Messen, um besser entscheiden zu können

Marketing Mix Modeling (MMM) ist ein Eckpfeiler der modernen Marketingmessung, der einen ganzheitlichen Blick darauf ermöglicht, wie verschiedene Aktivitäten zu Umsatz und ROI beitragen. In einem Kontext, in dem CMOs die Wirkung nachweisen und bei der Budgetzuweisung eng mit den CFOs zusammenarbeiten müssen, bildet MMM zusammen mit Inkrementalitätstests und Attribution ein komplementäres Toolkit für data Entscheidungen.

  • Marketing-Mix-Modellierung (MMM): Quantifiziert die Auswirkungen des Marketings auf den Umsatz auf der Grundlage historischer data, trennt die Basisnachfrage von zusätzlichen Effekten und leitet die Budgetzuweisung.
  • Inkrementalitätstest: Beweist die Kausalität durch den Vergleich von exponierten Gruppen mit Kontrollgruppen und validiert, welche Aktivitäten tatsächlich den Umsatz steigern.
  • Zuschreibung: Zuteilung von Gutschriften für alle Werbekontaktpunkte (E-Mails, Fernanrufe, Kongresse, Webinare), Verdeutlichung der HCP-Engagement-Journeys und Ergänzung von MMM- und Inkrementalitätstests.

Zusammen bilden diese Methoden einen umfassenden Rahmen: MMM gibt die strategische Sichtweise vor, Inkrementalitätstests bestätigen die Wirksamkeit und Attribution erklärt die kanalübergreifende Dynamik.

Die wichtigsten Fragen der Pharmaindustrie

In der Pharmabranche wird das MMM zunehmend eingesetzt, um drei strategische Fragen zu beantworten:

  • Auswirkungen: Wie wirken sich Werbemaßnahmen tatsächlich auf das Verschreibungsvolumen aus?
  • Leistung der Kanäle: Welche Kanäle bringen die stärkste zusätzliche Wirkung, und welche erreichen eine Sättigung?
    Budget-Optimierung: Wie sollten die Ressourcen umverteilt werden, um den ROI zu maximieren und das Wachstum zu erhalten?

Diese Fragen sind in einem Kontext von Bedeutung, in dem die Werbeausgaben oft Hunderte von Millionen übersteigen und in dem die Compliance-Vorschriften die verfügbaren Marketinghebel stark einschränken.

Vier Herausforderungen zu meistern

Die Einführung von MMM in der Pharmaindustrie birgt ein großes Potenzial, erfordert jedoch die Überwindung von vier großen Hürden:

  • Granularität derData : Der Zugang ist oft auf monatliche, aggregierte data beschränkt; die Werbedatensätze sind fragmentiert; die Aktivitäten der Medical Science Liaisons (MSLs) können aus Gründen der Compliance nicht direkt modelliert werden.
  • Data : Die Komplexität der verschiedenen Kanäle (Interaktionen mit Ärzten) und isolierte Systeme erschweren die Integration; manuelle Prozesse führen zu Inkonsistenzen und Fehlern.
  • Hypothesengesteuertes Design: Genaue data sind selten verfügbar; die Kosten für Veranstaltungen müssen grob geschätzt werden; die Aktivitäten der Wettbewerber können nicht vollständig erfasst werden.
  • Annahme durch die Unternehmen: Der Erfolg hängt vom Vertrauen der Markenteams ab; die Vereinfachung des Outputs, die Gewährleistung von Transparenz und Schulungen sind entscheidend, um den "Blackbox"-Effekt zu vermeiden.

Kunden Fall: Marketing-Mix-Modellierung für eine pharmazeutische Marke in Frankreich

Mit Thomas FILAIRE, aus dem Pariser Büro

Eine führende pharmazeutische Marke in Frankreich setzte Marketing Mix Modeling (MMM) zur Optimierung von Werbe- und Nicht-Werbeausgaben, zur Messung der kanalübergreifenden Wirkung und zur Unterstützung strategischer Entscheidungen.

Unser Kunde stand vor 3 Herausforderungen:

  1. Messung der Wirkung: Die genaue Zuordnung von Umsatzsteigerungen zu bestimmten verkaufsfördernden und nicht verkaufsfördernden Maßnahmen ist komplex, insbesondere in einem stark regulierten Umfeld.
  2. Data : Die Sicherstellung der Vollständigkeit, Qualität und Granularität von data aus verschiedenen Quellen (Verkäufe, Werbemaßnahmen, medizinische Aktivitäten, externe Faktoren) ist eine Voraussetzung für eine solide Modellierung.
  3. Einhaltung der Vorschriften: Medizinische Aktivitäten können aufgrund regulatorischer Beschränkungen nicht als direkte Treiber im Modell verwendet werden, aber ihr Einfluss wird durch Kontrollvariablen erfasst

Wir haben ein Marketing-Mix-Modellierungstool entwickelt, das auf 3 Ebenen basiert:

  1. Modellstruktur: Ein Bayes'sches Regressionsmodell quantifizierte die Auswirkungen von Marketingaktivitäten auf den Umsatz unter Berücksichtigung des Basisumsatzes, des durch Marketing erzielten zusätzlichen Umsatzes und von Kontrollvariablen wie Saisonalität, Markttrends und spezifischen Ereignissen (z. B. COVID-19).
  2. Transformationen: Das Modell enthält einen Anzeigenbestand (Übertrag) und Sättigungseffekte, um die Verzögerung und den abnehmenden Ertrag von Marketingaktivitäten zu berücksichtigen.
  3. Geschäftsprioritäten: Die Annahmen des Modells beruhen auf Geschäftskenntnissen und früheren Studien, was seine Robustheit und Relevanz verbessert.

Dieses Produkt brachte mehrere langfristige Vorteile mit sich, von der Entscheidungsfindung bis hin zur organisatorischen Widerstandsfähigkeit:

  • Effektivität der Kanäle: Das Modell ergab, dass 17,1 % des Umsatzes auf Werbemaßnahmen entfielen, wobei F2F-Anrufe den größten Beitrag leisteten (13,4 %), gefolgt von Kletterveranstaltungen (2,3 %) und Werbekongressen (1,4 %).
  • ROI-Optimierung: Werbekongresse und andere Interaktionen (E-Mails, Ferngespräche/Telefonanrufe) hatten den höchsten ROI (3,25 bzw. 3,59), während F2F-Anrufe robust, aber gesättigt waren (ROI: 1,45).
  • Verwertbare Einsichten: Das Markenteam war in der Lage, die kommerziellen und medizinischen Pläne anzupassen, die Budgets umzuverteilen und die zukünftige Strategie auf der Grundlage data Erkenntnisse zu gestalten. Zu den Empfehlungen gehörte die Reduzierung der Investitionen in gesättigte Kanäle und die Erhöhung der Ausgaben dort, wo der ROI am höchsten war
  • Kontinuierliche Verbesserung: Das Modell ermöglichte eine kontinuierliche Überwachung und Verfeinerung der Marketingstrategien und stellte sicher, dass das Unternehmen flexibel und reaktionsschnell auf Marktveränderungen reagieren konnte.

Mit Marketing Kosten von 100 Millionen bis 150 Millionen für das Produktund einer ~10% der Marketingausgaben für die Optimierung, Gewinne bei der Entscheidungsfindung werden geschätzt auf ~10 bis 15 Millionen Euro. Unter Berücksichtigung der Projektkosten von ~200.000 €.die vertikal auf andere Marken und Regionen für ~100.000 € skalierbar sind; ohne zusätzliche IT-Kosten. Der ROI des Gesamtprojekts liegt bei ~5.000%.als eine Größenordnung für das erste Jahr.

Die Zukunft der Marketingmessung in der Pharmaindustrie

Die Marketingmessung entwickelt sich hin zu stärker integrierten und anspruchsvolleren Ansätzen. Für die Pharmaindustrie wird diese Entwicklung die Rolle des MMM stärken und gleichzeitig die Übereinstimmung mit der Compliance und den strategischen Auswirkungen sicherstellen.

  • Integrierte Rahmenwerke: Kombination von MMM mit Attributions- und Inkrementalitätsprüfungen, um ein Gleichgewicht zwischen kurz- und langfristiger Optimierung herzustellen.
  • Qualität derData : Stärkere Governance zur Harmonisierung von CRM-, Werbe- und externen data bei voller Transparenz.
  • Sich entwickelnde Kanäle: Anpassung der Messung an digitale Berührungspunkte, Webinare und neue Plattformen zur Einbindung von Vertretern des Gesundheitswesens.
  • Interne Fähigkeiten: Aufbau von internem MMM- und Test-Know-how zur Verankerung einer Test-und-Lern-Kultur.
  • Datenschutz an erster Stelle: Nutzung derdata first-party unter Wahrung der Privatsphäre von Patienten und Vertretern des Gesundheitswesens.
  • Qualität des Engagements: Verlagerung des Schwerpunkts vom Umfang der Aktivitäten auf die Tiefe und Wirksamkeit der Interaktionen mit den Vertretern des Gesundheitswesens.

Insgesamt muss die Pharmaindustrie technische Raffinesse mit organisatorischer Reife kombinieren, um sicherzustellen, dass Marketinginvestitionen einen messbaren und nachhaltigen Wert liefern.