Abbiamo aggiunto la nostra intelligenza a quella artificiale. Il risultato è molto sexy.

 La situazione non è favorevole: è ad un tavolino di un bar e non vi siete mai visti, conosciuti prima o si tratta di un primo appuntamento al buio. Per quanto possiate immaginare di essere brillanti, le possibilità di essere rimbalzati,  fraintesi, o essere considerati seccanti, sono altissime. Avete la necessità di entrare in empatia e sviluppare una relazione partendo da zero, provando ad immaginare e supporre degli interessi da cui partire per instaurare una relazione. Le/gli piacerà il balletto classico o il punk? cosa legge, che vita ha avuto, quali interessi ha, cosa ne pensa dei temi che potrebbero emergere nella prima conversazione? Per bucare lo schermo dell’indifferenza insomma, ed essere memorabili, ci occorre di avere informazioni prima di iniziare l’incontro.

Ecco Merqurio, prima di contattare il medico, sa quali sono i suoi interessi. E lo fa con un contributo ibrido grazie all’uso molto complesso dell’AI e di competenze nell' analisi dei dati. Il modello è costruito con l’intervento del Dr. Alfonso Moscato, nostro stimato Direttore Tecnico ed Operativo che figura tra gli autori di un lavoro, e su un dataset Merqurio.

Estrazione tematica con Latent Dirichlet Allocation (LDA) con l’uso dell’AI

Lo studio “Advancing User Profiling: A Comprehensive Analysis of 200k + Physicians Using LDA Topic Extraction” ha analizzato un dataset di oltre 250.000 professionisti sanitari presenti nel database Merqurio, integrando dati personali (genere, età, residenza, tipo di struttura, specializzazione) con i registri di consultazione di articoli scientifici sulla piattaforma Dottnet.it (proprietaria) nell'arco di tre anni.

La metodologia impiega LDA per estrarre le strutture tematiche latenti presenti in un corpus di articoli scientifici e contenuti web consultati dai medici. LDA è un modello generativo probabilistico che assume che ogni documento (in questo caso, l'insieme degli articoli letti da un medico) sia una miscela di un piccolo numero di argomenti, e che ogni argomento sia una miscela di un piccolo numero di parole.

La relazione molti-a-molti tra medici e articoli è stata tracciata attraverso uno specifico "click dataset". Il dataset comprendeva 125 colonne, di cui 114 relative a dettagli demografici e 11 derivanti dalle preferenze di lettura degli articoli. I dati sono stati pre-processati e normalizzati e l'interpretazione dei topic estratti (n=11) è stata validata da esperti, fornendo una nomenclatura precisa per le aree di interesse, come "Medicina di genere" (t_0), "Fattori di rischio e prevenzione" (t_1) e "COVID" (t_7).

Creazione di Medical Personas® tramite clustering “classico”

Una volta ottenute le distribuzioni tematiche per ciascun medico, si procede all'applicazione di algoritmi di clustering per raggruppare gli HCPs con profili di lettura simili. L'obiettivo è identificare segmenti distinti, le cosiddette Medical Personas®, caratterizzate da interessi tematici e, potenzialmente, attributi demografici comuni. Nello studio analizzato, sono state utilizzate tecniche di clustering basate su reti neurali auto-organizzanti (SOM). Sono state esplorate diverse configurazioni di cluster per identificare il raggruppamento più significativo. L'analisi dei cluster risultanti ha permesso di identificare pattern comportamentali legati a fattori demografici come genere, età e tipo di struttura medica, nonché alle preferenze di lettura. Ad esempio, è stata osservata una concentrazione di pediatri in un cluster specifico, suggerendo interessi contenutistici distinti.

Applicazione Pratica: Medical Personas® nell’obesità

Abbiamo adoperato questo modello finalizzato alla creazione di Medical Personas® digitali per l'obesità. Merqurio, forte di un vasto "heavy data basket" comprendente dati di interazioni mediche su un periodo di circa 12 anni, ha sviluppato uno strumento basato su intelligenza artificiale per analizzare il comportamento digitale e le preferenze contenutistiche degli HCPs. Il processo ha previsto la definizione di 70 parole chiave relative all'obesità fornite dal cliente e l'analisi di oltre 50.000 contenuti di Merqurio degli ultimi 15 anni. L'AI ha identificato macro-argomenti di interesse (ad esempio, metabolismo, diabete, alimentazione, esercizio fisico, obesità) e ha creato cluster di medici (Medical Personas®) basati sulle loro interazioni con i contenuti rilevanti. Sono stati condotti esperimenti su diversi dataset (HCPs target per l'obesità e database completo) e diverse configurazioni di cluster, evidenziando una rilevanza statistica maggiore con un massimo di 5 macro-topic e 4 cluster. L'analisi della correlazione tra topic e cluster ha rivelato distribuzioni specifiche di interesse per ciascun gruppo di medici. Analogamente, è stata analizzata la correlazione tra specializzazione, età e cluster.

Vantaggi strategici per l'industria farmaceutica

L'adozione di un approccio basato su Medical Personas®, generate tramite LDA e clustering, offre numerosi vantaggi strategici:

•Targeting di precisione: permette di indirizzare le comunicazioni farmaceutiche a segmenti di medici specifici, massimizzando la rilevanza del messaggio;

•Personalizzazione dei contenuti: la conoscenza degli interessi tematici di ciascuna Medical Personas® consente la creazione di contenuti informativi e promozionali altamente personalizzati;

•Ottimizzazione dell'engagement: comunicazioni più mirate e contenuti pertinenti aumentano significativamente l'engagement dei medici con i materiali forniti;

•Efficienza delle risorse: concentrare gli sforzi di comunicazione sui medici più propensi all'interesse ottimizza l'allocazione delle risorse di marketing e comunicazione;

•Miglioramento della relazione con gli HCPs: fornire informazioni rilevanti e di valore posiziona l'azienda farmaceutica come partner affidabile e competente.

Le metodologie di profilazione avanzata, basate sull'estrazione tematica con LDA e sul clustering di comportamenti digitali, rappresentano uno strumento potente per l'industria farmaceutica. La capacità di identificare e comprendere le esigenze informative di specifiche Medical Personas® consente di superare approcci di comunicazione generici e di instaurare un dialogo più efficace e significativo con la classe medica. I modelli messi a punto e le applicazioni realizzate in Merqurio testimoniano la validità e l'applicabilità pratica di tali tecniche nel contesto specifico del marketing farmaceutico.

Insomma, prima di incontrare la vostra anima gemella non rivolgetevi a Merqurio, non abbiamo informazioni sufficienti. Prima di contattare o visitare un medico, il mio suggerimento è di farlo.

Salvatore Ruggiero,

CEO Merqurio e Autore di:

• Rimodellare il marketing farmaceutico
• Marketing farmaceutico - dai modelli tradizionali all’omnichannel

Scopri i miei libri: https://shorturl.at/dBx59