Das Omnichannel-Management ist für pharmazeutische Hersteller bedeutsamer als je zuvor geworden. Die COVID-19 Pandemie hat die Entwicklung und die Notwendigkeit signifikant beschleunigt. Um eine orchestrierte Zielkundenansprache zu ermöglichen, die individualisierte Präferenzen zu Inhalten und Kanälen berücksichtigt, bedarf es einer präzisen und vollständigen Informationsbasis auf der Ebene des Zielkundensegments. IQVIA hat einen innovativen Ansatz entwickelt, um diese Informationsbasis zu schaffen.

Hintergrund

Im Zentrum des Omnichannel-Managements stehen individualisierte und bedarfsgerechte Interaktionen zwischen Unternehmen und Kunden, in denen die Bedeutung digitaler Kommunikationskanäle und deren Verflechtung mit traditionellen Marketing- und Vertriebswegen immens zugenommen hat. Durch die COVID-19 Pandemie und die damit einhergehenden Beschränkungen traditioneller Kommunikations- und Vertriebswege sehen sich viele pharmazeutische Unternehmen mit Aufgaben der Transformation und organisationalen Erfordernissen konfrontiert, sich den neuen Gegebenheiten anzupassen und neue Interaktionsmodelle mit ihren Zielgruppen zu etablieren.

Die richtige Botschaft im richtigen Moment im präferierten Kanal und der optimalen Abfolge überzeugend zum Zielkunden zu bringen, bringt neue Herausforderungen mit sich. So müssen etwa Inhalte und Wege der Ansprache auf Situation und Präferenzen der individuellen Zielkunden abgestimmt sein. Typische Fragestellungen lauten etwa: Ist der Kunde affin und offen gegenüber digitalen Kommunikationskanälen? Wenn ja, welchen? Bevorzugt der Kunde web-gestützte remote Sessions oder benötigt er eine Betreuung auf telefonischem Weg? Wie „tickt“ der Kunde? Spricht er eher auf patienten-fokussierte Inhalte oder eher auf Kostenthemen an? Ist er eher ein Innovator oder ein Traditionalist, wenn es um neuartige Therapieansätze geht? (Abb. 1)

Für solche oder ähnliche Fragestellungen sollten möglichst detaillierte und vollständige Informationen auf der Zielgruppenebene vorliegen, um Streuverluste in der Kundenkommunikation zu vermeiden sowie eine hohe Interaktionsqualität und Konversionsrate zu gewährleisten.

Ausgangssituation bei vielen Pharma-Unternehmen

Bei vielen Unternehmen fehlt eine solide und vollständige Informationsgrundlage, um eine solche Abstimmung der Kommunikation mit dem Zielkunden zu ermöglichen. Während weniger komplexe Informationsdimensionen zum Zielgruppenuniversum in Form von Potenzial-Targetings eine meist hohe Abdeckung in der CRM-Datenbank aufweisen, ist diese deutlich niedriger, je vielschichtiger und abstrakter die erforderlichen Informationen zu den Zielkunden werden.
So liegen häufig relevante Kundeninformationen zu Dimensionen, wie etwa Kommunikationskanalpräferenzen, digitale Affinität oder z.B. die Empfänglichkeit einzelner Kunden für bestimmte Messaging-Inhalte überhaupt nicht oder nur für einen Teil des Zielgruppenuniversums vor (Abb. 2).

Nicht selten existieren diese auch in Form von abstrakten Kunden-Archetypen oder Personas aus Marktforschungsuntersuchungen im Sinne statischer Momentaufnahmen für anonyme Sample-Stichproben. Diese geben zwar Aufschluss darüber, für welche Inhalte und Kommunikationskanäle eine Affinität beim Kundentyp besteht, jedoch müssen die Erkenntnisse bei den Zielkunden, für die diese Information nicht vorliegt, noch mit viel Aufwand z.B. durch den Pharma-Außendienst im Feld identifiziert und verifiziert werden.

Sind die Ergebnisse in dieser Ausgangssituation nicht oder nur stellenweise auf Zielkundenebene verfügbar, so gestaltet sich das weitere Vorgehen meist sehr aufwendig. Zu den weiteren häufig gesehenen Herausforderungen in der Praxis zählen etwa, dass die inhaltlichen Informationsdimensionen zu Präferenzen für Kommunikationskanäle und Messaging-Botschaften entweder nicht oder nur teilweise in Segmentierungsansätzen abgedeckt sind.

Die Implementierung des Omnichannel-Managements ist in einer solchen Umgebung wenig effizient, da Kanäle und Inhalte nicht auf die individuellen Anforderungen des Zielkunden zugeschnitten werden können. Eine individualisierte Ansprache und Herangehensweise bei der Marktbearbeitung ist daher in vielen Unternehmen der pharmazeutischen Industrie schwer zu realisieren.

Omnichannel Archetyp-Identifikation mittels Künstlicher Intelligenz / Machine Learning

Vor dem Hintergrund dieser Herausforderungen nutzt IQVIA innovative Analytik-Methoden, um die Vollständigkeit der Kundendaten mit einer hohen Informationstiefe zu verbinden. Mittels Modell-Vorhersagen unter Anwendung von Methoden Künstlicher Intelligenz und Maschinellen Lernens (KI/ML) können in einem bewährtem Verfahren Segmentzugehörigkeiten auf die Grundgesamtheit von Zielgruppen extrapoliert werden, so dass etwa Kanal- und Messaging-Anforderungen individuell ermittelt und bereitgestellt werden können (Abb. 3).

Die Voraussetzung hierfür: Die Kombination und Zusammenführung der richtigen Datenquellen und die richtige Methodik, um die entscheidenden Muster der Segmentzugehörigkeit auf Zielkundenebene zu erkennen und eine präzise Vorhersage zu treffen. IQVIA nennt die Kombination und Zusammenführung der vielfältigen Datenquellen „Connected Intelligence“, aus denen sich verschiedenste Fragestellungen beantworten lassen. Im Omnichannel-Targeting ermöglicht diese Herangehensweise etwa umfangreiche ex-ante Angaben zu den inhaltlichen und Kommunikationskanal-bezogenen Präferenzen von Zielkunden in den relevanten Omnichannel-Informationsdimensionen, sowie die entsprechende Aktivitäts- und Ressourcenplanung (Abb. 4).

In der Praxis gestaltet sich das Vorgehen dann wie folgt:

• Abstimmung: Inhalt und Setup
  In enger Absprache werden die inhaltlichen Anforderungen gemäß Informationsbedarf definiert und überprüft. Stehen eher Kommunikationskanal-bezogene Aspekte im Vordergrund des Targetings, oder geht es stärker um eine einstellungsorientierte Archetypisierung? Welche segmentspezifischen Dimensionen hinsichtlich Kanalpräferenz und Messaging sollen erarbeitet werden? Für welche Zielgruppen?
• Dateninventur: Promotions-, Segmentierungs- und Zielkundenmerkmalsdaten
  Je nach Zielgruppe und Zielstellung werden individuell die relevanten Datenquellen sondiert, zusammengestellt und für eine weiterführende Modellierung prozessiert. Dabei reichen die genutzten Daten von bereits vorhandenen Aktivitätsdaten auf Seiten des pharmazeutischen Unternehmens über IQVIA-eigene Promotions- und Zielkundendaten bis hin zu Drittanbieter-Daten, die herangezogen werden. Je nach Situation können in dieser Phase weitere Daten auch zusätzlich ergänzt oder erhoben werden.
• Modell-Kalibrierung: Definition der Sub-Metriken
  Gemäß den inhaltlichen Anforderungen und Datenspezifikationen werden in gemeinsamer Absprache sogenannte Sub-Metriken definiert. Hierbei geht es darum, zu bestimmen, welche Ausprägungen einzelner Datendimensionen gemäß Gewichtung zu welchen Segment-Zugehörigkeiten führen, also z.B. welche Aktivitäten zu welchem Grad einen Zielkunden definieren, der z.B. als hochempfänglich für E-Mail-Marketing einzustufen ist.
• Modellierung: Extrapolation der Omnichannel-Targeting-Segmente
  Mithilfe von KI/ML-Modellierung und Zielkundenmerkmalsdaten werden Muster erkannt und Algorithmen zur Vorhersage trainiert, um Datenlücken zu füllen und Segmentzugehörigkeiten präzise zu bestimmen. Wenn eine zufriedenstellende Trefferquote erreicht wurde, wird eine Extrapolation der Informationen auf das Zielkundenuniversum angewandt.
• Ergebnis und Anwendung: Omnichannel-Segmentierung und Aktivitätsplanung
  Die Ergebnisse je Informationsdimension liegen nun vollständig auf Zielkundenebene für das Zielgruppenuniversum vor. Diese können unmittelbar in das CRM-System überführt und für Omnichannel-Aktivitäten genutzt werden. Mit der CRM-Informationsbasis lassen sich dadurch individualisierte Marketing- und Vertriebsplanung von Segment- bis Zielkundenebene gestalten. Je nach System können in diesem Rahmen automatisierte Aktivitäts- und Kampagnensteuerung, sowie die Generierung von Handlungsempfehlungen und dynamischen „Next-best-actions“ vorgenommen werden.

Fazit

Im Kontext der pharmazeutischen Industrie lässt sich ein zunehmender Bedarf an Omnichannel-Targeting feststellen. Im Sinne von „Connected Intelligence“ ermöglicht der Omnichannel-Targetingansatz durch die Zusammenführung unterschiedlicher Datenquellen und innovativer Analytik eine bisher für viele Unternehmen noch nicht verfügbare Informationstiefe und -breite für deren Zielgruppen. Vor dem Hintergrund der zunehmenden Komplexität und entsprechenden Transformation von Go-to-Market-Modellen ist eine solche Informationsbasis für die meisten Unternehmen unabdingbar geworden. Während erforderliche Informationen bislang meist unvollständig vorlagen, werden mit dem Omnichannel-Targetingansatz Unternehmen befähigt, der nächsten Stufe dieser Erfordernisse gerecht zu werden und ein zukunftsfähiges Omnichannel-Management-Ökosystem für ihre Zielkunden zu etablieren.