Typically, Lobster Land starts its annual summer season on Memorial Day. This year, that date falls on Monday, May 27. This season,  Lobster Land has decided to host a three-day 1980s festival to get its season started. They plan to host this event on the Friday, Saturday, and Sunday leading up to Memorial Day.

Your team will submit a written report via Blackboard.  This report will include:

●    A written document that includes a link to your Tableau dashboard (or the file itself, if you used Tableau Desktop) and your write-up/description of the dashboard.

●    A PDF with an accompanying .ipynb that includes your results for the following parts:

○   Summary Stats

○    Segmentation and Targeting

○    Conjoint Analysis

○   Forecasting

○    Classification

○    Strategic Memo (a.k.a. Case memo)

○    A/B Testing

●    Your conclusion -- this can either come in a Markdown cell at the end of your Jupyter Notebook or it can be its own document that you upload into the .ZIP.

During the last week of the semester, your team will deliver a  15-minute presentation in class to your Professor and TA.

All datasets, and all dataset descriptions, along with a detailed rubric, will be posted  to  our class Blackboard page by 11:59 p.m. on Sunday, 14APR.  Some datasets and dataset descriptions will be posted sooner.

Some things to keep in mind:

●    As you  move through the various tasks, remember to “call ‘em like you see ‘em ”   If you see results that aren’t pretty, it does not necessarily mean that you did something wrong, or that there is a problem with the dataset or the software.

●    Some tasks in this project are very similar to things that we have done in homework assignments, whereas  others  are  unique.    Take  advantage of al your available resources...but keep in mind that the teaching team will remain at “arm’s-length” distance from all project teams.

●    Keep in mind that the various sections  have different point weightings.  These weightings reflect the varying degrees of emphasis for topics throughout our course.

●    Assumptions are okay -- if you make an assumption anywhere along the way, you can just state it so that your Professor can see why you took some particular step.

●    A rubric will be posted to Blackboard.

Data Visualization ( 10 points):   Some  people  claim that the  1980s were  a golden  age of cinema. Indeed, many great movies made in the  1980s have become classics that are still enjoyed by movie fans to this day.

Using Tableau, build a dashboard that includes anywhere from 4 to 6 visualizations created from the variables  in  the  imdb_movies dataset.    Of course, you will want to do some filtering with it, as the dataset currently contains movies made across a span of many years.  You can perform the filtering in any environment.

Include a 2-3 paragraph description of your dashboard that talks about the plots you made and some of the valuable takeaways and insights that they may provide for the managers.   In your analysis, you may also mention any limitations associated with the dataset or its interpretability.

Summary Stats (5 points):     In  Python, conduct some exploratory data analysis of the  1980s films

from the imdb movies dataset.

You  may  want  to  present some summary statistics that cover all of the  1980s films, but should also consider some groupings of variables, using groupby() or pivot_table() from pandas.  Create anywhere from 4 to 6 total summary statistics for this section.

In a paragraph, describe your findings.  What did you learn about the dataset?  Mention any insights that might be particularly useful or valuable for someone seeking to understand this data.  Use a markdown cell to write this paragraph.   In your analysis, you may also mention any limitations associated with the dataset or its interpretability.

Segmentation and Targeting (20 points):   People born in the  1980s may be considered Generation X, or Millennials.   Regardless  of their generational titles, the key thing for marketers is this:   They are entering their prime earning (and spending!) years.  Currently, they range in age from the mid-30s to the mid-40s.

Here’s where your team can be a huge help to Lobster Land:  The park has recently obtained a dataset with information about a large group of people living in New England who were born in the  1980s.  The dataset   is   named   eighties_consumers.csv.      Park   management   has   heard   about  something  called clustering, but they’re not quite sure what it is, or how it works … but they think your team can help out. They  want  you  to   perform  some  clustering  on  this   dataset,  and  then   deliver  those   results  to management, to tell them  about  what you find.    How  can you characterize these different types of individuals?

You may wish to use either k-means or hierarchical  clustering  for this  task.   To  perform.  the  actual clustering, use only numeric variables (but when you analyze your clusters, you can include observations about the categorical factors).  Remember that you do not need to use all the variables in the dataset for this analysis.

Once  you   have  built  your  clustering  model,  use  anywhere  from  4-6  visualizations  that  help  to communicate information about your model.   The  visualizations should depict information about your clusters that you  can clearly explain, and that  park management can  understand.   So  stay  away from things like PCA and t-SNE!

Name each one of your clusters, and include a few sentences describing/explaining the name that you chose for each cluster.

Use markdown cells for the cluster names and descriptions.  Also, use a markdown cell to describe the decisions you made regarding model construction, including the process that you used for arriving at the number of clusters for your model.

Conjoint Analysis Section (20 points):

You can’t really throw a great party without great food, so Lobster Land wants to have some excellent food options for the  1980s event.

The food vendor will  need  to  travel from western Massachusetts to Portland, ME, so the vendor is requiring Lobster Land to select just one Starter, one Main Entree, one Salad/Soup option, one side, and one dessert.  Lobster Land management is feeling overwhelmed by the available options.

All options come with unlimited soda and dipping sauce -- that’s why drinks and dipping sauce do not appear on the menu.   Lobster  Land  also  hopes  that local beer vendors can sell beverages that will go well with the food choices shown below.

For Starters, the options are:  Cheese Balls, Deviled Eggs, Tater Tots, and Stuffed Mushrooms.

For Main Entree, the choices are:  Lobster Roll, Sloppy Joe, Blackened Fish, and Beef Stroganoff.

For Salad/Soup, the choices are:  Macaroni Salad, Potato Salad, Spicy Chili, and Beef Stew.

For Side, the options are:  Mac and Cheese, Mashed Potato, and French Fry Basket

The Dessert Options are:   Jello Pudding Pops, Molten Chocolate Lava Cake

The party_platters.csv file includes consumer ratings for each proposed bundle.  The avg_rating variable gives the mean of all ratings for each particular bundle, as determined by more than 2000 total survey responses per bundle.  When consumers gave these ratings, however, they did so in a cost-neutral way -- they were asked to simply rate the bundles based on taste/preferences.

The  vendor_costs.csv  dataset  contains  information  about  the  per-serving  cost  associated  with  each option that has been presented to Lobster Land.

Lobster Land management has decided that it will charge a flat $15 fee for all visitors who enter the Barbeque Tent at the  1980s festival.   Keep this in mind as you build your recommended bundle.

Using the  dataset  party_platters.csv,  perform a  ratings-based conjoint analysis of the bundle options. Based on your team’s analysis, what specific bundle do you recommend, and why?

Forecasting (2.5 points):

One of the most legendary, iconic brands from the  1980s was Sony.   Sony became famous in the  1980s for its innovations with consumer technology products, including a portable cassette player called the Walkman (shown above), and the Trinitron home television set.

Even though the  1980s have come and gone, Sony is still around!

Using several years’ worth of data, and any forecasting method that your team deems appropriate for this purpose, generate a forecast for Sony’s 2024 net income.  You may use any forecasting method in Python to achieve this.  You can obtain this data from any online source – there is no dataset posted to Blackboard for this section.

In a markdown cell, write one paragraph that describes your process and results.  In addition to the net income  data  from  previous  years,  you  may  also  wish  to  consider  any  other  factors  -- but keep the weighting of this section in mind here.

In a markdown cell, write one paragraph that describes your process and results.   Be sure to clearly state the team’s prediction.

Classification (20 points):   In this section, you and your teammates will use the event_visitor dataset to further help with understanding the likely preferences of people who have visited similar events.

Attractions at festivals can generally be described as either “passive” or “interactive ”

A passive event does not involve the visitor directly.  Passive events could include things like:

●    Music performances from  1980s-themed tribute bands

●    Movie screenings of classic  1980s films

●    Comedy shows

An interactive event enables the visitor to be the doer.   Interactive events could include things like:

●    Do-It-Yourself t-shirt design booths

●    The chance to play a  1980s-era video game on a huge screen

●    Physical   challenges  such  as  games  that   require  a   player  to   make  some   number  of basketball shots to win a prize

You should build a classification model that uses the ‘preference’ column in this dataset as the response variable.

You  may  use  any  classification  method  that  you  have seen anywhere  in  AD654  material.    Show the results of your model, and the steps that you used to build it.   You have complete freedom with regard to the way you handle the data.  Variable transformations, handling of missing values, collapsing the levels of factors, etc. are all up to you and your team.

Write 3-4 thoughtful paragraphs about the conclusions that the conference guests can draw from this model’s  results,  and/or  marketing  approaches  that  they  can apply based on  the outcomes.     In  this assessment  portion,  you  may  wish  to  point  out  any  specific  details about  your model  to  help  park managers better understand it.

Strategic Memo (5 points):   You  and your teammates should each read the case, “Festival by the Sea ” This case wil not be posted to Blackboard.

Lobster Land management has run several festivals now, including Winter Wonderland festivals in each of the past few Decembers, and then either music-themed or period-themed festivals in the Spring days prior to the annual Memorial  Day season launch.   Lobster  Land  is  thinking  about continuing with  its festivals going forward, and is hoping to learn lessons from other festivals.   Lobster Land management wishes to incorporate the “best practices” that have worked elsewhere, while also avoiding the missteps that have plagued other festivals.

After reading the Festival by the Sea case, write a memo of no more than three pages in which you address  some  of the  following  questions:    What  are  the Strengths, Weaknesses, Opportunities, and Threats (SWOT) for the Festival by the Sea at this point in time?   Where  have they  succeeded, and where can they do better?

Lobster Land needs your qualitative skill set right now.   As you go through the case, and you identify some of the successes and missteps for the Festival by the Sea, which lessons (if any) can be applied to Lobster Land?  Alternatively, are there some elements of the Festival by the Sea situation that are simply not applicable to Lobster Land?

You can use some creative freedom in the way you describe Lobster Land and its current operations.  Of course,  Lobster  Land  is  a fictional  place,  so you are free to fill in any gaps about  Lobster  Land with reasonable assumptions.

For this section, consider this case to be a “closed universe ”   You  may want to  read or view those materials for your own background knowledge, but this is not a requirement.  You will not need to do any outside research, and should not cite any outside research here.

Simply  summarizing  details  from  the  case  will  not  make  for  a  great analysis.   Instead,  your  write-up should focus  more heavily on recommendations and analysis for Lobster Land.   As you  make your  recommendations  for  Lobster  Land,  do so by citing specific information or anecdotes from the case.  As tempting as it might be to throw a few questions into a generative AI tool in order to answer this section without stopping to read the case,, it is not an advisable strategy.

Statistical Testing ( 15 points):

Lobster Land temporarily purchased the digital rights to four photographs, shown below.  To test out the popularity of each photograph, they sent emails to prospective conference attendees, after randomly choosing one of these four images to include in the emails.  From left to right, the photos are known as “ Madonna”, “ Prince”, “ Bruce”, and “ BonJovi ”

Lobster Land has obtained some data about the photos, contained in music_pics, and now they’ve come to your team for help.   Lobster Land must choose just one of these four pictures for the next round of invites for the conference.  These emails will go out in mid-May.

Use appropriate statistical test(s) for this situation, and deliver recommendations for the park regarding the pictures.

In a markdown cell, write one paragraph that describes your process and your results for analyzing the results of these A/B Tests.*  Which picture should Lobster Land use?   Why did you select this picture?

* Even though there are several differences between these pictures, we can still consider this comparison an A/B Test.  The results will let us understand the differences from picture to picture, even if they won’t enable us to draw more detailed conclusions.

Conclusions  (2.5  points):      Here,  write   1-2  paragraphs  to  wrap  everything up.   Do not merely describe your findings as if you were summarizing a lab report.   Instead, emphasize your team’s insights about how these findings could be helpful/meaningful for Lobster Land, or your reflections about the process itself.  To earn full marks for this section, be genuine – avoid Ctrl+C/Ctrl+V “AI garbage ”  For this section, you may simply use a Markdown cell, or you may write in a separate document that you include in your ZIP -- either way is fine.