ID:
ADAN21
Durata (ore):
54
CFU:
9
SSD:
Sistemi di elaborazione delle informazioni
Sede:
PESCARA
Url:
DIGITAL MARKETING/CORSO GENERICO Anno: 1
Anno:
2026
Course Catalogue:
Dati Generali
Periodo di attività
Terzo Quadrimestre (16/03/2027 - 31/07/2027)
Syllabus
Obiettivi Formativi
L'insegnamento appartiene all'area quantitativo-informatica del percorso e concorre agli obiettivi formativi del Corso di Studio relativi all'uso dei dati a supporto delle decisioni di marketing (Art. 3, obiettivi 2 e 4): fornire conoscenze e tecniche per interpretare i dati provenienti dal monitoraggio degli indicatori di performance, dai trend di mercato e dagli insight generati dalle attività digitali.
Coerentemente con il profilo del Digital Marketing Manager e con quello collegato di Digital Marketing Analyst, l'insegnamento mira a sviluppare la capacità di impostare una domanda di business, individuare i dati che possono rispondervi, calcolare le metriche pertinenti e riconoscere i limiti di ciò che l'analisi consente di affermare.
Risultati di apprendimento attesi
Conoscenza e capacità di comprensione. Lo studente conosce le principali metriche di performance del marketing digitale, le sorgenti da cui i relativi dati provengono e i meccanismi di tracciamento che le alimentano, ed è in grado di individuare, tra queste, le metriche pertinenti alla domanda di analisi posta.
Capacità di applicare conoscenza e comprensione. Lo studente è in grado di analizzare un dataset attraverso gli indicatori pertinenti, utilizzando gli strumenti impiegati nel corso, e di costruire visualizzazioni coerenti con la domanda di analisi.
Autonomia di giudizio. Lo studente è in grado di valutare la coerenza tra le evidenze prodotte e le conclusioni che ne derivano, circoscrivendo queste ultime a quanto le evidenze sostengono.
Abilità comunicative. Lo studente è in grado di presentare i risultati di un'analisi a interlocutori di marketing non specialisti, in forma scritta e orale, e di argomentare le scelte analitiche compiute.
Coerentemente con il profilo del Digital Marketing Manager e con quello collegato di Digital Marketing Analyst, l'insegnamento mira a sviluppare la capacità di impostare una domanda di business, individuare i dati che possono rispondervi, calcolare le metriche pertinenti e riconoscere i limiti di ciò che l'analisi consente di affermare.
Risultati di apprendimento attesi
Conoscenza e capacità di comprensione. Lo studente conosce le principali metriche di performance del marketing digitale, le sorgenti da cui i relativi dati provengono e i meccanismi di tracciamento che le alimentano, ed è in grado di individuare, tra queste, le metriche pertinenti alla domanda di analisi posta.
Capacità di applicare conoscenza e comprensione. Lo studente è in grado di analizzare un dataset attraverso gli indicatori pertinenti, utilizzando gli strumenti impiegati nel corso, e di costruire visualizzazioni coerenti con la domanda di analisi.
Autonomia di giudizio. Lo studente è in grado di valutare la coerenza tra le evidenze prodotte e le conclusioni che ne derivano, circoscrivendo queste ultime a quanto le evidenze sostengono.
Abilità comunicative. Lo studente è in grado di presentare i risultati di un'analisi a interlocutori di marketing non specialisti, in forma scritta e orale, e di argomentare le scelte analitiche compiute.
Prerequisiti
Nessuno
Metodi didattici
Lezioni frontali per introdurre i concetti base, alternate ad analisi di casi in ambito Digital Marketing svolte in aula su dati realistici. Sono inoltre previste attività pratiche brevi e valutate (challenge) svolte in aula, attraverso cui gli studenti potranno ottenere punti "bonus" concorrenti alla valutazione finale. Il lavoro si svolge principalmente su fogli di calcolo (Excel) e talvolta con il supporto di strumenti di intelligenza artificiale generativa.
I materiali didattici saranno scaricabili dagli studenti dal sito dedicato al corso sulla piattaforma elearning.unich.it
I materiali didattici saranno scaricabili dagli studenti dal sito dedicato al corso sulla piattaforma elearning.unich.it
Verifica Apprendimento
La valutazione ordinaria è espressa in trentesimi ed è composta da due prove:
Progetto finale di gruppo (50%)
Gli studenti, organizzati in gruppi, dovranno sviluppare un progetto di analisi a partire da uno o più dataset forniti dal docente.
I gruppi dovranno produrre una relazione scritta che documenti il lavoro svolto e presentare i risultati del progetto con il supporto di slides. Ulteriori dettagli verranno forniti durante il corso.
Alla discussione del progetto dovranno obbligatoriamente partecipare tutti i membri del gruppo.
La valutazione terrà conto di:
- Analisi (5 punti) — Pertinenza, correttezza e coerenza delle elaborazioni con i dati di partenza.
- Interpretazione (5 punti) — Lettura critica delle evidenze prodotte; coerenza tra le conclusioni e i risultati ottenuti.
- Comunicazione (5 punti) — Relazione: completezza della documentazione del lavoro svolto, organizzazione e leggibilità. Presentazione: appropriatezza delle rappresentazioni grafiche rispetto alla domanda, chiarezza dell'esposizione e capacità di sintesi.
La valutazione verrà resa nota dopo la discussione del progetto tramite email ai componenti di ogni gruppo.
Prova pratica individuale (50%)
La prova pratica individuale è finalizzata a verificare l'effettiva acquisizione delle competenze operative e analitiche sviluppate durante il corso.
A partire da un dataset fornito dal docente, lo studente dovrà svolgere autonomamente una serie di attività di analisi utilizzando gli strumenti impiegati durante il corso, allo scopo di rispondere a domande pre-determinate, producendo tipicamente dei grafici e dei commenti pertinenti. La prova pratica avrà una durata minima di un'ora.
La valutazione terrà conto di:
Correttezza dell'analisi (9 punti) — correttezza e coerenza delle elaborazioni con i dati forniti.
Rappresentazione e conclusioni (6 punti) — Appropriatezza delle visualizzazioni rispetto alla domanda a cui rispondono; coerenza tra la sintesi finale e i risultati ottenuti.
La valutazione verrà resa nota dopo la correzione degli elaborati tramite file scaricabile sul sito del corso (sulla piattaforma elearning.unich.it).
Ogni studente potrà scegliere di sostenere la prova pratica individuale in un qualsiasi appello, indipendentemente da quando viene presentato il progetto del gruppo a cui appartiene. La valutazione finale verrà registrata sulla piattaforma udaonline.unich.it in corrispondenza dell'appello in cui viene sostenuta la seconda delle due prove. L'esito della prima prova sostenuta resta valido per le sessioni dell'anno accademico in corso.
Challenge e punti bonus (fino a 5 punti)
Nel corso delle lezioni saranno proposte delle brevi "challenge" individuali da svolgere in aula, finalizzate a favorire la partecipazione attiva, l'applicazione continuativa dei concetti e delle tecniche affrontate e il consolidamento progressivo delle competenze.
Le challenge potranno assumere forme diverse, tra cui quiz, interpretazione di dati, tabelle o visualizzazioni, ed esercitazioni operative con gli strumenti utilizzati nel corso.
La partecipazione e la corretta risoluzione delle challenge consentirà di accumulare fino a un massimo di 5 punti bonus, secondo le modalità che verranno esposte di volta in volta dal docente. I punti bonus ottenuti saranno aggiunti alla valutazione ordinaria, ottenuta attraverso il progetto di gruppo e la prova pratica individuale. I punti bonus non sono necessari per conseguire la valutazione massima, incluso 30 e lode, e non possono essere utilizzati per compensare una valutazione ordinaria complessivamente insufficiente.
In sintesi, la valutazione complessiva, da 0 a 30, è articolata come segue:
- Progetto finale di gruppo: 50% (massimo 15 punti)
- Prova pratica individuale: 50% (massimo 15 punti)
- Challenge in aula: fino a +5 punti bonus (assegnabili solo se la somma delle prove precedenti è maggiore di 18)
Gli studenti e le studentesse con disabilità, DSA o altri bisogni educativi speciali possono usufruire di un trattamento individualizzato in sede di esame, nel rispetto della normativa e di quanto previsto nella Carta dei Servizi di Ateneo (https://www.unich.it/sites/default/files/2024-02/carta_dei_servizi_0.pdf), previa intesa con il docente della materia. Per richiedere le misure compensative e dispensative è necessario afferire al Servizio CON_TE_STO seguendo la procedura indicata nella Carta dei Servizi.
Si invitano gli studenti e le studentesse a prendere contatti con la/il docente durante lo svolgimento delle lezioni, o comunque con largo anticipo rispetto alla data dell’appello, per conoscere le modalità di esame e le misure che sono accettate.
Per essere orientati e indirizzati ai diversi servizi offerti dall’Ateneo è possibile contattare il Docente Referente del Dipartimento: Prof.ssa Tania Masi tania.masi@unich.it
Progetto finale di gruppo (50%)
Gli studenti, organizzati in gruppi, dovranno sviluppare un progetto di analisi a partire da uno o più dataset forniti dal docente.
I gruppi dovranno produrre una relazione scritta che documenti il lavoro svolto e presentare i risultati del progetto con il supporto di slides. Ulteriori dettagli verranno forniti durante il corso.
Alla discussione del progetto dovranno obbligatoriamente partecipare tutti i membri del gruppo.
La valutazione terrà conto di:
- Analisi (5 punti) — Pertinenza, correttezza e coerenza delle elaborazioni con i dati di partenza.
- Interpretazione (5 punti) — Lettura critica delle evidenze prodotte; coerenza tra le conclusioni e i risultati ottenuti.
- Comunicazione (5 punti) — Relazione: completezza della documentazione del lavoro svolto, organizzazione e leggibilità. Presentazione: appropriatezza delle rappresentazioni grafiche rispetto alla domanda, chiarezza dell'esposizione e capacità di sintesi.
La valutazione verrà resa nota dopo la discussione del progetto tramite email ai componenti di ogni gruppo.
Prova pratica individuale (50%)
La prova pratica individuale è finalizzata a verificare l'effettiva acquisizione delle competenze operative e analitiche sviluppate durante il corso.
A partire da un dataset fornito dal docente, lo studente dovrà svolgere autonomamente una serie di attività di analisi utilizzando gli strumenti impiegati durante il corso, allo scopo di rispondere a domande pre-determinate, producendo tipicamente dei grafici e dei commenti pertinenti. La prova pratica avrà una durata minima di un'ora.
La valutazione terrà conto di:
Correttezza dell'analisi (9 punti) — correttezza e coerenza delle elaborazioni con i dati forniti.
Rappresentazione e conclusioni (6 punti) — Appropriatezza delle visualizzazioni rispetto alla domanda a cui rispondono; coerenza tra la sintesi finale e i risultati ottenuti.
La valutazione verrà resa nota dopo la correzione degli elaborati tramite file scaricabile sul sito del corso (sulla piattaforma elearning.unich.it).
Ogni studente potrà scegliere di sostenere la prova pratica individuale in un qualsiasi appello, indipendentemente da quando viene presentato il progetto del gruppo a cui appartiene. La valutazione finale verrà registrata sulla piattaforma udaonline.unich.it in corrispondenza dell'appello in cui viene sostenuta la seconda delle due prove. L'esito della prima prova sostenuta resta valido per le sessioni dell'anno accademico in corso.
Challenge e punti bonus (fino a 5 punti)
Nel corso delle lezioni saranno proposte delle brevi "challenge" individuali da svolgere in aula, finalizzate a favorire la partecipazione attiva, l'applicazione continuativa dei concetti e delle tecniche affrontate e il consolidamento progressivo delle competenze.
Le challenge potranno assumere forme diverse, tra cui quiz, interpretazione di dati, tabelle o visualizzazioni, ed esercitazioni operative con gli strumenti utilizzati nel corso.
La partecipazione e la corretta risoluzione delle challenge consentirà di accumulare fino a un massimo di 5 punti bonus, secondo le modalità che verranno esposte di volta in volta dal docente. I punti bonus ottenuti saranno aggiunti alla valutazione ordinaria, ottenuta attraverso il progetto di gruppo e la prova pratica individuale. I punti bonus non sono necessari per conseguire la valutazione massima, incluso 30 e lode, e non possono essere utilizzati per compensare una valutazione ordinaria complessivamente insufficiente.
In sintesi, la valutazione complessiva, da 0 a 30, è articolata come segue:
- Progetto finale di gruppo: 50% (massimo 15 punti)
- Prova pratica individuale: 50% (massimo 15 punti)
- Challenge in aula: fino a +5 punti bonus (assegnabili solo se la somma delle prove precedenti è maggiore di 18)
Gli studenti e le studentesse con disabilità, DSA o altri bisogni educativi speciali possono usufruire di un trattamento individualizzato in sede di esame, nel rispetto della normativa e di quanto previsto nella Carta dei Servizi di Ateneo (https://www.unich.it/sites/default/files/2024-02/carta_dei_servizi_0.pdf), previa intesa con il docente della materia. Per richiedere le misure compensative e dispensative è necessario afferire al Servizio CON_TE_STO seguendo la procedura indicata nella Carta dei Servizi.
Si invitano gli studenti e le studentesse a prendere contatti con la/il docente durante lo svolgimento delle lezioni, o comunque con largo anticipo rispetto alla data dell’appello, per conoscere le modalità di esame e le misure che sono accettate.
Per essere orientati e indirizzati ai diversi servizi offerti dall’Ateneo è possibile contattare il Docente Referente del Dipartimento: Prof.ssa Tania Masi tania.masi@unich.it
Testi
Dispense ed eventuale materiale di approfondimento fornite dal docente.
Contenuti
Il corso si propone di fornire gli strumenti per rispondere a domande di business a partire dai dati prodotti dai canali digitali. Vengono trattati i fondamenti dell'analisi dei dati, le tipologie di analisi e di domande, l'origine dei dati nel marketing digitale e i meccanismi che li generano, i principali ambiti di analisi con le relative metriche e le modalità di comunicazione dei risultati. Gli strumenti operativi adottati sono Microsoft Excel, Google Analytics 4 e gli agenti basati su AI generativa. I contenuti sono affrontati attraverso lezioni teoriche e l'analisi di casi realistici.
Lingua Insegnamento
ITALIANO
Corsi
Corsi
DIGITAL MARKETING
Laurea Magistrale
2 anni
No Results Found
Persone
Persone
Docenti di ruolo di IIa fascia
No Results Found