Problemstellung:
Die Beratungsfirma Sterling Simulation wurde ausgewählt, um ein agentenbasiertes Marketingmodell für eine pharmazeutische Firma zu entwickeln. Die Firma besaß zwei Originalpräparate, die miteinander im gleichen Markt im Wettbewerb standen. Eine Arznei war fest etabliert und galt als Marktführer, während das andere Medikament kürzlich eingeführt worden war.
Es gab verschiedene Bedenken, wie für das neuere Medikament ein sinnvoller Marktanteil unter der Bedingung erreicht werden kann, dass der Markanteil für die Medikamente der Firma insgesamt konstant bleibt oder größer wird. Die Firma nutzte verschiedene Formen der Werbung, einschließlich der Direct-to-Consumer Marketingstrategie (DTC), die üblicherweise Werbung im Fernsehen, in Printmedien, in anderen Massenmedien sowie in sozialen Medien umfasst. Das Modell sollte die folgende Frage bezüglich der Investition in das DTC-Marketing beantworten: „Wann sollte die Firma das DTC-Marketing für die neue Arznei einstellen, damit der Umsatz aller Verschreibungen maximiert wird?“. Eine Befolgung der zur Verfügung gestellten Antwort könnte der pharmazeutischen Firma mehrere 10 Millionen Dollar sparen.
Lösung:
Traditionell wurde im Bereich der Marketinganalytik über verschiedene Ausgabeszenarien mit Hilfe eines Marketing-Mix-Modells, durch das der Effekt von Marketingausgaben bestimmt wurde, entschieden. Dieser Ansatz bietet jedoch keine eingängige Erklärung, weshalb Ausgabenänderungen die Ergebnisse beeinflussen. Durch Marketing-Mix-Modelle kann eine Gewichtung vorgenommen werden. Weshalb diese Gewichtung existiert, darüber machen sie jedoch keine Aussage. Die Firma wünschte sich ein Modell, das mindestens so gut wie ein Marketing-Mix-Modell sein sollte. Das bedeutete, dass der Dienstleister die Marktanteile in Prozentpunkten über der Zeit bestimmten musste.
Um ein besseres Verständnis der Funktionsweise des Marketing-Mix-Modells zu erhalten (Warum werden z. B. dem DTC Marketing im Vergleich zu Vertreterbesuchen abnehmende Erträge zugeschrieben?), kann als Alternative agentenbasierte Modellierung (ABM) angewendet werden. Als Nebeneffekt entfernt es Annahmen vom Modell, was ein vollumfänglicheres Verständnis erlaubt.
Pharmazeutisches, agentenbasierten Simulationsmodell
Ein Sachverhalt ist bei ABM Ansätzen im Allgemeinen und bei diesem Modell insbesondere zu beachten: Die Datenanforderungen sind anders und generell höher als bei Marketing-Mix-Modellen. In diesem Fall standen der pharmazeutischen Firma die Daten zur Verfügung und sie war in der Lage, die Vorteile des ABM Ansatzes voll auszuschöpfen. Agentenbasierte Modelle neigen dazu, offener für Annahmen zu sein und sie stellen Erkenntnisse zur Verfügung, die lohnender als schlichte Antworten sind.
Nachdem man sich für den ABM Ansatz entschieden hatte, wurde AnyLogic als Softwareplattform für die Modellerstellung ausgewählt. Dies waren einige der Gründe:
- Die Firma war mit der Software und ihren Fähigkeiten vertraut.
- AnyLogic bietet die größte Flexibilität bei der Frameworkmodellierung.
- AnyLogic besitzt die besten Visualisierungsmöglichkeiten bei der Modellierung.
Das Modellierungsframework unterschied sich grundlegend von traditionellen Marketing-Mix-Modellen. Im Besonderen betrachtete das Modell die gesamte Patienten/Arzt Interaktion, um die Auswirkungen von Marketingausgaben zu bestimmen. Zusätzlich wurden die Einflüsse der Markteinführung der neuen Arznei integriert, um korrekte Informationen über Marktanteile zu erhalten.
Das Modell besteht aus folgenden Elementen:
- Patienten
- Ärzten
- Vertretern
- Arzneien
- Kostenträgern
- Positivliste
Die beiden letzten Elemente wurden nicht beschrieben, da sie nur einen geringen Einfluss im Modell besaßen.
Bei den Patienten im Modell wurde die bestimmte Krankheit diagnostiziert, die durch den Arzneimittelmarkt behandelt werden kann. Die betrachtete Erkrankung war nicht lebensgefährlich, weshalb in dieser Arzneimittelkategorie Wahlfreiheit besteht. Das Verhalten der Patienten beinhaltete:
- Besuch bei ihrem Arzt alle drei Monate.
- Feststellung, ob sie eine bestimmte Arznei wünschen (das Ergebnis zeigt hauptsächlich den Markteinfluss von DTC).
- Bewusstsein für unterschiedliche Arzneien basierend auf Werbung und die Fähigkeit, sie von den Ärzten zu verlangen.
- Ob sie ihre Verschreibung benutzten (hauptsächlich abhängig vom Preis der Arznei).
- Ob sie die Arznei weiterbenutzten (im Mittel wurde der Verlust im ersten Monat mit 40% berechnet, im zweiten und dritten Monat mit 20%).
Modelllogik — Patientenlebenszyklus
Die Ärzte im Modell hatten unterschiedliche Spezialisierungen in Bezug zu der Krankheit und betreuten — abhängig von der Spezialisierung — eine unterschiedliche Anzahl von Patienten. Das Verhalten des Doktors enthielt:
- Abwicklung von Patiententerminen.
- Festlegung, welche Arznei einem Patienten verschrieben werden soll (theoretisch basierten Präferenzen auf der klinischen Arzneiwirksamkeit, praktische Präferenzen basierten auf der Reaktion der Patienten auf Medikamente).
- Ob eine Probe zur Verfügung gestellt wird oder ein Rezept für neue Patienten.
- Sich mit den Vertretern austauschen.
Sie sehen unten das zuvor festgelegte Modell des Verhaltens eines Patienten während und nach einem Temin sowie die Beschreibung des Lebenszyklus eines Patienten.
Vertreter wurden einer Menge von Ärzten zugewiesen. Sie besuchten ihre Ärzte mit unterschiedlichen Geschwindigkeiten, basierend auf den Patienten eines jeden Doktors und historischen Informationen. Während des Besuchs versuchten die Vertreter die Einstellung des Arztes bezüglich einer bestimmten Arznei zu ändern, indem Proben zum Vorrat des Arztes hinzugefügt wurden.
Im Modell wurden die beiden Arzneien der Firma, eine andere Originalarznei und Generika als Gruppe berücksichtigt.
Ergebnis:
Es dauerte eine Weile, bis das Modell geeignet kalibriert war. Dies lag daran, dass in notwendigen Bereichen nur in dürftigem Umfang Daten zur Verfügung standen. Das Modell wurde hauptsächlich mit dem Marktanteil jeder Arznei (oder Arzneifamilie, im Fall von Generika) in Form von Patienten und Verschreibungen pro Monat kalibriert. Nach der Kalibrierung zeigte das Modell, dass der ideale Zeitpunkt für die Einstellung des DTC Marketings sechs Monate vor dem aktuellen Zeitpunkt gelegen hätte. Dies konnte mit der Beobachtung begründet werden, dass sich die kalibrierten Metriken über diese Periode nicht änderten. Es wurde schließlich empfohlen, das DTC Marketing in naher Zukunft einzustellen.
Eine andere interessante Einsicht bezog sich auf das Marketing der Vertreter. Es wurde deutlich, dass über der Zeit die Arzneipräferenzen der Ärzte bedeutsamer sind als die Präferenzen der Patienten. Dies ist der Grund, dass die Investitionen in Vertreterbesuche im Gegensatz zum DTC Marketing keine abnehmenden Erträge zeigten und immer den Marktanteil beeinflussten. Dies war zu erwarten gewesen, da die Verfügbarkeit von Proben direkt mit den Besuchen verbunden war und einen breiten Einfluss auf die Bereitschaft der Patienten hatte, eine Arznei auszuprobieren.
Bezüglich der Budgetfrage war es sicher zu sagen, dass die pharmazeutische Firma bei einer Befolgung der Modellergebnisse und Einstellung des DTC Marketings mindestens 10 Millionen Dollar pro Jahr sparen würde.
