Course description

Title of the Teaching Unit

Analytical Marketing

Code of the Teaching Unit

22MMK12

Academic year

2026 - 2027

Cycle

Number of credits

Number of hours

Quarter

Weighting

Site

Anjou

Teaching language

French

Teacher in charge

SELMOUNI Mohamed

Objectives and contribution to the program

Ce cours vise à développer la capacité des étudiants à analyser, interpréter et exploiter des données marketing afin de piloter la performance et soutenir la prise de décision stratégique.
Il met l’accent sur :
• la compréhension des systèmes de mesure
• la rigueur analytique et expérimentale
• la transformation des données en décisions actionnables
Le cours prépare les étudiants à évoluer dans des organisations où la performance marketing est pilotée par la donnée et où la capacité à relier analytique et impact business est centrale.
À la fin du cours, les étudiants auront acquis les connaissances et compétences suivantes :

En termes de savoirs (Connaissances) :
• Comprendre le rôle stratégique de l’analytique dans la performance marketing
• Maîtriser les différents types de données et les enjeux de data governance
• Comprendre les frameworks de performance marketing (AARRR, HEART, OKRs)
• Connaître les principales méthodes d’expérimentation et de modélisation
• Comprendre les modèles d’attribution et leurs limites
• Identifier les enjeux éthiques et réglementaires liés à l’utilisation des données

En termes de savoir-faire (Compétences) :
• Analyser des données marketing complexes et en extraire des insights
• Construire et interpréter des tableaux de bord stratégiques
• Concevoir et analyser des expérimentations (A/B testing, etc.)
• Évaluer la performance marketing via des indicateurs pertinents
• Utiliser des modèles d’attribution et comprendre leurs implications
• Prioriser des actions marketing sur base du ROI et de l’impact
• Traduire les données en recommandations stratégiques

Prerequisites and corequisites

Avoir suivi des cours de statistiques en bachelier constitue un prérequis obligatoire. Avoir suivi le cours de Data Science and AI constitue un atout.

Content

1. Fondamentaux avancés de l’analytique et de la performance marketing
• Rôle stratégique de l’analytique dans la prise de décision
• Description, diagnostic, causalité, prédiction et prescription
• Types de données : first-party, second-party, third-party et zero-party
• Qualité des des données
2. KPI marketing et cadres de performance
• Du concept de métrique au KPI stratégique
• Caractéristiques d’un bon KPI
• Frameworks de performance : AARRR, HEART et OKRs
• Architecture des KPI : entonnoir, KPI tree, North Star et guardrails
• Vanity metrics, actionable metrics et temporalité des indicateurs
3. Analyses multivariées et segmentation marketing
• Exploration et préparation des données
• Statistiques descriptives et visualisation
• Analyse en composantes principales (ACP) : réduction de dimension et synthèse des perceptions ou comportements
• Analyse de clustering : identification et profilage de segments clients
• Analyse discriminante : caractérisation des groupes et classification de nouveaux profils
4. Expérimentation et tests rigoureux
• A/B testing
• A/B/n testing
• Tests séquentiels et « multi-armed bandits »
5. Modélisation du mix marketing et attribution
• Introduction à la modélisation statistique en marketing
• Régression linéaire simple et multiple
• Régression logistique
• Modèles d’attribution : last-click, multi-touch et data-driven
• Biais, hypothèses et limites des modèles
• Unified Measurement et optimisation des budgets marketing
6. Tableaux de bord et reporting stratégique
• Data visualisation et data storytelling
• Conception de dashboards (hiérarchie des KPI)
• Outils de BI (Tableau, Power BI, Looker)
• Automatisation du reporting et alertes
• Transformation des données en insights

Teaching methods

Le cours est dispensé sous la forme d’un enseignement ex cathedra, complété par des séances de travaux pratiques en salle informatique. Ces séances pratiques visent à faciliter la compréhension des concepts théoriques liés à l’analyse des données et à permettre leur mise en application sur des jeux de données, liées au marketing, à l’aide du logiciel statistique SAS.

Assessment method

Mode d’évaluation
EVALUATION FORMATIVE
Pas d'évaluation formative formelle.
Des séances de travaux pratiques, en salle informatique, accompagnent le cours pour bien comprendre les nouveaux concepts théoriques liés à l’analyse des données.
La résolution, d’exercices appliqués au marketing, avec des données réelles, permet l’assimilation des concepts théoriques vus au cours et de faire en sorte que l'étudiant(e) perçoive le niveau d'exigence demandé.

EVALUATION SOMMATIVE
Le cours se termine par un examen écrit, en présentiel, de trois heures combinant la résolution d’exercices pratiques liés à une problématique relative au marketing, avec des sorties du logiciel, et questions de compréhension et d’interprétation des résultats.
Les critères d’évaluation sont basés sur les points suivants :
• Explication de la problématique traitée et Formulation des hypothèses à tester,
• Identification et justification des analyses adéquates,
• Interprétation des résultats obtenus par l’utilisation du logiciel statistique pour traiter la problématique donnée,
• Déduction de décisions et recommandations étayées par les analyses des données effectuées.
Chaque critère vaut en moyenne 25% de la note globale adaptée chaque année à la difficulté du contenu de l'examen.

References

Les références bibliographiques sont indiquées dans les documents mis à disposition sur Moodle, notamment les slides, le syllabus et les études de cas.