市场研究协会 会员登录 | 入会申请
  会议交流
会议交流
专题报道
行业活动
  当前位置:网站首页 > 会议交流 > 专题报道 > 大小数据融合,助力医疗器械企业精准营销
大小数据融合,助力医疗器械企业精准营销
发布时间:2016-11-04 11:15:44  访问量:1440
0

大家上午好!很高兴有这个机会来跟大家分享一些东西。实际上每次无论是参加咱们这个峰会还是参加中国医药市场研究协会的会,我都感觉我是小众的群体。因为我从95年开始做B2B,在市场研究里面,大家更多的是以快消为主,可能更多是在行业及B2B市场研究方面应该说也算一个小众。今天跟大家分享的医疗器械,这是B2B研究的一个领域,对医药整个领域来讲,器械还是一个比较小众的行业。我想以小博大,通过分享在小众方面的一些经验,希望对大家有启发。因为我想无论是做研究还是做实际的营销,有些东西其实是相通的。

今天我想跟大家分享的是过去一到两年时间里面,我们尝试怎么样用大小数据结合的方式,整合更多的数据源,来服务于我们的研究,包括服务于我们的精准营销。在医疗器械市场来讲,大家也知道,说起一个小的市场,应该讲也不是一个小的市场。它大概一年有三千多亿的规模,而且保持20%以上的增长。中国GDP6.7的增长都很艰难,所以在这个领域来讲,也不能算一个小的产业,是一个成长性比较好的行业。这个行业我们通常在营销过程中,大家无论是做研究,做营销,可能不管你在哪个部门,无论是在总部做这种战略,做这种市场的规划,还是在市场服务于用户的研究,包括在销售过程中如何去获得更多的客户,获得更多的销售机会,通常情况下,这些是我们大家希望获得的。比如潜在的市场,用户的行为,潜在的客户,竞品的市场,包括一些新成立的细分市场等等。这个可能是我们大家通常会关注的,今天我想我们通过大小数据,更多的是想解决在销售过程中间一些最常见的获客的问题。

比如怎么样获得更多的客户,特别我们做营销越来越开始支持销售的工作,怎么样帮助销售人员获得更多潜在的客户。对医疗器械来讲,对一些大型设备,很多销售人员做了很多年,哪些医院有能力购买,包括购买的情况都了如指掌。但是对更多新的一些比如耗材,一些小型的设备,因为名单需要的多,不是所有的销售都能了解。

比如最近有个客户需要了解大家在美容的诊所打玻尿酸的情况,其实那个量就很大了。你怎么样获得更多的这种机会,我们的一个客户讲,他已经准备了250个销售人员,准备去铺向不同的区域。在这个过程中,怎么为销售人员提供更多的名单,包括分析哪些市场是他应该重点关注的市场,这是我们通常会面临的一些问题。

我们在传统路径上,我们获客一般的渠道,比如我们找关系,扫名单,陌拜等等方式,包括代表跟医院建立联系,挖掘销售的机会。今天在这个过程中,它相对来讲还是比较耗时耗人的,而且它的全面性也会有问题。对我们来讲,不管是做战略还是营销怎么支持,我们更希望从全面的角度,怎么样挖掘更多的有潜力的客户。事实上我们在去年访问医疗器械厂商过程中,我们把大家在营销过程中获客方面的痛点归结为这三类。这个可以跟大家来交流一下,这三类,第一个不知道客户在哪里,突然我们会觉得这个行业做了很多年了,不应该存在这个问题。但有时当我们进入一个新的市场,或者我们上一个新的产品的时候,我们怎么样能真正的去看到我的这个产品的市场到底在哪里,有多大,怎么样去进入,这个是我们在实际跟客户的交流过程中,大家关注的一个问题。如何获取更多的客户名单,支持我们的销售,无论是做电话访问、陌拜等等,需要获得更多的客户。还有一种情况,有太少的客户,我希望扩大我的市场,但是在目前情况下,我如何能获取更多的客户。第三种,也有这样的情况,往往客户获得了一大堆的名单,或者从不同的渠道,黄页上,不同的资源上获得了一些资源,但是他要了解哪些是我的目标客户,包括我怎么样提高我的销售转化率,这三个方面应该说是我们在过去的一年多,跟我们的客户打交道过程中,大家知道的通常服务于获客,他的核心就是服务于销售,怎么样获得更多客户的三大痛点。

这三大痛点里面,其实最关键的问题,我怎么样用一个比较快、比较好的方式,帮助我的销售人员获得更多潜在的客户,同时我又能了解他们。包括我怎么样能真正的聚焦,触达他们,这是我们在做的过程中间,大家更关心的问题。我们也在过去一年里在探索,我们用传统的方式,不管是扫街的方式还是地推的方式,有没有借助更多新的技术,新的数据源来去做?我们过去一年把它定位叫描述预测性的市场分析,或者叫预测性的精准营销。什么概念呢?我们更多的是通过数据的整合,通过数据的整合以后,通过行业的销售逻辑,建立这种产品,包括跟厂家,包括跟医院之间的关联。通过一定的算法,我们最后来判断对某些产品来讲,哪些客户应该是你的潜在客户,这个其实我们想的完全是一种数据驱动型的营销决策。基于我们数据的整合分析,最后去推测出来哪些企业可能更多是你的潜在客户。

要解决这个问题,其实最困难或者最核心的,你怎么样建立数据源,建立更好的数据,核心的数据,包括数据怎么样去打通。其实我们这几天大家都在讲大数据,大数据最大的一个问题,肯定还是数据孤岛。无论是现在互联网BAT掌握的一些网络方面的数据,还是我们现在讲政府大数据,因为现在政府也在逐渐的把数据去开放。实际上在这方面还有包括各方面的信息都存在着不断提供的可能,在这个过程中,对这种大数据来讲,或者数据整合来讲,其实数据的获得仍然在目前是一个比较大的挑战。因为现在很多情况下还是一种数据的孤岛,这种数据的孤岛不光体现在外围,就是一个企业的内部,你怎么样能把你的销售数据、客户数据等等一系列产品的数据,包括一些售后服务的数据能关联起来,其实这个也对很多企业来讲,也面临很多的挑战。

你要想做大小数据的融合,首先要打通这些孤岛,怎么样能把这些数据真正的串联起来或者关联起来,让它形成更有意义的信息。其实在过去一年里面,我们的尝试更多的是在这部分,我们讲的是外围的数据,所谓外围的数据,比如就像厂家的数据,医院的数据,包括招标的数据等等一系列,产品的信息等等,我们把这些数据尝试先整合起来。在这一部分的数据,实际上在国外,特别像美国有一批做B2B精准营销的这种公司,他们已经不仅仅是把外围这种数据打通了,更多的是有些结合他CRM的数据,把内外部的数据打通,这样的话,可能效果会更好。但实际上在目前阶段,因为在很多情况下,客户要把自己的数据分享还是一个很大的挑战。在这方面我们做的工作是怎么样先用外围的数据去打通,做这种研究。

其实对医疗器械来讲,我们讲有这么多可利用的资源,比如第一个首先想到的就是医院的资源,现在国内有很多机构,包括建立这种医院的资源,科室的资源,当然还有像医生的资源,这些我们不管是做哪个医药领域都要做的。肯定还会有一些涉及到对医疗器械来讲,它会涉及到医院的配置,这个卫生部根据医院的选型,包括什么样的医院应该配什么样的器械,在医院里面实际已经采购的他的一些设备的情况,这个虽然是一个过去时,我现在拥有哪些设备,但是至少能证明这样的医院是有使用这样产品的可能。还有像设备和科室之间的适配性,什么样的科室会用到什么样的设备。不管已经招标的还是在招标的,代表了他这个需求的情况。还有一个,你在建的数据库,特别是新成立的医院,新成立的机构,相对来讲需求会比较大。可能会围绕在用户医院这里面,对医疗设备,可能会产生销售或发生销售行为影响的一些产品,或者一些指标。

还有就是我们要建立的就是产品方面的,比如产品库,在这个过程中,他们之间是有很强的关联,这是购买的一种关联。购买过程中还有使用的关联,之间有不同的逻辑。包括是评价,因为我们也在帮助医疗设备协会在做一些医院满意度的项目,积累了很多关于对这些产品的评价。通过这个评价,他有可能未来会带来更多的推荐。这个我想是从医院的角度,使用的角度,当然还有从销售的角度,如果我们从厂商的角度去看的话,厂商到经销商,到不同的,都会跟这样一个库建立联系。

我想这些数据整合的话,现在为什么这种行业的理解很关键?你要建立这么多的相连关系,包括它的信息流,包括它之间的逻辑关系,这样的话,对未来你怎么样把这些数据资源整合在一起,可能起到一个关键的作用。建立了这个关联,其实最关键的就是这些核心的指标,这个还是比较大的挑战。比如你怎么样能把各个渠道的数据,比如招标的数据,招标有一些设备肯定是招标的,有些是不需要招标的,包括像刚才讲的,你在建的项目的数据,这些医院建立的进程,包括产品的数据,厂家的数据等等一系列怎么去整合,整合过程中你要获得最核心的指标,当然我们在构建这个指标过程中,一定是对我们的销售未来,或者我们叫购买行为,购买力方面,可能产生的指标。比如它的医院分级,有什么样的科室,它的床位数,包括他有什么样的特色门诊等等,以及它是不是进入医保或者社保这样的范围,包括它在过去时间里面购买的一些设备的情况,以及它现在有可能在招标过程中一些行为等等。这个过程中间就会把这些跟销售相关的一系列的指标构建起来,构建起来以后,最关键的问题就是怎么样建立之间的一种逻辑关系。刚才讲了,基于行业的理解,我们去构建这种关联。同时去建立我们一些需要的核心指标,实际上这个过程中间,我们把它叫预测性的智能算法。这里面一个核心,如果这是一个总体的客户群,比如医疗机构有接近十万多家,我们把它当做一个整体的客户群,在这个过程中,我根据客户的一些特征,包括他的一些销售的机会,销售能力的评价,我怎么样变成可获取的客户群,我们怎么样缩小这个范围。在这个过程中间,最终实现我们怎么样真正触达的,或者我们心目中的客户群,这个过程中通过一种推荐指数,逐步把我们的范围从这样一个大的全集的样本里面缩小到一个可控的范围里面。怎么样去找到我们的用户群,这是我们一个模型核心的思路。

在这个过程中,很关键的问题,解决这三个问题,一个就是识别客户。这个识别客户,这个客户你怎么样能找到,有了这个客户的一些基础的信息,你怎么样把它识别,然后再归类细分,再去拓展。这个其实也是当你拥有了它的一个基础画像以后,你本身可以做更多的工作,去做聚类,去做分析等等。事实上在这个过程中间,我们去年到今年通过采集各方面的数据,包括开发了一个系统,未来的一个目标,要做的工作是嵌入到营销的工作流过程。

下面有一个案例在看,比如我们在筛选客户,刚才讲了,这种获客更适合进入一个新的市场,或者你在进一个新的产品的时候,怎么去找优质的客户。当你有了这些数据库以后,这个查询只是一种技术实现的手段。比如我有CT,可能跟CT相关销售的接近11万资料库,这是一个全集。但是我要缩小范围的时候,我可以输入,比如我再把它限定范围,比如东北三省,这里面有一个推荐指数,我们针对不同产品之间的逻辑关系,比如就CT来讲,对CT这个产品销售来讲,哪些客户可能会是你的最有可能的客户,我们把它叫推荐指数,1-10,5相对来说接近及格,基本有可能成为你客户的一个维度。在这个过程中,我们再按区域去筛选。筛选完了以后,我们会找到级别比较高的,可能在东北地区也许有二十多家,这里面有不同的推荐指数。这个指数里面有打十分的,有打不同的分的。

至少在每个过程中间,每一块缩小范围,都会有你客户一些特征的统计。比如医院的级别,你的类型,你的所有制,你的地区分布等等,这是常规的统计。就拿CT来讲,如果指数在5的话,我们会觉得有23家推荐的,它的核心比如公立的三级的综合医院为主,可能在东三省里面,黑龙江的可能会最多。这个还是不能说明问题,这里面我们最核心的,凭什么打十分,有的打五分,这里面举了两个医院。比如黑龙江的肿瘤医院,或者哈尔滨医大的附属二院,一个是十分,一个是六分,这里面怎么样得这个分数呢?这里面我们有些不同的权重,这里面一个很重要的,因为它正在招标,它一年内已经招标过了。这两个其实是不同的权重,这个权重的构成我们分了这几个方面,我们叫推荐指数。第一个肯定是招标优先因子,比如如果我们通过这种招标库里面,有相关产品正在招标期内的医院,我们优先推荐。有些招标是内定的,在走程序,我们这里面讲的,我们并不关注品牌,至于这个医院采购哪一家的,并不解决,我只是解决这家最近有没有购买。你饿了,你去餐馆吃饭,至于你去哪一家,这个判断不出来,这个决策过程和价格、位置、喜好有更大的一个关系。

在目前情况下,我们从医疗器械来讲,正在招标的来讲,这个权重还是比较大的。另外我们叫必配的因子,比如这个国内卫生部出台的医疗机构的基本标准里面,必须配置本产品的医院,比如三甲骨科医院必须配CT。刚才也讲我们是一种预测性,描述性的营销,我们更多的是通过这种逻辑关系来,判断它客户的关系。首先除了招标,还有必配,还有一个叫适配,因为有些医院是必须配置这样一个产品。有些情况下,你可能有适用本产品的配置,是可以选配的。

还有一部分,你是替换的因子,比如刚才讲了,我们建立了医院它的设备保有库,这个设备保有库,它有一个替换的年限。到了一定的年限,它也会进行替代。还有一种叫选配的,如果这个医院的经济实力强,就有可能选配更高级的设备,它的设备也有不断的升级换代。这个在我们算法里面一个核心的逻辑,我们对任何一个医院,我们都有相应的给它进行打分,帮他进行推荐的指数。根据每个医院这五个不同因子的得分和权重,包括它的情况,我们就会得出来刚才比如黑龙江那家医院,他因为现在正在招标过程中,他肯定是强相关,对购买力来讲他是强相关,我们推荐指数是十分。我们用推荐指数的方式来建立这个逻辑关系。

我们刚才看到了,我们推荐到一批这样一个客户,当我们客户需要更详细情况的时候,我们要采集这样的信息,比如他的基本信息,基本信息更多就是床位数,围绕这个医院相关的信息。还有医院的经营情况、背景情况,他是属于什么系的,像莆田系、复兴系等等,包括医保的情况,注册的情况,因为现在我们把工商的数据,卫生部的数据能打通,这样能获得更多的资料。还有一些方面,它的一些采购的行为,在这个研究里面,我们为什么这件事能做呢?我们跟协会合作,已经采购了全国11个省的医院它的医疗装备情况。这个采集起来成本还是比较高的,但现在目前我们手里是11个省,也不是全部的,但它对我们做这样一个逻辑算法还是有帮助的。

在这个过程中间,我发现有正在采购的这种计划,拟建的项目,以及它的具体联系方式,围绕一家企业客户全面的一个情况,就会有所了解。在这个过程中,除了采购情况,因为你有这样一些设备的保有库,你会持续跟踪。比如他们家的CT是采用哪家客户的,他的产品介绍,采购是什么样的情况。本身也可以就某一个公司的基本情况,我想大数据的一个核心,它还是一种相关性。怎么样能把各方面的信息关联起来,这样对我们做一种服务的话,就会比较直观,也会节约我们的时间。

这个其实讲的就是我们有了这样一些推荐指数,我们快速能获得我们所需要的一些潜客的名单。刚才也讲了,我们讲了第二个痛点,往往我有了一些客户,但是我的资料不够完善。在这个过程中,如果在目前情况下,有了这套算法,如果你有客户名单,我们就可以给你提供更多的客户画像。不管是现在来讲,医生医院都可以,大数据具备了提供更多背景描述的可能。假如我们上传一些名单,我们就会进行匹配。这个匹配里面,通过这样,我们把客户基本的画像做出来。我们叫数据的补全,在实际过程中间,我手里比如有三十个客户,我想扩充到一百个客户,怎么扩充呢?往往可以通过这三十个客户作为种子用户,然后分析它的客户特征。基于这样的客户特征,去扩充到更多的客户,是这样一个逻辑。

比如我们刚才也讲了,客户提供的比如40家客户里面,我们把这40家客户它的特征做出来,比如他属于什么样的类型,它的所有制,甚至它的采购行为,基于这个采购行为,我就可以获得更多的客户。所有的基础都是建立在你对这个客户,或者我们对客户的采购行为有一个比较好的把握的基础之上。这里面你通过三十个,你可以获得更多的。在这个过程中,我们经过这一年的探索,发现这条路走起来还是艰难的。比如你怎么样建立基础的数据,刚才讲的,无论是招标的数据,在建项目的数据,包括保有量的数据等等一系列的,有了这样一个数据,采集是一方面。另外怎么样持续跟踪,因为一次性的采集,没有难度,你怎么不断去跟踪,这个在做的过程中是一个挑战。

另外一个挑战,你在说这种算法方面,往往最准确的应该是跟你的CRM结合,因为你能知道哪些客户他真正成为你的客户,因为对用户来讲,他的标准是不一样的。目前来讲,要跟CRM结合在目前还有一定的挑战。在国外来讲,他跟CRM结合,不断能丰富他的这种规则,包括优化他的算法,最后能形成更有效的一个作用。

我想经过这一年多的探索来看,这条路是有可能的,怎么把多元的数据融合起来,去寻找更多的客户。我今天分享的只是医疗器械方面的,但事实上对医药行业,比如我们能把医院用药的行为,医生的画像,同样跟你的客户结合起来,这种方式也成为一种可能。谢谢大家!


提问:白总您好!我们现在在开始接触医疗器械这一块,就像您说的,医疗器械对于我们来说,因为我们原来是做化学药的,确实我觉得是做的已经艰辛。就像您说的,我觉得您的报告可以说在数据方面给我们带来一些曙光,但是我有两个问题,第一个,目前像医疗器械这一块,它的命名不是很规范,你在查询的时候,不像化学药,我上CFDA网站,一个通用名,我把所有厂家的药品都出来了。我不知道你这边是怎么解决这个问题的?第二个问题,我想问一下,因为您这个报告里面没有涉及到有一块,就是项目收费的问题。比如我这个医疗器械出来,我想知道我要做利润分配,比如这个产品医院里面他会怎么样卖,他会涉及到哪些项目耗材,我想问一下您这边能解决这两个问题吗?

白欢朋:产品方面一个很关键的问题,本身做数据匹配很重要的是你的标准化。无论是产品的信息,参数的信息,包括约定俗成的名字和正式的名字是有差异的,在这个过程中建立你的标准,你有大量的基础工作要做。我们去年做了一年多的工作,都在梳理这些关系。比如我刚才讲了,你是CT、MR,不同的产品,你要把它的关联逻辑关系建立起来,这个工作量是挺大的。为什么我说这个工作我们只是开始,我们做的好处,我们因为跟医疗装备协会是多年的合作,我可以借助专家的资源,借助政府的渠道协助来做,但是这个路挺难做的。

第二个关于收费,这个产品到现在为止还没有收费,我投了一百多万,还是不断探索之间的关联。包括我们在给我们客户讲,很多人说什么时候我能用,我现在问我的研发人员,你推荐那些指数,啥时候你去打电话去看,他是不是在半年内真正有没有销售机会,证明这个推荐才会更关键。这里面一个核心就在于,这种推荐指数还是要去实践中得到检验。为什么我说这个产品我们大概在这个月做完以后,下来我是免费让客户去用的,用的过程中,像互联网也好,大数据也好,一定是一种动态的交互的。目前我认为它还不是一个交互的,它只是一种链接。但真正要想关联,如果我这个用户用了这个数据,我的销售人员打电话了,发现没有采购的医院或者没有购买的需求,说明你的算法是需要调整的。今天给大家分享的只是在过程中间的,我们还有很多工作要去做的。但是我相信这条路是可以走得通的。谢谢!


友情链接
中国信息协会    国家统计局    涉外调查许可证办理    中国数据分析师官网    APRC    ESOMAR    GRBN    
 
CMRA微信公众号   CMRA微信号

关于协会 | 会员专区 | 招聘信息 | 联系我们

地址:北京市东城区东四十条21号北京一商集团大厦308室 电话:010-64087451

Copyright 2015-2024 www.cmra.org.cn All Rights Reserved

中国信息协会市场研究业分会 版权所有 京ICP备18038404号-4 京ICP备18038404号-5