alunos – o objetivo é permitir aos alunos construir:
– noção de Base de Dados como forma de estruturação de dados identificados necessários de ser recolhidos;
– ideia útil entre a identificação de dados, seu manuseamento e análise para suporte de funções de Marketing, como é a criação de campanhas.
Com base num dataset em Excel, farão uso de ferramenta de Data Analytics (Power BI).
Resultados de Aprendizagem
Objetivos
- OB1 – Compreender a importância dos dados em marketing.
- OB2 – Ser capaz de descrever os principais conceitos relacionados com o Database Marketing.
- OB3 – Aprender a definir, recolher, analisar, entender e gerir os dados dos clientes por forma a comunicar de forma mais eficaz e personalizada com os mesmos.
- OB4 – Compreender e analisar os dados, com conhecimento do RGPD.
- OB5 – Descrever e aplicar técnicas de análise de dados para Database Marketing, nomeadamente, entre outros, ser capaz de segmentar clientes.
- OB6 – Saber conceber, planear e testar campanhas de Database Marketing.
- OB7 – Estabelecer medidas apropriadas de uma campanha de Database Marketing.
Competências
- CO1 – aquisição de conhecimentos base de gestão de base de dados
- CO2 – uso de ferramentas digitais na análise de dados
- CO3 – aplicação dos princípios de marketing na análise de dados
- CO4 – aplicação do conceito de comportamento do consumidor no uso de ferramentas digitais
Programa
1. Fundamentos de Database Marketing
1.1 História de enquadramento do Database Marketing
1.2 Nocão de Database Marketing
2. Desenvolvimento estratégico de bases de dados para Marketing
2.1 Introdução
2.2 Definição de Marketing na Internet
2.3 Aplicações de Marketing na Internet
3. Definição de requisitos de dados de clientes
3.1 Conceitos
3.2 Organização de dados
4. Análise dos dados dos clientes
4.1 Identificação de dados
4.2 Modelação de dados
5. Construção de bases de dados
5.1 Conceitos
5.2 Modelação de Objetos de Informação num diagrama
6. Data Mining e Segmentação dos clientes
6.1 Definição e técnicas
6.2 Aplicações para segmentação de clientes
7. Planear e conceber testes de Marketing e campanhas de Marketing
8. Bases de Dados de Marketing e a Internet
8.1 Bases de Dados para o MK
8.2 Impacto da Internet
Docente(s) responsável(eis)
Maria Manuela de Sousa FreireMétodos de Avaliação
A avaliação contínua é composta por:
• Avaliação Final Escrita (AFE) - 50% - a realizar no dia definido para o Exame de Época Normal (data definida de acordo com o Plano de aulas).
• Projeto Prático (PP) - 50% - apresentação/defesa de grupo no último dia de aulas e posterior entrega de Relatório em InfoEstudante
A avaliação por Exame é composta por:
• Avaliação Escrita em Exame (AEE) - 50%
• Projeto Prático (PP) - 50% - apresentação/defesa individual dia definido para o Exame de Época Normal (data definida de acordo com o Plano de aulas) após AEE e posterior entrega de Relatório em InfoEstudante em data a definir pelo docente
A Avaliação por Exame tem esta composição seja em Exame Normal, de Época de Recurso ou de Época Especial.
Cada uma das duas componentes será avaliada para 20 valores. Cada componente tem nota mínima de 8 (oito) valores.
A Nota Final da Unidade Curricular será calculada como a média aritmética das duas componentes, arredondada ao inteiro mais próximo. A sua fórmula é a seguinte:
Nota Final = (AFE+PP)/2 ou (AEE+PP)/2, arredondada ao inteiro mais próximo.
A componente PP poderá ser realizada em grupos de 3 e 4 alunos. Exceções são avaliadas e aprovados pelo docente quando coerentes face à situação apresentada por envio de email.
A nota obtida na época normal para a componente PP será válida para as restantes épocas. Esta situação não invalida, contudo, a possibilidade de o aluno tentar melhorar essa mesma nota.
No caso da componente PP não ter sido entregue para avaliação em frequência, o aluno deverá entregar para avaliação até 1 semana antes da data marcada para o exame da época normal, de recurso e/ou especial, o powerpoint (em formato pdf) no InfoEstudante que será usado para apresentar/defender o trabalho no dia da prova escrita.
Estágio(s)
NAO
Bibliografia
Fundamental
• Burns, A. C., & Veeck, A. (2020). Marketing research. Pearson.
• Chaffey, D., Ellis-Chadwick, F, Mayer, R., Johnston, K. (2006), Internet Marketing: Strategy, Implementation and Practice, Financial Times/ Prentice Hall; 3th edition.
• De Bock, K.W., Neslin, S.A. (2013), Advanced Database Marketing Hardcover, Kristof Coussement, Gower.
• Drozdenko, R.G., Drake, P.D. (2002), Optimal Database Marketing: Strategy, Development, and Data Mining, SAGE Publications.
• Farris, P.W., Bendle, N.T., Pfeifer, P.E., Reibstein, D.J. (2010), Marketing Metrics: The Definitive Guide to Measuring Marketing Performance, Pearson, 2 edition.
• Keegan, W.J., Green, M.C. (2012), Global Marketing Paperback, Prentice Hall; 7 edition.
• Kingsnorth, S. (2022). Digital marketing strategy: an integrated approach to online marketing. Kogan Page Publishers.
• Tapp, A., Whitten, I., Housden, M. (2013), Principles of Direct, Database and Digital Marketing, Pearson, 5 edition.
Complementar
• Blattberg, R. C., Kim, B., Neslin, S. A. (2009), Database Marketing: Analyzing and Managing Customers, Springer.
• Campbell, C., & Ying, Y. (2022). Learning with support vector machines. Springer Nature.
• Chaffey, D., & Smith, P. R. (2022). Digital marketing excellence: planning, optimizing and integrating online marketing. Taylor & Francis.
• Hallikainen, H., Savimäki, E., & Laukkanen, T. (2020). Fostering B2B sales with customer big data analytics. Industrial Marketing Management, 86, 90-98.
• Hughes, A.M. (2012), Strategic Database Marketing 4e: The Masterplan for Starting and Managing a Profitable, Customer-Based Marketing Program, McGraw-Hill Professional; 4 edition.
• Kent, R. (2020). Data construction and data analysis for survey research. Bloomsbury Publishing.
• Kotler, P., Kartajaya, H., & Setiawan, I. (2021). Marketing 5.0: Technology for humanity. John Wiley & Sons.
• Ratner, B. (2003), Statistical Modeling and Analysis for Database Marketing: Effective Techniques for Mining Big Data, Chapman & Hall/CRC.