Cómo la inteligencia artificial puede ayudarlo a encontrar los líderes de opinión clave adecuados

La identificación y mapeo de líderes de opinión clave (KOL) es una parte importante del marketing corporativo, especialmente en la industria farmacéutica. La IA y Big Data juegan un papel muy importante para acelerar el proceso de descubrir a los influencers/líderes de opinión adecuados y garantizar que solo se alcancen los mejores objetivos para un proyecto, ahorrando dinero y esfuerzo.

Pero, ¿cómo juegan exactamente estas tecnologías emergentes un papel en el aumento de la eficiencia de estas complejas tareas de investigación?

Este artículo explora la metodología detrás del mapeo de KOL y cómo puede revolucionar su estrategia de marketing de influencers.

¿Qué es el mapeo KOL?

Un líder de opinión clave (KOL, por sus siglas en inglés) o «líder de pensamiento» es una persona influyente con conocimientos y experiencia que es muy conocida en un campo o industria específica. Los KOL a menudo son buscados, especialmente en el cuidado de la salud, y se destacan por realizar algunas campañas notables que los distinguen en sus carreras. Estas actividades van desde formar parte de las juntas directivas de organizaciones influyentes, hablar en conferencias nacionales o internacionales y/o publicar sus investigaciones en revistas revisadas por pares. (Lea también: «Todo tiene solución»: consejos de una directora ejecutiva de tecnología.)

La identificación de los KOL y sus homólogos digitales, conocidos como «líderes de opinión digitales» (DOL), es fundamental para los esfuerzos de marketing de una organización. Esto es especialmente cierto para las compañías farmacéuticas, ya que las opiniones de médicos y profesionales de la salud confiables e independientes influyen más en las personas que las opiniones de otros médicos al elegir un medicamento, un dispositivo médico o una terapia. El éxito o el fracaso de muchas drogas, especialmente las más nuevas o menos conocidas, a menudo depende de la opinión de las personas influyentes. Como resultado, las compañías farmacéuticas se han esforzado mucho en mapear los KOL.

Pero en realidad las cosas rara vez son tan simples.

Seleccionar a las personas adecuadas entre los millones de médicos con licencia y otros expertos (aquellos con suficiente influencia como para querer escuchar su mensaje y estar dispuestos a participar en la conversación) es como buscar una aguja en un pajar. Si ese pajar fuera del tamaño de Marte.

Entonces, ¿cómo eliges el correcto?

Inteligencia artificial: la clave para encontrar KOL relevantes

La gran cantidad de conjuntos de datos a los que tenemos acceso en nuestro mundo moderno conectado, especialmente en el cuidado de la salud, es simplemente asombrosa.

Cada semana se publican miles de artículos de investigación en varias revistas, y el volumen de datos de registros médicos electrónicos, datos de reclamaciones y práctica diaria es demasiado grande para que cualquiera pueda analizarlo. Sin embargo, incluso la información más pequeña puede ser muy importante, ya que puede afectar la reputación de un KOL putativo, por ejemplo, la tasa de complicaciones de un cirujano o la tasa de reoperación necesaria.

Sin embargo, no todos los datos tienen el mismo valor: ¿los informes de los congresos en las reuniones regionales tienen la misma importancia que los redactores del personal en las directrices de la OMS? Obviamente no.

Entonces, dados todos estos datos, ¿cómo determina quién es el KOL más influyente en un nicho en particular? La respuesta corta es inteligencia artificial.

Aplicaciones clave de la inteligencia artificial en el mapeo de líderes de opinión clave

1. Organización de datos.

AI puede escanear datos más rápido que los humanos, asignando puntajes a datos más importantes con referencia a un conjunto de reglas, organizándolos y presentándolos claramente para que los analistas puedan revisar el perfil de cada KOL antes de presentarlo a los clientes Research. (Lea también: Automatización robótica de procesos: lo que necesita saber.)

En otras palabras, la IA puede rastrear grandes cantidades de datos, identificar información relevante o importante y descartar toda la información innecesaria para que los humanos puedan mejorar las búsquedas. Puede combinar datos de diferentes fuentes para determinar el grado de influencia de los expertos a nivel internacional, nacional y local.

2. Identificar correctamente KOL.

Las personas rara vez nombran diferentes actividades exactamente de la misma manera en diferentes sitios web.

Por ejemplo, al recopilar información sobre un influencer en particular, es posible que encuentre que es «Claudio Buttice» como autor de un artículo, «CA Butticè» en un sitio web y «Buttice, C» en un libro de texto. Las cosas pueden volverse muy confusas cuando se recopilan miles de nombres y la cantidad de personas que usan las mismas iniciales es alta.

AI puede tomar decisiones obvias basadas en reglas simples y determinar cuándo no hay necesidad de preocuparse por acentos faltantes o diferencias de un carácter. También puede consultar bases de datos sobre profesionales de la salud para una verificación final. Si se dirigen correctamente, los algoritmos de aprendizaje automático pueden eventualmente identificar KOL específicos mediante la incorporación de datos sobre sus afiliaciones, la ciudad de la que provienen y/o la organización a la que pertenecen, para garantizar que una campaña determinada se asigne a la persona correcta. (Lea también: 3 asombrosos ejemplos de inteligencia artificial en acción.)

3. Traducción

Cuando estos expertos trabajan en países de habla no inglesa, encontrar campañas específicas que diferencien KOL puede volverse más difícil, especialmente cuando su idioma se basa en alfabetos no latinos como el kanji japonés.

Es posible que los expertos de diferentes países solo se encuentren en bases de datos específicas, y algunos documentos (como las guías de países) solo pueden existir en su idioma nativo. La única forma de superar estas barreras del idioma es emplear un ejército internacional de expertos que hablen con fluidez todos los idiomas del planeta, o buscar la ayuda de una herramienta de traducción automática única y muy eficiente.

Las herramientas de traducción de última generación, como DeepL, aprovechan al máximo sus redes neuronales para capturar los matices más pequeños del lenguaje humano. El uso del aprendizaje automático en la traducción ha permitido que estas herramientas avancen a pasos agigantados en los últimos años: la herramienta adecuada ahora puede traducir documentos en segundos; incluso el traductor básico que viene con su navegador de Internet puede brindarle un sitio web extranjero al instante.

4. Mejorar la comunicación

El aprendizaje automático puede extraer muchos conocimientos inesperados y útiles de grandes bases de datos.

Puede identificar patrones que definen la influencia y el grado de influencia de los KOL potenciales y se puede utilizar para predecir el mejor camino para acercarse a los KOL. En otras palabras, además de simplificar el proceso de identificación de KOL, la IA puede proporcionar información útil sobre la mejor manera de superar los posibles desafíos de comunicación. Puede sugerir las vías más eficientes para acercarse a un especialista determinado mediante la comprensión de sus especialidades, preferencias y desarrollo profesional futuro. (Lea también: ¿Cómo puede ayudar la inteligencia artificial con la predicción de la personalidad?)

¿Puede la inteligencia artificial reemplazar a los analistas humanos?

Todos sabíamos que iba a ser así, ¿no?

Cada vez que se discute el tema de la IA en cualquier forma o forma, la pregunta principal en la mente de todos es si las últimas herramientas impulsadas por ML harán que los profesionales humanos sean obsoletos o en gran medida innecesarios. La respuesta es más o menos siempre la misma, y ​​la situación no es diferente en la industria de mapas de KOL.

En resumen: no, todavía se necesitan humanos. La inteligencia artificial puede simplificar algunas de las tareas más serviles y repetitivas, pero incluso las herramientas más inteligentes no pueden dejarse desatendidas. (Lea también: ¿Los robots están tomando tu trabajo?depende.)

Los algoritmos actuales son buenos para crear listas largas mediante la combinación de información obtenida del Internet público. Pueden ser inteligentes para encontrar conexiones, identificar la actividad KOL relevante e incluso crear un perfil razonablemente creíble del título y la afiliación de ese KOL. Sin embargo, casi ninguno de ellos puede describir desde la perspectiva de los clientes lo que realmente importa en los KOL: las personas detrás del nombre.

¿Quién es este KOL específico? ¿Cuál es su esfera de influencia? ¿Cuáles son sus habilidades, preferencias y especialidades? Y, lo que es más importante, ¿cuál es la mejor manera de acercarse a ellos con fines de marketing?

Solo los analistas humanos calificados con amplia experiencia en la industria pueden eliminar todo el ruido en los datos, eliminar la actividad potencialmente depredadora, encontrar personas influyentes clave, crear sus perfiles y adaptar las listas a las necesidades específicas del cliente. Simon Rosenberg, CEO de Scout, una de las agencias de mapeo KOL más destacadas de Londres, lo expresó de esta manera:

«Los algoritmos son una gran guía, pero dejarlos en sus propios dispositivos es como pedirles a los niños que rediseñen su sala de estar. La IA siempre es un buen lugar para comenzar y ponerte en marcha rápidamente, pero luego tienes que ponerlo en orden. Puedes» Simplemente encienda la aspiradora y déjela en el piso para limpiar su casa; tiene que haber algo de trabajo físico para que brille”.

En conclusión

La industria de mapas de KOL puede parecer un nicho de mercado. Pero dado el tamaño y el alcance de los mercados de salud y farmacéuticos, este no es el caso.

Se deben identificar innumerables ingenios todos los días antes de que los enlaces de la industria puedan comunicarse con ellos. Las herramientas de IA y ML han demostrado ser revolucionarias para esta vertical, y es uno de los primeros y líderes en adoptar estas tecnologías. (Lea también: Los 20 principales casos de uso de IA: IA en el cuidado de la salud.)