JP2021518625A - 顧客関与を定量化するためのシステムおよび方法 - Google Patents

Abstract

医療提供者（ＨＣＰ）関与エンジンが、開示される。ＨＣＰ関与エンジンは、ＨＣＰに製品を販売するために医薬品販売員によって実施されるアクションを追跡し、アクションを分析し、インバウンドおよびアウトバウンドアクティビティに起因する交絡効果を排除することによって、医薬品販売担当者（医薬品販売員）とＨＣＰとの間の効果的なやりとりを促進する。インバウンドアクティビティは、医薬品販売員によってＨＣＰに実施される挙動を含む一方、アウトバウンドアクティビティは、インバウンドアクティビティに応答してＨＣＰによって行われる。交絡を低減させることは、医薬品販売員が、ＨＣＰ関与を最良に推進する挙動についてのより良好な情報を有することを可能にする。

Description

（関連出願の相互参照）
本願は、参照することによってその全体として本明細書に組み込まれる、２０１８年３月２１日に出願された、米国仮特許出願第６２／６４６，０７０号の利益を主張する。

（背景）
製品およびサービスを医療提供者（ＨＣＰ）により効果的に提供するために、医薬品販売担当者（医薬品販売員）は、より標的化された様式でＨＣＰとやりとりし、関与する必要性がある。効果的なやりとりは、対面会合、電話呼出、および人脈形成の機会を含み得る。ＨＣＰとの自身の相互作用を改良し、したがって、より多くの売上を生成するために、ＨＣＰとの相互作用についての可能な限り多くのデータを収集することが、医薬品販売員の最良の利益となる。

販売およびマーケティングデータの読出および分析は、ある課題を提示し得る。例えば、販売データは、ある集計レベルにおいてのみ利用可能であり得る。個々のＨＣＰからのデータは、容易に利用可能ではない場合がある。いくつかの顧客リソース管理（ＣＲＭ）ソフトウェアは、ＨＣＰデータを収集し得るが、個人化されたデータを収集しない場合がある、またはプライバシー上の理由から特定のデータ入力を不明瞭にし得る。加えて、ＨＣＰデータ、例えば、処方データは、施設レベルにおいて、または「ブリック」の中に提供され得、これは、具体的ＨＣＰへの成功した販売を解析することを困難にし得る。加えて、ＨＣＰ処方または推奨からもたらされる医薬品販売は、具体的な医薬品販売員の相互作用の外側の変数によって影響を受け得る。これらの交絡変数は、医薬品販売員または製薬企業の制御内の（およびその外側の）具体的アクションの効果を決定することを困難にし得る。種々の交絡変数とともに、データを収集および分析する際の困難は、企業の努力の方向性を潜在的に誤らせ、営業担当者の効率を低減させ得る。

（要約）
医薬品販売担当者（医薬品販売員）から医療提供者（ＨＣＰ）への標的化アクションの効能をより深く理解するために、ブリックデータ収集の効果を軽減し、交絡変数の効果を軽減し得る、方法およびシステムの必要性が、存在する。本明細書に開示されるシステムおよび方法は、医薬品販売員およびＨＣＰから収集された情報を使用してブリックレベル販売データを調節することによって、交絡変数の効果を補償することができる。開示されるシステムおよび方法は、交絡変数の効果を除去するために、調節された販売データに対して動作を実施することができる。

一側面では、コンピュータ実装方法が、開示される。本方法は、複数のデータソースからデータを取得するステップを含んでもよい。データは、（１）医薬製品の集計販売値と、（２）（ｉ）複数の医療施設と関連付けられる情報と、（ｉｉ）複数の医療提供者（ＨＣＰ）と関連付けられる情報とを含む、複数の属性とを含んでもよい。複数のＨＣＰは、複数のブリックの下に提供され、各ブリックは、医療施設のうちの１つ以上のものを含み、各施設は、１人以上のＨＣＰを含んでもよい。本方法は、複数のブリックに関する各ブリック内にあるＨＣＰを横断して集計販売値を分配することによって、調節された販売データを生成するステップを含んでもよい。

いくつかの実施形態では、複数のデータソースは、顧客リソース管理（ＣＲＭ）、市場セグメンテーション、販売、および／または製薬企業の専用データベースに関する複数のデータベースを含んでもよい。

いくつかの実施形態では、複数のブリックは、地理的領域、施設の場所、施設のサイズ、施設内のＨＣＰの数、地域の社会経済、地域の人口統計、または他の非地理的因子を含む、１つ以上の因子に基づいて定義されてもよい。

いくつかの実施形態では、複数のブリックは、ブリックの第１のグループと、ブリックの第２のグループとを含んでもよい。ブリックの第１のグループ内の各ブリックは、医療施設の明確に異なる集合を含んでもよい。ブリックの第２のグループ内の各ブリックは、単一の明確に異なる医療施設を含んでもよい。

いくつかの実施形態では、調節された販売データは、ブリックレベルの代わりに、個々のＨＣＰレベルにおいて細分類される販売値を含んでもよい。

いくつかの実施形態では、本方法はさらに、予測モデルにおける標的として調節された販売データを使用し、医薬製品の販売に対する異なるマーケティング戦略の影響を推定するステップを含んでもよい。

いくつかの実施形態では、本方法はさらに、異なるマーケティング戦略の推定された影響に基づいて、医薬製品の販売を最適化するための１つ以上のマーケティング戦略を識別するステップを含んでもよい。

いくつかの実施形態では、本方法はさらに、１つ以上の識別されたマーケティング戦略の推奨をユーザに提供するステップを含んでもよい。ユーザは、医薬製品に関する１人以上の販売担当者を含んでもよい。

いくつかの実施形態では、推奨は、ユーザと関連付けられる電子デバイス上に表示されるように構成される、１つ以上のグラフィカル視覚オブジェクトとして提供されてもよい。

いくつかの実施形態では、集計販売値は、対応するブリック内のＨＣＰのアウトバウンドアクティビティデータに部分的に基づいて、ＨＣＰを横断して分配されてもよい。

いくつかの実施形態では、アウトバウンドアクティビティデータは、医薬製品を販売しているエンティティによって行われる具体的アクションの直接の結果ではない、ＨＣＰによって行われる１つ以上のアクションと関連付けられてもよい。

いくつかの実施形態では、アウトバウンドアクティビティデータは、（１）販売のための医薬製品を提供している企業のウェブページへのＨＣＰによる訪問の回数、（２）医薬製品に関するＨＣＰから１人以上の販売担当者への通信の回数、（３）ＨＣＰが参加した関連するシンポジウムの回数、または（４）医薬製品のＨＣＰによる保証または他の類似するＨＣＰアクションの回数を含む、複数のアウトバウンド特徴を含んでもよい。

いくつかの実施形態では、集計販売値は、アウトバウンドアクティビティによって定義される空間上に集計販売値を投影することによって、各ブリック内のＨＣＰを横断して分配されてもよい。

いくつかの実施形態では、集計販売値は、線形変換または非線形変換を使用して、空間上に投影されてもよい。

いくつかの実施形態では、複数のアウトバウンド特徴のサブセットが、相互の関数である、または相互に関連してもよい。

いくつかの実施形態では、複数のアウトバウンド特徴のサブセットが、属性のうちの１つ以上のものの関数である、またはそれに関連してもよい。

いくつかの実施形態では、複数の加重が、アウトバウンドアクティビティと関連付けられる複数のアウトバウンド特徴に適用されてもよい。より高い加重がより高い値または重要度を有する、第１のアウトバウンド特徴に適用されてもよく、より低い加重がより低い値または重要度を有する、第２のアウトバウンド特徴に適用されてもよい。

いくつかの実施形態では、アウトバウンドアクティビティは、（１）マトリクス内の列としての複数のアウトバウンド特徴と、（２）マトリクス内の行としてのブリック内の個々のＨＣＰとを含む、アウトバウンドマトリクスとして提供されてもよい。

いくつかの実施形態では、調節された販売データは、（１）アウトバウンドマトリクスの一般逆行列および（２）ブリック内のＨＣＰあたりの平均ブリックレベル販売数に基づいて生成されてもよい。

システムが、本開示の別の側面において開示される。本システムは、複数のデータソースと通信する、サーバと、サーバによって実行されると、サーバに動作のセットを実施させる、命令を記憶する、メモリとを備えてもよい。動作は、複数のデータソースからデータを取得するステップを含んでもよい。データは、（１）医薬製品の集計販売値と、（２）（ｉ）複数の医療施設と関連付けられる情報と、（ｉｉ）複数の医療提供者（ＨＣＰ）と関連付けられる情報とを含む、複数の属性とを含んでもよい。複数のＨＣＰは、複数のブリックの下に提供され、各ブリックは、施設のうちの１つ以上のものを含み、各施設は、１人以上のＨＣＰを含んでもよい。動作はまた、複数のブリックに関する各ブリック内にあるＨＣＰを横断して集計販売値を分配することによって、調節された販売データを生成するステップを含んでもよい。

さらなる側面では、非一過性コンピュータ可読記憶媒体が、開示される。記憶媒体は、サーバによって実行されると、サーバに動作のセットを実施させる、命令を含んでもよい。動作は、複数のデータソースからデータを取得するステップを含んでもよい。データは、（１）医薬製品の集計販売値と、（２）（ｉ）複数の医療施設と関連付けられる情報と、（ｉｉ）複数の医療提供者（ＨＣＰ）と関連付けられる情報とを含む、複数の属性とを含んでもよい。複数のＨＣＰは、複数のブリックの下に提供され、各ブリックは、医療施設のうちの１つ以上のものを含み、各施設は、１人以上のＨＣＰを含んでもよい。動作はまた、複数のブリックに関する各ブリック内にあるＨＣＰを横断して集計販売値を分配することによって、調節された販売データを生成するステップを含んでもよい。

別の側面では、医薬製品の販売に対するインバウンドアクティビティの影響を推定するための、コンピュータ実装方法が、提供される。本方法は、複数のデータソースからデータを取得するステップを含んでもよい。データは、（１）複数の医療提供者（ＨＣＰ）と関連付けられる情報と、（２）（ａ）１人以上の販売担当者または（ｂ）医薬製品の販売に関する自動化マーケティングシステムによって行われるイベントまたはアクションと関連付けられる、インバウンドアクティビティデータとを含んでもよい。本方法はさらに、予測モデルにおける第１の標的として調節された販売データを使用することによって、複数のＨＣＰへの医薬製品の販売に対するインバウンドアクティビティデータの効果を推定するステップを含んでもよい。調節された販売データは、複数のＨＣＰと関連付けられる複数のブリックに関する各ブリック内にあるＨＣＰを横断して集計販売値を分配することによって取得されてもよい。

いくつかの実施形態では、本方法はさらに、インバウンドアクティビティデータの推定された効果に基づいて、複数のインバウンド特徴をランク付けするステップを含んでもよい。ランク付けは、複数のインバウンド特徴のそれぞれの重要度または優位性を示してもよい。

いくつかの実施形態では、複数の加重が、インバウンドアクティビティデータ内の複数のインバウンド特徴に適用されてもよい。より高い加重がより高い値または重要度を有する、第１のインバウンド特徴に適用されてもよく、より低い加重がより低い値または重要度を有する、第２のインバウンド特徴に適用されてもよい。

いくつかの実施形態では、インバウンドアクティビティデータ内の複数のインバウンド特徴は、（１）１人以上の販売担当者によるＨＣＰへの訪問の回数、（２）１人以上の販売担当者によってＨＣＰに送信される電子通信の回数、（３）１人以上の販売担当者からＨＣＰへの電話呼出の回数、（４）１人以上の販売担当者によって開始されるＨＣＰへの会合招待の回数、または（５）医薬製品に関する情報を提供する、ＨＣＰに企業によって送信されるマーケティング通信の回数を含んでもよい。

いくつかの実施形態では、インバウンドアクティビティデータは、以下、すなわち、（１）電子メール通信、（２）モバイルテキストメッセージ、（３）ソーシャルメディアウェブサイト、（４）モバイルアプリケーション、（５）電話呼出、（６）対面会合、（７）ビデオ会議、（８）会議またはセミナー、または（９）ＨＣＰの施設において実行されるイベントのうちの１つ以上のものを含む、複数の通信チャネルを経由して収集されてもよい。

いくつかの実施形態では、本方法はさらに、調節された販売データからインバウンドアクティビティデータの効果を除去するステップと、インバウンドアクティビティデータの効果を除去した後、予測モデルからの残差データを捕捉するステップとを含んでもよい。

いくつかの実施形態では、複数のデータソースから取得されるデータはさらに、（３）複数のＨＣＰによって行われるアクションと関連付けられる複数のアウトバウンド特徴を含む、アウトバウンドアクティビティデータを含んでもよい。

いくつかの実施形態では、複数のアウトバウンド特徴は、（１）販売のための医薬製品を提供している企業と関連付けられるウェブページへのＨＣＰによる訪問の回数、（２）医薬製品に関するＨＣＰと販売担当者と間の通信の回数、（３）ＨＣＰが参加した関連するシンポジウムの回数、または（４）医薬製品のＨＣＰによる保証の回数を含んでもよい。

いくつかの実施形態では、複数のアウトバウンド特徴は、ＨＣＰが、（ａ）１人以上の販売担当者によって送信される１つ以上のメッセージを開封すること、（ｂ）１つ以上のメッセージ内のコンテンツまたはハイパーリンクをクリックすること、（ｃ）１つ以上のメッセージに返信すること、（ｄ）１つ以上のメッセージを１人以上の他の当事者に転送すること、（ｅ）１つ以上のメッセージを削除すること、（ｆ）１つ以上のメッセージをアーカイブ化すること、（ｇ）１つ以上のメッセージをソーシャルメディアまたはウェブサイト上に投稿または共有すること、または（ｈ）１つ以上のメッセージに対して無活動であること、またはそれに対して行われる活動が欠如することを含んでもよい。

いくつかの実施形態では、本方法はさらに、調節された販売データの関数として残差データのプロットを生成するステップと、プロット内のあるパターンを決定するステップであって、そのパターンは、残差データとアウトバウンド特徴のうちの１つ以上のものとの間の関連付けを示す、ステップとを含んでもよい。

いくつかの実施形態では、本方法はさらに、予測モデルにおける第２の標的として残差データを使用することによって、複数のＨＣＰへの医薬製品の調節された販売に対するアウトバウンドアクティビティデータの効果を推定するステップを含んでもよい。

いくつかの実施形態では、本方法はさらに、アウトバウンドアクティビティデータの推定された効果に基づいて、複数のアウトバウンド特徴をランク付けするステップを含んでもよく、ランク付けは、複数のアウトバウンド特徴のそれぞれの重要度または優位性を示す。

いくつかの実施形態では、本方法はさらに、アウトバウンドアクティビティデータの推定された効果が調節された販売データを推定するために使用されている、関与モデルを生成するステップと、関与モデルを使用し、複数のＨＣＰのそれぞれの１人以上の販売担当者との関与レベルを決定するステップとを含んでもよい。

いくつかの実施形態では、関与レベルは、関与スコアとして提供されてもよい。

いくつかの実施形態では、本方法はさらに、１人以上の販売担当者による１つ以上の最適なインバウンドアクティビティを識別し、任意の所与の時点において関与スコアを最大限にするステップを含んでもよい。

いくつかの実施形態では、本方法はさらに、１つ以上の最適なインバウンドアクティビティの時系列シーケンスを生成し、期間にわたって関与スコアを最大限にするステップを含んでもよい。

いくつかの実施形態では、本方法はさらに、残差データの関数として関与スコアのプロットを生成するステップと、プロット内のあるパターンを決定するステップとを含んでもよい。そのパターンは、ＨＣＰの関与レベルと残差データとの間の関連付けを示してもよい。

いくつかの実施形態では、本方法はさらに、調節された販売データの関数として関与スコアのプロットを生成するステップと、プロットからある相関係数を決定するステップとを含んでもよい。相関係数は、インバウンドアクティビティデータの効果が除去された、医薬製品の販売に寄与するＨＣＰの関与レベルを示してもよい。

いくつかの実施形態では、インバウンドアクティビティデータの効果は、関与モデルがインバウンドアクティビティから独立するように、関与モデルから除去されてもよい。

いくつかの実施形態では、予測モデルは、機械学習アルゴリズムを利用してもよい。機械学習アルゴリズムは、ランダムフォレスト、ブースティング決定木、分類木、回帰木、バギング木、ニューラルネットワーク、および回転フォレストから成る群から選択されてもよい。

別の側面によると、医薬製品の販売に対するインバウンドアクティビティの影響を推定するための、システムが、提供される。本システムは、複数のデータソースと通信する、サーバと、サーバによって実行されると、サーバに動作のセットを実施させる、命令を記憶する、メモリとを備えてもよい。動作は、複数のデータソースからデータを取得するステップを含んでもよい。データは、（１）複数の医療提供者（ＨＣＰ）と関連付けられる情報と、（２）医薬製品の販売に関する、１人以上の販売担当者によって行われるイベントまたはアクションと関連付けられる、インバウンドアクティビティデータとを含んでもよい。動作はまた、複数のＨＣＰと関連付けられる複数のブリックに関する各ブリック内にあるＨＣＰを横断して集計販売値を分配することによって、調節された販売データを取得するステップと、予測モデルにおける第１の標的として調節された販売データを使用することによって、複数のＨＣＰへの医薬製品の販売に対するインバウンドアクティビティデータの効果を推定するステップとを含んでもよい。

さらなる側面では、サーバによって実行されると、サーバに動作を実施させる、命令を含む、非一過性コンピュータ可読記憶媒体が、提供される。動作は、複数のデータソースからデータを取得するステップを含んでもよい。データは、（１）複数の医療提供者（ＨＣＰ）と関連付けられる情報と、（２）医薬製品の販売に関する、１人以上の販売担当者によって行われるイベントまたはアクションと関連付けられる、インバウンドアクティビティデータとを含んでもよい。動作はまた、複数のＨＣＰと関連付けられる複数のブリックに関する各ブリック内にあるＨＣＰを横断して集計販売値を分配することによって、調節された販売データを取得するステップと、予測モデルにおける第１の標的として調節された販売データを使用することによって、複数のＨＣＰへの医薬製品の販売に対するインバウンドアクティビティデータの効果を推定するステップとを含んでもよい。

別の側面では、医薬製品の販売に対するアウトバウンドアクティビティの影響を推定するための、コンピュータ実装方法が、開示される。本方法は、複数のデータソースからデータを取得するステップを含んでもよい。データは、複数の医療提供者（ＨＣＰ）によって行われるアクションと関連付けられる複数のアウトバウンド特徴を含む、アウトバウンドアクティビティデータを含んでもよい。本方法はまた、予測モデルからの残差データを使用することによって、複数のＨＣＰへの医薬製品の販売に対するアウトバウンドアクティビティデータの効果を推定するステップを含んでもよい。残差データは、予測モデルにおける調節された販売データからインバウンドアクティビティデータの推定された効果を除去することによって取得されてもよい。調節された販売データは、複数のＨＣＰと関連付けられる複数のブリックに関する各ブリック内にあるＨＣＰを横断して集計販売値を分配することによって取得されてもよい。

いくつかの実施形態では、複数のアウトバウンド特徴は、（１）販売のための医薬製品を提供している企業と関連付けられるウェブページへのＨＣＰによる訪問の回数、（２）医薬製品に関するＨＣＰと販売担当者と間の通信の回数、（３）ＨＣＰが参加した関連するシンポジウムの回数、または（４）医薬製品のＨＣＰによる保証の回数を含んでもよい。

いくつかの実施形態では、複数のアウトバウンド特徴は、ＨＣＰが、（ａ）１人以上の販売担当者によって送信される１つ以上のメッセージを開封すること、（ｂ）１つ以上のメッセージ内のコンテンツまたはハイパーリンクをクリックすること、（ｃ）１つ以上のメッセージに返信すること、（ｄ）１つ以上のメッセージを１人以上の他の当事者に転送すること、（ｅ）１つ以上のメッセージを削除すること、（ｆ）１つ以上のメッセージをアーカイブ化すること、（ｇ）１つ以上のメッセージをソーシャルメディアまたはウェブサイト上に投稿または共有すること、または（ｈ）１つ以上のメッセージに対して無活動であること、またはそれに対して行われる活動が欠如することを含んでもよい。

いくつかの実施形態では、本方法はさらに、アウトバウンドアクティビティデータの推定された効果に基づいて、複数のアウトバウンド特徴をランク付けするステップを含んでもよい。ランク付けは、複数のアウトバウンド特徴のそれぞれの重要度または優位性を示してもよい。

いくつかの実施形態では、本方法はさらに、インバウンドアクティビティデータの推定された効果が調節された販売データから除去されている、関与モデルを生成するステップと、関与モデルを使用し、複数のＨＣＰのそれぞれの１人以上の販売担当者との関与レベルを決定するステップとを含んでもよい。

いくつかの実施形態では、本方法はさらに、関与モデルから取得される関与レベルに部分的に基づいて、複数のＨＣＰのそれぞれに関する最適な販売およびマーケティング戦略を決定するステップを含んでもよい。

別の側面によると、医薬製品の販売に対するアウトバウンドアクティビティの影響を推定するための、システムが、提供される。本システムは、複数のデータソースと通信する、サーバと、サーバによって実行されると、サーバに動作のセットを実施させる、命令を記憶する、メモリとを備えてもよい。動作は、複数のデータソースからデータを取得するステップを含んでもよい。データは、複数の医療提供者（ＨＣＰ）によって行われるアクションと関連付けられる複数のアウトバウンド特徴を含む、アウトバウンドアクティビティデータを含んでもよい。動作はまた、予測モデルからの残差データを使用することによって、複数のＨＣＰへの医薬製品の販売に対するアウトバウンドアクティビティデータの効果を推定するステップを含んでもよい。残差データは、予測モデルにおける調節された販売データからインバウンドアクティビティデータの推定された効果を除去することによって取得されてもよい。調節された販売データは、複数のＨＣＰと関連付けられる複数のブリックに関する各ブリック内にあるＨＣＰを横断して集計販売値を分配することによって取得されてもよい。

さらなる側面では、サーバによって実行されると、サーバに動作を実施させる、命令を含む、非一過性コンピュータ可読記憶媒体が、提供される。動作は、複数のデータソースからデータを取得するステップを含んでもよい。データは、複数の医療提供者（ＨＣＰ）によって行われるアクションと関連付けられる複数のアウトバウンド特徴を含む、アウトバウンドアクティビティデータを含んでもよい。動作はまた、予測モデルからの残差データを使用することによって、複数のＨＣＰへの医薬製品の販売に対するアウトバウンドアクティビティデータの効果を推定するステップを含んでもよい。残差データは、予測モデルにおける調節された販売データからインバウンドアクティビティデータの推定された効果を除去することによって取得されてもよい。調節された販売データは、複数のＨＣＰと関連付けられる複数のブリックに関する各ブリック内にあるＨＣＰを横断して集計販売値を分配することによって取得されてもよい。

本開示の異なる側面は、個別に、集合的に、または相互と組み合わせて理解され得ることを理解されたい。本明細書に説明される実施形態は、異なる構成において修正され、組み合わせられ、使用されることができる。本明細書に説明される種々の側面は、下記に記載される特定の用途のうちのいずれかに適用され得る。本開示の他の目的および特徴は、本明細書、請求項、および添付される図の精査によって明白となるであろう。

（参照による組み込み）
本明細書に言及される全ての刊行物、特許、および特許出願は、各個々の刊行物、特許、または特許出願が、具体的かつ個々に参照することによって組み込まれることが示される場合と同程度に、参照することによって本明細書に組み込まれる。

本開示の新規の特徴は、添付される請求項で詳細に記載される。本開示の特徴および利点のより深い理解が、例証的実施形態を記載する、以下の詳細な説明および付随の図面を参照することによって取得されるであろう。

図１は、いくつかの実施形態による、医療提供者（ＨＣＰ）関与エンジンを備える、システムを示す。

図２は、いくつかの実施形態による、インバウンドおよびアウトバウンドアクティビティを考慮するために、本システムによって分析され得る、データタイプの実施例を示す。

図３は、いくつかの実施形態による、本システムの異なる機能を図示する、ブロック図である。

図４は、いくつかの実施形態による、ランダムフォレストアルゴリズムを示す。

図５は、いくつかの実施形態による、ＨＣＰによる販売数上に投影される、アウトバウンド特徴の影響の図示を示す。

図６は、いくつかの実施形態による、プロセスフローである。

図７は、いくつかの実施形態による、インバウンドアクティビティ効果の交絡を除去するプロセスの視覚表現を図示する。

図８Ａは、アウトバウンドアクティビティ効果が考慮された後のＨＣＰデータの視覚表現を図示する［なぜ強調されたか？］。

図８Ｂは、販売データからアウトバウンドおよびインバウンドアクティビティの効果を低減させるための方法の実践的適用を示す。

図９は、本明細書に開示される実施形態による、データ共有および分析タスクを実施するようにプログラムまたは別様に構成される、コンピュータシステムを示す。

（詳細な説明）
開示される方法およびシステムは、少なくとも以下の課題に対処することによって、エンティティが、販売およびマーケティングにおけるそれらの努力を改良および標的化することを可能にすることができる。例えば、医療提供者（ＨＣＰ）に連絡する医薬品販売担当者（医薬品販売員）は、多くの場合、ＨＣＰに治療および医療サービスを売り込むための最良の実践についての情報を必要とする。残念ながら、多くの場合、限定された利用可能なデータおよびデータ収集プロセスの間に起こり得る交絡効果を前提として、最も効果的である方法を査定することは、困難である。

第１に、医薬品販売員とＨＣＰとの間の相互作用データは、多くの場合、不明瞭にされる。プライバシー上の理由から、医療販売情報は、利用可能ではない場合がある、または施設レベルまたは「ブリック」レベルにおいてのみ利用可能であり得る。単一のブリック内に、１人以上のＨＣＰからのデータが、集約され得る。したがって、ブリックレベルデータを収集することは、個々のＨＣＰに関する販売データが、特に、ブリックが、多くの異なるＨＣＰからのデータを含有する場合、取得可能であり得ないことを意味する。加えて、一部のＨＣＰに関するデータは、いくつかのブリックに関して消失する、不正確である、または破損している場合がある。データはまた、プライバシー上の理由から不明瞭にされ得る。例えば、階層情報は、ＨＣＰが、自身の識別を知られることを所望しない場合、販売レベルデータから消失している場合がある。ＨＣＰ地理的情報もまた、不明瞭にされ得る。

第２に、販売データは、多くの場合、医薬品販売員とＨＣＰとの間の重要な相互作用を反映しない場合がある。ＨＣＰは、患者に処方するべき医薬製品／療法に対して強い影響力を発揮し得、これは、医薬製品／療法の販売に影響を与え得る。例えば、ＨＣＰが、１人以上の医薬品販売員と良好な業務上の関係を有し得、ＨＣＰが、それらの販売員が売り込んでいる製品およびサービスの効能を信頼する場合、ＨＣＰは、ＨＣＰが良好な業務上の関係を有している、それらの販売員からの製品およびサービスを処方することを推奨する傾向があり得る。患者に処方するべき製品およびサービスに対するＨＣＰの推奨は、それらの製品およびサービスの販売に有意に影響を与え得る。ＨＣＰはまた、新しい製品を試用する願望を有し得る、または良好な販売技術に個人的に影響されやすくあり得る。反対のこともまた、当てはまり得、ＨＣＰは、新しい製品およびサービスを試すことに懐疑的であり得る。ＨＣＰは、ＨＣＰが自身の医療行為において効果的であろうと考える、製薬企業の提供物からの製品およびサービスを処方する傾向があり得、ＨＣＰがあまり効果的ではないと考える、それらの製品またはサービスを処方する傾向があまりない場合がある。一部の販売員は、より経験のある売り手である、または製品またはサービスを販売することにおいて自身をより効果的にする個人的資質を有し得る。いくつかの製薬企業は、ＨＣＰおよび医療施設によって広く認められ得、これは、ＨＣＰが、それらの企業からの商品およびサービスをより多く処方することをもたらし得る。加えて、いくつかの企業は、一部のＨＣＰまたは医療施設との排他的な取引関係を有し得る。製品およびサービスは、例えば、特定の疾患またはインフルエンザの流行が、存在する場合、提供者の特定の必要性に基づいて処方され、したがって、購入され得る。

上記の効果または因子を軽減するために、それらは、最初に識別される必要性がある。開示される方法およびシステムは、販売に影響を及ぼし、ＨＣＰに向けた医薬品販売員の販売努力に直接関連しない、種々の因子を識別することができる。これらの因子は、インバウンド効果およびアウトバウンド効果に分離されることができ、これらは、それぞれ、インバウンドアクティビティおよびアウトバウンドアクティビティから導出され得る。加えて、本明細書では、共変量と称される、ＨＣＰの属性もまた、販売分析に影響を及ぼし得る。

インバウンドアクティビティのいくつかの実施例は、医薬品販売員から医師への訪問、医薬品販売員からＨＣＰに送信されるメッセージ（電子メールメッセージ等）、ＨＣＰまたはＨＣＰ従業員から医薬品販売員への電話呼出、およびウェビナーまたはウェブベースの会議等のウェブ詳細を含んでもよい。インバウンドアクティビティは、外部エンティティによる個々のＨＣＰを対象とするアクティビティに限定されない。いくつかの事例では、インバウンドアクティビティは、個々のＨＣＰに外部エンティティの指図で１人以上の医薬品販売員によって行われる、任意の関連するアクティビティを含んでもよい。インバウンドアクティビティは、マトリクス形態に編成されてもよい。

アウトバウンドアクティビティのいくつかの実施例は、医薬品販売員からの電子メールのＨＣＰによる受信と開封との間に経過した時間、医薬品販売員のウェブページまたは別の関連するウェブページへのＨＣＰによる訪問、またはＨＣＰが、医薬品販売員の分野に関連する会議に参加することを含んでもよい。アウトバウンドアクティビティは、ＨＣＰ、またはＨＣＰの指図で１人以上の人物によって行われる、１人以上の医薬品販売員を対象とする、または医薬品販売員に指図を提供するエンティティを対象とする、任意の関連するアクティビティを含んでもよい。上記に議論されるインバウンドアクティビティと同様に、これらのアウトバウンドアクティビティもまた、マトリクス形態に編成されてもよい。

共変量は、限定ではないが、ＨＣＰが勤務する、または配属される施設（例えば、病院、診療所等）、部門または専門（例えば、循環器科、放射線科等）、または関連付けられるブリック（例えば、関連付けられる施設、グループ、施設の集合等）を含んでもよい。

いくつかの実施形態では、本明細書に開示される方法は、最初に、調節された販売データを形成するためにブリックあたりの販売データを細分類し、次いで、インバウンドおよびアウトバウンドアクティビティからの効果の交絡を除去することによって進行してもよい。データを細分類することは、本文脈では、ブリック内のＨＣＰの全ての間でブリックあたりの合計販売数を分配することを含んでもよい。細分類は、より関与しており、典型的には、より多い量のアウトバウンドアクティビティを生成しているＨＣＰが、販売数の比較的に大きい割合を担っているという仮定を含んでもよい。販売数を調節することは、したがって、ＨＣＰのアウトバウンドアクティビティに関するそのブリック内のＨＣＰの間でブリックあたりの販売数を分配することを含んでもよい。

次に、本方法は、インバウンドアクティビティからの効果を補正するステップを含んでもよい。インバウンドアクティビティからの効果は、引数としてインバウンドアクティビティおよび共変量の値をとり、以前のステップから計算された調節された販売数を返す、関数をフィッティングすることによって補正されてもよい。本ステップに続いて、本方法は、次に、データ内に存在し得る、付加的交絡効果を決定するために、残差のセットを計算してもよい。次に、本方法は、引数としてアウトバウンド効果をとり、インバウンド補正ステップからの残差のセットを返す、関数をフィッティングすることによって、アウトバウンドアクティビティを補正してもよい。これは、アウトバウンド効果によって引き起こされる、任意の効果を補正するために実施される。

モデルフィッティングは、線形または非線形方法によって実施されてもよい。線形方法は、線形回帰を含んでもよい。非線形方法は、勾配木ブースティング、バギング、またはランダムフォレストアルゴリズム等の決定木アルゴリズムを含んでもよい。

図１は、医療提供者（ＨＣＰ）関与エンジンを備える、システム１００を示す。本システムは、ネットワークと、１つ以上のクライアントデバイスと、１つ以上のサーバとを含んでもよい。

ネットワークは、ローカルエリアネットワーク（ＬＡＮ）、広域ネットワーク（ＷＡＮ）、無線ローカルエリアネットワーク（ＷＬＡＮ）、メトロポリタンエリアネットワーク（ＭＡＮ）、ストレージエリアネットワーク（ＳＡＮ）、キャンパスエリアネットワーク（ＣＡＮ）、またはパーソナルエリアネットワーク（ＰＡＮ）等のコンピュータネットワークであってもよい。ネットワークは、有線ネットワークまたはＷｉ−Ｆｉネットワーク等の無線ネットワークであってもよい。ネットワークは、サーバ、ルータ、スイッチ、およびセッションデータ、制御データ、コマンド、および本システムの種々の部分の間の他の通信を含む、データの転送を促進するための、他のネットワークデバイスおよびサービスを含んでもよい。

クライアントデバイスは、コンピューティングデバイスであってもよい。例えば、それらは、携帯電話、スマートフォン、携帯情報端末、およびタブレットコンピュータ等のモバイルコンピューティングデバイスを含んでもよい。それらはまた、ラップトップコンピュータ、端末、またはデスクトップコンピュータを含んでもよい。クライアントデバイスは、異なる当事者、すなわち、医薬品販売員とＨＣＰとの間の情報交換を可能にすることができる。クライアントデバイスのうちの１つ以上のものは、１人以上の医薬品販売員と関連付けられてもよい（「医薬品販売員クライアントデバイス」）。１つ以上のクライアントデバイスは、１人以上の医療提供者（ＨＣＰ）と関連付けられてもよい（「ＨＣＰクライアントデバイス」）。医療提供者は、医師、看護師、実地看護師、薬剤師、科学者、研究員、または技師を含んでもよい。医薬品販売員およびＨＣＰは、自身のクライアントデバイスを使用して、例えば、電子メール、インスタントメッセージング、インターネットチャットプロトコル、メッセージボード、または電子掲示板システム（ＢＢＳ）等のテキストベースのオンラインまたはネットワーク化通信の方法を使用して通信してもよい。メッセージはまた、モバイルテキストメッセージおよびソーシャルメディアウェブサイト、モバイルアプリケーション、電話呼出、対面会合、ビデオ会議、会議またはセミナー、またはＨＣＰの業務施設において実行される関連付けられるイベントからのメッセージを含んでもよい。

医薬品販売員クライアントデバイスは、分析のために、医薬品販売員によって行われるアクションを含む、情報をサーバに伝送してもよい。医薬品販売員クライアントデバイスは、サーバから、推奨されるメッセージまたはＨＣＰに連絡するための示唆される方法等の推奨を受信し、それらを医薬品販売員に提示してもよい。医薬品販売員クライアントデバイスは、そのような推奨を提示するためのユーザインターフェース（ＵＩ）を提供する、ソフトウェアをインストールされてもよい。ソフトウェアは、Ｖｅｅｖａ ＣＲＭおよびＩＱＶＩＡ ＣＲＭを含む、顧客関係管理（ＣＲＭ）システム、およびＭＩＣＲＯＳＯＦＴ（Ｒ） ＯＵＴＬＯＯＫ、ＧＯＯＧＬＥ（Ｒ） ＨＡＮＧＯＵＴＳ、ＡＰＰＬＥ（Ｒ） ｉＣＨＡＴ、およびＦＡＣＥＢＯＯＫ（Ｒ） ＭＥＳＳＥＮＧＥＲを含む、他のソフトウェアアプリケーション等のネットワーク化通信を可能にするアプリケーションと統合してもよい。例えば、ソフトウェアは、情報が医薬品販売員に提示される、ポップアップ通知または付加的ウィンドウを提供するために、チャットアプリケーションを拡張してもよい。医薬品販売員クライアントデバイスは、サーバから推奨されるメッセージを周期的に読み出してもよい、または医薬品販売員が、推奨されるメッセージがサーバから提供される要求を提出するときにメッセージを読み出してもよい。ＨＣＰクライアントデバイスはまた、ネットワーク化通信プログラムをそれらの上にインストールされてもよく、医薬品販売員によって送信されたメッセージをＨＣＰに提示してもよい。医薬品販売員クライアントデバイスおよびＨＣＰクライアントデバイスの両方は、それぞれ、医薬品販売員およびＨＣＰによって行われるアクションのログをとり得る、ソフトウェアをそれらの上にインストールされ、これらのアクションの記録をサーバに送信してもよい。ログをとられるアクションは、マウスクリック、キーストローク、またはオンスクリーン要素との相互作用を含んでもよい。アクションは、サーバが、機械学習分析のためのタイムビニングデータとしてそれらを記録するために、タイムスタンプとともにサーバに送信されてもよい。

サーバは、物理サーバまたは仮想サーバであってもよい。物理サーバは、サーバファーム環境内に展開されてもよい。仮想サーバは、クラウドコンピューティング環境または分散コンピューティング環境内に存在してもよい。サーバは、データを記憶し、データ分析を実施してもよい。サーバは、１つ以上のデータ記憶システムを含んでもよい。データストアは、メッセージデータ、医薬品担当者（医薬品販売員）データ、およびＨＣＰデータを含有してもよい。医薬品販売員データは、医薬品担当者によって販売される、薬物および治療を含んでもよい。ＨＣＰデータは、ＨＣＰの専門または実践エリア、ＨＣＰが属している病院または団体、およびＨＣＰの年功レベルを含んでもよい。医薬品販売員およびＨＣＰデータはまた、年齢、教育、場所、および民族性等の人口統計情報を含んでもよい。データストアはまた、医薬品市場戦略の電子表現、例えば、医薬品販売員が、ＨＣＰを訪問し、ＨＣＰにメッセージを送信する、好ましい、または最適なタイミング、ＨＣＰの部門を標的化するための具体的命令、ＨＣＰとの関与を標的化し、改良するためのガイドライン、およびインバウンドアクティビティのシーケンスおよびタイプ等を記憶してもよい。

サーバは、医薬品販売員クライアントデバイスおよびＨＣＰクライアントデバイスを含む、クライアントデバイスからデータを受信してもよい。サーバは、クライアントデバイスからデータを要求し、機械学習分析を実施するために、クライアントデバイス上にインストールされたコンピュータプログラムとネットワークを通して通信してもよい。例えば、サーバは、アクションデータに関する要求を周期的に行ってもよい。サーバは、月単位、週単位、または日単位で、または所定の時間間隔でデータを要求してもよい。いくつかの実施形態では、クライアントデバイスは、サーバと特定のデータアイテムまたはデータのカテゴリを共有することをオプトインまたはオプトアウトすることが可能であってもよい。サーバは、データを集約および編成するために、１つ以上のコンピュータプログラムをインストールされてもよい。コンピュータプログラムのうちの１つは、クライアントデバイスのうちの１つ以上のものからサンプリングされたデータが、不十分であるかどうかを決定するように構成されてもよく、必要な場合、クライアントデバイスから付加的データを要求してもよい。

ＨＣＰ関与エンジンは、販売に関するＨＣＰに向けた医薬品販売員アクションの有効性を評価するように構成されることができる。ＨＣＰ関与エンジンは、関与スコアを作り出すために、サーバ内のデータストアからのデータを分析してもよい。ＨＣＰ関与スコアは、ＨＣＰ関与のみに依存してもよく、ＨＣＰ属性およびインバウンドアクティビティから独立してもよい。関与スコアを作り出すために、ＨＣＰ関与エンジンは、最初に、データの一部によって引き起こされる交絡効果を除去してもよい。交絡効果を引き起こし得るデータは、インバウンドアクティビティデータと、アウトバウンドアクティビティデータと、ＨＣＰおよび医薬品販売員の属性とを含み得る。これらの交絡効果が、除去されると、ＨＣＰ関与エンジンは、医薬品販売員アクションの関数としてＨＣＰ関与を査定してもよい。ＨＣＰ関与エンジンは、本分析を実施するために、１つ以上の機械学習アルゴリズムまたは統計的方法を使用してもよい。ＨＣＰ関与エンジンは、１つ以上の医薬品販売員アクションに続くＨＣＰアクションを予測するために、ランダムフォレストモデルを使用してもよい。例えば、ＨＣＰ関与エンジンは、医薬品販売員が、具体的時間に、他のメッセージのシーケンス内でこれを送信し、メッセージが、具体的コンテンツを含有していたことを前提として、ＨＣＰが、医薬品販売員によって送信されたメッセージを開封するであろうかどうかを予測するために使用されてもよい。

いくつかの実施形態では、ＨＣＰエンジンは、アクションのセットまたはアクションシーケンスのセットからスコアを作成してもよい。これは、次いで、最大スコアを伴うアクションまたはアクションのシーケンスを選択してもよい。これは、以下の方程式（１）によって表されてもよい。

上記の方程式では、ｉ^＊は、選択されたアクションを表し、これは、最も大きいＨＣＰ関与スコア（ＨＥＳ）を作り出すアクションである。本式は、時間依存性であり、アクションのスコアは、時間に基づいて変化し得る。類似する式が、アクションのシーケンスのセットの中から最大ＨＥＳを伴うアクションのシーケンスを決定するために使用されてもよい。

本システムは、計算されたＨＥＳに基づいて、好ましいであろうアクションまたはアクションのシーケンスに関する洞察または推奨を提供してもよい。これらの洞察または推奨は、例えば、グラフィカルユーザインターフェースを伴うモバイルアプリケーションを使用して、自身のクライアントデバイス上で医薬品販売員に提供されてもよい。それらはまた、電子メール通信等のネットワーク化通信の方法を使用して、医薬品販売員に提供されてもよい。

図２は、インバウンドアクティビティおよびアウトバウンドアクティビティを考慮するために、本システムによって分析され得る、データタイプの図示である。データタイプは、アカウント情報２１０と、共変量２２０と、インバウンドデータ２４０と、アウトバウンドデータ２３０と、アウトバウンド加重２５０と、インバウンド加重２６０とを含んでもよい。上記のデータタイプ内のデータは、定量および／または定性データを含んでもよい。データは、マトリクスまたはベクトル形態であってもよく、バイナリ、連続、またはカテゴリタイプデータを含んでもよい。

データは、多くの異なるデータソースから本システムにインポートされてもよい。データソースは、顧客関係管理（ＣＲＭ）システム、医薬品専用データベース、市場セグメンテーション、および販売データを含んでもよい。これらの異種のソースからのデータが、分析のために本明細書に開示されるアルゴリズムによって使用され得る具体的フィールドを伴う標準化データを作り出すために、本システムによって処理されてもよい。特定のアカウントに関するデータが、１つ以上のデータソースによって提供されてもよく、これらのデータソースからの異なるデータフィールドが、特定のアカウントに関する１つのデータ入力の中に合併されてもよい。

アカウント情報２１０は、医薬品販売員によって管理される、個々のアカウントを含んでもよい。アカウントは、個々のＨＣＰ、または１人以上のＨＣＰから成る個々の施設に対応してもよい。データの個々のブリックが、１つ以上のアカウントからのデータを含んでもよい。アカウントは、数字標識（例えば、１００１、１００２、１０００３等）または名前標識を割り当てられてもよい。アカウントは、アカウントが個人または施設に関連するかどうかに応じて、１つ以上のブリックに関連してもよい。いくつかの状況では、ＨＣＰは、複数の施設に属してもよく、したがって、アカウントは、同時に複数のブリックに関連してもよい。アカウント情報は、新しいＨＣＰが、施設に登録されると、またはＨＣＰが、異なる施設に移動する、またはもはや活動していないとき、更新されてもよい。

共変量２２０は、ＨＣＰの種々の属性を含む。共変量２２０は、専門、施設、経験年数、職業、購買習慣、年齢、肩書、およびＨＣＰと医薬品販売員との間の関係に関する情報等の人口統計情報を含んでもよい。共変量２２０は、相互に相関する、インバウンド変数のうちの１つ以上のものと相関する、アウトバウンド変数のうちの１つ以上のものと相関する、または相互に独立し、かつ変数のうちのいずれかから独立してもよい。例えば、より年齢の高いＨＣＰは、より多い年功およびより多い経験年数を有し得る。より年齢の高いＨＣＰは、ＨＣＰが、医薬品販売員とより多く接触している場合があるため、具体的医薬品販売員とより良好な個人的関係を有している場合がある。共変量２２０は、連続、カテゴリ、またはバイナリ変数であってもよい。バイナリ変数は、ＨＣＰが、薬物／療法に関心を示したか、施設または同僚に推奨を行ったか、および／または特定の日、週、月、または年の間等の特定のタイムフレームにおいて患者に薬物／療法に関する処方箋を書いたかどうかを含んでもよい。バイナリ変数はまた、ＨＣＰが、医薬品販売員からの通信に対してアクションを実施したかどうかを含んでもよい。連続変数は、タイムビニングされた患者量、送信および受信された通信の追跡された量、種々の患者処置関連アクティビティの実施に費やされた時間、および累積的な薬物および療法処方を含んでもよい。カテゴリ変数は、専門、年功、経験年数、勤務施設、教育、結婚歴、参加した会議、民族性、および労働時間を含んでもよい。

アウトバウンドアクティビティ２３０または変数は、医薬品販売員によって実施されるアクションに応答してＨＣＰによって行われ、医薬品販売員によって実施されるアクションに直接または間接的に関連する、アクションであってもよい。アウトバウンドアクティビティ２３０は、（１）販売のための医薬製品を提供している企業のウェブページへのＨＣＰによる訪問の回数、（２）医薬製品に関するＨＣＰから１人以上の販売担当者への通信の回数、（３）ＨＣＰが参加した関連するシンポジウムの回数、または（４）医薬製品のＨＣＰによる保証の回数を含んでもよい。アウトバウンドアクティビティ２３０は、アウトバウンド特徴をもたらしてもよく、これは、データとして本システムに入力され、分析のために使用されてもよい。アウトバウンド特徴は、特徴がＨＣＰ関与レベルに対して及ぼす効果の内容を決定するために分析されてもよい。アウトバウンド特徴は、相互に関連する、独立する、インバウンド特徴に関連する、または共変量に関連してもよい。ある場合には、複数のアウトバウンド特徴は、ＨＣＰが、（ａ）１人以上の販売担当者によって送信される１つ以上のメッセージを開封すること、（ｂ）１つ以上のメッセージ内のコンテンツまたはハイパーリンクをクリックすること、（ｃ）１つ以上のメッセージに返信すること、（ｄ）１つ以上のメッセージを１人以上の他の当事者に転送すること、（ｅ）１つ以上のメッセージを削除すること、（ｆ）１つ以上のメッセージをアーカイブ化すること、（ｇ）１つ以上のメッセージをソーシャルメディアまたはウェブサイト上に投稿または共有すること、または（ｈ）１つ以上のメッセージに対して無活動であること、またはそれに対して行われる活動が欠如することを含んでもよい。

インバウンドアクティビティ２４０または変数は、製品またはサービスをＨＣＰに売り込み、販売する目的のために、ＨＣＰに向けて医薬品販売員および／または製薬企業によって実施される、アクションであってもよい。医薬品販売員の努力に加えて、製薬企業は、マーケティング資料（電子的、または紙において）、種々の媒体またはチャネル上の広告、セミナーに参加するための招待状等の形態であり得る、通信をＨＣＰに直接送信し得る。インバウンドアクティビティ（または変数）は、相互に、または共変量から独立する、または相互の、または共変量の関数であってもよい。いくつかの事例では、それらは、アウトバウンド変数とのある程度の相関を有してもよい。インバウンドアクティビティは、インバウンド特徴を作成するためにカタログ化されてもよく、これは、ＨＣＰ関与を決定するために、本システムのために分析されてもよい。ある場合には、インバウンドアクティビティデータ内の複数のインバウンド特徴は、（１）１人以上の販売担当者によるＨＣＰへの訪問の回数、（２）１人以上の販売担当者によってＨＣＰに送信される電子通信の回数、（３）１人以上の販売担当者からＨＣＰへの電話呼出の回数、（４）１人以上の販売担当者によって開始されるＨＣＰへの会合招待の回数、または（５）医薬製品に関する情報を提供する、ＨＣＰに企業によって送信されるマーケティング通信の回数を含んでもよい。インバウンドアクティビティ２４０は、以下、すなわち、（１）電子メール通信、（２）モバイルテキストメッセージ、（３）ソーシャルメディアウェブサイト、（４）モバイルアプリケーション、（５）電話呼出、（６）対面会合、（７）ビデオ会議、（８）会議またはセミナー、または（９）ＨＣＰの施設において実行されるイベントのうちの１つ以上のものを含む、１つ以上の通信チャネルを経由して収集されてもよい。

本システムが、アウトバウンド特徴およびインバウンド特徴に対して分析を実施するために、アウトバウンドおよびインバウンド特徴は、マトリクス形態において表されてもよい。例えば、インバウンド特徴マトリクスにおける行は、ＨＣＰまたはブリックを表し得る、個々のアカウント番号または標識であってもよい。列は、インバウンド特徴であり、各列は、具体的カテゴリを表してもよい。したがって、具体的行列２Ｄインデックスは、特定のアカウントからの特定の特徴の値を表してもよい。具体的インデックスに関する特徴データが、利用可能ではない場合、これは、他の特徴の値から補間されてもよい。

いくつかの実施形態では、インバウンド特徴およびアウトバウンド特徴は、インバウンド加重２６０およびアウトバウンド加重２５０をそれらに適用されてもよい。これらの加重は、分析の正確度を改良するために、アウトバウンド特徴に適用され得る、ベクトル内のスカラー数であってもよい。加重は、１つ以上のベクトル乗算演算を使用して適用されてもよい。これらの加重は、エンドユーザによって記述および入力されてもよい、または機械学習アルゴリズムまたは統計的方法を使用して生成されてもよい。より大きい加重が、交絡においてより高い値またはより高い重要度を有する特徴に適用されてもよく、より小さい加重が、交絡においてより低い値またはより低い重要度を有する特徴に適用されてもよい。加重は、条件に応答して変化するように構成されてもよい。例えば、特定のアクションが、それらが起こる日、週、または月の時間に応じて、より高いまたはより低い重要性を有してもよい。加えて、より多くのデータが、本システムによって読み出されるにつれて、本システムは、インバウンドおよびアウトバウンドアクションについての情報を学習し得、これは、クライアントが、これらのアクションのうちの１つ以上のものの重要度を再査定することにつながり得る。加重は、種々のアウトバウンドおよびインバウンド因子の重要度に関する医薬品マーケティング部の「意見」を捕捉するように構成されることができる。実施例として、ウェビナーにおけるＨＣＰの参加は、アウトバウンド相互作用の値の観点から、ウェブサイトへのＨＣＰの訪問の２倍重要であるとして加重されてもよい。図２は、加重をマトリクスにおける列として図式的に図示するが、加重は、実際には、マトリクスの行を乗算するベクトルであり、すなわち、各列は、加重されることを理解されたい。

集計販売数２７０が、ブリックによって編成されてもよい。ブリックは、施設から収集されるデータを含んでもよい。ブリックは、１つ以上の施設を含んでもよく、これは、順に、１人以上のＨＣＰを有してもよい。個々のブリックは、地理的領域、場所、サイズ、ＨＣＰの数、地域の社会経済、または地域の人口統計を含む、１つ以上の因子を共通して有する施設を含有してもよい。分析において使用されるブリックは、均一なサイズである場合とそうではない場合がある。分析において使用されるブリックのうちのいくつかは、１人のＨＣＰを含有する施設に由来してもよく、他のブリックは、複数のＨＣＰを有する施設に由来してもよい。

調節された販売データは、ブリックレベルの代わりに、個々のレベルにおいて細分類される、販売値を含んでもよい。いくつかの実施形態では、細分類は、ブリック内のＨＣＰあたりの平均販売数を決定することによって（ブリック内の合計販売数をブリック内に含有されるＨＣＰの数で除算することによって）実施されてもよい。次に、本システムは、ＨＣＰあたりの調節された販売数を決定してもよい。本システムは、大いに関与するＨＣＰが、患者への処方のためにある医薬製品またはサービスを処方または推奨している可能性がより高いと仮定してもよい。したがって、より関与するＨＣＰは、調節された販売数のより高い割合を分配される一方、あまり関与していないＨＣＰは、調節された販売数のより低い割合を分配される。

図３は、いくつかの実施形態による、本システムの異なる機能を図示する、ブロック図である。図３のブロック図は、販売データ準備／調節３１０、インバウンドアクティビティ効果の交絡除去３２０、およびアウトバウンドアクティビティ効果の交絡除去３３０を示す。用語「交絡除去」は、「交絡因子がないこと」を意味することができ、その用語は、本明細書で同義的に使用され得る。インバウンドアクティビティ効果の交絡除去およびアウトバウンドアクティビティ効果の交絡除去のステップは、交換可能に実施されてもよい。本明細書に開示されるように、販売データ調節は、アウトバウンドアクティビティに対して実施されてもよい。種々の実施形態では、販売データ調節は、他のタイプの収集されたデータを使用して実施されてもよい。

販売データ準備３１０は、ブリック内のＨＣＰを横断してブリックレベル販売データを分配するステップを含んでもよい。データは、複数のソースから取得されてもよく、販売データの分配は、ブリック内のＨＣＰの全てを横断して実施されてもよい。個々の販売データと異なり、ＨＣＰ関与は、サーバ内のＨＣＰからのアクティビティデータのログをとることによって、直接測定されてもよい。高いアウトバウンドアクティビティを伴うＨＣＰは、高い関与を呈していると仮定されてもよく、したがって、より低いアウトバウンドアクティビティを伴うＨＣＰよりも販売数のより大きいパーセンテージを占めている可能性が高い場合があり、これは、販売数分配アプローチの前提を提供する。販売データを調節するステップは、ブリック内のＨＣＰに関するＨＣＰアウトバウンドアクティビティに基づいて、ブリックあたりの平均販売数または調節されていない販売数に加重を適用するステップを含んでもよい。これは、アウトバウンドアクティビティデータによって形成されるスペース上に調節されていない販売データを投影するために、マトリクス乗算方法を使用することによって実施されてもよい。調節された販売データは、医薬製品の販売に対する異なるマーケティング戦略の影響を推定するために、本明細書に説明されるＨＥＳモデル等の予測モデルにおける標的として使用されることができる。他の予測モデルもまた、調節された販売データを同様に活用するマーケティング戦略の影響を推定し、本明細書に説明されるような異なる方法を使用して交絡を考慮するために、開発されてもよい。

ある場合には、製薬企業は、いくつかの特徴が、その他よりも多く加重されるように、アウトバウンド特徴を分類してもよい。本加重はまた、アウトバウンド特徴に、アウトバウンド加重のマトリクスまたはベクトルを乗算するマトリクスによって実施されてもよい。インバウンド処理段階に続いて、本システムは、フィッティングされた関数をインバウンド特徴の利用可能なセットに適用し、関数によって予測されるものからの調節された販売数の逸脱を測定することによって、残差を計算してもよい。これらの残差から、本システムは、次いで、アウトバウンドアクティビティデータに対する処理を実施してもよい。

ブリック内で販売数をＨＣＰに分配するステップは、単純な線形モデルを使用して、または非線形モデルによって実施されてもよい。いくつかの実施形態では、ブリック内で販売数をＨＣＰに分配するステップは、線形モデルの単純さのために好ましくあり得る、別の場所に説明されるような一般逆行列を使用するステップを伴ってもよい。線形モデルは、線形回帰を含んでもよい。非線形モデルは、勾配ブースティング木、分類木、回帰木、バギング木、およびランダムフォレスト等の決定木ベースのモデルを含んでもよい。それらはまた、ニューラルネットワークベースのモデルを含んでもよい。

販売調節プロセスの実装が、以下のように説明される。一実施例では、調節されていない全体的販売データが、最初にｘに関する方程式（２）を解くことによって、ブリックｂ内の提供者を横断して分配されてもよい。

方程式（２）では、サブマトリクスｏ_ｂは、ブリックｂおよびサブベクトル（例えば、列ベクトル）と関連付けられる提供者のアウトバウンドアクティビティを識別し、ｓ_ｂは、ブリックｂと関連付けられる提供者の販売（または処方）アクティビティを識別する。

各提供者のアウトバウンドアクティビティに（またはそれに基づいて）調節された提供者あたりの分配された販売データを決定するために、方程式（３）および（４）が、解かれてもよい。

方程式（３）では、ｏ_ｂ ^＋は、ｏ_ｂの一般逆行列であり、方程式（４）の投影

は、提供者のアウトバウンドアクティビティに調節された販売数（「アウトバウンドアクティビティ分配販売値」とも称される）を提供する。

方程式（４）の解ｏ_ｂｘ^＊は、提供者あたりの分配された販売データ（「調節された販売値」とも称される）を提供する。

アウトバウンドアクティビティが異なる加重を与えられる実施形態では、加重されたアウトバウンドアクティビティマトリクスｏ_ｂ ^ｗが、方程式（５）を解くことによって提供されてもよい。

方程式（５）では、Ｉは、恒等サブマトリクスであり、ｗ_ｏは、アウトバウンドアクティビティ加重サブマトリクスである。方程式（５）が、ｏ_ｂ ^ｗに関して解かれた後、加重されたアウトバウンドアクティビティサブマトリクスは、加重されたアウトバウンドアクティビティ分配販売値を提供するために、方程式（２）−（４）におけるｏ_ｂの代わりに使用されてもよい。

別の実施例では、一部の提供者（例えば、３人）が、特定のブリックｂに（例えば、訓練するために）割り当てられてもよい。本実施例では、第１の提供者は、関連する期間の間に２つのシンポジウムに参加しており、第２の提供者は、関連する期間の間に関連するウェブサイトを一度訪問しており、第３の提供者は、関連する期間の間に１つのシンポジウムに参加している。したがって、第１の提供者は、第２の提供者または第３の提供者のいずれかよりも高い関与レベルを有する。提供者のアウトバウンドアクティビティは、以下のアウトバウンドサブマトリクスｏ_ｂを提供し、行は、３人の提供者を示し、列は、左の列におけるウェブサイト訪問および右の列におけるシンポジウム参加を伴う異なるアウトバウンドアクティビティを示す。

本実施例では、不明瞭にされた全体的ブリック販売数（例えば、特定のブリック内の全ての販売数の和）は、３であってもよく、したがって、提供者あたりの平均ブリックレベル販売数は、関連する期間の間の１に等しく、これは、以下のサブベクトルｓ_ｂを提供する。

ｏ_ｂの一般逆行列は、以下の通りである。

提供者のアウトバウンドアクティビティに調節された販売数（「アウトバウンドアクティビティ分配販売数」とも称される）は、以下のように提供される。

式中、

である。

上記のマトリクス

に見られるように、第１の提供者は、第１の提供者が、２つのアウトバウンドアクティビティ（すなわち、２回のシンポジウム訪問）を有していた一方、第２および第３の提供者が、それぞれ、１つのみのアウトバウンドアクティビティ（すなわち、それぞれ、１回のウェブサイト訪問および１回のシンポジウム訪問）を有していたため、特定のブリックｂ内の３人の提供者の中で販売数の最も大きい相対的シェアを有すると見なされる。

上記は、一般逆行列が使用される、線形モデルの実施例である。前述のように、モデルの利点は、これが使用することが単純であることである。それにもかかわらず、より複雑である非線形モデルが、いくつかの他の実施形態において使用され得ることに留意されたい。

インバウンド交絡除去段階３２０は、ＨＣＰ関与に対するインバウンドアクティビティの効果を考慮することができる。これを達成するために、本システムは、インバウンド特徴および共変量の関数を調節された販売数にフィッティングしてもよい。これは、ランダムフォレストアルゴリズムを用いて等、非線形方法を使用して実施されてもよい。ランダムフォレストアルゴリズムが、実施されると、本システムは、調節された販売数に最も寄与したものを決定するために、共変量およびインバウンドアクティビティに関する相対的重要度を決定してもよい。

一実施形態では、インバウンドアクティビティの影響は、関数ｆ（ｃ，ｉ）をフィッティングすることによって低減される。例えば、モデルｆ（ｃ，ｉ）＝ｓ^＊が、フィッティングされ、ｓ^＊は、ブリックあたりの調節された販売数のベクトルである。

モデルｆ（ｃ，ｉ）は、インバウンドアクティビティが、特定の提供者属性と大いに関連または相関し得るため、属性（例えば、属性または共変量のマトリクス）を含む。例えば、より若い提供者は、電話呼出よりも電子メールを受け入れる場合があり、例えば、「３５」未満の年齢属性を伴う提供者が、より多くの数の電話呼出インバウンドアクティビティに晒され得ることが見出され得る。

いくつかの実施形態では、加重が、インバウンド特徴に適用されてもよい。本実施形態では、ｆ（ｃ，ｉ）＝ｓ^＊をフィッティングする代わりに、加重されたインバウンドアクティビティサブマトリクス

が、使用される。

最後に、本システムは、アウトバウンド効果処理段階の間にアウトバウンド効果を考慮することができる。本システムは、再び、今回はインバウンド効果の交絡除去のステップから計算される残差にモデルをフィッティングすることができる。モデルは、アウトバウンドアクティビティ効果を考慮するために、アウトバウンド効果を残差にフィッティングすることができる。

アウトバウンド交絡除去段階３３０の間、販売データに関連する残りの効果は、

をモデル化することによって、各提供者のアウトバウンドアクティビティに帰する。結果として生じるモデルｈ^＊（ｏ）は、不明瞭にされた全体的販売データと、インバウンドアクティビティ処理段階の間に収集されたアウトバウンドおよびインバウンドアクティビティと、インバウンドアクティビティに相対的に関係なく、各提供者のアウトバウンドアクティビティに基づく、特定のブリック内の提供者あたりの推定された販売数との間の相関を提供する。結果として生じる相関は、企業によって提供者に実施されるアクションであるインバウンドアクティビティと無関係に、特定の提供者がいかにしてその企業（例えば、製薬企業）と「関与する」かのインジケーションを提供する。本情報を使用することによって、企業は、企業のマーケティング努力に関係なく、関連する製品（例えば、調合薬）を処方している特定のブリック内の提供者を決定し、したがって、企業が、幾分関与し、経時的により関与した状態になる可能性が高いとモデル化された提供者を標的化することによって、その限定されたマーケティングリソースをより良好に利用することを可能にすることができる。

アウトバウンド特徴は、ＨＣＰ関与と最も強く相関する特徴を決定するために、ランク付けされてもよい。アウトバウンド特徴の相対的重要度を示す、ランク付けられたリストを生成することは、最も強く関与し、したがって、医薬品販売員から製品およびサービスを調達する可能性が高いＨＣＰを決定するために、製薬企業が、監視するべきＨＣＰからのアウトバウンドアクティビティを決定することを可能にしてもよい。本データは、関与モデルから取得された関与レベルに部分的に基づいて、製薬企業が、複数のＨＣＰのそれぞれに関する最適な販売およびマーケティング戦略を決定することを可能にすることができる。

図４は、本開示の実施形態と併用され得る、ランダムフォレストアルゴリズムを示す。ランダムフォレストは、訓練時間に多数の決定木を構築し、個々の木のクラス（分類）または平均予測（回帰）のモードであるクラスを出力することによって動作する、分類、回帰、および他のタスクのためのアンサンブル学習方法である。ランダム決定フォレストは、それらの訓練セットにオーバーフィッティングする決定木の傾向を補正することができる。

大きいデータセットを分類するために単一の木を使用することは、多くの場合、望ましくない。決定木は、データセットの要素の個々の特性に関してデータセットを反復的にパーティション化することによって、データセット内の要素を分類する。これらの特性は、特徴と呼ばれる。データ要素を適切に分類するために、パーティションは、それぞれ、いくつかの要素のみを含有する必要があり得る。決定木では、パーティションが、ある特徴のためにある閾値を使用して要素を比較することによって作製される。例えば、集団が、２つのグループに分割されてもよく、一方のグループは、茶色の眼を有し、他方のグループは、茶色の眼を有していない。本分割は、枝として可視化され、各枝の底部における要素は、葉または節点として可視化されてもよい。大きいデータセットに関して、多くのパーティションが、作製される必要がある。決定木を訓練するとき、多すぎるパーティションを作成することは、低バイアスであるが、高分散のデータセットをもたらし得る。したがって、単一の深層決定木を使用して多すぎるパーティションを作成することは、オーバーフィッティングをもたらし得る。

決定木を使用してデータを分類するときにオーバーフィッティングを回避するために、いくつかの機械学習アルゴリズムが、開発された。これらの方法のうちの１つは、ランダムフォレスト方法である。ランダムフォレスト方法は、多くの木を作成し、それらを平均化し、分散を低減させ、性能を向上させる。作成される木毎に、ランダムフォレストアルゴリズムは、特徴のランダムサブセットを選択する。本プロセスは、ブートストラップアグリゲーティングまたはバギングと呼ばれる。作成されるべき木の数は、開発者によって設定されてもよく、数百単位であってもよい。個々の決定木が、特定の長さまたは分岐する決定の数まで成長されてもよい。例えば、使用される特徴の数は、開発者によって設定されてもよい。代替として、木の長さは、損失関数の最小化等の収束条件に基づいて決定されてもよい。いったん木の全てが、実装されると、木からの分類結果が、集約される。例えば、各木の底部における各分類グループ（節点または葉）は、あるスコアを与えられてもよく、これらのスコアは、分類グループ毎の合計分類スコアを作り出すために、ともに加算されてもよい。各グループ内の要素は全て、同一のスコアを有する。これらのスコアは、定性的な値にマッピングされてもよい。前述の実施例では、ランダムフォレスト方法は、茶色の眼を伴う対象の全てに０．５を上回るスコアを与え、茶色の眼を伴わない全ての対象に０．５を下回るスコアを与えてもよい。

図４は、２つの決定木を伴う、ランダムフォレストの単純な実施例を示す。各決定木は、２つの特徴の異なる「ランダム」セットに基づいて、２つの分割を有する。左の木は、特徴１および２に分割する一方、右の木は、特徴３および４に分割する。各木は、黒色の塗りつぶされた円によって指定される、着目特徴を含む、要素のセットを分析する。各木は、同一数の要素を分析するが、塗りつぶされていない白色の円によって指定される、残りの要素は、必ずしも同一ではない。これは、本実装では、各木が、分析のために要素の固定サイズのサブセットを無作為に選択するためである。木の各レベルは、バイナリ決定に対応する。図４では、決定は、「はい」または「いいえ」決定である。木の各レベルにおいて、要素は、各レベルにおける特徴に関するバイナリ決定に基づいて分類される。末端の節点または葉は、要素の最終分類を表す。これらの分類に基づいて、要素は、スコアを与えられる。左の木では、黒色の塗りつぶされた円は、スコア（１）を与えられる。右の木では、黒色の塗りつぶされた円は、スコア（２）を与えられる。これらのスコアは、黒色の塗りつぶされた円の要素に関する全体的スコアを作り出すために、加算される。白色の塗りつぶされていない円もまた、スコアを受け取るが、それらは、図に示されない。

ランダムフォレストアルゴリズムが、ここで説明されるが、データ要素を分類するために決定木からのスコアを集約する、他の方法もまた、使用されてもよい。これらの方法は、勾配ブースティング木、他のタイプのバギング木、回転フォレスト、および決定リストを含む。

図５は、いくつかの実施形態による、ＨＣＰによる販売数上に投影されたアウトバウンド特徴の影響の図示を示す。プロットは、実践において経験し得る平均および共分散挙動を捕捉するように設計されるシミュレーションから作成される、「合成」データのためのデータ調節を示す。プロットは、調節された販売数対１０，０００個のＨＣＰの観察、４個のアウトバウンド変数、および１０個のブリックを有していた本データからの販売数を示す。図示されるものは、平均ブリック販売数に関して、分析におけるＨＣＰの全てに関する調節された販売数４１０である。特定の平均販売値に関して、ＨＣＰに関する推定された販売数の範囲が、存在する。より広い帯域は、平均販売数においてより大きい変動を有し得る、または、より多くのＨＣＰが下層ブリック内に含有されるため、より広くもあり得る。

プロットは、１７個のブリックに関する調節された販売数を示す。ブリックは、１つ以上のアカウントを表してもよい。図５では、ブリックは全て、複数のアカウントに関する販売データを含有する。プロットは、約４００，０００の合計販売数を伴う、１つのブリック内の調節された販売数の範囲を示す、第１のブリック４２０を示す。プロットはまた、約６５０，０００の合計販売数を伴い、そのブリック内のＨＣＰに関する調節された販売数の範囲を伴う、第２のブリック４３０を示す。

図６は、いくつかの実施形態による、プロセスフロー６００である。第１のステップでは、本システムは、ＨＣＰおよび医薬品販売員からのデータ、およびＣＲＭ、医薬品データベース、市場セグメンテーションによって、および他のソースから提供され得る、他のデータを収集する。収集されるデータは、ＨＣＰ情報、取引、イベント、ウェブアクセス、販売データ、および施設情報を含んでもよい。収集されるデータは、サーバ内に記憶されてもよく、その場所で、これは、分析のために好適なフォーマットになるために、前処理を受けてもよい。

次に、本システムは、サーバ内に収集および記憶された、調節されていない販売データを読み取り、準備し、調節された販売データを形成する。本ステップのために分析されるデータは、調節されていない販売データ、施設情報、およびＨＣＰ情報を含んでもよい。施設情報およびＨＣＰ情報は、調節されていない販売データを準備するために使用されてもよい。例えば、特定のブリックに関して、そのブリック内の販売データの発信施設が、既知である場合、ブリック情報は、ブリックに所属するデータを伴う施設に所属するＨＣＰを確認するために、施設およびＨＣＰ情報と相互参照されてもよい。販売データを調節するステップは、例えば、（ブリック内のＨＣＰを横断して販売数を分配する）図３の方法を使用して実施されてもよい。

次に、本システムは、インバウンドＨＣＰデータを読み取り、準備する。収集されるデータは、イベントおよび取引に関するデータを含んでもよい。イベントデータは、自身の患者のために処方箋を書くＨＣＰに商品およびサービスを売り込むために、ＨＣＰに向けて医薬品販売員によって行われるインバウンドアクションを含んでもよく、その人は、ひいては、処方を履行するために購入を行い得る。取引データは、以下の記録を含んでもよい。米国では、データは、薬局および薬物の他の流通業者において、調合された処方箋およびそれらを注文したＨＣＰに関して収集され得る（そのようなデータは、実施例として、ＩＱＶＩＡによって収集され得る）。欧州等の他の地域では、ＨＣＰの処方箋書に関するデータは、概して、ブリックレベルを除いて利用可能であり得ない。ある場合には、取引データは、販売員がＨＣＰに残していった無料サンプルに関する情報を含んでもよい。医薬品販売員はまた、概して、１つ以上のＣＲＭシステムにおいて自身の取引アクティビティを記録するように要求されてもよい。本システムは、ＣＲＭシステムにアクセスし、処理のためにデータをダウンロードすることができる。本システムは、データ内に記憶された関連するフィールドを抽出し、データをマトリクスフォーマットにパッケージングすることによって、データをインバウンド特徴情報に変換することができる。準備されたインバウンド特徴は、次いで、インバウンドアクティビティデータの効果を除去するために、例えば、図３におけるような非線形方法を使用して分析される。本システムは、それらの推定された効果に基づいて、インバウンド特徴をランク付けする。インバウンド特徴のランク付けは、個々のインバウンド特徴の重要度または優位性に基づく。関数が、調節された販売データにフィッティングされると、本システムは、残差を計算し、これは、いずれかの交絡が、インバウンドアクティビティの効果に起因して存在し得るかどうかを決定するために分析されてもよい。残差は、グラフで分析されてもよい。残差のプロットが、作成されてもよく、プロット内の残差のパターンが、付加的交絡を決定するために分析されてもよい。いくつかの実施形態では、新しいモデルが、構築されてもよく、それによって、残差は、新しいモデルによって予測されるべき標的として提供される。

次に、本システムは、アウトバウンドＨＣＰデータを読み取り、準備する。本ステップのために使用されるデータは、イベントおよびウェブアクセスデータを含んでもよい。イベントデータは、医薬品販売員と通信した後にＨＣＰによって行われるアウトバウンドアクションを含んでもよい。これらのアクションは、医薬品販売員によって議論される製品またはサービスに関連してもよい。ウェブアクセスデータは、ＨＣＰが参加したオンラインイベントに関する情報を含んでもよい。これらのオンラインイベントは、ウェビナー、会議、講演、訓練セッション、オンライン展示会、および製薬企業ウェブページへの訪問を含んでもよい。読み取られ、準備されたアウトバウンドデータは、次いで、本システムによる分析のために、処理され、マトリクスフォーマットに変換されてもよい。次に、本方法は、インバウンド処理段階によって計算されたモデル残差を使用して、アウトバウンド効果の影響を推定してもよい。本方法は、ＨＣＰ関与に対するアウトバウンドアクティビティ効果を考慮するために、アウトバウンド特徴の関数を残差にフィッティングする。これらの効果の交絡を除去した後、本システムは、ＨＣＰ関与スコアを作り出すために、インバウンドおよびアウトバウンド効果が考慮された、ＨＣＰ関与モデルを作成してもよい。

図７は、インバウンドアクティビティ効果の交絡を除去するプロセスの視覚表現を図示する。図７は、残差プロット７１０、ヒストグラム７３０、および相対的重要度プロット７２０を示す。

相対的重要度プロット７２０は、ＨＣＰ関与への共変量およびインバウンド特徴の相対的寄与度を示す。例えば、本チャート内に列挙される、３０個の共変量およびインバウンド特徴が、存在する。各特徴の相対的重要度は、特徴のそれぞれがＨＣＰ関与スコアに対して有する効果の大きさを説明する。本データは、ランダムフォレストモデルを使用して、インバウンド特徴のデータ分析の間に収集された。相対的重要度プロットは、種々のデータ分析ツールを使用して構築されてもよい。相対的重要度のバーチャートは、例えば、ランダムフォレストコードによって計算されてもよい。相対的重要度プロット７２０は、はるかに大きい相対的重要度を有するインバウンド特徴ｉ２が、調節された販売数における変動の大部分を解説していることを示す。他の共変量およびインバウンド特徴の効果は、より少なくなった。本チャートは、ｉ２が、残差における構造を考慮する最も有意な予測変数であることを示す。残差プロット７１０は、調節された販売数の関数としての残差を示す。本プロットは、インバウンド処理段階から決定された残差に基づいて作成される。残差プロットは、残差において長円形パターンを示す。インバウンド特徴を調節された販売数にフィッティングするために使用される関数が、調節された販売数に対するインバウンド変数と共変量との間の関係における構造の全てを捕捉していた場合、残差は、明確に異なるパターンを示さないであろう。プロットが、長円形パターンを示すため、残差における情報が、アウトバウンド特徴と関連付けられ得るというインジケーションが、存在する。

ヒストグラム７３０は、インバウンドアクティビティ効果が補償された後の残差を示す。グラフは、残差の分布を示す。ヒストグラムは、ある構造（パターン）を示すため、これは、付加的アウトバウンド効果を捕捉するためにモデル化され得る、残差における残りの情報が存在することを示す。

図８Ａは、アウトバウンドアクティビティ効果が考慮された後のＨＣＰデータの視覚表現を図示する。図８Ａは、アウトバウンドアクティビティ効果が、除去された調節された販売数と、ＨＥＳとの間の関係を示す、残差プロット８１０およびグラフ８２０を示す。図８Ａの視覚表現は、交絡効果が除去された後、ＨＥＳおよび調節された販売数が、大いに相関することを示す。これは、医薬品販売員の標的挙動と医薬製品およびサービスの販売数との間に強い関係が存在することを示唆する。

グラフ８２０は、インバウンドおよびアウトバウンドアクティビティに起因する交絡が除去された、調節された販売数と医療関与スコアとの間の相関のプロットを示す。分かり得るように、交絡因子が、除去されると、医療関与と調節された販売数との間に強い相関が、存在する。グラフ８２０は、２つの変数の間の強い線形関連付けを示す。本関連付けは、交絡因子が、除去されると、医薬品販売員によって行われるアクションが、ＨＣＰ関与に直接関連することを含意する。

残差プロット８１０は、インバウンドおよびアウトバウンド交絡効果の両方が、本システムによって除去されているときの残差を図示する。残差プロット８１０は、アウトバウンドではなく、インバウンド効果が除去された後の残差プロット７１０のものよりも弱いパターンを示す。これは、交絡効果が除去されたことを示す。依然として、残差においてバイモーダルパターンが、存在し、一部の交絡が、依然として、データ内に存在し得ることを示す。交絡は、未知の因子に起因し得、本システムが、それらの因子を考慮した付加的データへのアクセスを有する場合、除去され得る。

図８Ｂは、アウトバウンドおよびインバウンドアクティビティを低減させるための方法の実践的適用８３０を示す。図８Ｂの実施例では、データが、３６ヵ月の期間にわたって１６，７２２人のＨＣＰから収集された。共変量は、ＨＣＰレベル人口統計であった。インバウンド変数は、その月における送信および訪問の回数であった。アウトバウンド変数は、その月におけるログインの回数であった。販売数は、ブリックレベルにおいて集約される。結果は、交絡効果が、除去された後、ＨＥＳと販売数との間の相関が、０．７９に等しくなったことを示す。

（コンピュータシステム）
本開示は、本開示の方法を実装するようにプログラムされる、コンピュータシステムを提供する。図９は、データ共有および分析タスクを実施するようにプログラムまたは別様に構成される、コンピュータシステム９０１を示す。コンピュータシステム９０１は、例えば、ＨＣＰおよび医薬品販売員からのアクションを記憶するステップおよび機械学習分析を実施するステップ等の本開示の種々の側面を調整することができる。コンピュータシステム９０１は、ユーザの電子デバイス、または電子デバイスに対して遠隔に位置する、コンピュータシステムであり得る。電子デバイスは、モバイル電子デバイスであり得る。

コンピュータシステム９０１は、シングルコアまたはマルチコアプロセッサ、または並行処理のための複数のプロセッサであり得る、中央処理ユニット（ＣＰＵ、また、本明細書では、「プロセッサ」および「コンピュータプロセッサ」）９０５を含む。コンピュータシステム９０１はまた、メモリまたはメモリ場所９１０（例えば、ランダムアクセスメモリ、読取専用メモリ、フラッシュメモリ）と、電子記憶ユニット９１５（例えば、ハードディスク）と、１つ以上の他のシステムと通信するための通信インターフェース９２０（例えば、ネットワークアダプタ）と、キャッシュ、他のメモリ、データ記憶装置、または電子ディスプレイアダプタ等の周辺デバイス９２５とを含む。メモリ９１０、記憶ユニット９１５、インターフェース９２０、および周辺デバイス９２５は、マザーボード等の通信バス（実線）を通して、ＣＰＵ９０５と通信する。記憶ユニット９１５は、データを記憶するためのデータ記憶ユニット（またはデータリポジトリ）であり得る。コンピュータシステム９０１は、通信インターフェース９２０を用いて、コンピュータネットワーク（「ネットワーク」）９３０に動作可能に結合されることができる。ネットワーク９３０は、インターネット、インターネットまたはエクストラネット、またはインターネットと通信するイントラネットまたはエクストラネットであり得る。ネットワーク９３０は、ある場合には、電気通信またはデータネットワークである。ネットワーク９３０は、クラウドコンピューティング等、分散コンピューティングを可能にし得る、１つ以上のコンピュータサーバを含むことができる。ネットワーク９３０は、ある場合には、コンピュータシステム９０１を用いて、コンピュータシステム６０１に結合されたデバイスが、クライアントまたはサーバとして挙動することを可能にし得る、ピアツーピアネットワークを実装することができる。

ＣＰＵ９０５は、プログラムまたはソフトウェア内に具現化され得る、機械可読命令のシーケンスを実行することができる。命令は、メモリ９１０等のメモリ場所内に記憶されてもよい。命令は、ＣＰＵ９０５にダイレクトされることができ、これは、続けて、本開示の方法を実装するようにＣＰＵ９０５をプログラムまたは別様に構成することができる。ＣＰＵ９０５によって実施される動作の実施例は、フェッチ、デコード、実行、およびライトバックを含むことができる。

ＣＰＵ９０５は、集積回路等の回路の一部であり得る。システム９０１の１つ以上の他のコンポーネントが、回路内に含まれることができる。ある場合には、回路は、特定用途向け集積回路（ＡＳＩＣ）である。

記憶ユニット９１５は、ドライバ、ライブラリ、および保存されたプログラム等のファイルを記憶することができる。記憶ユニット９１５は、ユーザデータ、例えば、ユーザ選好およびユーザプログラムを記憶することができる。コンピュータシステム９０１は、ある場合には、イントラネットまたはインターネットを通してコンピュータシステム９０１と通信する遠隔サーバ上に位置する等、コンピュータシステム９０１の外部の１つ以上の付加的データ記憶ユニットを含むことができる。

コンピュータシステム９０１は、ネットワーク９３０を通して、１つ以上の遠隔コンピュータシステムと通信することができる。例えば、コンピュータシステム９０１は、ユーザの遠隔コンピュータシステムと通信することができる。遠隔コンピュータシステムの実施例は、パーソナルコンピュータ（例えば、ポータブルＰＣ）、スレートまたはタブレットＰＣ（例えば、Ａｐｐｌｅ（Ｒ）ｉＰａｄ（登録商標）、Ｓａｍｓｕｎｇ（Ｒ）Ｇａｌａｘｙ Ｔａｂ）、電話、スマートフォン（例えば、Ａｐｐｌｅ（Ｒ）ｉＰｈｏｎｅ（登録商標）、Ａｎｄｒｏｉｄ対応デバイス、Ｂｌａｃｋｂｅｒｒｙ（Ｒ））、または携帯情報端末を含む。ユーザは、ネットワーク９３０を介して、コンピュータシステム９０１にアクセスすることができる。

本明細書に説明されるような方法は、例えば、メモリ９１０または電子記憶ユニット９１５上等のコンピュータシステム９０１の電子記憶場所上に記憶される、機械（例えば、コンピュータプロセッサ）実行可能コードを用いて実装されることができる。機械実行可能または機械可読コードは、ソフトウェアの形態において提供されることができる。使用の間、コードは、プロセッサ９０５によって実行されることができる。ある場合には、コードは、プロセッサ６０５による容易なアクセスのために、記憶ユニット９１５から読み出され、メモリ９１０上に記憶されることができる。いくつかの状況では、電子記憶ユニット９１５は、除外されることができ、機械実行可能命令は、メモリ９１０上に記憶される。

コードは、コードを実行するように適合されたプロセッサを有する機械との併用のために事前コンパイルおよび構成されることができる、またはランタイムの間、コンパイルされることができる。コードは、コードが事前コンパイルまたはコンパイルされたままの方式で実行することを可能にするように選択され得る、プログラミング言語で供給されることができる。

コンピュータシステム９０１等の本明細書に提供されるシステムおよび方法の側面は、プログラミングにおいて具現化されることができる。本技術の種々の側面は、典型的には、機械可読媒体のあるタイプ上で搬送される、またはその中に具現化される、機械（またはプロセッサ）実行可能コードまたは関連付けられるデータの形態における、「製品」または「製造品」と見なされ得る。機械可読コードは、メモリ（例えば、読取専用メモリ、ランダムアクセスメモリ、フラッシュメモリ）またはハードディスク等の電子記憶ユニット上に記憶されることができる。「記憶」タイプの媒体は、ソフトウェアプログラミングのために、随時、非一過性記憶を提供し得る、種々の半導体メモリ、テープドライブ、ディスクドライブ、および同等物等、コンピュータ、プロセッサ、または同等物、またはその関連付けられるモジュールの有形メモリのうちのいずれかまたは全てを含むことができる。ソフトウェアの全てまたは一部は、随時、インターネットまたは種々の他の電気通信ネットワークを通して通信されてもよい。そのような通信は、例えば、１つのコンピュータまたはプロセッサから、別のコンピュータまたはプロセッサに、例えば、管理サーバまたはホストコンピュータから、アプリケーションサーバのコンピュータプラットフォームに、ソフトウェアのロードを可能にしてもよい。したがって、ソフトウェア要素を担持し得る、別のタイプの媒体は、有線および光学固定線ネットワークを通して、かつ種々のエアリンクを経由して、ローカルデバイスの間の物理的インターフェースを横断して使用されるような光学、電気、および電磁波を含む。有線または無線リンク、光学リンク、または同等物等のそのような波を搬送する、物理的要素もまた、ソフトウェアを担持する媒体と見なされてもよい。本明細書で使用されるように、非一過性有形「記憶」媒体に制限されない限り、コンピュータまたは機械「可読媒体」等の用語は、命令を実行のためにプロセッサに提供することに関与する、任意の媒体を指す。

したがって、コンピュータ実行可能コード等の機械可読媒体は、限定ではないが、有形記憶媒体、搬送波媒体、または物理的伝送媒体を含む、多くの形態をとってもよい。不揮発性媒体は、例えば、図面に示されるデータベース等を実装するために使用され得るような任意のコンピュータまたは同等物内の記憶デバイスのうちのいずれか等の光学または磁気ディスクを含む。揮発性記憶媒体は、コンピュータプラットフォームの主要メモリ等の動的メモリを含む。有形伝送媒体は、コンピュータシステム内にバスを備えるワイヤを含む、同軸ケーブル、銅ワイヤ、および光ファイバを含む。搬送波伝送媒体は、無線周波数（ＲＦ）および赤外線（ＩＲ）データ通信の間に生成されるもの等の電気または電磁信号または音響または光波の形態をとってもよい。コンピュータ可読媒体の一般的形態は、したがって、例えば、フロッピーディスク、フレキシブルディスク、ハードディスク、磁気テープ、任意の他の磁気媒体、ＣＤ−ＲＯＭ、ＤＶＤまたはＤＶＤ−ＲＯＭ、任意の他の光学媒体、パンチカード、紙テープ、孔のパターンを伴う任意の他の物理的記憶媒体、ＲＡＭ、ＲＯＭ、ＰＲＯＭ、およびＥＰＲＯＭ、ＦＬＡＳＨ（登録商標）−ＥＰＲＯＭ、任意の他のメモリチップまたはカートリッジ、データまたは命令をトランスポートする搬送波、そのような搬送波をトランスポートするケーブルまたはリンク、またはそれからコンピュータがプログラムコードまたはデータを読み取り得る、任意の他の媒体を含む。これらの形態のコンピュータ可読媒体の多くは、実行のために、１つ以上の命令の１つ以上のシーケンスをプロセッサに搬送することに関与してもよい。

コンピュータシステム９０１は、例えば、医薬品販売員に推奨されるアクションを提供するために、ユーザインターフェース（ＵＩ）９４０を備える、電子ディスプレイ９３５を含む、またはそれと通信することができる。ＵＩの実施例は、限定ではないが、グラフィカルユーザインターフェース（ＧＵＩ）およびウェブベースのユーザインターフェースを含む。

本開示の方法およびシステムは、１つ以上のアルゴリズムを用いて実装されることができる。アルゴリズムは、中央処理ユニット９０５による実行に応じて、ソフトウェアを用いて実装されることができる。アルゴリズムは、例えば、メッセージ推奨を生成するために使用される、機械学習アルゴリズムであり得る。

本発明の好ましい実施形態が、本明細書に示され、説明されたが、そのような実施形態は、実施例のみとして提供されることが、当業者に明白となるであろう。多数の変形例、変更、および代用が、ここで、本発明から逸脱することなく当業者に想起されるであろう。本明細書に説明される本発明の実施形態の種々の代替が、本発明を実践する際に採用され得ることを理解されたい。以下の請求項は、本発明の範囲を定義し、これらの請求項およびそれらの均等物の範囲内の方法および構造が、それによって網羅されることを意図している。

Claims (52)

1. 調節された販売データを生成するためのコンピュータ実装方法であって、前記方法は、
   複数のデータソースからデータを取得することであって、前記データは、（１）医薬製品の集計販売値と、（２）複数の属性とを含み、前記複数の属性は、（ｉ）複数の医療施設と関連付けられる情報と、（ｉｉ）複数の医療提供者（ＨＣＰ）と関連付けられる情報とを含み、前記複数のＨＣＰは、複数のブリックの下に提供され、各ブリックは、前記医療施設のうちの１つ以上のものを含み、各施設は、１人以上のＨＣＰを含む、ことと、
   前記複数のブリックに関する各ブリック内にある前記ＨＣＰを横断して前記集計販売値を分配することによって、前記調節された販売データを生成することと
   を含む、方法。
2. 前記複数のデータソースは、顧客リソース管理（ＣＲＭ）、市場セグメンテーション、販売、および／または製薬企業の専用データベースに関する複数のデータベースを含む、請求項１に記載の方法。
3. 前記複数のブリックは、地理的領域、施設の場所、施設のサイズ、施設内のＨＣＰの数、地域の社会経済、地域の人口統計、または他の非地理的因子を含む１つ以上の因子に基づいて定義される、請求項１に記載の方法。
4. 前記複数のブリックは、ブリックの第１のグループと、ブリックの第２のグループとを含み、前記ブリックの第１のグループ内の各ブリックは、医療施設の明確に異なる集合を含み、前記ブリックの第２のグループ内の各ブリックは、単一の明確に異なる医療施設を含む、請求項１に記載の方法。
5. 前記調節された販売データは、ブリックレベルの代わりに、個々のＨＣＰレベルにおいて細分類される販売値を含む、請求項１に記載の方法。
6. 予測モデルにおける標的として前記調節された販売データを使用し、前記医薬製品の販売に対する異なるマーケティング戦略の影響を推定することをさらに含む、請求項１に記載の方法。
7. 前記異なるマーケティング戦略の推定された影響に基づいて、前記医薬製品の販売を最適化するための１つ以上のマーケティング戦略を識別することをさらに含む、請求項６に記載の方法。
8. 前記１つ以上の識別されたマーケティング戦略の推奨をユーザに提供することをさらに含み、前記ユーザは、前記医薬製品に関する１人以上の販売担当者を含む、請求項７に記載の方法。
9. 前記推奨は、前記ユーザと関連付けられる電子デバイス上に表示されるように構成される１つ以上のグラフィカル視覚オブジェクトとして提供される、請求項８に記載の方法。
10. 前記集計販売値は、前記対応するブリック内の前記ＨＣＰのアウトバウンドアクティビティデータに部分的に基づいて、前記ＨＣＰを横断して分配される、請求項１に記載の方法。
11. 前記アウトバウンドアクティビティデータは、前記医薬製品を販売しているエンティティによって行われる具体的アクションの直接の結果ではない前記ＨＣＰによって行われる１つ以上のアクションと関連付けられる、請求項１０に記載の方法。
12. 前記アウトバウンドアクティビティデータは、複数のアウトバウンド特徴を含み、前記複数のアウトバウンド特徴は、（１）販売のための前記医薬製品を提供している企業のウェブページへの前記ＨＣＰによる訪問の回数、（２）前記医薬製品に関する前記ＨＣＰから１人以上の販売担当者への通信の回数、（３）前記ＨＣＰが参加した関連するシンポジウムの回数、または（４）前記医薬製品の前記ＨＣＰによる保証または他の類似するＨＣＰアクションの回数を含む、請求項１１に記載の方法。
13. 前記集計販売値は、前記アウトバウンドアクティビティによって定義される空間上に前記集計販売値を投影することによって、各ブリック内の前記ＨＣＰを横断して分配される、請求項１０に記載の方法。
14. 前記集計販売値は、線形変換または非線形変換を使用して、前記空間上に投影される、請求項１３に記載の方法。
15. 前記複数のアウトバウンド特徴のサブセットが、相互の関数であるか、または、相互に関連する、請求項１２に記載の方法。
16. 前記複数のアウトバウンド特徴のサブセットが、前記属性のうちの１つ以上のものの関数であるか、または、それに関連する、請求項１２に記載の方法。
17. 複数の加重が、前記アウトバウンドアクティビティと関連付けられる複数のアウトバウンド特徴に適用され、より高い加重がより高い値または重要度を有する第１のアウトバウンド特徴に適用され、より低い加重がより低い値または重要度を有する第２のアウトバウンド特徴に適用される、請求項１０に記載の方法。
18. 前記アウトバウンドアクティビティは、アウトバウンドマトリクスとして提供され、前記アウトバウンドマトリクスは、（１）マトリクス内の列としての複数のアウトバウンド特徴と、（２）前記マトリクス内の行としての前記ブリック内の前記個々のＨＣＰとを含む、請求項１０に記載の方法。
19. 前記調節された販売データは、（１）前記アウトバウンドマトリクスの一般逆行列および（２）前記ブリック内のＨＣＰあたりの平均ブリックレベル販売数に基づいて生成される、請求項１８に記載の方法。
20. 調節された販売データを生成するためのシステムであって、前記システムは、
    複数のデータソースと通信するサーバと、
    メモリであって、前記メモリは、命令を記憶しており、前記命令は、前記サーバによって実行されると、前記サーバに、
    前記複数のデータソースからデータを取得することであって、前記データは、（１）医薬製品の集計販売値と、（２）複数の属性とを含み、前記複数の属性は、（ｉ）複数の医療施設と関連付けられる情報と、（ｉｉ）複数の医療提供者（ＨＣＰ）と関連付けられる情報とを含み、前記複数のＨＣＰは、複数のブリックの下に提供され、各ブリックは、前記施設のうちの１つ以上のものを含み、各施設は、１人以上のＨＣＰを含む、ことと、
    前記複数のブリックに関する各ブリック内にある前記ＨＣＰを横断して前記集計販売値を分配することによって、調節された販売データを生成することと
    を含む動作を実施させる、メモリと
    を備える、システム。
21. 非一過性コンピュータ可読記憶媒体であって、前記非一過性コンピュータ可読記憶媒体は、命令を含み、前記命令は、サーバによって実行されると、前記サーバに、
    複数のデータソースからデータを取得することであって、前記データは、（１）医薬製品の集計販売値と、（２）複数の属性とを含み、前記複数の属性は、（ｉ）複数の医療施設と関連付けられる情報と、（ｉｉ）複数の医療提供者（ＨＣＰ）と関連付けられる情報とを含み、前記複数のＨＣＰは、複数のブリックの下に提供され、各ブリックは、前記医療施設のうちの１つ以上のものを含み、各施設は、１人以上のＨＣＰを含む、ことと、
    前記複数のブリックに関する各ブリック内にある前記ＨＣＰを横断して前記集計販売値を分配することによって、調節された販売データを生成することと
    を含む動作を実施させる、非一過性コンピュータ可読記憶媒体。
22. 医薬製品の販売に対するインバウンドアクティビティの影響を推定するためのコンピュータ実装方法であって、前記方法は、
    複数のデータソースからデータを取得することであって、前記データは、（１）複数の医療提供者（ＨＣＰ）と関連付けられる情報と、（２）インバウンドアクティビティデータとを含み、前記インバウンドアクティビティデータは、（ａ）１人以上の販売担当者または（ｂ）前記医薬製品の販売に関する自動化マーケティングシステムによって行われるイベントまたはアクションと関連付けられる、ことと、
    予測モデルにおける第１の標的として調節された販売データを使用することによって、前記複数のＨＣＰへの前記医薬製品の販売に対する前記インバウンドアクティビティデータの効果を推定することであって、前記調節された販売データは、前記複数のＨＣＰと関連付けられる複数のブリックに関する各ブリック内にある前記ＨＣＰを横断して集計販売値を分配することによって取得される、ことと
    を含む、方法。
23. 前記インバウンドアクティビティデータの推定された効果に基づいて、複数のインバウンド特徴をランク付けすることをさらに含み、前記ランク付けは、前記複数のインバウンド特徴のそれぞれの重要度または優位性を示す、請求項２２に記載の方法。
24. 複数の加重が、前記インバウンドアクティビティデータ内の複数のインバウンド特徴に適用され、より高い加重がより高い値または重要度を有する第１のインバウンド特徴に適用され、より低い加重がより低い値または重要度を有する第２のインバウンド特徴に適用される、請求項２２に記載の方法。
25. 前記インバウンドアクティビティデータ内の複数のインバウンド特徴は、（１）前記１人以上の販売担当者による前記ＨＣＰへの訪問の回数、（２）前記１人以上の販売担当者によって前記ＨＣＰに送信される電子通信の回数、（３）前記１人以上の販売担当者から前記ＨＣＰへの電話呼出の回数、（４）前記１人以上の販売担当者によって開始される前記ＨＣＰへの会合招待の回数、または（５）前記医薬製品に関する情報を提供する前記ＨＣＰに企業によって送信されるマーケティング通信の回数を含む、請求項２２に記載の方法。
26. 前記インバウンドアクティビティデータは、（１）電子メール通信、（２）モバイルテキストメッセージ、（３）ソーシャルメディアウェブサイト、（４）モバイルアプリケーション、（５）電話呼出、（６）対面会合、（７）ビデオ会議、（８）会議またはセミナー、または（９）前記ＨＣＰの施設において実行されるイベントのうちの１つ以上のものを含む複数の通信チャネルを経由して収集される、請求項２２に記載の方法。
27. 前記調節された販売データから前記インバウンドアクティビティデータの効果を除去することと、
    前記インバウンドアクティビティデータの効果を除去した後、前記予測モデルからの残差データを捕捉することと
    をさらに含む、請求項２２に記載の方法。
28. 前記複数のデータソースから取得される前記データはさらに、（３）前記複数のＨＣＰによって行われるアクションと関連付けられる複数のアウトバウンド特徴を含むアウトバウンドアクティビティデータを含む、請求項２７に記載の方法。
29. 前記複数のアウトバウンド特徴は、（１）販売のための前記医薬製品を提供している企業と関連付けられるウェブページへの前記ＨＣＰによる訪問の回数、（２）前記医薬製品に関する前記ＨＣＰと販売担当者と間の通信の回数、（３）前記ＨＣＰが参加した関連するシンポジウムの回数、または（４）前記医薬製品の前記ＨＣＰによる保証の回数を含む、請求項２８に記載の方法。
30. 前記複数のアウトバウンド特徴は、前記ＨＣＰが、（ａ）前記１人以上の販売担当者によって送信される１つ以上のメッセージを開封すること、（ｂ）前記１つ以上のメッセージ内のコンテンツまたはハイパーリンクをクリックすること、（ｃ）前記１つ以上のメッセージに返信すること、（ｄ）前記１つ以上のメッセージを１人以上の他の当事者に転送すること、（ｅ）前記１つ以上のメッセージを削除すること、（ｆ）前記１つ以上のメッセージをアーカイブ化すること、（ｇ）前記１つ以上のメッセージをソーシャルメディアまたはウェブサイト上に投稿または共有すること、または（ｈ）前記１つ以上のメッセージに対して無活動であること、またはそれに対して行われる活動が欠如することを含む、請求項２８に記載の方法。
31. 前記調節された販売データの関数として前記残差データのプロットを生成することと、
    前記プロット内のパターンを決定することであって、前記パターンは、前記残差データと前記アウトバウンド特徴のうちの１つ以上のものとの間の関連付けを示す、ことと
    をさらに含む、請求項２８に記載の方法。
32. 前記予測モデルにおける第２の標的として前記残差データを使用することによって、前記複数のＨＣＰへの前記医薬製品の調節された販売に対する前記アウトバウンドアクティビティデータの効果を推定することをさらに含む、請求項２７に記載の方法。
33. 前記アウトバウンドアクティビティデータの推定された効果に基づいて、複数のアウトバウンド特徴をランク付けすることをさらに含み、前記ランク付けは、前記複数のアウトバウンド特徴のそれぞれの重要度または優位性を示す、請求項３２に記載の方法。
34. 前記アウトバウンドアクティビティデータの推定された効果が前記調節された販売データを推定するために使用されている関与モデルを生成することと、
    前記関与モデルを使用し、前記複数のＨＣＰのそれぞれの前記１人以上の販売担当者との関与レベルを決定することと
    をさらに含む、請求項３２に記載の方法。
35. 前記関与レベルは、関与スコアとして提供される、請求項３４に記載の方法。
36. 前記１人以上の販売担当者による１つ以上の最適なインバウンドアクティビティを識別し、任意の所与の時点において前記関与スコアを最大限にすることをさらに含む、請求項３５に記載の方法。
37. 前記１つ以上の最適なインバウンドアクティビティの時系列シーケンスを生成し、期間にわたって前記関与スコアを最大限にすることをさらに含む、請求項３６に記載の方法。
38. 前記残差データの関数として前記関与スコアのプロットを生成することと、
    前記プロット内のパターンを決定することであって、前記パターンは、前記ＨＣＰの関与レベルと前記残差データとの間の関連付けを示す、ことと
    をさらに含む、請求項３５に記載の方法。
39. 前記調節された販売データの関数として前記関与スコアのプロットを生成することと、
    前記プロットから相関係数を決定することであって、前記相関係数は、前記インバウンドアクティビティデータの効果が除去された前記医薬製品の販売に寄与する前記ＨＣＰの関与レベルを示す、ことと
    をさらに含む、請求項３５に記載の方法。
40. 前記インバウンドアクティビティデータの効果は、前記関与モデルがインバウンドアクティビティから独立するように、前記関与モデルから除去される、請求項３４に記載の方法。
41. 前記予測モデルは、機械学習アルゴリズムを利用する、請求項２２に記載の方法。
42. 前記機械学習アルゴリズムは、ランダムフォレスト、ブースティング決定木、分類木、回帰木、バギング木、ニューラルネットワーク、および回転フォレストから成る群から選択される、請求項４１に記載の方法。
43. 医薬製品の販売に対するインバウンドアクティビティの影響を推定するためのシステムであって、前記システムは、
    複数のデータソースと通信するサーバと、
    メモリであって、前記メモリは、命令を記憶しており、前記命令は、前記サーバによって実行されると、前記サーバに、
    複数のデータソースからデータを取得することであって、前記データは、（１）複数の医療提供者（ＨＣＰ）と関連付けられる情報と、（２）前記医薬製品の販売に関する１人以上の販売担当者によって行われるイベントまたはアクションと関連付けられるインバウンドアクティビティデータとを含む、ことと、
    前記複数のＨＣＰと関連付けられる複数のブリックに関する各ブリック内にある前記ＨＣＰを横断して集計販売値を分配することによって、調節された販売データを取得することと、
    予測モデルにおける第１の標的として前記調節された販売データを使用することによって、前記複数のＨＣＰへの前記医薬製品の販売に対する前記インバウンドアクティビティデータの効果を推定することと
    を含む動作を実施させる、メモリと
    を備える、システム。
44. 非一過性コンピュータ可読記憶媒体であって、前記非一過性コンピュータ可読記憶媒体は、命令を含み、前記命令は、サーバによって実行されると、前記サーバに、
    複数のデータソースからデータを取得することであって、前記データは、（１）複数の医療提供者（ＨＣＰ）と関連付けられる情報と、（２）前記医薬製品の販売に関する１人以上の販売担当者によって行われるイベントまたはアクションと関連付けられるインバウンドアクティビティデータとを含む、ことと、
    前記複数のＨＣＰと関連付けられる複数のブリックに関する各ブリック内にある前記ＨＣＰを横断して集計販売値を分配することによって、調節された販売データを取得することと、
    予測モデルにおける第１の標的として前記調節された販売データを使用することによって、前記複数のＨＣＰへの前記医薬製品の販売に対する前記インバウンドアクティビティデータの効果を推定することと
    を含む動作を実施させる、非一過性コンピュータ可読記憶媒体。
45. 医薬製品の販売に対するアウトバウンドアクティビティの影響を推定するためのコンピュータ実装方法であって、前記方法は、
    複数のデータソースからデータを取得することであって、前記データは、複数の医療提供者（ＨＣＰ）によって行われるアクションと関連付けられる複数のアウトバウンド特徴を含むアウトバウンドアクティビティデータを含む、ことと、
    予測モデルからの残差データを使用することによって、前記複数のＨＣＰへの前記医薬製品の販売に対する前記アウトバウンドアクティビティデータの効果を推定することと
    を含み、
    前記残差データは、前記予測モデルにおける調節された販売データからインバウンドアクティビティデータの推定された効果を除去することによって取得され、前記調節された販売データは、前記複数のＨＣＰと関連付けられる複数のブリックに関する各ブリック内にある前記ＨＣＰを横断して集計販売値を分配することによって取得される、方法。
46. 前記複数のアウトバウンド特徴は、（１）販売のための前記医薬製品を提供している企業と関連付けられるウェブページへの前記ＨＣＰによる訪問の回数、（２）前記医薬製品に関する前記ＨＣＰと販売担当者と間の通信の回数、（３）前記ＨＣＰが参加した関連するシンポジウムの回数、または（４）前記医薬製品の前記ＨＣＰによる保証の回数を含む、請求項４５に記載の方法。
47. 前記複数のアウトバウンド特徴は、前記ＨＣＰが、（ａ）前記１人以上の販売担当者によって送信される１つ以上のメッセージを開封すること、（ｂ）前記１つ以上のメッセージ内のコンテンツまたはハイパーリンクをクリックすること、（ｃ）前記１つ以上のメッセージに返信すること、（ｄ）前記１つ以上のメッセージを１人以上の他の当事者に転送すること、（ｅ）前記１つ以上のメッセージを削除すること、（ｆ）前記１つ以上のメッセージをアーカイブ化すること、（ｇ）前記１つ以上のメッセージをソーシャルメディアまたはウェブサイト上に投稿または共有すること、または（ｈ）前記１つ以上のメッセージに対して無活動であること、またはそれに対して行われる活動が欠如することを含む、請求項４５に記載の方法。
48. 前記アウトバウンドアクティビティデータの推定された効果に基づいて、複数のアウトバウンド特徴をランク付けすることをさらに含み、前記ランク付けは、前記複数のアウトバウンド特徴のそれぞれの重要度または優位性を示す、請求項４５に記載の方法。
49. 前記インバウンドアクティビティデータの推定された効果が前記調節された販売データから除去されている関与モデルを生成することと、
    前記関与モデルを使用し、前記複数のＨＣＰのそれぞれの前記１人以上の販売担当者との関与レベルを決定することと
    をさらに含む、請求項４８に記載の方法。
50. 前記関与モデルから取得される前記関与レベルに部分的に基づいて、前記複数のＨＣＰのそれぞれに関する最適な販売およびマーケティング戦略を決定することをさらに含む、請求項４９に記載の方法。
51. 医薬製品の販売に対するアウトバウンドアクティビティの影響を推定するためのシステムであって、前記システムは、
    複数のデータソースと通信するサーバと、
    メモリであって、前記メモリは、命令を記憶しており、前記命令は、前記サーバによって実行されると、前記サーバに、
    複数のデータソースからデータを取得することであって、前記データは、複数の医療提供者（ＨＣＰ）によって行われるアクションと関連付けられる複数のアウトバウンド特徴を含むアウトバウンドアクティビティデータを含む、ことと、
    予測モデルからの残差データを使用することによって、前記複数のＨＣＰへの前記医薬製品の販売に対する前記アウトバウンドアクティビティデータの効果を推定することと
    を含む動作を実施させ、
    前記残差データは、前記予測モデルにおける調節された販売データからインバウンドアクティビティデータの推定された効果を除去することによって取得され、前記調節された販売データは、前記複数のＨＣＰと関連付けられる複数のブリックに関する各ブリック内にある前記ＨＣＰを横断して集計販売値を分配することによって取得される、メモリと
    を備える、システム。
52. 非一過性コンピュータ可読記憶媒体であって、前記非一過性コンピュータ可読記憶媒体は、命令を含み、前記命令は、サーバによって実行されると、前記サーバに、
    複数のデータソースからデータを取得することであって、前記データは、複数の医療提供者（ＨＣＰ）によって行われるアクションと関連付けられる複数のアウトバウンド特徴を含むアウトバウンドアクティビティデータを含む、ことと、
    予測モデルからの残差データを使用することによって、前記複数のＨＣＰへの前記医薬製品の販売に対する前記アウトバウンドアクティビティデータの効果を推定することと
    を含む動作を実施させ、
    前記残差データは、前記予測モデルにおける調節された販売データからインバウンドアクティビティデータの推定された効果を除去することによって取得され、前記調節された販売データは、前記複数のＨＣＰと関連付けられる複数のブリックに関する各ブリック内にある前記ＨＣＰを横断して集計販売値を分配することによって取得される、非一過性コンピュータ可読記憶媒体。

Images