Il corso si articola in lezioni da due ore il cui contenuto è di seguito elencato: − Il sistema mondo − Internazionalizzazione e modalità di ingresso nei mercati esteri − Commercio internazionale, trasporti e logistica − Multinazionali e investimenti diretti esteri − I criteri per l’analisi localizzativa nei mercati esteri − Indici utili per l’analisi localizzativa − I mercati emergenti: definizione e rappresentazioni − I mercati emergenti: principali caratteristiche − I BRIC − Investimenti nei mercati emergenti e dai mercati emergenti − Approfondimento multinazionali: casi e strategie − Analisi di settore: il mercato del caffè − Casi paese e opportunità di investimento: Brasile, Polonia, Cina

Il corso si articola in due parti. PARTE I - METODOLOGIA STATISTICA DI BASE PER IL MANAGEMENT ED IL MARKETING QUANTITATIVO (4 CFU) 1. Introduzione allo Statistical Learning: problemi di previsione ed inferenza. Supervised e Unsupervised Statistical Learning. 2. Il modello di regressione lineare semplice. Significato e stima OLS dei parametri. Intervalli di confidenza e test di significatività. 3. Il modello di regressione lineare multivariata: stima dei parametri e test di significatività, scomposizione della varianza e test F. Selezione delle variabili: metodi di ricampionamento (CV) e statistiche predittive (AIC, BIC, Cp). Leverage e punti ad alto impatto. Uso di variabili dummy per predittori qualitativi. Modelli con interazioni. Multicollinearità: definizione, effetti ed individuazione (VIF). Normalità dei residui: lettura del QQ-plot. Modelli moltiplicativi e loro linearizzazione. 4. La conjoint analysis classica. Pianificazione dell'esperimento: definizione dei fattori, dei livelli e degli stimoli. Piani fattoriali completi e frazionari. Valutazione dell'utilità: scale Likert. Modello, stimoli parziali e valutazione dell'importanza relativa dei fattori. 5. Classificazione supervisionata. Regola di decisione bayesiana e scelta delle variabili discriminanti. Modello logistico. Odds-ratio e loro relazione con le probabilità a posteriori. Diagnostica di classificazione: matrice di confusione e curva ROC. 6. Unsupervised statistical Learning. Metodi di clustering: metodi di partizionamento (k-means) e clustering gerarchica (metodi di linkage). Dendrogramma e sua interpretazione. PARTE II - TECNICHE AVANZATE DI STATISTICAL LEARNING (2 CFU) 1. Metodi di riduzione della dimensionalità. Analisi delle componenti principali: definizione e interpretazione. Biplot. 2. CART. Regole di splitting (RSS, Entropia, indice di Gini). Potatura di un albero. 3. Modelli additivi generalizzati. Aspetti generali. 4. Cenni alle reti neurali: idee base delle reti neurali (architettura a layer, esempi facili di reti completamente connesse). Problema del training dei modelli: backpropagation.

Diritto e innovazione. Il diritto delle piattaforme digitali: princiapli fonti legislative; danno reputazionale su internet e diritto all'oblio; la disciplina della raccolta e dell'uso dei dati; comparazione con la disciplina statunitense.

Per Marketing Strategy (Prof.sse Bruno and Reig): 1) Fondamenti ed evoluzione del marketing: Fondamenti di marketing ed evoluzione del marketing mix; Evoluzione del marketing; Evoluzione del consumatore; Marketing emozionale e sensoriale. 2) Ricerca di mercato: metodi qualitativi. Metodi etnografici, interviste e focus group; Social listening e analisi delle conversazioni digitali; Integrazione di approfondimenti qualitativi e quantitativi. 3) Ricerca di mercato: metodi quantitativi. Il ruolo della ricerca di mercato nella strategia; Surveys, Big Data e Predictive Analystics; Casi studio: marketing digitale e retail. 4) Nuovi modelli di business e tendenze emergenti: Business digitale; Key trends; Innovazione ed ecosistemi. 5) Innovazione applicata ed esplorazione del futuro: istruzione e lavoro nei prossimi 50 anni; nuove competenze per i professionisti del marketing. Marketing e immersività; intelligenza artificiale immersiva e metaverso; Casi studio: campagne in ambienti virtuali. 6) Tendenze avanzate di marketing: intelligenza artificiale nel marketing; social media e nuovi format; marketing sostenibile e responsabile. 7) Metodi quantitativi e preferenze dei consumatori: modelli di regressione lineare e analisi delle funzioni di domanda. Per il modulo di Marketing Analysis and Decisions (Prof.ssa Faralla): 1) Introduzione al corso: Definizione e principi di marketing, Marketing relazionale, Marketing sostenibile, Marketing ed etica, Marketing analysis. Informazioni sui lavori di gruppo (modalità, scadenze, etc.). 2) Consumer Behaviour; Marketing emozionale e neuroscienze; Marketing dei servizi; Digital marketing; Marketing e Artificial Intelligence. 3) Casi studio nei vari ambiti trattati ai precedenti punti (1 e 2): Neuromarketing, Branding, Digital Marketing, Visual merchandising, etc. 4) Il processo di ricerca nel marketing: dal disegno di ricerca alla presentazione dei risultati. Modalità di osservazione. Data-driven techniques (internet, social media marketing, etc.). Raccolta, analisi e gestione dei dati. Marketing analytics. 5) Metodi quantitativi (questionari, esperimenti di laboratorio, esperimenti sul campo, etc.) e relativi metodi di analisi. 6) Metodi qualitativi (focus group, visual methodologies, etc.) e relativi metodi di analisi. 7) Attività di laboratorio: scelta ed impostazione per i lavori di gruppo. Importanza del Consumer Insight nell’ambito del Marketing Analysis and Decisions. 8) Come trovare, leggere e analizzare la letteratura (focus su Marketing Analysis and Decisions). 9) Comunicazione. Visualizzazione e presentazione dei dati. 10) Data storytelling. Come scrivere un report. 11) Attività seminariale: presentazione e discussione della presentazione orale dei lavori di gruppo. Indicazioni sulla consegna del report. Per il modulo di Marketing strategy (Prof. Doninelli): L’azienda e il consumatore: un rapporto diretto o un rapporto mediato? La catena azienda-consumatore. L’era digitale: l’era dell’acquisizione e della condivisione delle informazioni. Il piano di marketing. Il database di marketing, le customer data Platform e la pubblicità personalizzata Il CRM: la gestione della relazione con il consumatore. Come gestire un database di marketing: la raccolta delle informazioni, l’arricchimento e la qualificazione delle informazioni. La fidelizzazione del cliente e l'incremento del customer life time value. La personalizzazione del rapporto. Le condizioni. L’analisi del comportamento del cliente. La web usability e gli AB testing. Il comportamento sui siti: Google Analytics. I social media come strumento di marketing. I modelli di attribuzione e il customer journey. I KPI del digital marketing e dell’e-commerce. Il programma del corso potrà subire variazioni per esigenze didattiche, particolarmente nel caso di interventi esterni da parte di Visiting Professors o esperti in materia. Nell'ambito dello studio del consumatore, del suo comportamento e delle sue preferenze è possibile che venga considerato, tra gli altri aspetti, anche il ruolo del genere del consumatore stesso. Si sottolinea che l'utilizzo di termini comunemente declinati in uno specifico genere (spesso quello maschile) in letteratura, nella prassi e nell'ambito dei materiali didattici, va inteso in modo neutro ed inclusivo. Ad esempio, il termine consumatore, nel marketing, include consumatrici e consumatori, salvo diversa indicazione.

Parte 1 – Modelli quantitativi per il Rischio di Mercato e di credito (Prof. Gianluca Fusai) - 6 CFU a. la misurazione del rendimento e del rischio; b. Modelli per la stima del VAR e dell’Expected Shortfall. c. Rischio di mercato e derivati finanziari. d. Introduzione al rischio di credito e . Parte 2 – Simulazione Monte Carlo e applicazioni in finanza (Prof. Ioannis Kyriakou City St George’s, University of London, Bayes Business School) – 2 CFU Introduzione alla simulazione Monte Carlo. Simulare v.a. uniformi, gaussiane e log-normali. Simulare i rendimenti e i prezzi di un titolo. Simulare da una distribuzione gaussiana multivariata. Applicazioni alla valutazione di derivati finanziari e alla misurazione del rischio di portafogli. Parte 3 – Algorithmic Trading (Prof. Roberto Maria Caloi (Sella Financial Markets) - 1 CFU): 1. The Central Order Book 2. The Roll Model of traded prices 3. Inventory Control and the dealer problem 4. Statistical Arbitrage 5. Optimal Execution 6. Automation and network latency Parte 4 – Counterparty Risk Prudential Framework (Prof. Diego Onorato (Intesa San Paolo) - 1 CFU). Calcolo dei capital requirements per il rischio controparte. Basilea 3 e il framework regolamentare. Modelli interni e standard. Rischio modello.

Parte 1 – Modelli quantitativi per il Rischio di Mercato e di credito (Prof. Gianluca Fusai) - 6 CFU a. la misurazione del rendimento e del rischio; b. Modelli per la stima del VAR e dell’Expected Shortfall. c. Rischio di mercato e derivati finanziari. d. Introduzione al rischio di credito e . Parte 2 – Simulazione Monte Carlo e applicazioni in finanza (Prof. Ioannis Kyriakou City St George’s, University of London, Bayes Business School) – 2 CFU Introduzione alla simulazione Monte Carlo. Simulare v.a. uniformi, gaussiane e log-normali. Simulare i rendimenti e i prezzi di un titolo. Simulare da una distribuzione gaussiana multivariata. Applicazioni alla valutazione di derivati finanziari e alla misurazione del rischio di portafogli. Parte 3 – Algorithmic Trading (Prof. Roberto Maria Caloi (Sella Financial Markets) - 1 CFU): 1. The Central Order Book 2. The Roll Model of traded prices 3. Inventory Control and the dealer problem 4. Statistical Arbitrage 5. Optimal Execution 6. Automation and network latency Parte 4 – Counterparty Risk Prudential Framework (Prof. Diego Onorato (Intesa San Paolo) - 1 CFU). Calcolo dei capital requirements per il rischio controparte. Basilea 3 e il framework regolamentare. Modelli interni e standard. Rischio modello.

Parte 1 – Modelli quantitativi per il Rischio di Mercato e di credito (Prof. Gianluca Fusai) - 6 CFU a. la misurazione del rendimento e del rischio; b. Modelli per la stima del VAR e dell’Expected Shortfall. c. Rischio di mercato e derivati finanziari. d. Introduzione al rischio di credito e . Parte 2 – Simulazione Monte Carlo e applicazioni in finanza (Prof. Ioannis Kyriakou City St George’s, University of London, Bayes Business School) – 2 CFU Introduzione alla simulazione Monte Carlo. Simulare v.a. uniformi, gaussiane e log-normali. Simulare i rendimenti e i prezzi di un titolo. Simulare da una distribuzione gaussiana multivariata. Applicazioni alla valutazione di derivati finanziari e alla misurazione del rischio di portafogli. Parte 3 – Algorithmic Trading (Prof. Roberto Maria Caloi (Sella Financial Markets) - 1 CFU): 1. The Central Order Book 2. The Roll Model of traded prices 3. Inventory Control and the dealer problem 4. Statistical Arbitrage 5. Optimal Execution 6. Automation and network latency Parte 4 – Counterparty Risk Prudential Framework (Prof. Diego Onorato (Intesa San Paolo) - 1 CFU). Calcolo dei capital requirements per il rischio controparte. Basilea 3 e il framework regolamentare. Modelli interni e standard. Rischio modello.

- Introduzione al corso: obiettivi formativi e contenuti, metodi didattici, sistema di valutazione dell’apprendimento. - Il ruolo del risk management per un efficace presidio dei rischi: le lezioni della crisi. - I tipi di rischio ai quali sono esposti gli intermediari finanziari. - L’analisi, la misurazione e la gestione del rischio di interesse: repricing gap, duration gap, cash-flow mapping, tassi interni di trasferimento. - Il rischio di liquidità: market liquidity risk e funding risk. - L’analisi, la misurazione e la gestione dei rischi di mercato del trading book: approccio varianze-covarianze; i modelli VaR: applicazioni e limiti; i capital charge di Basilea 2.5 e la revisione dei modelli interni; la Fundamental Review of Trading Book (FRTB); la metodologia FRTB. - L’analisi, la misurazione e la gestione del rischio di credito: probability of default, exposure at default, loss given default, i modelli di scoring, rischio di recupero e loss given default. - I modelli di rating. - Il pricing dei crediti. - Le caratteristiche essenziali del rischio operativo. - Risk management, requisiti patrimoniali e vigilanza prudenziale delle banche: da Basilea 1 a Basilea 3. - La gestione del capitale e il processo di allocazione del capitale nelle banche. - Le misure di risk adjusted performance. - La creazione di valore nelle banche.

1. Introduzione: -Definizione di finanza imprenditoriale e differenze tra corporate finance per imprese consolidate di grandi dimensioni e finanza per giovani/piccole e medie imprese. -Funding gap ed acquisizione delle risorse finanziarie lungo le fasi del ciclo di vita dell’impresa. 2. Offerta di capitale: -Finanziamento tramite capitale di debito. -Finanziamento tramite capitale di equity: -Venture Capital: fundraising, processo di selezione imprese target e deal structuring, fase di post investment, exit. -Venture Capital: obiettivi e performance di diverse tipologie di VC, ovvero independent VC, corporate VC, governament VC. -Investitori informali: Business Angels e Crowdfunding. 3. Domanda di capitale: -Ecosistema imprenditoriale italiano, focus su start-up. 4. Integrazione della dimensione di genere: focus su female entrepreneurship e gender gap nella domanda e offerta di capitale 5. Casi di studio (sono elencati di seguito a titolo di esempio due possibili casi di studio): -Valutazione delle imprese target Venture Capital: VC-method -Come strutturare la campagna di Crowdfunding

1. Introduzione 2. Tassi di cambio e arbitraggio 3. Loop, PPP e il lungo periodo 4. Il breve periodo e il Trilemma 5. Bilancio dei pagamenti 6. Patrimonio nazionale e internazionale 7. Tassi di cambio fissi o flessibili 8. Crisi del tasso di cambio 9. The Euro

- Introduzione al corso: obiettivi formativi e contenuti, metodi didattici, sistema di valutazione dell’apprendimento. - Rischio e incertezza. Rischi puri vs. rischi finanziari. - Le tecniche di gestione dei rischi puri. - Le caratteristiche del meccanismo assicurativo e le condizioni di assicurabilità dei rischi. - Le attività e le funzioni svolte dalle imprese di assicurazione. - Le caratteristiche tecnico-economiche dei contratti di assicurazione. - Le assicurazioni vita (le componenti del premio e le riserve tecniche; le polizze “tradizionali”; le polizze rivalutabili; le polizze unit-linked e index-linked). - Le assicurazioni danni: (le componenti del premio e le riserve tecniche; tipi di prodotti assicurativi). - La gestione tecnico-assicurativa delle imprese di assicurazione. - Coassicurazione e riassicurazione. - Il modello di economicità delle imprese di assicurazione e il loro bilancio. - I requisiti patrimoniali: da Solvency I a Solvency II). - La gestione finanziaria delle imprese di assicurazione: la gestione dei comparti Danni e Vita; la gestione finanziaria e gli impatti di Solvency II; la gestione integrata dell'attivo e del passivo (ALM); i principali impatti contabili (IFRS 9 e IFRS 17). - La distribuzione dei prodotti assicurativi. - Il fabbisogno di previdenza complementare. - Le forme pensionistiche complementari.

Problematiche dell'IFRS 17 - Impatti sulla gestione  Descrizione dei meccanismi di funzionamento del principio, delle finalità e delle principali metodologie  Esempi di rappresentazione contabile  Gli effetti del principio sui KPI di gestione nei settori Vita e Danni  Effetti del principio sulla gestione degli asset  Illustrazione di esempi e casi pratici RISCHI - Il Risk Appetite Framework e la gestione del rischio  Riferimenti normativi del Risk Appetite Framework  Profili metodologici del Risk Appetite Framework  Illustrazione di esempi  Gestione del rischio di tasso di interesse, SCR interessi, fondi propri  Esempi pratici TEMATICHE DI PRODOTTO E DI ESG  Il value for money, riferimenti normativi  Aspetti metodologici  Illustrazione di esempi pratici  Il quadro ESG nelle compagnie di assicurazione, analisi e riferimenti normativi CASI DI STUDIO  Casi di studio su tematiche specifiche saranno discussi in sessione plenaria.

Definizione e scopo degli studi sperimentali. Terminologia di base: fattori, livelli, variabili di risposta. Randomizzazione, replicazione e blocchi. Esperimenti a un fattore. Esperimenti fattoriali. Esercizi e casi di studio.

Gli argomenti principali del corso verteranno su aspetti pratici e teorici di uno scenario "real life" di una moderna azienda. I moduli (lezioni) sono di seguito elencati, l'ordine potrebbe variare in funzione di necessità e priorità eventualmente riscontrate durante lo svolgimento delle lezioni 1- Comprendere la struttura aziendale: dipartimenti, ruoli, compiti, responsabilità e relazioni. 2-Organizzazione: la chiave per migliorare l'efficienza e la produttività (strumenti e teoria) 3 - La gestione del processo di goal setting per stabilire le priorità individuali e di squadra 4 - Strumenti digitali per gestire i flussi di lavoro personali, di team e cross-team 5 - Produttività e monetizzazione: come i software PMO possono monitorare e migliorarli entrambi 6 - Vendere un prodotto/servizio: il funnel di vendita nel digital marketing moderno 7- Implementazione del software CRM e SA nella strategia di vendita( price action, strategia MKT e vendite, simulazione delle campagne di vendita) 8- Come implementare Chat GPT e l'intelligenza artificiale nel flusso di lavoro di una divisione marketing

1. Pre-scrittura della tesi e redazione di una proposta di ricerca 2. Struttura di una tesi 3. Introduzione 4. Revisione della documentazione/background 5. Metodologia e risultati 6. Discussione e conclusioni 7. Abstract, ringraziamenti, bibliografia, allegati 8. Presentazioni

Il linguaggio di programmazione Python e i suoi IDEs (Integrated Development Enviroment). I pacchetti di Pyhton: cosa sono, come si installano, importano e richiamano in uno script. Pacchetti base di Python per la manipolazione e la visualizzazione di dati: Numpy e Matplotlib. Pacchetti Python più avanzati per la manipolazione e la visualizzazione di dati: Pandas, Sklearn e Seaborn. Introduzione al pacchetto Python Streamlit per la creazione di web applications.

1.0 Treasury 1.1 La tesoreria in breve Ruolo e responsibilità della tesoreria in una banca, il concetto di tesoreria come “Banca nella banca” 1.2 Rischio tasso, rotation risk, rischio di base Misurazione del rischio tasso (BPV), replicazione di attivi e passivi della banca, rotation risk, rischio base 1.3 Rischio prepagamento, convessità dei mutui e modellazione comportamentale Esempi pratici, impatto del prepagamento dei mutui sulla redditività degli attivi; la modellizzazione delle poste a vista 1.4 Strumenti per la gestione del rischio tasso Swap, FRA, basis swap 1.5 Funzioni di Bloomberg 2.0 Bank Finance: 2.1.La promessa di ritorno sul capitale agli azionisti Lo schema generale di profittabilità di una banca e i suoi trade off (bank profitability of a beercard). Analisi e confronto delle pricinpali banche europee 2.2.Focus su alcune attività per gestire il ritorno sul capitale e gestione dei costi: Il processo di budget complessivo Dal margine di intermediazione alla profittabilità per prodotto L’analisi di profittabilità di prodotti/canali e il pricing dei prodotti in bilancio 2.3 Cenni di: “La promessa agli azionisti in tema di gestione dei costi “ Il purchase to pay process: dal sostegno del costo fino alla rappresentazione in bilancio

Gli asset e la loro evoluzione Tifosi/Clienti e Media Struttura organizzativa Sponsorship Journey Sponsorship Evaluation

Concetti base della finanza immobiliare (terminologia, edifici, conduttori, sviluppi immobiliari, gestione degli immobili ecc.) Il mercato immobiliare I processi di acquisizione e vendita di immobili e la gestione di un portafoglio immobiliare Metodologie di valutazione degli immobili Metodologie di misurazione del rischio immobiliare Le società di gestione del risparmio immobiliare ed i fondi di investimento alternative Reits, Siiq e Sicaf La gestione degli immobili I finanziamenti immobiliari Principali normative legali e fiscali Italiane del settore immobiliare Il piano economico e finanziario di un progetto immobiliare Il mercato immobiliare Italiano ed internazionale L’efficienza energetica degli immobili La valutazione degli impianti sportive Blockchain e metaverso Integrazione della dimensione di genere: azioni per la parità di genere nel settore immobiliare

1. Introduzione Start Up Prime Macro 2. Fogli e celle 3. Variabili 4. Condizioni 5. Cicli FOR 6. Procedure e funzioni 7. Dialog boxes 8. Forms e controlli 9. Arrays 10. Web Scraping 11. Suggerimenti

· DLT (Distributed Ledger Technology): analisi delle Blockchain pubbliche e private · Crittografia: hashing & chiave pubblica e privata & firma digitale · Casi di studio: dagli attacchi hacker ai fork, dalle blockchain agli exchange

5. Data Driven Management: l’importanza di una cultura aziendale centrata sui dati come strumento per indirizzare le decisioni strategiche. 6. Le fonti dati, interne ed esterne all'azienda, creazione di un archivio di qualità. 7. Il processo di Data Analysis: dalla preparazione dei dati alla lettura ed interpretazione dei risultati. 8. Reporting e Data Visualization: organizzare e presentare gli output dell’analisi in Report statici o dinamici

• Aree della comunicazione in Sanità • Mktg Mix nella comunicazione in Sanità • Institutional marketing communication’ o WEB Marketing • Come operare in uno scenario in continua trasformazione • La conoscenza del contesto di riferimento:l’attività di lobbying • Comunicare con le istituzioni pubbliche in ambito Sanitario Relazioni istituzionali • Oltre il Marketing Relazionale: • Il Megamarketing e le Relazioni Istituzionali o La funzione delle relazioni istituzionali o Le tecnologie delle relazioni istituzionali o Il rapporto di partnership istituzionale nel MA: la creazione di evidenze e le progettualità • Il processo lobbistico in Italia • Public affairs e lobbying: Healthcare & Lobbying • Le fasi dell’attività di Public Affairs o La catena relazionale delle attività di Lobbying o Gli strumenti dell’attività di Public Affairs o La relazione in un sistema complesso o Il valore della relazione in un sistema complesso • Crisis communication: principi e definizioni • La necessità di un efficace Advocacy Plan – case studies Attività per l’integrazione della dimensione di genere sono incluse in tutti i macro-capitoli del corso

Lezione 1: Apprendimento Supervisionato – Support Vector Machine, Decision Tree e Random Forest. Esercizio di Apprendimento Supervisionato – utilizziamo Support Vector Machine per trovare la relazione tra il prezzo di un bond e gli swap rates nel mercato. Lezione 2: Apprendimento non Supervisionato – Clustering e PCA. Esercizio di Apprendimento non Supervisionato – usiamo PCA per identificare i movimenti principali di una Yield Curve governativa. Lezione 3: basi di reti neurali – modelli, funzioni di attivazione e tipi di regolarizzazione Esercizio di Reti Neurali: usiamo una rete neurale deep per prezzare un’opzione europea vanilla. Opzionale (se c’è tempo): Lezione 4: Strutture avanzate di reti neurali – reti siamesi e autoencoders. Esercizio di reti neurali avanzate: usiamo autoencoders per modellare un indice equity on un limitato insieme di azioni.

Gli argomenti principali del corso verteranno su aspetti pratici e teorici di uno scenario "real life" di una moderna azienda. I moduli sono di seguito elencati, e dal primo approccio saranno integrati strumenti digitali e softwares (gratuiti) per simulare una campagna di digital marketing come se fosse reale. L'ordine dei moduli potrebbe variare in funzione di necessità e priorità eventualmente riscontrate durante lo svolgimento delle lezioni 1- Comprendere la struttura aziendale, arrtibuire e gestire ruoli, compiti, responsabilità e relazioni con strumenti digitali di PMO. 2-Organizzazione: migliorare l'efficienza e la produttività (strumenti digitali e teoria) 3 - La gestione del processo di goal setting per stabilire le priorità individuali e di squadra 4 - Strumenti digitali integrati per gestire i flussi di lavoro personali, di team e cross-team (Asana, Trello, Monday.com, Miro, Click-up, etc.) 5 - Produttività e monetizzazione: come i software PMO possono fare la differenza 6 - Vendere un prodotto/servizio: il funnel di vendita nel digital marketing moderno 7- Implementazione del software CRM e SA nella strategia di vendita( price action, strategia MKT e vendite, simulazione delle campagne di vendita). Software utilizzato: Framework 360 8- Come implementare Chat GPT e l'intelligenza artificiale nel flusso di lavoro di una divisione marketing 9.tecniche di prompt engineering nel processo di generazione di contenuti per campagne di digital marketing.