Um den dynamischen Bedarf ihrer Zielkunden auch künftig optimal bedienen zu können, ist es für die pharmazeutische Industrie entscheidend, ihre Zielgruppenansprache zu digitalisieren und zu individualisieren. Insbesondere die gezielte Ansprache und Einbindung von Healthcare Professionals (HCPs) stellt eine große Herausforderung für Life Science-Unternehmen dar und erfordert häufig eine Anpassung der bestehenden Go-to-Market-Modelle.

Für den Anpassungsbedarf gibt es unterschiedliche Gründe (Abb. 1). So ist beispielsweise der Zugang zu Ärzten schwieriger geworden. Dieser Trend ist zwar seit einigen Jahren im deutschen Markt zu beobachten, wurde allerdings durch die COVID-19-Pandemie zusätzlich verstärkt. So hat sich die Zahl der Patienten- sowie der Arztbesuche in Deutschland während der Pandemie etwa um die Hälfte reduziert, und neue Therapien – zum Beispiel in der Onkologie – wurden in ganz Europa um mehr als 60 % seltener begonnen. Unterschiedliche und sich verändernde Kanalpräferenzen von HCPs kommen hinzu; im Vergleich zur Vor-Pandemiezeit hat sich der Anteil von Remote-Kontakten zwischen Industrie und Ärzten mehr als verdoppelt und liegt inzwischen nahezu gleichauf mit Face-to-Face-Gesprächen. Schließlich nimmt der Anteil komplexer, oft einmaliger Therapien mit kurativen Eigenschaften weiter zu, und Nischentherapien in Bereichen mit hohem ungedecktem Bedarf sind einem zunehmenden Wettbewerbsdruck ausgesetzt.

In allen genannten Bereichen gilt es, die Fülle an Informationen, Systemen und beteiligten Akteuren zu überblicken sowie die für die eigenen Zwecke relevanten Daten herauszufiltern, optimal zu kombinieren und maßgeschneidert zu verwenden, um Erkenntnisse daraus abzuleiten.

Vor diesem Hintergrund rückt die Notwendigkeit, HCPs noch tiefer im Detail zu verstehen und deren Bedürfnisse zu kennen, immer mehr in den Fokus. Darauf angepasste Go-to-Market Strategien und Formen der Kundenansprache werden die Zukunft prägen. Fortschrittliche HCP-Targeting-Lösungen, die Daten, Wissen, Systeme und den Einsatz von Künstlicher Intelligenz (KI) sowie Maschinellem Lernen (ML) optimal kombinieren, eröffnen Unternehmen der Healthcare-Branche neue Chancen, ihre Produkte noch besser zu den Patienten zu bringen, die am meisten davon profitieren.

„Next Best“-Konzept der Kundenansprache

Um die komplexen Herausforderungen zu meistern, sind verschiedene Dimensionen der Ansprache von HCPs zu analysieren. An welchen Arzt trete ich im nächsten Schritt heran? Für die Beantwortung dieser Frage im Rahmen eines iterativen Next Best Customer-Ansatzes können Potentialbetrachtungen eine sinnvolle Entscheidungsgrundlage liefern.

Wie gehe ich nun bestmöglich auf die in dieser Weise identifizierten potenziellen Kunden zu? Welche Frequenz, welcher Kanal und welcher Inhalt bieten sich an, unter Berücksichtigung der digitalen Präferenzen der Zielgruppe? Die Antworten auf diese Fragen münden in die Definition der Next Best Action.

Schließlich ist der Inhalt der eigenen Botschaften zu definieren, im Sinne von Next Best Content: Auf welche Merkmale legt der Arzt Wert (zum Beispiel Patientenbedürfnisse, Guidelines etc.)? Eine möglichst genaue Kenntnis dieser Bedingungen ist Voraussetzung für die optimale Zielgruppenansprache.

Ganzheitliches Targeting auf der Grundlage von Connected Intelligence

Um diese Fragestellungen und „Next-Best“ Überlegungen zielgerichtet in ein Go-to-Market-Modell zu integrieren, empfiehlt sich ein 360° Blick auf die Zielgruppe. Aus der intelligenten Vernetzung relevanter Informationen mit Hilfe von Healthcare-Daten, Branchenexpertise, Analytik und innovativer Technologie wie KI/ML entstehen neue Einsichten. So können beispielsweise auch aus Datenfragmenten Erkenntnisse über die Grundgesamtheit der HCPs gewonnen werden. IQVIA nennt diesen Ansatz Connected Intelligence. Auf Targeting bezogen, steht dieser Begriff für einen ganzheitlichen Ansatz, der alle relevanten Erkenntnisse und Methoden miteinander vernetzt und dabei unternehmens- sowie segmentspezifisch individuell ausgestaltet sein sollte: Advanced HCP Targeting. Im Folgenden werden die Voraussetzungen und Elemente des ganzheitlichen Targetings erläutert (Abb. 2).

Ausgewählte Bausteine des ganzheitlichen Targetings

Potential

Um sicherzustellen, dass möglichst viele von einer Erkrankung betroffene Patienten von der bestmöglichen Therapie profitieren, empfiehlt sich eine Potenzialbestimmung der HCPs als Zielgruppe. Dafür sind die nachfolgenden Aspekte zu berücksichtigen.

Patientensicht

Wie kann man undiagnostizierte Patientengruppen erkennen, die noch keine Behandlung erhalten haben, um für diese Patienten eine frühe Diagnose und optimale Betreuung sicherzustellen? Wie lassen sich Therapielinien erkennen oder sogar prognostizieren, und wie steht es um Themen wie Adhärenz? Bei der Beantwortung dieser Fragen unterstützen KI/ML Algorithmen, die auf der Grundlage bisheriger Krankheitsverläufe voraussagen, welche Patienten höchstwahrscheinlich für eine bestimmte Behandlung in Frage kommen. Dieser Ansatz berücksichtigt neue Therapielinien, Eskalationen in der Behandlung und auch die entscheidenden Faktoren für die Adhärenz, um daraus geeignete Strategien zu entwickeln.

Indikationsrelevanz

Wie lassen sich Verordnungsinformationen, die grundsätzlich keine Informationen zur Indikation beinhalten, dennoch im Hinblick auf bestimmte Therapien und Indikationen analysieren? Diese Frage kann unter Hinzunahme verschiedener Datenquellen sowie deren Kombination beantwortet werden. Geht man beispielsweise von anonymisierten Behandlungsverläufen aus, so ist darin eine sehr große Datentiefe vorhanden. Diese beinhaltet sowohl die Verordnungen als auch die dazugehörigen Diagnosen. Die Datendichte ist hierbei sehr hoch, liegt jedoch nur für einen kleineren Teil an anonymisierten Patientengruppen vor. Die Erkenntnisse aus dieser Datentiefe sind mit Hilfe von Algorithmen allerdings auf longitudinale Verschreibungsdaten übertragbar. Diese longitudinalen Daten liegen für eine viel breitere Basis an Patienten vor und sind damit eine sehr valide Grundlage für eine Modellierung. So lassen sich zum Beispiel Aussagen darüber treffen, wie oft ein bestimmtes Produkt bei bestimmten Therapien und Indikationen zum Einsatz kam.

Digitale Präsenz, medizinische Experten und Verhaltenspräferenz

Digitale Präferenzen der Zielgruppe werden durch die systematische Erfassung und Analyse von deren digitaler Präsenz und Aktivität erkennbar, zum Beispiel in Social Media. Dazu gehört auch, ihren Bekanntheitsgrad und ihr Netzwerk zu erfassen (messbar beispielsweise an der Anzahl der Social Media-Follower). Insbesondere für Launch-Themen können auf diese Weise medizinische Experten (Key Opinion Leaders) identifiziert werden. Wer ist Experte, und zu welchen Themen? Welche Experten-Netzwerke gibt es zu bestimmten Themen, national wie regional? Jeder einzelne Baustein hilft, die Sicht auf den HCP zu erweitern, um damit ein umfassendes 360° Bild zu gewinnen.

HCP als Kunde und Professionelles HCP Profil

Wie können HCPs individueller angesprochen und Botschaften zielgerichteter auf deren Bedürfnisse ausgerichtet werden?  Hier kann eine Vielzahl an Informationen mit einfließen wie beispielsweise Merkmale aus der Marktforschung, die digitale Affinität von HCPs, Aktivitätsdaten oder auch das übergeordnete Potential. Diese Daten liegen selten für alle HCPs in sämtlichen Ausprägungen vor. Daher werden im ersten Schritt mit Hilfe von KI/ML-Algorithmen Lücken oder fehlende Informationen in den Daten durch die Modellierung ergänzt, bevor im zweiten Schritt die generellen Profile definiert werden.

Umsetzung: Leitfragen und Vorgehensweise innerhalb eines „lernenden Systems“

Alle diese Informationen reichen auch in Verbindung mit einem 360° Blick allein nicht aus, um die relevanten Fragestellungen vollumfänglich zu beantworten. Vielmehr ist sicherzustellen, dass sie systematisch erfasst werden und dann gut strukturiert, vernetzt und analysiert, in dieser Form abrufbar sind. So wird gewährleistet, dass die gewonnenen Erkenntnisse in der operativen Planung auch Anwendung finden.

Vier Kernelemente bilden daher die Basis und Grundvoraussetzung für Advanced HCP Targeting:

1. Lernen: Wie gut kenne ich meine Ärzte als Zielgruppe?
2. Profilierung: In diesem vertiefenden Schritt geht es um die Segmentierung unter der Fragestellung: welche Strategie verfolgen wir?
3. Ausführung: Mit welchen Botschaften trete ich an welche Ärzte heran, und in welcher Sequenz setze ich meine Strategie um?
4. Kontinuierliche Verbesserung: Die Segmentierung sollte nicht aus statischen Elementen bestehen, sondern ein „lebender Prozess“ sein mit einer fortlaufenden dynamischen Einordnung der Ärzte, je nach Response aus dem Markt.

Advanced HCP Targeting lebt von einem „lernenden System“, das sich fortlaufend an die aktuellen Bedarfslagen und Herausforderungen des Marktes anpasst. Im Rahmen dieser Struktur berücksichtigt der Ansatz permanentes Feedback und stimmt die Einordnung und Segmentierung, aber auch die Ansprache der Zielgruppe(n) kontinuierlich darauf ab. (Abb. 3).

Das hier skizzierte Rahmenwerk (linke Seite der Abbildung) fördert auf der Grundlage einer konsequenten Planung und Informationserfassung entscheidungsrelevante Erkenntnisse über Markt und Zielgruppe(n) zutage. In der operativen Umsetzung (rechte Seite der Abbildung) geht es darum, die aus diesem ganzheitlichen Ansatz generierten Einblicke bestmöglich zu nutzen. Integrierte Feedback-Prozesse sorgen im Idealfall dafür, dass Aktionen und Ergebnisse fortlaufend bewertet und abgeglichen werden, zum Beispiel auf der Basis von Absatz-Daten und Informationen des Außendienstes. Das eigene Handeln wird dann fortlaufend „lernend“ an den neuen Erkenntnissen ausgerichtet, zum Beispiel mit Blick auf Fragen wie „Muss ich die aktuelle Segmentierung anpassen?“

Die operative Umsetzung eines solchen Systems kann in unterschiedlicher Tiefe stattfinden. Im einfachen Fall werden die einzelnen Bausteine für einen 360° Blick in Listen erfasst und verarbeitet. Es gibt jedoch auch Möglichkeiten, dies im Sinne von Connected Intelligence integriert und automatisiert über Systeme abzubilden. Hierbei werden die unterschiedlichen Daten und Informationen zentral erfasst, verarbeitet und daraus Erkenntnisse abgeleitet. Rückmeldungen – zum Beispiel aus dem Außendienst – gehen ebenfalls direkt mit in das System ein und dienen fortlaufend als Entscheidungsgrundlage für Neubewertungen. Über ein solches System lassen sich beispielsweise anonymisierte Informationen zu Behandlungsverläufen kombinieren oder eine regelmäßige Erfolgskontrolle implementieren. Zu diesem Zweck werden zunehmend KI/ML Plattformen genutzt. Die zentrale Nutzung bietet Vorteile in der Skalierbarkeit und unterstützt Unternehmen dabei, Daten bzw. Informationen und die Erfolgskontrolle in Echtzeit zu bewerten.

Ein Beispiel aus der Praxis

Ein Beispiel aus der Praxis veranschaulicht diesen Ansatz (Abb. 4).

Ein Unternehmen der pharmazeutischen Industrie möchte unter schwierigen Marktbedingungen ein neues Produkt einführen. Der Launch des Produkts findet in einem Therapiegebiet statt, in dem das Unternehmen noch nicht über langjährige Erfahrungen verfügt; der Zugang zu HCPs ist aufgrund der aktuellen Marktsituation (z.B. COVID-19-Pandemie) restriktiv. In Vorbereitung auf den Launch kann sich das Unternehmen auf drei Komponenten fokussieren:

1. In diesem Kontext ist es zunächst entscheidend, mit den medizinischen Experten in Kontakt zu treten, um über die neuen Behandlungsoptionen und deren Nutzen für Patienten zu informieren.
2. Im Rahmen des Potential- und Volumentargetings wird im zweiten Schritt geprüft, welche Produkte/Substanzen den Zielmarkt bisher bestimmt haben und welche Facharztgruppen relevant sind, um auf Basis von Verordnungsinformationen einen ersten Startpunkt für eine gezielte breitere Kundenansprache zu finden.
3. Um die Herausforderung des limitierten Zugangs zur Zielgruppe zu bewältigen und zugleich die Bedürfnisse der HCPs in der sich ändernden Arbeitswelt zu berücksichtigen, analysiert das Unternehmen schließlich im dritten Schritt die Kanalpräferenzen der Ärzte mit Blick auf digitale Affinität und Face-to-Face-Präferenzen.

Über diese drei Bausteine wird das Unternehmen in die Lage versetzt, den Nutzen für Patienten aufzuzeigen und die von ihm identifizierten Zielgruppen bedarfsgerecht anzusprechen. Im Laufe des Launches werden Informationen und Erkenntnisse dann fortlaufend neu bewertet und entsprechend der Entwicklung angepasst.

Fazit

Aufgrund der sich wandelnden Marktbedingungen ist es für die pharmazeutische Industrie wichtiger denn je, ihre Zielgruppen im Detail zu verstehen. Durch gezielte und umfassende Informationen über die HCPs lässt sich der Nutzen von Produkten für Patienten bestmöglich aufzeigen. Ein 360° Blick, der unterschiedliche Dimensionen berücksichtigt, ist dafür von entscheidender Bedeutung. Über umfassende Daten, Know-how, verschiedene Analysemethoden und Systeme lassen sich unvollständige Informationen zusammensetzen und ergänzen, um so tiefergehende Erkenntnisse zu erlangen. Advanced HCP Targeting unterstützt diesen Prozess und profitiert von einem „lernenden System“, das sich fortlaufend an die aktuelle Bedarfslage und Herausforderungen des Marktes anpasst.

Der ganzheitliche Ansatz Advanced HCP Targeting erfordert und ermöglicht einen 360° Blick auf die Zielgruppe. Daten und skalierbare Analytik, unterstützt von KI/ML, helfen, alle so gewonnenen Informationen mit Blick auf Produkt, Indikation und Markt für das gesamte Unternehmen nutzbar zu machen. Schließlich sorgen Anpassungen der Umsetzung in Echtzeit in Verbindung mit einer KI/ML-Plattform dafür, dass das eigene Handeln unternehmensweit fortlaufend optimiert werden kann.

Auf dieser Grundlage sind Life Science-Unternehmen in der Lage, sich auf die dynamischen Herausforderungen des Marktes immer wieder neu einzustellen und so ihre Zielgruppen auch künftig erfolgreich anzusprechen. Die nächsten Beiträge bieten vertiefende Details zu den angesprochenen unterschiedlichen Targeting-Ansätzen und Herangehensweisen.