图技术在医药市场营销中的应用

图技术在医药市场营销中的应用

图技术的引入使得揭示医生之间的转诊关系更加容易,因为病人、医生和诊疗记录已在图数据库中事先连接好了。

塔夫茨药物研究中心(Tufts Center for the Study of Drug Development)的一项常被引用的研究结果显示,一种新药从研发到批准的开发成本约为26亿美元。

人们提及意见领袖营销时,常常指的是消费者市场,比如Netflix就在广泛地使用社交媒体平台来吸引千禧一代。然而,类似的营销策略在其他场景也起作用,比如您听了您信任的心脏心脏病专家介绍说,换成服用一种新研发出来的胆固醇或者血压管理药物,会有更高的疗效,您就会按他的建议去做。

主要的挑战是如何找到这些意见领袖,并了解意见领袖所在的社区,这样当新产品或者新服务上市时,就可以通过这些意见领袖制定营销活动的优先次序,精准投放。

在消费者市场,人们已经很清楚如何在Instagram,YouTube,Twitter,Facebook等网站上查找出意见领袖了,有许多工具可以识别出意见领袖,描述意见领袖所在社区或受众的特征,和评估每个社区对产品营销的相对价值。

而对于更复杂的产品,例如新的药品、医疗设备或医疗保健治疗,要在医生和其他医疗保健提供者中识别出意见领袖,必须深入分析病人的诊疗数据,以揭示医生之间的转诊关系。

传统的分析方法基于关系型数据库,要关联医生、诊疗记录、病人这些表必须通过SQL的连接(join)操作,开销巨大。完成表与表的连接操作可能得花费数小时、有时甚至数天的时间。这使得传统分析方法不适用于此类分析。

图技术的引入使得揭示医生之间的转诊关系更加容易,因为病人、医生和诊疗记录已在图数据库中事先连接好了。

帮助Amgen公司绘制病人关系图

举个例子,生物制药公司Amgen希望了解病人和医生之间的关系,以增加药品的销量。这就需要梳理上TB的数据, 将医院和药房的历史诊疗记录关联起来,从而识别出医生之间的转诊关系,并根据对诊疗记录的分析来检测医生的社区。

Amgen在使用以往的图数据库时,很快就遇到了数据容量的瓶颈。加载数据花费了太多时间,即使加载好了,计算速度也会变得非常慢,甚至压根没法完成计算。

借助最新的图技术,Amgen可以从大规模的互联数据中,获得新的、深入的洞见。

用图数据库从群体中揭示隐含的关系

再看一个例子,一个全科医生看了一个气短症状的病人,为其开了保健处方。到了第二周,这个病人去看了个心脏病专家,做了心导管插入手术(或者血管造影手术),一周后又去做了血管成型手术。

图技术直观地展现了与病人和医生相连的所有诊疗记录,以便数据分析师能够直观地理解关系。它还能连接一段时间内的诊疗记录,以推断出转诊关系。从转出的医生到转入的医生共需四跳,途经两份诊疗记录和一个病人。

于是,两位医生之间建立了名为“转诊”的边(或称关系),这条边上可以携带一些重要信息,例如转诊病人的数量、转诊病人做过的保健类别等等。

 

观察历史诊疗记录数据,会发现两位医生经常开一些特定的心脏保健药物。洞悉了这些事实,制药公司生产了心脏保健药物,医疗设备制造商生产了心脏手术支架或者其他产品,都可以向这些医生及其关系网络销售产品。

用图数据库识别意见领袖及其影响的社区

在有影响力的人或受信任的产品/服务提供者(如制药和医疗保健行业的处方医生)之间建立转诊关系后,下一步就要确定最具影响力的意见领袖,围绕他们推动多数活动,例如针对特定症状的医疗保健诊疗,例如心脏护理或糖尿病管理。

在确定意见领袖并对其进行排名后,由意见领袖驱动的产品和服务营销的最后一步是确定意见领袖影响着的社区,并评估市场机会,以确定每个社区的相对重要性。

找到意见领袖所在社区的技术包含社区发现算法。

考虑一个例子,通过识别医生和病人的关系,发现在加利福尼亚州圣何塞东部有三个社区,他们负责治疗心血管疾病和提供高血压药物的预防性护理。

然后用上类SQL的图查询语言,来加总与心血管疾病相关的社区所有诊疗记录的支出,以及保险赔付和病人的自付费用,从而计算出所有诊疗记录的总支出、保险赔付和自付费用。

有了这些信息,制药公司和医疗设备制造商去在罗利医疗保健市场中选择客户时,就可以先找到那些总支出最多的社区,优先拜访其中最有影响力的医生。

这使得医药以及医疗保健上的创新能投向真正需要它们的社区,同时,也为这些产品和服务的生产者带来收入上的巨大提升。

确定意见领袖是在医疗环境中进行营销的有力工具。