מודלים LLMs אינם רק עבור אפליקציות צ’אט – הם יכולים לשפר את היקף הלקוחות של צוותי מכירות פארמה, גם כן

בין מכירות ברמה גבוהה, תרופות נמצאות בין המוצרים הקשים ביותר למכירה, במיוחד בשוק המהיר של היום, שבו תרופות חדשות ומיוחדות מאושרות כל שבוע. עם השפע הזה של תרופות חדשות המגיעות לשוק, רופאים עסוקים מתקשים לעמוד בקצב החדשות, ומחפשים את הדרכתם של נציגי חברות פארמה משכילים כדי לייעץ להם כיצד תרופות חדשות יכולות לעזור להם לשרת טוב יותר את הצרכים הספציפיים של מטופליהם; מהן ההבדלים בין תרופות חדשות לטיפולים שהם השתמשו בהם, וכיצד התוצאות ישתפרו על ידי תרופות אלו, ועוד. צוות מכירות שרוצה להגיע ללקוחות אלה חייב לאתר אותם, וחייב להציג ידע לא רק של המוצר, אלא גם של האוכלוסייה המיועדת לתרופה, תנאי שוק, נושאים רגולטוריים, הצעות של מתחרים, ועוד.

איסוף מידע זה – ולא לומר את השליטה בו – הוא תהליך קשה, צורב זמן, ומשעמם, במיוחד עבור צוותי מכירות בחברות פארמה קטנות, שבהן המשאבים כנראה מוגבלים. אבל עבור צוותי מכירות שמשתמשים בטכנולוגיות איסוף וניתוח נתונים מתקדמות – ובמיוחד בחברות קטנות – התהליך הרבה יותר חלק וקל. במיוחד, צוותי מכירות יכולים להשתמש בפתרונות AI/ML שמנתחים סטים גדולים של נתונים – באמצעות מודלים LLMs גדולים – כדי לחלץ תובנות על לקוחות, מוצרים, מסלולי מטופלים, נושאים רגולטוריים, והרבה יותר.

ניתוח אוטומטי של מקורות נתונים באמצעות אלגוריתמים המונעים על ידי AI ולמידת מכונה הוא לא רק הדרך היעילה ביותר לחלץ את התובנות האלה; בעולם שהופך למורכב ורווי נתונים יותר ויותר, זה באמת האפשרות היעילה היחידה. עשיית זאת באופן ידני הייתה מהווה תהליך ארוך ואיטרטיבי, שהיה חשוף לשגיאות אנוש. ואפילו הצלחה באיטרציה של הנתונים הייתה – בגלל הפוטנציאל לשגיאות אנוש – כנראה תוצאה בבסיס רופף שלא היה מותאם לנצל את הפוטנציאל העסקי של הנתונים. בנוסף, צוותי מכירות היו זקוקים ליישומים אנליטיים כדי לפרש את הנתונים ולספק את התובנות והידע שהם צריכים – ופיתוח יישומים כאלה בבית היה כנראה מעבר ליכולות של מרבית ארגוני הפארמה.

הדרך הטובה ביותר שצוותים יכולים להתמודד עם אתגרים אלה היא לפרוס פלטפורמת AI/ML שתספק להם את ההדרכה שהם צריכים, כפי שהם צריכים. פלטפורמות כאלה יכולות לאפשר לצוותים לעשות באופן עצמאי הכל שהם צריכים כדי לרכוש את התובנות האלה, כולל איסוף מקורות הנתונים, יישום ה-LLMs הנדרשים, ושימוש ביישומים שיאפשרו לצוותי המכירות לקבל במהירות וביעילות את התובנות שהם צריכים. היתרון של פריסת פלטפורמה כזו על פתרונות אחרים – ובמיוחד על העסקת חברת ייעוץ לפיתוח התובנות האלה – הוא שעבודה עם פלטפורמה נותנת לצוותים שליטה מלאה ורציפה על התהליך, מאפשרת להם לתקן את הנתונים כפי הצורך כדי להתמקד בתובנות שהם צריכים, ועם פלטפורמות AI-LLM אגיליות, תהליך רכישת התובנות למכירות הוא פשוט כמו לחיצה על מספר כפתורים,

זה במיוחד רלוונטי עבור צוותי מכירות בחברות פארמה קטנות, שלרוב מתמחות בספק פתרונות לתנאים ומחלות ספציפיות – ושלרוב מוגבלות במשאבים, שאם הם קיימים בארגון, כנראה ילכו למחקר, ולא למדע נתונים לפעולות מסחריות.

נתונים שופעים היום, נאספים ממגוון רחב של מקורות, הן בתוך והן מחוץ לארגון. כאשר נתונים מנותחים על ידי אלגוריתמים המבוססים על LLMs שמפרשים את הנתונים דרך שאילתות שפה טבעית, כל המידע ממגוון עשיר של מקורות מובא להקשר. הקשר הזה מספק לצוותי מכירות את התובנות שהם צריכים על מוצרים, הצגות, צרכים של לקוחות, מידע תעשייתי, נתונים רלוונטיים ל-HCPs ספציפיים ולצרכים של מטופליהם, ועוד.

LLMss הם בלב הניתוח המתקדם של טקסט, כגון ChatGPT ומנועים AI מתקדמים אחרים. רחוק מלהיות רק כלי לכתיבת מאמרים או שירים, ChatGPT המבוסס על LLMs כלליים יכול לנתח נתונים ממקורות רבים ולסנתז תובנות שמספקות דרכים חדשות לפתרון בעיות. באמצעות LLMs שכוללים נתונים על תרופות, תעשיית הרפואה, קבוצות מטופלים, מידע קהילתי, נתונים רגולטוריים, ועוד, צוותי מכירות יוכלו לגלות לקוחות פוטנציאליים רבים יותר, דרכים חדשות וטובות יותר לגישה אליהם, הצגת מוצרים, סגירת עסקאות, עידוד מכירות חוזרות, ועוד.

פלטפורמות שמשתמשות בטכנולוגיה הזו מאפשרות לצוותי מכירות לכרות את הנתונים לתובנות – וליישם אותן למצבים ספציפיים של מכירות באמצעות יישומים שתוכננו למטרה זו. פלטפורמות כאלה תומכות ביצירה אוטומטית ואחסון של בסיס נתונים בזמן אמת, ללא צורך בשימוש בקוד, כמו גם יישום אוטומטי של האלגוריתמים המשתמשים ב-LLMs שנוצרו על ידי ניתוח הנתונים.

התהליך האוטומטי משלב כל מספר של מקורות נתונים, מנקה ומעשיר אותם כדי לשפר את איכות הנתונים, ואז מייצר באופן אוטומטי מסד נתונים מפורט עם טבלאות 360 מעלות לכל HCP ביקום התרפויטי הרלוונטי, כולל מאפיינים עובדתיים, היסטוריים, מודדים, מחושבים, וניבאים, כמו גם מודלים, לוחות, ו-KPIs, הכל מקוטלג עם מנוע חיפוש עצמאי להתאמת בקשות משתמשים לנכסי נתונים ספציפיים. דרך פלטפורמות כאלה, צוותים מקבלים הכל שהם צריכים כדי להתחבר עם לקוחות – ולסגור עסקאות.

במשך שנים אנו שומעים על “המהפכה הקרובה של AI”, זו שבה AI ייצורי מתקדם ישפר באופן משמעותי את חיינו – ויעזור להפוך מגוון רחב של פעילות אנושית לקלה ויעילה יותר. עכשיו נראה שאנו עומדים על סף מהפכה זו – והמודל שהוצג על ידי ChatGPT וטכנולוגיית LLM, שבה טקסט ונתונים יכולים להינתח לצורך מציאת דרכים טובות יותר לעשייה – כולל עזרה לחברות פארמה להגיע ל-HCPs הנכונים עם פתרונות טובים יותר שיעזרו להפוך את מטופליהם לבריאים יותר. טכנולוגיה כזו יכולה ללכת רחוק בקידום צוותי מכירות עם הכלים שהם צריכים כדי לעזור ל-HCPs להפוך את זה למציאות.