Diplomado en Dirección de marketing en entorno digital con IA

Docente(s): Matías Wolff

Unidad académica responsable: Facultad de Economía y Administración

Requisitos: Sin pre-requisitos

Créditos: 4

Horas Totales: 75 | Horas directas: 25 | Horas indirectas: 50|

Descripción del curso:      

En el curso, el estudiante será capaz de formular, dirigir y optimizar una estrategia de marketing digital integral que conecte los objetivos comerciales del negocio con las necesidades del consumidor, mediante una narrativa de marca coherente y un ecosistema de medios basado en datos.

Resultados de Aprendizaje:

• Analizar el nuevo contexto del mercado y el comportamiento del consumidor actual, considerando los cambios de fuerzas, el problema de la atención y los modelos de adopción de la innovación.
• Definir mercados objetivos, segmentos y perfiles de clientes, aplicando criterios estratégicos que permitan identificar oportunidades relevantes de posicionamiento.
• Construir una propuesta de valor sólida y un ADN de marca coherente, integrando conceptos como Job to be Done, posicionamiento, relato estratégico y arquitectura de marca.
• Diseñar objetivos estratégicos de marketing y comunicación, estableciendo KPIs y métricas alineadas con el Brand Funnel y el Customer Journey.
• Desarrollar narrativas y estrategias de storytelling efectivas, comprendiendo la ciencia del relato y su aplicación desde el producto hacia el conflicto y la narrativa transmedia.
• Planificar estrategias integrales de contenidos y de ecosistema digital, incorporando inbound marketing, branded content, performance, growth hacking y el uso de martech e inteligencia artificial.

Contenidos:

• Clase 1: Contexto, Mindset y el Nuevo Consumidor
  • El nuevo escenario y el cambio de fuerzas
  • Adiós a los modelos lineales
  • El Problema de la atención
  • Mercado Objetivo, segmento y perfil
  • Modelo de adopción de innovación y el abismo
• Clase 2: ADN de Marca y Propuesta de Valor
  • Propuesta de Valor
  • Job to be Done
  • Posicionamiento
  • Relato estratégico
  • Marca, Branding y arquitectura de marca
• Clase 3: Objetivos Estratégicos y el Customer Journey
  • El Brand Funnel (Embudo)
  • Definición del problema de marketing
  • Objetivo, KPIs y métricas
  • Customer Journey Map y Touchpoints
  • Modelos de Planificación
• Clase 4: Storytelling y Narrativa Transmedia
  • La "forma" Cerebro
  • La Ciencia del Storytelling
  • La estructura de un relato
  • Del Producto al Conflicto
• Clase 5: Estrategia de Contenidos e Inbound Marketing
  • La era del Contendido
  • Content Strategy
  • Branded Content
  • Inbound Marketing
  • Modelos de planificación de contenidos
• Clase 6: Ecosistema Digital, Performance y Growth
  • Medios Pagados, Propios y Ganados
  • SEM y SEO).
  • Performance Marketing
  • Growth Hacking & Experimentación
  • Marktech & AI

Estrategias Metodológicas:

El curso está constituido de seis clases e-learning que son publicadas en pares durante bloques de dos semanas. Cada clase está estructurada utilizando un diseño instruccional centrado en el estudiante, que busca generar motivación y facilitar el aprendizaje. En cada clase están siempre los contenidos, evaluaciones con retroalimentación, instancias de reflexión y aplicación de lo aprendido. El contenido se despliega en un recorrido que utiliza distintos recursos interactivos, tales como videos (con presencia del docente y apoyos visuales), esquemas, audios, gráficas, ilustraciones, lecturas complementarias, preguntas formativas, links a otros recursos, etc. Los estudiantes deben asistir a dos clases en vivo con el docente, donde podrán reforzar conocimientos y resolver dudas. La asistencia a dichas clases es vía streaming.

Estrategias Evaluativas:

• Controles de lectura que permiten asegurar la comprensión de los contenidos desplegados en la plataforma
• Foros de participación, que permiten evaluar el análisis y capacidad de reflexión de los alumnos en torno a problemáticas aplicadas
• Trabajo final grupal que evalúa la aplicación de los contenidos a contextos profesionales
• Examen final que permite evaluar de manera global la adquisición de los contenidos del curso

En resumen, el alumno tendrá́ que rendir de manera individual: 6 controles, participar de 3 foros y rendir un examen final. Además de forma grupal, trabajar en el trabajo grupal que se entregará en un formato específico. A continuación, la ponderación de nota final del curso.

Ponderación de Evaluación: Total 100%      

• 6 controles, 1 por clase: 15%
• 3 foros evaluadas: 25%
• 1 trabajo grupal: 30%
• 1 evaluación final: 30%

Docente(s): Andrés Ibañez Tardel

Unidad académica responsable: Facultad de Economía y Administración

Requisitos: Sin pre-requisitos

Créditos: 4

Horas Totales: 75 | Horas directas: 25 | Horas indirectas: 50

Descripción del curso:

Este curso profundiza en el uso estratégico de la IA para diseñar y ejecutar decisiones de marketing en contextos B2C y B2B: insights de clientes, personalización de campañas, uso de IA generativa en creatividad y marca, precios dinámicos, orquestación del customer journey y construcción de una organización de marketing AI-powered.

Resultados de Aprendizaje:

• Diseñar estrategias de marketing habilitadas por IA que generen ventajas competitivas sostenibles.
• Evaluar aplicaciones de IA apropiadas para diferentes objetivos de marketing estratégico.
• Integrar capacidades de IA en la toma de decisiones de marketing a lo largo del customer journey.

Contenidos:

• Clase 1: Insight de clientes y estrategia de marketing impulsada por IA
  • De "segmentación descriptiva" a segmentación accionable basada en IA.
  • CLV
  • Probabilidad de compra
  • Propensión a churn y su uso en decisiones de cartera de clientes (B2C retail, banca, SaaS B2B).
• Clase 2: Personalización, campañas y experiencia omnicanal con IA
  • AI para personalizar social media, email marketing y display ads.
  • Recomendadores, "next-best-action" y "next-best-content".
  • Omnicanalidad: coherencia de mensajes entre canales y etapas del journey.
  • KPIs: uplift incremental, ingreso por usuario vs. campañas genéricas.
  • Riesgos implícitos en la personalización de comunicaciones.
• Clase 3 IA generativa para creatividad, contenido y construcción de marca
  • GenAI para copys, visuales, videos cortos, landing pages y pruebas A/B creativas.
  • Impacto en la economía del marketing: reducción de costos, velocidad de testeo, "always-on creativity".
  • Casos B2C: CPG, retail, entretenimiento. Casos B2B: tech, servicios profesionales.
  • Qué se puede y no se puede delegar a la IA.
• Clase 4: Precios dinámicos y revenue management con IA
  • Qué hace diferente al dynamic pricing con IA vs. yield management clásico.
  • Inputs de los modelos: elasticidades, comportamiento en tiempo real, competencia, inventario.
  • Casos: ecommerce, aerolíneas/hoteles, marketplaces, SaaS B2B con tarifas variables.
  • Riesgos: discriminación percibida, rechazo de clientes, colusión algorítmica.
• Clase 5 Orquestación de la “Ruta del cliente”, CRM y retención impulsados por IA
  • AI en el viaje del cliente: conocimiento → consideración → compra → uso → lealtad.
  • Lead scoring (B2B), nurturing automatizado, chatbots inteligentes, motores de recomendación.
  • IA para prevención de churn (fuga) y diseño de ofertas de recuperación de ex clientes.
• Clase 6: Estrategia, gobierno y organización de un Marketing “AI-powered” con Agentic IA
  • De “herramientas sueltas” a ecosistema de IA en marketing
  • ¿Qué es Agentic IA aplicada al marketing?
  • Diseño de “pods” mixtos humano + agentes de IA
  • Gobernanza y control de Agentic IA en marketing
  • Confianza, percepción
  •  del cliente y ética “aterrizada”

Estrategias Metodológicas:

El curso está constituido de seis clases e-learning que son publicadas en pares durante bloques de dos semanas. Cada clase está estructurada utilizando un diseño instruccional centrado en el estudiante, que busca generar motivación y facilitar el aprendizaje. En cada clase están siempre los contenidos, evaluaciones con retroalimentación, instancias de reflexión y aplicación de lo aprendido. El contenido se despliega en un recorrido que utiliza distintos recursos interactivos, tales como videos (con presencia del docente y apoyos visuales), esquemas, audios, gráficas, ilustraciones, lecturas complementarias, preguntas formativas, links a otros recursos, etc. Los estudiantes deben asistir a dos clases en vivo con el docente, donde podrán reforzar conocimientos y resolver dudas. La asistencia a dichas clases es vía streaming. 

Estrategias Evaluativas:

• Controles de lectura que permiten asegurar la comprensión de los contenidos desplegados en la plataforma
• Foros de participación, que permiten evaluar el análisis y capacidad de reflexión de los alumnos en torno a problemáticas aplicadas
• Trabajo final grupal que evalúa la aplicación de los contenidos a contextos profesionales
• Examen final que permite evaluar de manera global la adquisición de los contenidos del curso

En resumen, el alumno tendrá́ que rendir de manera individual: 6 controles, participar de 3 foros y rendir un examen final. Además de forma grupal, trabajar en el trabajo grupal que se entregará en un formato específico. A continuación, la ponderación de nota final del curso. 

Ponderación de Evaluación: Total 100%      

• 6 controles, 1 por clase: 15%
• 3 foros evaluadas: 25%
• 1 trabajo grupal: 30%
• 1 evaluación final: 30%

Docente(s): Claudio Gelmi

Unidad académica responsable: Facultad de Economía y Administración

Requisitos: Sin pre-requisitos

Créditos: 4

Horas Totales: 75 | Horas directas: 25 | Horas indirectas: 50

Descripción del curso:

Este curso busca que los alumnos reconozcan la aplicación de la inteligencia artificial (IA) para optimizar procesos comerciales, mejorar la toma de decisiones y aumentar la eficiencia operativa, garantizando una implementación ética y responsable.

Resultados de Aprendizaje:

• Comprender los fundamentos de la inteligencia artificial (IA) y su aplicación en la gestión comercial.
• Implementar herramientas y tecnologías clave de IA en procesos comerciales para optimizar la eficiencia operativa.
• Evaluar los aspectos éticos y de gestión de datos en la implementación de IA, asegurando un uso responsable de la tecnología.

Contenido

• Clase 1: Fundamentos de la Inteligencia Artificial en la Gestión Comercial
  • Definición y Principios Básicos de la IA: Conceptos clave, tipos de IA (IA débil vs. IA fuerte) y técnicas fundamentales.
  • Algoritmos y Modelos de Aprendizaje Automático: Introducción a algoritmos de clasificación, regresión y clustering.
  • Data Science y Análisis Predictivo: Cómo se utilizan los datos para hacer predicciones y decisiones informadas en el comercio. 
• Clase 2: Aplicaciones Prácticas de la IA en el Comercio
  • Automatización de Procesos Comerciales: Ejemplos de automatización en inventarios, logística y atención al cliente.
  • Análisis de Comportamiento del Cliente: Uso de IA para segmentación de clientes y personalización de ofertas.
  • Optimización de Precios y Promociones: Técnicas de IA para ajustar precios y diseñar campañas promocionales basadas en datos.
• Clase 3: Herramientas y Tecnologías Clave
  • Plataformas de IA y Machine Learning: Análisis de herramientas como TensorFlow, PyTorch y Scikit-learn.
  • Herramientas de Visualización de Datos: Software para la representación gráfica de datos y resultados de IA, como Tableau y Power BI.
  • Sistemas de Gestión de Datos: Tecnologías para la integración y gestión de grandes volúmenes de datos, como bases de datos NoSQL y Big Data.
• Clase 4: Implementación de IA en la Gestión Comercial
  • Estrategias de Implementación: Pasos para integrar soluciones de IA en las operaciones comerciales.
  • Gestión del Cambio Organizacional: Cómo preparar a la organización y al personal para la adopción de nuevas tecnologías.
  • Desafíos y Soluciones en la Implementación: Problemas comunes durante la implementación de IA y cómo superarlos.
• Clase 5: Ética y Gestión de Datos en IA
  • Privacidad y Protección de Datos: Normativas y mejores prácticas para manejar datos sensibles y personales.
  • Transparencia y Explicabilidad de los Modelos de IA: Cómo asegurar que los modelos de IA sean comprensibles y transparentes.
  • Sesgos y Discriminación en Algoritmos: Identificación y mitigación de sesgos en los sistemas de IA.
• Clase 6: Medición del Impacto y Optimización Continua
  • Indicadores Clave de Desempeño (KPIs) para IA: Métricas para evaluar el éxito de las implementaciones de IA.
  • Análisis de Resultados y Retroalimentación: Métodos para analizar los resultados de las aplicaciones de IA y ajustar estrategias.
  • Ciclo de Mejora Continua: Enfoques para la actualización y optimización constante de las soluciones de IA basadas en resultados y feedback.

Estrategias Metodológicas:

El curso está constituido de seis clases e-learning que son publicadas en pares durante bloques de dos semanas. Cada clase está estructurada utilizando un diseño instruccional centrado en el estudiante, que busca generar motivación y facilitar el aprendizaje. En cada clase están siempre los contenidos, evaluaciones con retroalimentación, instancias de reflexión y aplicación de lo aprendido. El contenido se despliega en un recorrido que utiliza distintos recursos interactivos, tales como videos (con presencia del docente y apoyos visuales), esquemas, audios, gráficas, ilustraciones, lecturas complementarias, preguntas formativas, links a otros recursos, etc. Los estudiantes deben asistir a dos clases en vivo con el docente, donde podrán reforzar conocimientos y resolver dudas. La asistencia a dichas clases es vía streaming.

Estrategias Evaluativas:

• Controles de lectura que permiten asegurar la comprensión de los contenidos desplegados en la plataforma
• Foros de participación, que permiten evaluar el análisis y capacidad de reflexión de los alumnos en torno a problemáticas aplicadas
• Trabajo final grupal que evalúa la aplicación de los contenidos a contextos profesionales
• Examen final que permite evaluar de manera global la adquisición de los contenidos del curso

En resumen, el alumno tendrá́ que rendir de manera individual: 6 controles, participar de 3 foros y rendir un examen final. Además de forma grupal, trabajar en el trabajo grupal que se entregará en un formato específico. A continuación, la ponderación de nota final del curso. 

Ponderación de Evaluación: Total 100%      

• 6 controles, 1 por clase: 15%
• 3 foros evaluadas: 25%
• 1 trabajo grupal: 30%
• 1 evaluación final: 30%

Docente(s): Ariel Jeria

Unidad académica responsable: Facultad de Ingeniería

Requisitos: Sin pre-requisitos

Créditos: 4

Horas Totales: 75 | Horas directas: 35 | Horas indirectas: 40

Descripción:

El curso Herramientas para optimización y desarrollo de estrategias para redes sociales de Clase Ejecutiva UC entrega conocimientos teóricos y aplicados para entender las redes sociales, sus características y cómo utilizarlas en la construcción de un plan comunicacional.

Resultados de Aprendizaje:

• Aplicar herramientas para el desarrollo de estrategias en redes sociales acorde al logro de objetivos organizacionales.
• Identificar el rol de las redes sociales en el contexto actual del marketing digital y del proceso de comunicaciones.
• Analizar estrategias comunicacionales en redes sociales aplicando los principales modelos, componentes, atributos y objetivos en función de las audiencias y usuarios.
• Construir indicadores relevantes para la medición de la efectividad de las campañas de comunicación en redes sociales.

Contenidos:

• Clase 1: Cómo desarrollar una completa estrategia en RR.SS.
  • Definir objetivos y KPI
  • Qué es un benchmark y para qué se utiliza
  • Definamos nuestro público objetivo
  • Selección de redes sociales: dónde poner los esfuerzos
  • Definir periodicidad de publicación
  • Subir contenido, escuchar, patrocinar y retroalimentar la estrategia 
• Clase 2: Marketing de contenidos en plataformas digitales
  • La importancia del branded content 
• Clase 3: Deep dive I
  • Facebook
  • Instagram
  • Twitter
  • LinkedIn 
• Clase 4: Deep dive II
  • Youtube
  • TikTok
  • WhatsApp
  • Messenger
• Clase 5: Influenciadores, manejo de crisis en redes sociales y social listening
  • Marketing de influenciadores
  • Manejo de crisis en redes sociales
  • Social listening o escucha social
  • Métricas cuantitativas y cualitativas
• Clase 6: Analítica y KPI para medir el éxito en redes sociales
  • Segmentación: Cómo hacerlo de manera eficiente
  • Métricas más relevantes en redes sociales, ¿cuáles son? 

Estrategias Metodológicas:

El curso está constituido de seis clases e-learning que son publicadas en pares durante bloques de dos semanas. Cada clase está estructurada utilizando un diseño instruccional centrado en el estudiante, que busca generar motivación y facilitar el aprendizaje. En cada clase están siempre los contenidos, evaluaciones con retroalimentación, instancias de reflexión y aplicación de lo aprendido. El contenido se despliega en un recorrido que utiliza distintos recursos interactivos, tales como videos (con presencia del docente y apoyos visuales), esquemas, audios, gráficas, ilustraciones, lecturas complementarias, preguntas formativas, links a otros recursos, etc. Los estudiantes deben asistir a dos clases en vivo con el docente, donde podrán reforzar conocimientos y resolver dudas. La asistencia a dichas clases es vía streaming.  

Estrategias Evaluativas:

• Controles de lectura que permiten asegurar la comprensión de los contenidos desplegados en la plataforma
• Foros de participación, que permiten evaluar el análisis y capacidad de reflexión de los alumnos en torno a problemáticas aplicadas
• Trabajo final grupal que evalúa la aplicación de los contenidos a contextos profesionales
• Examen final que permite evaluar de manera global la adquisición de los contenidos del curso 

En resumen, el alumno tendrá́ que rendir de manera individual: 6 controles, participar de 3 foros y rendir un examen final. Además de forma grupal, trabajar en el trabajo grupal que se entregará en un formato específico. A continuación, la ponderación de nota final del curso. 

Ponderación de Evaluación: Total 100%      

• 6 controles, 1 por clase: 15%
• 3 foros evaluadas: 25%
• 1 trabajo grupal: 30%
• 1 evaluación final: 30%