Η παρουσίαση φορτώνεται. Παρακαλείστε να περιμένετε

Η παρουσίαση φορτώνεται. Παρακαλείστε να περιμένετε

Κατηγοριοποίηση του Ιατρού, ως πελάτη της Φαρμακευτικής Εταιρείας. Η εφαρμογή της τεχνολογίας "Predictive Analytics" στο Φαρμακευτικό χώρο Βλάσης Παπαπαναγής.

Παρόμοιες παρουσιάσεις


Παρουσίαση με θέμα: "Κατηγοριοποίηση του Ιατρού, ως πελάτη της Φαρμακευτικής Εταιρείας. Η εφαρμογή της τεχνολογίας "Predictive Analytics" στο Φαρμακευτικό χώρο Βλάσης Παπαπαναγής."— Μεταγράφημα παρουσίασης:

1 Κατηγοριοποίηση του Ιατρού, ως πελάτη της Φαρμακευτικής Εταιρείας. Η εφαρμογή της τεχνολογίας "Predictive Analytics" στο Φαρμακευτικό χώρο Βλάσης Παπαπαναγής Sales & Marketing Director

2 © 2010 SPSS Inc. an IBM Company 2 Η ταυτότητα της SPSS  Κορυφαία εταιρία λογισμικού ανάλυσης δεδομένων & συμβουλευτικών υπηρεσιών με ιστορία σχεδόν 40 χρόνια  Τα εργαλεία της SPSS αξιοποιούνται σήμερα από το 100% των Global 500 φαρμακευτικών εταιριών  Πελάτες μας στην Ελλάδα είναι εταιρίες όπως: Astra Zeneca, Novartis, Janssen- Cilag, Boehringer Ingelheim Medimark, ELPEN, Pfizer, Cegedim, κλπ.

3 © 2010 SPSS Inc. an IBM Company 3 Η σωστή δραστηριότητα – επίσκεψη, στον κατάλληλο Ιατρό, διαμέσου του σωστού καναλιού, την κατάλληλη χρονική στιγμή! Αντικειμενικός Στόχος = Συνταγογράφηση

4 © 2010 SPSS Inc. an IBM Company 4 Αξιοποίηση των διαθέσιμων δεδομένων  Δεδομένα Ιατρών  Ειδικότητα  Δημογραφικά  Practice Characteristics  Detailing & Prescribing Patterns  Τρόποι-μέσα ενημέρωσης ιατρών  Literature, Lunch & Learn, Web Info, etc…  Ιστορικό δειγμάτων  Ιστορικό επισκέψεων  Εξωτερικές πηγές δεδομένων  3 rd Party Prescription Data  Μη δομημένο κείμενο  Δεδομένα Web

5 © 2010 SPSS Inc. an IBM Company 5 Η εφαρμογή της τεχνολογίας "Predictive Analytics" στο Φαρμακευτικό χώρο Αξιοποίηση δεδομένων επισκέψεων: 1) Για την κατηγοριοποίηση των Ιατρών σε ομάδες 2) Προσδιορισμός των χαρακτηριστικών και του προφίλ κάθε ομάδας που μοιράζονται κοινά στοιχεία - δείκτες 3) Κατηγοριοποίηση των Ιατρών με βάση την πιθανότητα συνταγογράφησης 4) Δημιουργία segmentation models βασισμένα στην συμπεριφορά των Ιατρών

6 © 2010 SPSS Inc. an IBM Company 6  Ελαχιστοποίηση των χαμένων επισκέψεων  Βελτιστοποίηση της αποτελεσματικότητας των ενεργειών του Marketing & Πωλήσεων και μείωση του κόστους για την αύξηση των πωλήσεων  Στόχευση των Ιατρών εκείνων που με μεγαλύτερη πιθανότητα θα συνταγογραφήσουν Επιθυμητό αποτέλεσμα

7 Μελέτη δεδομένων για την εταιρία CEGEDIM

8 © 2010 SPSS Inc. an IBM Company 8 Τελικό Αρχείο προς επεξεργασία (α)  Κωδικό ιατρού,  Αριθμό επισκέψεων που δέχτηκε συνολικά τον τελευταίο χρόνο,  Μέγιστος αριθμός προϊόντων ανά επίσκεψη (1-6),  Σύνολο προϊόντων για τα οποία έχει ενημερωθεί,  Αν είναι «ενεργός» αυτή την στιγμή στην βάση ή όχι,  Σε πόσες διαφορετικές διευθύνσεις και για πόσες φορές τον έχει επισκεφτεί η κάθε φαρμακευτική εταιρεία,  Τον συνολικό αριθμό των Φ.Ε. που τον έχουν επισκεφτεί,  Πότε δημιουργήθηκε η καρτέλα του γιατρού στην βάση,  Δημογραφικά χαρακτηριστικά, τίτλος, φύλο,  Ειδικότητα - μέχρι 3

9 © 2010 SPSS Inc. an IBM Company 9 Τελικό Αρχείο προς επεξεργασία (β)  Δείκτες που παράγονται από το πρόγραμμα της Cegedim (PVM, RATIO, PAD, PVA),  Στόχος ανά γιατρό από το σύνολο των Φ.Ε. σε επεξεργασμένη μορφή median, mean, cases, max, min,  Όλες οι διαφορετικές διευθύνσεις μαζί με την διοικητική θέση του γιατρού,  Αριθμό διαφορετικών διευθύνσεων του γιατρού,  Πόσες φορές έχει δεχθεί ενημέρωση για το κάθε διαφορετικό φάρμακο μέσα στον χρόνο (1-260 φάρμακα),  Την ομαδοποίηση όλων των φαρμάκων σε Φαρμακευτικές εταιρείες (1-15), και,  Την ομαδοποίηση όλων των φαρμάκων σε παθήσεις (1- 55).

10 © 2010 SPSS Inc. an IBM Company 10 Τελικό Αρχείο προς επεξεργασία (γ)  Πόσες διαφορετικές ενεργές διευθύνσεις ιατρείου, νοσοκομείου και συνδυασμό των δύο έχει ο γιατρός,  Κατά την διάρκεια της εβδομάδας πόσες φορές, αριθμητικά και σε ποσοστό (%), :  δεν δέχεται,  δέχεται το απόγευμα,  δέχεται όλη την ημέρα,  δέχεται το πρωί, και  δέχεται συνολικά τον Ι.Ε., ανά διεύθυνση και συνδυασμό αυτής.

11 © 2010 SPSS Inc. an IBM Company 11 Μεθοδολογία Ανάλυσης Η τεχνική της CLUSTER Analysis χρησιμοποιήθηκε για την επεξεργασία των διαθέσιμων δεδομένων από τα οποία προέκυψαν ομοιογενείς ομάδες Ιατρών – πελατών των οποίων τα χαρακτηριστικά τους κατατάσσουν σε υψηλό δείκτη συνταγογράφησης η σε χαμηλό δείκτη συνταγογράφησης

12 © 2010 SPSS Inc. an IBM Company 12 Τρόποι χρήσης της εφαρμογής Η εφαρμογή αυτή μπορεί να εξειδικευτεί ανά ειδικότητα & πάθηση έτσι ώστε να κατευθύνει τον ιατρικό επισκέπτη στο κατάλληλο target group Ιατρών για την μεγιστοποίηση του αποτελέσματος του Marketing

13 Σας ευχαριστούμε πολύ για την συμμετοχή σας!  Contact Mr. Vlassis Papapanagis at: or  Visit our website at  SPSS BI GREECE A.E. 5 Karystou st Athens - Greece To learn more about the SPSS solutions behind the application you saw today:


Κατέβασμα ppt "Κατηγοριοποίηση του Ιατρού, ως πελάτη της Φαρμακευτικής Εταιρείας. Η εφαρμογή της τεχνολογίας "Predictive Analytics" στο Φαρμακευτικό χώρο Βλάσης Παπαπαναγής."

Παρόμοιες παρουσιάσεις


Διαφημίσεις Google