GrowthLoop bringt KI-Entscheidungen ins Biopharma-Marketing
GrowthLoop und EVERSANA erweitern GrowthLoops Lösung Composable AI Decisioning auf das biopharmazeutische Marketing. Kontinuierliche Experimente sollen dabei steuern, wann und wie medizinische Fachkräfte angesprochen werden. Nach Angaben der Unternehmen verbindet der Ansatz den Kontext von Kunden mit kausalen Erkenntnissen für nachfolgende Kampagnenentscheidungen.
- GrowthLoop und EVERSANA haben Composable AI Decisioning auf das biopharmazeutische Marketing ausgeweitet.
- Der Versand am Morgen erzielte in einer Kampagne einen um 13% höheren gewichteten kombinierten Interaktionswert als am Nachmittag.
- Display-Werbung erzielte bei Peer-to-Peer-Zielgruppen pro Nutzer einen um 52% höheren Wert als E-Mails.
- Das System kombiniert Signale aus digitalen Interaktionen mit Verschreibungsaktivitäten.
- Echtzeitentscheidungen unter Einbeziehung neuen Verhaltens während einer Sitzung sind für eine spätere Phase geplant.
Von Interaktionsdaten zu kausalem Kontext
GrowthLoop erklärte, dass die erweiterte Lösung auf der composable CDP und AI Studio des Unternehmens aufbaut. Sie setzt kontinuierliche Experimente ein, um zu ermitteln, welche Marketingmaßnahmen die Interaktion medizinischer Fachkräfte verbessern, und nutzt diese Erkenntnisse anschließend für weitere Kontakte.
Die Unternehmen beschreiben diese Arbeit als Antwort auf eine Herausforderung für Biopharma-Vermarkter. First-Party-Daten können vergangene Interaktionskennzahlen zeigen. Vermarkter benötigen jedoch auch Belege dafür, welche Maßnahmen für welche Zielgruppen und unter welchen Umständen einen Unterschied machen. GrowthLoop und Partner wie EVERSANA entwickeln für jede Organisation einen Causal Context Graph, der den Kontext medizinischer Fachkräfte und Erkenntnisse aus früheren Interaktionen erfassen soll.
Nach Angaben von GrowthLoop liefert der Graph verlässliches und überprüfbares Feedback für KI-Entscheidungen. Faruk Capan, Chief Innovation Officer von EVERSANA, erklärte, Pharma-Kunden müssten verstehen, welche Marketingentscheidungen bei den für ihr Geschäft relevanten Kennzahlen einen messbaren Unterschied bewirken.
Experimente veränderten Zeitpunkt und Kanalauswahl
In einer Kampagne identifizierten die Entscheidungsfunktionen von GrowthLoop Möglichkeiten, den Versandzeitpunkt und die Kanalauswahl zu verbessern. Die Ergebnisse basierten auf einem gewichteten kombinierten Interaktionswert, der digitale Interaktionen und Verschreibungsaktivitäten zusammenführte. So konnten die Unternehmen klinische und digitale Ergebnisse gemeinsam bewerten.
Bestehende Prognosemodelle deuteten darauf hin, dass Zielgruppen besser auf den Versand am Nachmittag reagieren würden. GrowthLoop erklärte jedoch, dass seine Experimente und KI-Entscheidungen bei einem Versand am Morgen einen um 13% höheren gewichteten kombinierten Interaktionswert ergaben als am Nachmittag.
Die Kampagne zeigte zudem Unterschiede in Abhängigkeit von der Quelle der Zielgruppe. Digitale Display-Werbung, darunter Banner auf Websites oder in Apps, erzielte bei Zielgruppen aus Peer-to-Peer-Programmen einen um 52% höheren gewichteten kombinierten Interaktionswert pro Nutzer als E-Mails. Bei anderen Zielgruppenquellen gab es keinen Unterschied. Das deutet darauf hin, dass der Kanalwechsel gezielt bei Peer-to-Peer-Zielgruppen eingesetzt werden kann, statt für alle Gruppen zu gelten.
Lernen über längere Kampagnenverläufe hinweg
Kunden können Kampagnen anhand eines gewichteten Werts bewerten, der E-Mail-Aufrufe, E-Mail-Interaktionen und Verschreibungsaktivitäten kombiniert. Die Verschreibungsaktivität erhält das größte Gewicht, weil GrowthLoop sie als vorrangiges Geschäftsziel identifiziert. Allerdings können die Daten mit einer Verzögerung von Monaten eintreffen und seltener Feedback liefern.
Um diese Lücke zu schließen, nutzt das System während laufender Kampagnen auch Signale aus digitalen Interaktionen. Jede Interaktion mit einer medizinischen Fachkraft kann Erkenntnisse für nachfolgende Entscheidungen liefern, etwa zum Versandzeitpunkt, zum Abstand zwischen Kontaktpunkten und zur Kanalauswahl.
Die Unternehmen erklärten, dass die Funktionen für regulierte Branchen ausgelegt sind, in denen Vermarkter detaillierte Vorgaben für die Kontaktfrequenz und Datensicherheit einhalten müssen. GrowthLoop zufolge unterstützten die Warehouse-native-Architektur und das Tool zur Orchestrierung von Customer Journeys die Ziele des Teams und hielten zugleich die Branchenvorgaben ein.
Anthony Rotio, Mitgründer und Co-CEO von GrowthLoop, erklärte, dem Marketing hätten bislang meist kausale Belege dafür gefehlt, was Kunden anspricht oder ihr Verhalten verändert. Die Roadmap des Unternehmens sieht Echtzeitentscheidungen für bekannte und unbekannte Zielgruppen vor, die auf bereits im Data Warehouse verfügbaren Kontextdaten basieren. Die Einbindung neuen Verhaltens während einer Sitzung ist für eine spätere Phase geplant.
