Machine Learning für Pharma Marketer: Warum Sie darüber nachdenken sollten

03.12.2018 Trends
2 Minuten Lesezeit
Created by Rawpixel.com - Freepik.com

Machine Learning kann Pharma Marketern dabei helfen, sich von reaktiv zu proaktiv weiterzuentwickeln, sagen Experten.

Machine Learning ist ein Bereich der künstlichen Intelligenz. In ihm werden Computer so programmiert, dass sie „lernen“ und Entscheidungen ohne menschliches Eingreifen treffen können. Im Pharma Marketing kann man mit Machine Learning nahezu in Echtzeit beurteilen, wie welche Medien oder kreativen Ausführungen wirken und sie so gegebenenfalls durch Anpassungen effektiver machen.

Machine Learning in allen Lebensbereichen

Fragt man den CMI/Compas Geschäftsführer Paul Kallukaran, wann Pharma Unternehmen damit beginnen sollten, Machine Learning für ihre Marketing Strategien zu benutzen, so antwortet er: „Gestern.“ Gleichzeitig räumt er aber auch ein, dass es jetzt dafür noch nicht zu spät ist.

Auf der Digital Pharma East Konferenz hielt auch Kallukaran einen Vortrag. Er sprach über maschinelles Lernen und nannte Verbraucher Beispiele für diesen Bereich der künstlichen Intelligenz, die sich im Leben vieler Menschen finden lassen. Paul Kallukaran erwähnte unter anderem die Filmvorschläge, die Netflix Nutzer automatisch erhalten, und die Kaufempfehlungen bei Amazon.

Pharma Unternehmen können genau wie diese Plattformen menschliche Vorlieben erkennen, lernen und vorhersagen. Sie müssen sich dabei auf das Kundenverhalten in der Vergangenheit und andere Faktoren stützen. So können sie dann Marketing und Werbekampagnen besser planen und optimieren. Weil beim Machine Learning in Echtzeit Muster identifiziert und Vorhersagen erstellt werden, kann jede Interaktion verschieden sein.

CMI hat Machine Learning beispielweise genutzt, um über die Ausgaben für Medienbudgets zu entscheiden. Sie fanden mit maschinellem Lernen den effektivsten Part von Marketingaktionen, analysierten den Einfluss von positiven oder negativen Nachrichten über eine Marke und trafen Vorhersagen darüber, wie gut Ärzte neue Medikamente annehmen würden.

Tipps für Pharma Unternehmen

Kallukarans Vortrag enthielt auch Tipps und Ratschläge, wie Pharma Unternehmen ähnliche Machine Learning Strategien anwenden können:

  • Stellen Sie sicher, dass Sie genau wissen, was das Problem ist. Wie bei jedem Experiment gilt, je genauer die Fragestellung ist, desto konkreter sind die Nachforschungen und desto effektiver ist das Ergebnis.
  • Stellen Sie fest, ob dies ein Problem ist, an dem Sie etwas ändern können. Wenn Sie zum Beispiel ein Budget oder eine Investition in Medienkanäle nicht ändern können, halten Sie sich nicht damit auf, mit Machine Learning zu eruieren, wo Geld am effektivsten ausgegeben werden könnte.
  • Probieren, probieren, probieren. Das klingt ein bisschen nach dem Sprichwort „Probieren geht über Studieren“. In diesem Fall ist häufiges Probieren tatsächlich der Schlüssel, um den Wert von Machine Learning für Ihr Unternehmen herauszufinden.
  • Ermöglichen Sie genug Zeit, ein solides Endergebnis zu finden. Laut Kallukaran sind 6 bis 8 Wochen ein angemessener Zeitraum.
  • Konzentrieren Sie sich auf den Prozess, nicht auf das Ergebnis. Dies entspricht „Bereiten Sie sich auf Fehlschläge vor, aber geben Sie nicht auf.“ Jeder Fehlschlag ist eine Möglichkeit, dazu zu lernen, was man beim nächsten Mal möglichst vermeiden sollte. Stellen Sie außerdem sicher, dass Erwartungen angepasst werden, sodass Stakeholder wissen, dass auch Fehlschläge eine Option sind.

Eines der wichtigsten Dinge, die Machine Learning ermöglicht, ist, dass Marketer mithilfe der Technik proaktiv anstelle von reaktiv werden, sagte Paul Kallukaran. Mit der derzeit verfügbaren großen Datenmenge sollte die Pharma Industrie diese bestmöglich nutzen. „Mehr und mehr Daten werden heutzutage zu jeder Zeit gesammelt. Wenn man sie nicht nutzt, wozu sammelt man sie überhaupt?“, sagte er.

Print Friendly, PDF & Email