A Pharmaceutical Company Decides on a Marketing Strategy Using Agent-Based Modeling

Problem:




Sterling Simulation consulting company was chosen to provide an agent-based marketing model for a pharmaceutical firm. The company owned two competing non-generic drugs on the same market. One drug was well established and tended to be the industry leader, and the other one was recently introduced.


There were several concerns about how to obtain a useful market share for the newer drug, while maintaining or increasing the market share for the company’s drugs as a whole. The company used different forms of promotion, including direct-to-consumer (DTC) marketing strategy, which usually concludes in advertising through TV, pint, and other mass and social media. The model was supposed to answer the question, “When should the company stop DTC marketing for the newer drug to maximize total prescription sales?” on DTC marketing investment. The provided answer, if followed, could save the pharmaceutical company tens of millions of dollars.


Solution:




Traditionally, marketing analytics have decided on different spend scenarios by using a marketing-mix model to determine the impact of marketing spends. However, this approach does not provide articulated understanding of why the spend changes impact the results. Marketing-mix models can give you weights, but they cannot tell you why these weights exist. The company wanted a model that would be at least as good as a marketing-mix model, which meant the contractors had to find the percentage point of the market shares over time.


To obtain a better understanding of the mechanics behind marketing-mix models (for example, why does DTC marketing give diminishing returns v. sales rep visits?), one alternative is to use agent-based modeling (ABM). It provides the secondary benefit of removing assumptions from the model, which allows for a more complete understanding.


One thing to note about ABM approaches in general, and this model in particular, is that the data requirements are different from those in marketing-mix models and, in general, higher. In this case, the pharmaceutical company had the data and was able to take full advantage of the ABM approach. Agent-based models tend to be more open for assumptions and provide the insights, which are more profitable than plain answers.

Pharmathutical Agent-based Simulation Model

Once the approach of ABM was selected, AnyLogic was chosen as the software platform for model building. These were a few of the reasons:

  • The company was familiar with the software and its capabilities.
  • AnyLogic allows for the greatest flexibility in modeling frameworks.
  • AnyLogic has the best visualization possibilities for modeling.

The model framework differed substantially from traditional marketing-mix models. Specifically, the model considered the entire patient/doctor interaction in order to determine the impact of market spends. Additionally, the impacts of the new drug’s introduction to the market was integrated to obtain correct market share information.


The model consists of the following elements:

  • patients;
  • doctors;
  • sales representatives;
  • drugs;
  • payers;
  • formulary;

The latter two elements were not described in the case because they had little behavior in the model.


The patients in the model were all diagnosed with the specific illness that the drug market handles. The disease involved was not life threatening, so this drug category is elective. The behavior of the patient included:

  • Meeting with their physician every three months.
  • Determining whether they desired a specific drug (the result showed primary DTC market impact).
  • Awareness of different drugs based on advertising and the ability to request it from doctors.
  • Whether they filled their prescription (depended primarily on drug’s price).
  • Whether they stayed on a drug (on average, the first month and second/third month loss was calculated to be around 40% and 20% or less, respectively).


The doctors in the model had different specializations related to the illness, and had differing numbers of patients, depending on specialization. The behavior of the doctor included:

  • Handling patient appointments.
  • Handling patient appointments.
  • Determining what drug to prescribe to a patient (theoretical preference was based on clinical drug performance, practical preference was based on patient reaction on drugs).
  • Whether to provide samples or a script to new patients.
  • Interacting with sales reps.


You will find the preassigned model of a patient’s behavior during and after an appointment, as well as the description of a patient’s lifecycle below.


Healthcare Simulation Model


Sales representatives were assigned to a pool of doctors. They visited their doctors at a different rate, based on the patient pool of each doctor and historical information. During the visit, the representative tried to change the doctor’s attitude towards a certain drug by adding samples to the doctor’s supply.


The drugs in the model were the two company drugs, another specific non-generic drug, and generics as a group.


Outcome:




The model did take a while to calibrate properly. This was because the data was more than a little sparse in areas of the desired information. The model was calibrated primarily to each drug’s (or drug family’s, in the case of the generics) market share in terms of both patients and prescriptions per month. Once calibrated, the model showed that the ideal time to stop DTC marketing for the new drug would have been six months before the current date. This was established by noticing that there was no difference in the calibrated metrics over the same period. Since this was unfeasible, the given answer was to stop DTC marketing in the near future.


Another interesting insight was connected with sales rep marketing. It was clarified, that over time, the doctors’ preferences overwhelmed patients’ preferences to the drugs. That is why the money invested in sales rep visits, in contrast to DTC marketing, did not show any diminishing returns and always influenced market share. This was expected, given that the availability of samples was directly tied to the visits, and had a broad impact on the willingness of patients to try the drug.


Concerning the budget issue, it was safe to say, that should the pharmaceutical company follow the results of the model and eliminate DTC marketing, they would save at least $10M a year.

 


Project presentation by Scott Hebert, Vice President of Sterling Simulation

Другие проекты

  • Моделирование распределительного склада фармацевтической компании
    Cardinal Health – компания с многомиллиардным оборотом, работающая в сфере дистрибуции и логистики фармацевтических товаров. Каждый день компания сталкивается со множеством логистических задач, типичных для распределительных складов, которые осложняются спецификой фармацевтической сферы. Компания использовала агентное моделирование для различных бизнес-задач, что позволило ей экономить 3 000 000 долларов ежегодно.
  • Моделирование рынка телекоммуникаций в Аргентине
    В 2008 году на телекоммуникационном рынке Аргентины было 3 больших компании. Каждая из них предоставляла по несколько услуг: интернет, кабельное ТВ, стационарные и мобильные телефоны. Один из конкурентов, компания Telefónica, обратился к консалтинговой фирме Continente Siete для построения модели рынка в AnyLogic для оценки последствий проникновения на рынки, занятые конкурентами.
  • Развёртывание системы реанимобилей в Германии
    Реанимобили MSU (Mobile Stroke Units) были предложены для ускорения оказания помощи пациентам с апоплексическим ударом. Специалисты MSU должны начинать диагностику и терапию прямо на месте происшествия. Целью внедрения было снижение времени от поступления вызова до начала лечения больных для предотвращения риска возникновения инвалидности и снижения издержек в здравоохранении.
  • Моделирование на основе статистики врачебной практики
    Специалистам в сфере здравоохранения требуются инструменты для принятия решений относительно планирования, тестирования и оценки новых технологий и политик. Специфика данной области (комплексность и взаимозависимость процессов) превращает любые изменения и инновации в постоянное испытание для профессионалов индустрии. DWH Simulation Services в партнерстве с Австрийской Ассоциацией Социального Страхования (AASI) проанализировали данные системы здравоохранения Австрии для принятия важных для медицинской практики решений.
  • Моделирование работы родильного отделения
    Эта модель воспроизводит работу родильного отделения в строящейся больнице. Задача этой модели состояла в поддержке принятия решений касательно ресурсов, пропускной способности и методов организации работы в новом отделении. Проект был выполнен для больницы Karolinska University Hospital в лене Стокгольм, Швеция.
  • Оценка пропускной способности больничного стационара
    В шведском Стокгольме строилась новая узкоспециализированная больница, и местное управление здравоохранения задалось вопросом, сможет ли больница обслуживать нужное количество пациентов при текущих инвестициях и организационных планах. Специалисты использовали AnyLogic для поиска ответов на свои вопросы.
  • Крупная американская авиакомпания решает не вводить дополнительные сборы
    Крупная американская авиакомпания столкнулась с ситуацией, когда возможности развивать существующую стратегию были ограничены. Увеличение дохода посредством введения дополнительных сборов было очевидным способом решения проблемы. Однако прежде чем внедрить эти изменения, авиакомпания решила исследовать долгосрочное влияние такого решения на бренд, позицию на рынке авиаперевозок и лояльность клиентов.
  • Моделирование медицинского обслуживания на уровне региона
    Регион Стокгольма (Швеция), как и любой регион, испытывает постоянную необходимость удовлетворять спрос на услуги здравоохранения различных групп пациентов. Каждая группа может быть рассмотрена как субпопуляция со своими особенностями, характеристиками и сложностями. Данный проект по имитационному моделированию рассматривал пациентов, которые нуждались в диализе почек.
  • Планирование реагирования на ЧС с помощью агентного моделирования
    Battelle – крупнейшая в мире некоммерческая независимая исследовательская организация. В одном из проектов исследователи должны были определить эффективность мер реагирования в случае детонации ядерного устройства, сравнив планы эвакуации населения и его укрытия на месте ЧС.
  • Оценка стратегий в сфере здравоохранения для уменьшения количества случаев кесарева сечения
    Множество специалистов здравоохранения давно говорят о необходимости уменьшения количества родов при помощи кесарева сечения. Алан Миллс, эксперт-статистик, и его коллеги провели исследование для штата Вашингтон, в котором воспроизвели при помощи моделирования часть системы здравоохранения США, занимающуюся родовспоможением.