Вестник цифровой трансформации

«Акрихин» оптимизировал «визитное давление» на аптеки
«Акрихин» оптимизировал «визитное давление» на аптеки




20:29 09.07.2024  |  759 просмотров



Фармацевтическая компания «Акрихин» внедрила систему сегментации аптек для посещения торговыми представителями с помощью машинного обучения. Решение разработано компанией «Синимекс».

«Визитное давление» на аптеки — фактор, определяющий процветание фармкомпаний. Перед компанией «Акрихин» стояла задача повысить результативность визитов фармпредставителей с помощью создания более эффективной базы аптек, отражающей недостаточное или избыточное количество посещений в квартал, новые аптеки, где визиты повлекут рост выручки, и ряд других показателей.

Для решения поставленной задачи компания «Синимекс» построила датасет на основе исторических данных по продажам и визитам, провела аналитическую работу и в результате серии экспериментов построила несколько моделей машинного обучения, в совокупности объединенных в единый ансамбль моделей. Решение построено на стеке open source технологий.

Внедренная ML-система выдает фармпредставителям «Акрихина» ранжированный список аптек для посещения в целевом квартале и рекомендованное количество визитов. Список составляется с учетом требований бизнес-процессов и физических возможностей закрепленного торгового представителя компании в данном регионе.

Сложность реализации решения заключалась в формализации подхода по оценке результатов внедрения ML-моделей формирования активной клиентской базы, в выборе метрики оценки и подборе порогов. Например, аптека может показать положительную динамику относительно предыдущих периодов, но при этом процент прироста может быть ниже, чем в среднем по аптечной сети или по региону.

Как отметил Армен Скандарян, директор по планированию и бизнес-аналитике компании «Акрихин», до внедрения ML-системы база аптек формировалась на основе экспертизы на местах, что неминуемо несло в себе субъективность и имело потенциал для улучшения. Экономический эффект достигается за счет перераспределения усилий фармпредставителей согласно новому подходу по формированию активной клиентской базы через моделирование с помощью технологий искусственного интеллекта. По результатам проведенного А/В-теста на реальном бизнесе удалось улучшить метрику по выбору новых точек для визита на 20%, и метрику по выбору аптек для приостановления визитной активности на 30%.

В результате проекта была подтверждена гипотеза о наличии эффекта от визитов, а применение ИИ-технологий позволило сделать этот эффект более выраженным. Достигнутые показатели позволили обсуждать возможность расширения системы на весь бизнес компании и ее развитие через проверку и внедрение новых гипотез.

Теги: Автоматизация предприятий Машинное обучение