Artículos

Knime es una plataforma modular abierta de exploración de datos, que permite al usuario crear flujos de datos de forma visual e intuitiva. La operativa de Knime permite ejecutar funciones matemáticas y estadísticas, control de flujo de trabajo, algoritmos predictivos avanzados y de machine learning. Tras la ejecución, los resultados se pueden analizar mediante vistas interactivas tanto de los datos como de los modelos.

Uso de KNIME para Marketing Analytics

(a) Análisis de datos sobre rotación de clientes (Customer Churn)

(b) Text mining:

Análisis de sentimientos y reputación de marca

Análisis de experiencias del cliente y Topic Models.

(c) Image mining:

Análisis de contenido visual de marketing.

(d) Investigación de keywords para SEO

El objetivo de este curso es contribuir al conocimiento del investigador sobre cómo utilizar métodos, procesos y herramientas de minería de texto/imágenes para la investigación empresarial (enfoque en marketing). El curso está diseñado para preparar a los investigadores para los desafíos conceptuales y empíricos que implica el uso de datos no estructurados.

El investigador que impartirá el curso es Francisco Villarroel Ordenes, profesor de Marketing en la Universidad LUISS Guido Carli, donde enseña Business & Marketing Analytics, Performance Marketing y Unstructured Data Analysis. Su investigación gira en torno al marketing en redes sociales y la experiencia del cliente. Ha publicado en revistas como Journal of Consumer Research, Journal of Marketing, Journal of Service Research y Journal of Retailing, entre otras.

Programa

Fechas:

• 22 de mayo, lunes, de 10:00 a 13:00 horas.
• 23 de mayo, martes, de 10:00 a 13:00 horas.
• 24 de mayo, miércoles de 10:00 a 13:00 horas.
• 25 de mayo, jueves de 10:00 a 13:00 horas.

Contenido:

1) Introducción a los métodos de minería de texto/imágenes y KNIME (4 horas).

2) Métodos de diccionario (4-5 horas).

3) Machine Learning (4-5 horas).

Cada unidad incluye teoría relacionada con la investigación del lenguaje, aplicaciones empíricas con KNIME y trabajo práctico (es posible que algunos trabajos prácticos deban llevarse a cabo después de las sesiones) utilizando conjuntos de datos públicos de plataformas de redes sociales (Twitter) y sitios de comentarios/recomendaciones (ej., YELP). El curso será útil para la toma de decisiones relacionadas con la recopilación de datos de texto, la medición, el modelado y el posicionamiento de futuros artículos.

Requisitos previos:

Se recomiendan conocimientos básicos de marketing, machine learning y estadística (pero no son necesarios). El curso utilizará KNIME Analytics Platform como el principal software de análisis, junto con integraciones de R. Antes del inicio del curso, los participantes deberán descargar e instalar la plataforma KNIME Analytics de código abierto y las extensiones en su computadora portátil. Recibirán un correo electrónico con indicaciones sobre la preparación necesaria antes de unirse al curso (por ejemplo, descargar un libro gratis, ver vídeos introductorios, lecturas sugeridas). Se recomienda utilizar un portátil con al menos 16 GB de RAM. Aquellos que trabajan con un portátil de menos capacidad RAM (< 16 GB) pueden experimentar dificultades al trabajar con conjuntos de datos más grandes.

Idioma: Los materiales del curso están en inglés y las explicaciones orales serán en español.

Lugar de celebración: Online a través de Microsoft Teams.

Inscripción: 50 € (socios AEMARK), 90 € (no socios AEMARK). Para inscribirse en el seminario rellena el siguiente formulario https://forms.gle/byBRu3VvBheeSy567 y una vez confirmada la inscripción por secretaría, realizar transferencia bancaria a la siguiente cuenta: cuenta ES45 0081 0339 9000 0133 0441, Beneficiario: Asociación Española de Marketing Académico y Profesional (AEMARK).

Dirección: Jano Jiménez Barreto (Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.) y Natalia Rubio Benito (Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.) (Universidad Autónoma de Madrid).

Coordinación y contacto: Mar Gómez Rico (Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.) (Universidad de Castilla-La Mancha)