课程信息
课程设置
本项目学生需在规定学制内完成7门必修课和5门选修课。每门课程3个学分。学生修满任意四门标*的选修课，毕业即可申请为 “人工智能营销”专业方向。必修课及选修课以实际开课情况为准。
营销管理方向
培养学生从事消费者、商品、服务，以及品牌，广告和跨国营销等专业领域的营销管理工作。
人工智能营销方向
培养学生从事数字营销、营销工程和数据库营销等领域的工作。
必修课（共7门/21学分）
营销策略管理
战略营销课程侧重于制定市场驱动战略所涉及的概念和过程。本课程主要是介绍消费者和工业营销战略和战术背后的营销管理概念。它涵盖了以问题为导向的环境中的重大营销决策，对营销管理的深入研究以及营销计划和策略的制定。它展示了如何通过改变营销组合（价格、产品、促销和地点）以最大化地实现消费者满意度。同时，也会介绍外部环境的因素，如（社会、政治、经济、技术）会如何影响公司内部的营销策略制定和实施。完成本课程后，学生应具备足够的知识和技能来 (1) 识别、分析和解读消费者和营销数据，以及 (2) 使用数据为辅助工具，制定有效的营销计划。
消费者行为
消费者行为是对个人或团体选择，购买，使用或处置产品，服务，想法或体验以满足其需求和期望时所涉及的过程的研究。 通过完成本课程，学生将能够解释消费者在做出与消费有关的决定时通常经历的主要阶段； 确定影响消费者决策的主要个人，社会和文化因素； 并评估对从业人员的市场影响。
数字时代的营销研究
在数字时代，丰富的信息为公司创造了新的机会来解读和评估其营销策略的结果。 本课程的目标是帮助同学对那些管理良好的公司所采用的市场研究方法有一个基本的了解。 本课程侧重于指导同学们学习如何通过问题制定、研究设计、问卷构建、抽样、数据收集、数据分析、人工智能的使用，以搜集对公司有价值的信息。 该课程还会教学并评估学生对数字统计应用程序的正确使用（重点在消费者数据在AI 应用程序中的使用和对结果的解读上）。
完成课程后，学生应具备以下知识和技能：(1) 设计和开展营销研究以解决跟市场营销有关的问题，以及 (2) 根据市场调研得到的证据制定营销策略/计划。
数字时代的营销传播
本课程将从理论和实践的角度讨论当今数码时代下的整合营销传播。不同于传统广告和促销，当代的整合营销传播立足于数据，多触点精确抵达消费者，并对变化的环境做出实时反应。课程将重点讲述不同的营销传播工具，如线上线下广告、促销、公共关系等，在数码商业环境下的应用。
数字与社交媒体营销
全球顶尖前100家公司正在积极利用各类数字或社交媒体平台来推广其品牌，并加强与目标客户的联系。毫无疑问，数字和社交媒体营销已经从传统营销中脱颖而出，造成了一场根本性的变革。本课程深入讲解了数字营销中的关键概念和工具，包括展示型广告、搜索引擎营销、移动营销和社交媒体营销。此外，我们还将探讨数字营销专家所使用的分析技术，如A/B测试、双重差分法、归因模型、文本挖掘和社交网络分析。课程完成后，学生将掌握定性和定量分析方法，以制定有效的数字营销策略，并评估数字营销活动的成效。
大数据市场营销策略
本课程的目的是让学生对当前大数据方法和营销应用有一个深入的了解。课题包括中国数字市场的基本特征、数字时代的消费者演变、大数据洞察、网络搜索数据和互联网营销、社交网络和社交媒体营销、移动营销、零售和平台。本课程将使用方法论和技术，包括文本挖掘，计量经济学模型，机器学习，和社会网络分析，他们的商业应用将被讨论。本课程将引入一个时间、空间和连接(TSC)的大数据框架来分析大数据并获得业务洞察力。时空大数据的广泛收集和应用，促进了新的移动商业机会，实现了营销的突破性变革。与此同时，基于大数据的社交网络和社交媒体的发展，使得消费者和企业高度关联。移动性和连接及其交互形成了新的商业模式，TSC+内容和场景为基于大数据的营销应用提供了广阔的前景。本课程旨在帮助学生培养数据分析技能和能力，并结合创新的商业理念，创建有效的大数据营销策略。
客户关系管理
本课程旨在让同学们了解什么是客户关系管理（CRM），为什么它在当代商业世界中如此重要，以及如何使用最新的信息技术实现它。除了传统的授课方法，本课程还将包括大量的案例分析、小组讨论和/或演讲。具体来说，本课将涵盖以下主题：-客户异质性，-客户终身价值，-客户动态，-基于CRM的营销策略，-和一对一营销。还将讨论通过互联网营销、数据仓库、数据挖掘和数据库营销实施CRM。
选修课（选5门/15学分）
物联网与零售技术
这门课程旨在讨论数字营销中的一些新话题。内容涵盖宏观经济与消费/营销之间的互动；社交媒体和影响者营销的崛起；共享经济的模型和问题；不同平台的业务模型讨论；对新兴行业（如Web3、云和芯片）的展望；以及人工智能（AI）和大语言模型（LLM）在营销中的发展和影响。
创新市场营销和设计思维
设计思维是一种关键的简化与增加人性化的工具，其核心原则之一便是专注于用户体验。设计思维包含多个步骤，旨在深入理解用户需求，创造创新的解决方案，并通过快速迭代实现最佳效果。在本课程中，学生将掌握如何运用图表、草图等物理模型来探索问题，并学习如何制作样板来测试解决方案，以打造更加贴近用户需求的营销策略。
品牌营销战略
在过去几十年中，品牌和品牌塑造的概念对于几乎所有行业的公司来说变得日益重要，从消费品市场到企业间的组织（B2B）。在竞争多样化的当代市场中，品牌和品牌资产是发展有效营销策略、竞争优势和长期盈利能力的最有价值的战略资产。本课程旨在使学生了解如何创建和管理强大的品牌，以及如何在时间上持续利用和发挥它们的价值。学生将学习建立和管理强大品牌，以帮助组织在市场竞争中获得优势。我们将运用概念理论和案例研究来增进对知识在真实情境中应用的理解。课题将涵盖品牌的含义、在全球和数字世界中建立强大品牌以及特定类别的品牌策略，如奢侈品牌塑造。
服务营销
服务业在全球经济中日益占主导地位 (譬如酒店餐饮，航空服务，金融服务，医疗，以及电商等)。本课程将卓越服务视为一种企业战略愿景，并从顾客，员工和企业运营的综合视角来看待有效的服务战略。基于服务质量差距模型，本课程着重于不同服务行业中服务品牌的管理挑战，以及提高顾客服务体验以及提升服务流程效率之间利弊权衡。课程内容的核心在于如何帮助公司关闭服务质量差距，即顾客的服务质量期待和实际服务质量之间的差距，以及帮助公司建立卓越服务品牌。本课程旨在帮助学生认识到服务业在经济及其未来发展中的重要作用，并获得必要的知识和技能，以实施高质量的服务战略，从而在各行业中获得竞争优势。
数据挖掘
This course is an introductory course on data mining. It introduces the basic concepts, principles, methods, implementation techniques, and applications of data mining on marketing problems, with a focus on pattern discovery and cluster analysis, which are wildly used in marketing problems. Students will learn why pattern discovery is important, what the major strategies are for efficient pattern mining, and how to apply pattern discovery in some interesting marketing applications. Students will also learn the concepts and methodologies for cluster analysis, and then study a set of typical clustering methodologies, algorithms, and applications. The objective of this course is to let students become acquainted with the strengths and limitations of various data mining techniques, and gain a deep understanding on the applications of data mining on marketing problems.
网络分析
The course focuses on the collection, analysis, and use of web data for business intelligence. Topics covered include web analytics concepts, web analytics techniques, visitor activity analysis methods, and web intelligence fundamentals. The course also evaluates practical, real-work analysis cases to demonstrate the strategic uses of web analytics for business intelligence and proper application of analytics techniques for online data optimization.
金融分析
Participants in the modern financial system (i.e., individuals, institutions, markets and regulators) increasingly make their decisions based on empirical evidence derived from data. In response to the ever-growing size and complexity of financial data, new technologies and methods have been developed in recent times to facilitate evidence-based decision making in the big-data environment. The aim of Financial Analytics is to present students with the process of identifying adequate big-data sources as well as deriving useful information from the data for solving a research/business problem in modern financial markets. A range of mainstream big-data technologies and methods are covered in this course including but not limited to automated data ETL, quantitative metric design and implementation, general purpose programming framework and cloud computing infrastructure.
营销管理实践
本课程的目标是让学生获得解决实际商业环境中的管理营销问题的实际操作经验。课程内容涵盖小组项目、研讨会、报告和演讲等多种形式。学生将参与由企业提供的真实项目，并与教授紧密合作，共同为行业面临的管理营销挑战提供解决方案。
营销分析及数字化时代的消费者
细的应用视角。这门课程将覆盖的主题包括电子商务的行为基础、社交网络营销、社交媒体分析、用户生成的内容管理和营销、大数据和数字广告时代的客户关系管理策略、广告定位的预测建模、病毒式产品设计、多渠道体验、随机实验、A/B 测试和营销策略中的因果推断。
专题指导研究
本课程旨在培养学生在教授的指导下，在营销领域进行独创性的研究。
人工智能原理*
本课程向学生介绍了最先进的人工智能（AI）技术，及其营销应用和局限性。我们将介绍三种关键的AI技术，即神经网络，自然语言处理和营销机器人。本课程不要求学生具有IT背景。但是，我们希望学生能掌握一些Python编程知识。学生将会学习如何使用Python实现AI应用程序和分析现实生活中的营销数据集。他们需要在小组的项目和考试中展示他们对人工智能营销应用的知识。
人工智能在市场营销中的应用*
本课程讲述人工智能在市场营销的应用。本课程强调人工智能模型的可解释性。在课程中，学生可以学习如何利用人工智能模型去预测结果来对销售和市场营销进行支持。课程也同时讨论不同的人工智能方法理论和操作。
市场营销分析和机器学习*
本课程的目标是帮助学生了解什么是机器学习，以及其营销分析中的应用。课程首先会向学生介绍在营销和销售中常用的主要机器学习算法。课程还将讨论在营销场景中使用机器学习的真实案例，例如个性化向客户提供优惠或改善在线客户体验。学生还将学习有关机器学习算法的理论、技术以及如何选择最适合特定营销问题的机器学习算法。
营销工程*
本节课课程目标是使学生掌握实用的数量分析技能，以解决以数据驱动的市场营销问题。学生将学习如何将产品、价格、地点和推广方面的市场营销问题构建数学和统计模型，并学会运用机器学习和统计技术来解决这些问题。本课程还将讨论这些模型的应用。
数字时代市场营销的强化学习*
强化学习（Reinforcement Learning，RL）能帮助营销人员在数字营销领域制定最佳的营销策略。通过学习本课程，学生将接触到RL的理论基础和实践应用。课程的主题包括动态规划及其近似形式、Q学习、策略梯度方法和基于模型的方法。课程的前半部分主要关注RL的数学基础，动态规划及其近似形式，在实践中只能解决低维度问题。课程的后半部分介绍了三种主要的RL方法，并展示如何将这些方法应用于解决实际的营销问题。
数字时代市场营销中的大数据处理*
随着高科技的快速发展，海量营销数据无处不在，并呈指数级增长。目前，营销人员面临的最重要挑战是如何处理大数据，从大数据中挖掘出有价值的信息，并从信息中获得有意义的见解。本课程的目的是提供基础知识，使学生熟悉用于预处理、分析大数据和总结管理见解的最重要信息技术。本课程的前半部分简要介绍了营销和Apache Spark中的大数据挑战及其基本实现，这是一个强大的大数据分析引擎。课程的后半部分主要关注如何利用Apache Spark的机器学习包得到管理中的见解：介绍了三种最流行的方法：回归、卷积神经网络和自然语言处理。此外，还介绍了实践中的几个营销问题（情感分析、定价、推荐），并通过这些方法解决问题。
大数据市场营销实践*
本课程的目标是培养学生解决现实环境中大数据市场营销问题的实践经验。课程包括大数据软件的讲座、大数据团队项目、会议、报告和展示。大数据项目包括数据挖掘项目、文本挖掘项目或语音挖掘项目。学生利用真实数据开展工作，并与教授紧密合作，共同为行业中的大数据市场营销问题提供解决方案。
