製品とサービスのマーケティング

製品・サービスのマーケティング改革

増々高価となる営業活動のコスト

新しい製品やサービスの営業活動のコストは、年々高くなってきています。デジタルチャネルが非常に増えたこと、消費者の集中力の低下と宣伝メッセージに対する不信感がその理由です。一部の専門家は、営業予算の26%以上が 計画の不備や不十分な絞り込みの結果として失われると予測しています。

影響力のあるハブへのマーケティングはますます効果的な戦略になっており、インフルエンサーマーケティングを利用したマーケティング担当者の92%が、効果的であると感じています。インフルエンサーマーケティングは、「娘に彼女のお気に入りの有名人がInstagramで紹介している財布を買ってあげること」や「コレステロールや血圧の薬を、信頼している心臓専門医が勧める新しいものに切り替えること」など、生活のあらゆる領域に現れます。

マーケティングチームの主な課題は、これらの影響力のあるハブを発見し、それぞれのハブにつながっているコミュニティを理解し、新製品やサービスを効果的に売り出すためのマーケティング活動にハブを通じて優先順位を付けることです。

グラフデータベースによって構築されるネットワーク
従来のインフルエンサーの選定方法の弱点

従来のインフルエンサー選定方法では不十分

ソーシャルメディアでインフルエンサーを発見することはよく理解されているテクニックです。ハブを特定して、各ハブのコミュニティやオーディエンスの特徴を明確にし、マーケティング目的に関連した価値を評価することのできるツールも多数あります。

新薬、設備、医療処置などの複雑な製品の場合、医師をはじめとする医療提供者の中でインフルエンサーのハブを特定するには、患者の請求データを詳細に分析して、推薦関係を明らかにする必要があります。リレーショナルデータベース上に構築された分析システムでは、処方者、請求、患者データを含んだ大規模な表形式データ間での高額な結合が必要です。データベースの結合が完了するには数時間、ときには数日が必要となることがあるため、従来の分析ソリューションはこのタイプの分析には適しません。

製品とサービスのマーケティングにネイティブな並列グラフデータベースTigerGraphを使う理由は?

グラフ分析で推薦関係を明らかに

TigerGraphを使えば、推薦の関連性を簡単に明らかにすることができます。例えば、ファミリードクターのダグラス・トマス医師が2017年9月8日にある患者(p1003)の息切れについて診察した結果、請求項c10005が発生したとします。その後、この患者(p1003)は、9月20日に循環器外科専門のヘレン・スー医師によって心臓カテーテル処置(請求項c10030)を受け、さらに9月23日にバルーンカテーテルの手術(請求項c10031)を受けたとします。

TigerGraphは、患者と処方者に関連するこれらすべての請求をGraphStudioに表示することにより、データアナリストがリレーションシップを直感的に理解できるようにします。TigerGraphはまた、時間枠に基づいてそれらをリンクし、推薦関係を推定します。この例では、推薦関係の確立のために、4週間以内に発生した請求が考慮されます。紹介元のダグラス・トマス医師から紹介先のヘレン・スー医師までたどるには、8月から9月にかけて受診した3人の共通する患者、p1003、p1004、p1005を介して、4ステップが必要です。ダグラス・トマス医師とヘレン・スー医師の間に推薦エッジまたはリレーションシップが確立され、リレーションシップエッジには、紹介された患者の数、紹介された患者に関連する医療状態グループなどの重要な情報が含まれています。処方箋請求データを追加することにより、両医師によって高頻度で処方される心臓治療薬を特定することができます。

これらの知見を武器に、心臓治療薬製造会社や、ステントなどの心臓手術用の製品を製造する医療装置メーカーは、ダグラス・トマス医師と、ヘレン・スー医師をはじめとするサンノゼ地域のトマス医師の紹介ネットワークに製品を売り込むことができます。

グラフ分析による推薦関係の確立
グラフアルゴリズムを利用したインフルエンサーの特定

グラフ分析でインフルエンサーを発見

インフルエンサー間の推薦関係や、製品やサービス提供者で信頼できる人達の間の推薦関係を確認したら、その次のステップでは、最も影響力のあるハブ(例えばヘルスケアの場合なら、循環器のケアや糖尿病の管理など、特定の病状に対する請求項を最も多く生成しているハブ)を特定します。この作業にはPageRankというグラフアルゴリズムがよく使われます。 

次の例について考えてみましょう。一般開業医のダグラス・トマス博士が、心臓治療において3人の外科医(ヘレン・スー医師、リック・サマーズ医師、ゼーン・アダムス医師)と2人の心臓専門医(ヘンリー・チャン医師とニール・パテル医師)への紹介を多く行っています。ドン・カーク医師はこの地域の別の医師で、2人の外科医(ヘレン・スー医師とリック・サマーズ医師)と1人の心臓専門医(ラリー・コ医師)への紹介を多く行っています。

グラフアルゴリズムPageRankは、医師ごとの一意のランキングを作成します。これが完成すると、PageRankスコアが3.9のダグラス・トマス医師が最も影響力のある医師であることがわかります。そしてドン・カーク医師は、PageRankが2.5で、2番目に影響力のある医師であり、それ以外の医師についても同様に見ていくことができます。

グラフ分析でコミュニティを検知

PageRankによってハブを特定して影響力に応じてランク付けしたら、最後のステップでは、各ハブの周りにあるコミュニティを特定して、市場機会を評価し、各コミュニティの重要性を比較して判定します。TigerGraphのグラフアルゴリズムのライブラリには、ハブの周りにあるコミュニティ検知に使うアルゴリズムが含まれています。

次の例について考えてみましょう。心血管疾患の治療と高血圧治療薬を使った予防ケアの提供に関し、サンノゼ東部で処方者と患者のコミュニティが3つ特定されています。コミュニティID70163044には、ダグラス・トマス医師、ドン・カーク医師、および彼らの紹介医ネットワークとその患者がいます。TigerGraphのクエリ言語GSQLは、心血管疾患に関連するコミュニティのすべての請求の支出、支払保険金額、患者の自己負担金を集計します。高血圧治療薬の処方についても、総支出、支払保険金額、自己負担金が計算されます。

これらの知見を武器に、心臓治療薬製造会社や、ステントなどの心臓手術用の製品を製造する医療装置メーカーは、サンノゼ東部の医療マーケットでこれらの製品やサービスに最も多く支出しているコミュニティの最も影響力のあるハブへの営業活動を優先することができます。

これにより、コミュニティには医療や医療機器、治療の新しいイノベーションがもたらされ、コミュニティはそれらから大きな恩恵を受けることができます。そしてそれは同時にこれらの製品製造者やサービス提供者に大きな収益の向上をもたらすでしょう。

グラフアルゴリズムによるコミュニティの検知