Un moteur de recommandation priorise les visites et messages des délégués pharma selon le potentiel réel de chaque officine.
Les visiteurs médicaux et délégués pharmaceutiques visitent les officines et cabinets selon des tournées figées, construites une fois par an sur des critères déclaratifs anciens. Une partie du temps commercial est consacrée à des comptes à faible potentiel pendant que des officines en forte croissance de prescription restent sous-visitées, ce qui dilue l'impact du réseau terrain.
Le coût du statu quo se mesure en opportunités manquées : lancement de produit mal relayé dans les zones à fort potentiel, érosion de part de marché face à un concurrent plus réactif, et un ratio visites utiles sur visites totales qui stagne malgré l'investissement terrain. Sans priorisation dynamique, chaque délégué arbitre à l'instinct, avec une forte variance de performance d'un secteur à l'autre.
Le projet démarre par une segmentation des officines et prescripteurs selon leur potentiel de prescription, leur réceptivité historique aux visites et leur dynamique de croissance, en combinant k-prototypes pour gérer variables mixtes (catégorielles et numériques) sans supposer de forme de cluster. Cette segmentation nourrit un modèle de scoring de potentiel incrémental, un gradient boosting XGBoost entraîné à prédire l'uplift de prescription attendu suite à une visite, en comparant comptes visités et non visités à profil comparable.
Le score d'uplift alimente un moteur de recommandation qui classe chaque jour les comptes à prioriser par délégué, avec le message produit le plus pertinent selon le cycle de vie du produit et les interactions passées. Un module de bandit contextuel (Thompson sampling) teste en continu différentes combinaisons canal-message pour affiner les recommandations sans figer une règle statique.
Le tout est exposé dans l'outil CRM terrain existant via une API, avec un tableau de bord Looker Studio pour le management régional qui suit l'adoption et la performance par secteur.
Si 15 à 20 % du temps terrain actuellement consacré à des comptes à faible potentiel était réalloué vers les comptes à fort uplift, le volume de prescriptions additionnelles attribuables aux visites pourrait progresser de façon sensible sans augmenter l'effectif commercial. L'amélioration attendue dépend de la qualité des données de panel disponibles et de la vitesse d'adoption par les équipes terrain.
Non. Le score est une aide à la priorisation, pas une décision automatique. Le délégué garde la main sur l'ordre final et peut l'ajuster selon son contexte terrain.
Le modèle ne cible jamais de patients individuels, uniquement des officines et prescripteurs sur des données agrégées anonymisées, dans le respect des chartes de visite et du RGPD.
Le monitoring mensuel détecte la baisse de performance prédictive et déclenche un réentraînement du modèle, pour que le scoring reste aligné sur la réalité du marché.
Nous le cadrons, le construisons et le mettons en production. Ou nous formons vos équipes à le faire.
Nous utilisons des cookies de mesure d'audience et de suivi publicitaire pour comprendre la fréquentation du site et l'efficacité de nos annonces. Rien n'est déposé sans votre accord. En savoir plus