Une société pharmaceutique décide d’une stratégie marketing à l’aide de la modélisation multi-agent

Une société pharmaceutique décide d’une stratégie marketing à l’aide de la modélisation multi-agent

Problème :

La société de conseils Sterling Simulation a été sélectionnée pour fournir un modèle marketing multi-agent à une entreprise pharmaceutique. Cette dernière détenait deux médicaments non-génériques en concurrence sur un même marché. Un des médicaments était présent depuis longtemps et avait tendance à être le leader du secteur, tandis que l’autre n’avait été mis sur le marché que récemment.

Il existait plusieurs questions quant à la manière d’obtenir une part de marché utile pour le médicament le plus récent, tant en maintenant ou en augmentant la part de marché des médicaments de l’entreprise dans leur ensemble. L’entreprise a utilisé différentes formes de promotion, notamment une stratégie marketing DTC (approche en direct du client), qui prend habituellement la forme de publicités à la télévision, dans la presse écrite, sur les réseaux sociaux et dans d’autres médias de masse. Le modèle devait répondre à la question suivante relative à l’approche DTC : « À quel moment l’entreprise doit arrêter la campagne marketing pour le médicament le plus récent afin de maximiser les ventes totales sur ordonnance ? » La réponse obtenue, si elle est suivie, pourrait faire économiser des dizaines de millions de dollars à l’entreprise pharmaceutique.

Solution :

Traditionnellement, les analystes marketing décident de plusieurs scénarios de dépenses en utilisant un modèle de mix marketing pour déterminer l’impact des dépenses de marketing. Cependant, cette approche ne fournit pas une vision complète des raisons pour lesquelles les évolutions des dépenses influencent les résultats. Les modèles de mix marketing peuvent vous donner une mesure, mais ils ne peuvent pas vous expliquer pourquoi cette mesure existe. L’entreprise souhaitait disposer d’un modèle, qui serait au moins aussi efficace qu’un modèle de mix marketing, ce qui signifie que les prestataires devaient trouver les pourcentages de part de marché au cours du temps.

Modèle de simulation multi-agents dans le secteur pharmaceutique

Modèle de simulation multi-agents dans le secteur pharmaceutique

Pour obtenir une meilleure compréhension de la mécanique à l'œuvre derrière les modèles de mix marketing (par exemple, pourquoi le marketing DTC fournit-il des retours en baisse comparé aux visites de représentants commerciaux), une alternative consiste à utiliser la modélisation multi-agent (ABM). Cette dernière offre un autre avantage : supprimer les hypothèses du modèle, ce qui permet d’obtenir une compréhension plus complète.

Une fois l’approche ABM retenue, AnyLogic a été choisi comme plateforme logicielle pour le développement du modèle. Voici certaines des raisons ayant poussé à ce choix :

Le cadre du modèle était profondément différents des modèles de mix marketing traditionnels. Plus spécifiquement, le modèle prenait en compte l’intégralité de l’interaction médecin / patient pour déterminer l’impact des dépenses de marketing. De plus, les impacts de la mise sur le marché du nouveau médicament ont été intégrés, afin d’obtenir des informations correctes sur les parts de marché.

Le modèle se compose des éléments suivants :

Les patients dans le modèle s’étaient tous vus diagnostiquer la maladie spécifique, que traitent les médicaments. La maladie en question n’était pas mortelle, il s’agit donc d’un médicament de catégorie non-urgente.

Le comportement des patients incluait les éléments suivants :

Logique du modèle - Cycle de vie du patient

Logique du modèle — Cycle de vie du patient

Dans le modèle, les médecins avaient différentes spécialisations en lien avec la maladie et disposaient d'un nombre de patients différent, en fonction de leur spécialisation. Le comportement des médecins incluait les éléments suivants :

Vous trouverez ci-dessous le modèle pré attribué du comportement d'un patient avant et après un rendez-vous, ainsi que la description du cycle de vie d’un patient.

Les représentants commerciaux étaient attribués à un pool de médecins. Ils leur rendaient visite à des fréquences différentes, selon le pool de patient de chaque docteur et les informations historiques. Durant la visite, le représentant essayait de changer l’attitude du médecin par rapport à un certain médicament en ajoutant des échantillons au stock disponible pour le médecin.

Conclusions :

Il a fallu un certain temps pour parvenir à bien calibrer ce modèle. Cela était dû au fait que les données étaient plus que lacunaires en ce qui concerne les informations nécessaires. Le modèle était principalement calibré en fonction de la part de marché de chaque médicament (ou famille de médicaments, dans le cas des génériques), en termes à la fois de patients et de prescriptions par mois. Une fois calibré, ce modèle a montré que le moment idéal pour mettre fin au marketing DTC pour le nouveau médicament aurait été 6 mois avant la date où cela s’est effectivement passé. Cela a été établi en remarquant qu’il n’y avait aucune différence dans les indicateurs calibrés pour cette même période. Puisque cela était infaisable, la réponse donnée a été d’arrêter le marketing DTC dans un futur proche.

Une autre perspective intéressante a trait au marketing par le biais des représentants commerciaux. Il a été montré qu’au fil du temps, les préférences des médecins surpassaient les préférences des patients pour les médicaments. C’est pour cette raison que l’argent investi dans les visites des représentants, contrairement au marketing DTC, ne montrait pas de diminution des retours et continuaient d’avoir une influence sur la part de marché. Cette conclusion était attendue, étant donné que la disponibilité des échantillons était directement liée aux visites et avait un impact fort sur la propension des patients à essayer le médicament.

En ce qui concerne la question du budget, nous pouvons sans aucun doute dire que, si l’entreprise pharmaceutique suit les résultats du modèle et élimine le marketing DTC, elle pourrait économiser 10 millions de dollars par an.

Présentation du projet par Scott Hebert, vice-président de Sterling Simulation :
Scott Herbert presentation video screenshot

Études de cas similaires

Plus d’études de cas