{"id":235895,"date":"2024-11-07T15:37:58","date_gmt":"2024-11-07T15:37:58","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=blog&p=235895"},"modified":"2024-11-07T16:02:11","modified_gmt":"2024-11-07T16:02:11","slug":"marketing-mix-modeling-in-pharmaceuticals-challenges-and-solutions","status":"publish","type":"blog","link":"https:\/\/www.artefact.com\/de\/blog\/marketing-mix-modeling-in-pharmaceuticals-challenges-and-solutions\/","title":{"rendered":"Marketing-Mix-Modellierung in der Pharmaindustrie: Herausforderungen und L\u00f6sungen"},"content":{"rendered":"

Autor<\/h2><\/div>\"Image\"

Thomas Filaire<\/h3><\/div>

Partner bei Artefact<\/p>\n<\/div><\/div><\/div>

Autor<\/h2><\/div>\"Image\"

Nadia Kandeikina<\/h3><\/div>

Beratungsleiter bei Artefact<\/p>\n<\/div><\/div><\/div><\/div><\/div>

Marketing Mix Modeling (MMM) ist seit langem ein wertvolles Werkzeug f\u00fcr data-driven-Entscheidungen in verschiedenen Branchen. In j\u00fcngster Zeit hat es im Gesundheitswesen und in der Pharmazie als Mittel zur Beantwortung kritischer Fragen, wie z.B. der folgenden, erneut an Aufmerksamkeit gewonnen:<\/p>\n<\/div>

  • <\/i><\/span>
    \n

    Welchen Einfluss haben unsere Werbeaktivit\u00e4ten auf die Verschreibungsmengen?<\/p>\n<\/div><\/li>

  • <\/i><\/span>
    \n

    Welche Werbekan\u00e4le haben die gr\u00f6\u00dfte Wirkung und welche sind fast ges\u00e4ttigt und bringen nur noch begrenzte zus\u00e4tzliche Ertr\u00e4ge?<\/p>\n<\/div><\/li>

  • <\/i><\/span>
    \n

    Wie k\u00f6nnen wir die Ressourcenzuweisung optimieren, um den ROI zu maximieren und den Umsatz zu steigern?<\/p>\n<\/div><\/li><\/ul>

    MMM bietet zwar ein erhebliches Potenzial, aber die Umsetzung in der Pharmaindustrie ist mit besonderen Herausforderungen verbunden. Dieser Artikel untersucht diese Herausforderungen und bietet Einblicke in die effektive Nutzung von MMM im pharmazeutischen Kontext. Dabei st\u00fctzt er sich auf die j\u00fcngsten Erfahrungen von Artefact mit verschiedenen Kunden aus der Pharmaindustrie.<\/p>\n<\/div>

    Die wichtigsten Herausforderungen bei der Umsetzung von MMM in der Pharmaindustrie<\/h2><\/div>

    Herausforderung 1: Begrenzte Verf\u00fcgbarkeit des data und eingeschr\u00e4nkter Einblick<\/strong><\/h3><\/div>

    Die Verf\u00fcgbarkeit von Data ist f\u00fcr jede Modellierung von entscheidender Bedeutung, insbesondere f\u00fcr den Verkauf von data. Die beh\u00f6rdlichen Anforderungen der Pharmaindustrie gew\u00e4hrleisten die sichere und wirksame Versorgung der Patienten mit Arzneimitteln, aber diese Vorschriften legen auch strenge Beschr\u00e4nkungen f\u00fcr die Sammlung, Lagerung und Verwendung von data fest, die je nach Region variieren k\u00f6nnen. Obwohl w\u00f6chentliches verschreibungspflichtiges data auf der Ebene der einzelnen Gesundheitsdienstleister (HCP) oder Einrichtungen ideal ist, beschr\u00e4nkt sich data auf nationaler oder regionaler Ebene oft auf monatliche Verkaufszahlen, was die Analysetiefe einschr\u00e4nkt.<\/p>\n<\/div>

    Auch die Werbekan\u00e4le der Pharmaindustrie sind einzigartig. Aufgrund strenger Vorschriften k\u00f6nnen Werbema\u00dfnahmen nicht \u00fcber Mainstream-Medien wie Fernsehen oder soziale Medien erfolgen. Stattdessen verlassen sich die Unternehmen auf die direkte Ansprache von Vertretern des Gesundheitswesens durch Vertriebsmitarbeiter. MMM nutzt daher in erster Linie data aus diesen Interaktionen, einschlie\u00dflich der Teilnahme an Veranstaltungen und Webinaren, die oft weniger strukturiert sind.<\/p>\n<\/div>

    Dar\u00fcber hinaus gibt es in der Pharmaindustrie verschiedene Rollen, die mit Vertretern des Gesundheitswesens interagieren, z. B. Au\u00dfendienstmitarbeiter und Medical Science Liaisons (MSLs), die jeweils unterschiedliche Ziele verfolgen. Vertriebsmitarbeiter sind die kommerziellen Mitarbeiter, w\u00e4hrend MSLs als wissenschaftliche Experten und Vermittler zwischen Pharmaunternehmen und der medizinischen Gemeinschaft fungieren. Da MSLs nicht kommerziell t\u00e4tig sind, k\u00f6nnen diese Interaktionen aus Gr\u00fcnden der Compliance nicht im MMM ber\u00fccksichtigt werden.<\/p>\n<\/div>

    Herausforderung 2: St\u00e4rkung des data foundation f\u00fcr Skalierbarkeit<\/strong><\/h3><\/div>

    Eine starke data foundation ist f\u00fcr die Skalierung von MMM unerl\u00e4sslich, doch die Zunahme digitaler Kan\u00e4le und Omnichannel-Strategien verkompliziert den Prozess. Pharmaunternehmen versuchen zunehmend, die Interaktion mit \u00c4rzten \u00fcber mehrere Kan\u00e4le zu optimieren, was die Komplexit\u00e4t erh\u00f6ht.
    \nPharmaunternehmen haben in der Regel Probleme mit fragmentierten data-Quellen, insbesondere \u00fcber neue digitale Kan\u00e4le wie Webinare, E-Mails und Offline-Veranstaltungen. Oft wird dieses data in separaten Tabellen gespeichert und manuell verwaltet, was zu Formatierungs- oder Genauigkeitsfehlern f\u00fchrt. W\u00e4hrend CRM data robust war, stellten nicht automatisierte data-Quellen eine Herausforderung f\u00fcr die Integration dar.<\/p>\n<\/div>

    Herausforderung 3: Ein hypothesengesteuerter Ansatz zur Modellierung<\/strong><\/h3><\/div>

    Ein weit verbreiteter Irrglaube ist, dass MMM einen ganzen Markt pr\u00e4zise modellieren kann. Angesichts der data-Beschr\u00e4nkungen erfordert die Implementierung von MMM in der Pharmabranche jedoch einen hypothesengesteuerten Ansatz, der auf alle Marken und L\u00e4nder abgestimmt ist.<\/p>\n<\/div>

    Eine gro\u00dfe Herausforderung ist zum Beispiel das Fehlen von detaillierten Ausgaben data f\u00fcr jede Werbeaktivit\u00e4t. Die genauen Kosten f\u00fcr jede Werbeaktivit\u00e4t sind oft nicht verf\u00fcgbar, so dass wir die Ausgaben ann\u00e4hernd sch\u00e4tzen m\u00fcssen, indem wir Annahmen \u00fcber die Geh\u00e4lter der Vertriebsmitarbeiter und die Zeiteinteilung treffen.<\/p>\n<\/div>

    Die Sch\u00e4tzung der Veranstaltungskosten ist ebenfalls komplex. Zu den Veranstaltungskosten geh\u00f6ren nicht nur die Veranstaltung selbst, sondern auch Personalkosten, die Erstellung von Inhalten und das Sponsoring. Um eine genaue Kostenrechnung zu gew\u00e4hrleisten, m\u00fcssen Ad-hoc-Annahmen getroffen werden, die mit dem Unternehmen abgestimmt sind.<\/p>\n<\/div>

    Au\u00dferdem erwarten einige Unternehmen, dass MMM alle Aktionen der Wettbewerber im Detail verfolgt, was oft unrealistisch ist. Stattdessen sollten wir uns darauf konzentrieren, eine breitere Wettbewerbsdynamik zu modellieren und die Unternehmen \u00fcber die Grenzen der data-Qualit\u00e4t aufzukl\u00e4ren. Dieser Ansatz hilft dabei, realistische Erwartungen zu setzen und gleichzeitig umsetzbare Erkenntnisse zu gewinnen.<\/p>\n<\/div>

    Herausforderung 4: F\u00f6rderung der Akzeptanz und der gesch\u00e4ftlichen Ausrichtung<\/strong><\/h3><\/div>

    Technische L\u00f6sungen allein sind unzureichend; die Kultivierung einer data-driven-Kultur ist entscheidend f\u00fcr die Einf\u00fchrung von MMM. Der pharmazeutische Marketingtrichter unterscheidet sich von dem anderer Branchen, da Patienten Produkte eher aus der Not heraus als aus dem Wunsch heraus kaufen, was zu Skepsis bei den Gesch\u00e4ftsteams f\u00fchren kann. Daher ist es von entscheidender Bedeutung, MMM vom ersten Tag an zu entmystifizieren und die Zusammenarbeit mit internen Gesch\u00e4fts- und Data-Wissenschaftsakteuren zu f\u00f6rdern. Um dies effektiv zu erreichen:<\/p>\n<\/div>

    • <\/i><\/span>
      \n

      F\u00f6rdern Sie die Akzeptanz von Tag #1 durch die Vereinfachung der mathematischen Aspekte von MMM f\u00fcr die Gesch\u00e4ftsinteressenten.<\/p>\n<\/div><\/li>

    • <\/i><\/span>
      \n

      Arbeiten Sie eng mit Data-Wissenschaftlern aus der Pharmaindustrie zusammen, um ein gemeinsames Verst\u00e4ndnis der Annahmen, St\u00e4rken und Grenzen des Modells sicherzustellen.<\/p>\n<\/div><\/li>

    • <\/i><\/span>
      \n

      F\u00f6rdern Sie Transparenz und Bescheidenheit durch st\u00e4ndiges Feedback und schaffen Sie gemeinsam mit dem Unternehmen neue Erkenntnisse, um die Unternehmensziele zu erreichen.<\/p>\n<\/div><\/li><\/ul>

      Schaffung eines MMM-Rahmens f\u00fcr die Pharmaindustrie<\/h2><\/div>

      Die pharmaspezifischen Herausforderungen erschweren zwar die Implementierung des MMM, machen es aber nicht unzug\u00e4nglich. Unsere bisherigen Erfahrungen mit Pharmaunternehmen zeigen, dass sie in der Regel einen Beitrag von 7-20% zur Marketingleistung leisten k\u00f6nnen, was mit den Beobachtungen in anderen Branchen \u00fcbereinstimmt.<\/p>\n<\/div>

      Speziell in der Pharmabranche muss MMM einen Mittelweg finden: data nutzen, ohne die Spezifit\u00e4t und Granularit\u00e4t zu beeintr\u00e4chtigen, die f\u00fcr umsetzbare Erkenntnisse erforderlich sind. Mit zwei Jahren monatlicher Verkaufs- und Werbeerfahrungen mit data und starker interner Unterst\u00fctzung durch die Stakeholder kann Artefact einen umsetzbaren MMM-Rahmen f\u00fcr Ihr Unternehmen liefern und die internen Teams weiterbilden, wie wir es bei Ipsen* getan haben. Unser Ansatz legt Wert auf Offenheit und Zusammenarbeit und stellt sicher, dass MMM ein praktisches Werkzeug und kein Blackbox-Modell wird. Der Erfolg h\u00e4ngt nicht nur von technischem Fachwissen ab, sondern auch von effektivem Ver\u00e4nderungsmanagement und Teamtraining.<\/p>\n<\/div><\/div><\/div><\/div><\/article>

      *Weitere Einzelheiten finden Sie in unserem Webinar mit IPSEN zum Thema \u201cWie Sie Ihren Marketing-ROI im Pharmasektor mit dem Marketing Mix Modelling (MMM) Ansatz maximieren\u201d.\u201d<\/em><\/p>\n<\/div>