В течение последних нескольких лет аптечный рынок переживает непростые времена: потребительский спрос сокращается, а требовательность покупателей к качеству сервиса растет. В такой ситуации на помощь аптекам может прийти технология Big Data.

 

В 2015 году объем розничного сегмента фармацевтического рынка достиг минимальных показателей за последние 5 лет в натуральном выражении, но уже в 2016-м вновь стал расти, и сегодня для данного сегмента характерна стагнация в упаковках на фоне медленного увеличения объема продаж в рублях (рис. 1). Сложившаяся ситуация связана как с замедлением роста цен на товары аптечного ассортимента, так и с падением покупательной способности россиян. Потребитель стал разборчивее, и соответствовать его требованиям становится все сложнее, а значит, формирование оптимальной аптечной потребительской корзины оказывается ключевым элементом на пути к успеху. Способы ее формирования условно разделяют на «традиционные» и «инновационные».  

 

Традиционные способы

К данной группе можно отнести ряд подходов, получивших широкое применение в аптечных организациях. В первую очередь это система автоматического заказа, которая используется во многих аптеках и позволяет вовремя пополнять товарные запасы. Для проведения полной оценки ассортимента может применяться АВС-XYZ-анализ, разделяющий товары по привлекательности на основе денежного вклада каждой позиции/группы и устойчивости тенденции к спросу на нее¹. При необходимости более детальной оценки используется анализ по матрице BCG, позволяющей выбрать стратегию работы с тем или иным брендом с учетом его жизненного цикла².

 

Важное значение имеет определение наиболее маржинальных ЛС и БАД, что может существенно повысить прибыль аптеки.

Не секрет, что во многих аптечных организациях продажи таких препаратов входят в KPI сотрудников и являются составляющей успешного выполнения плана продаж³. Представляет особый интерес категорийный анализ. Например, подход, основанный на разделении ЛС на Lifestyle⁴ (препараты стиля жизни: витамины, БАД, средства для коррекции косметических дефектов, похудения и др.) и Mainstream (сердечно-сосудистые и противопростудные ЛС, анальгетики и др.). Как видно из рисунка, начиная с 2015 года для препаратов категории Lifestyle отмечен тренд снижения объемов продаж, в то время как группа Mainstream характеризуется стабильным спросом, несмотря на любые негативные изменения (рис. 2).

В то же время и среди Lifestyle-препаратов можно выделить категории и позиции, которые остаются востребованными. Например, ЛС для лечения эректильной дисфункции, средства против рубцов, алопеции и др. Категорийный анализ, помогая выявить приоритетные для закупки позиции, не позволяет учесть индивидуальные запросы потребителей. Поэтому в настоящее время новым трендом для аптечных организаций становится ориентация на дозаказ отдельных препаратов для каждого конкретного клиента. Именно на этом направлении аптекам необходимо использовать информационные технологии и другие высокотехнологичные инструменты для наполнения потребительской корзины.

 

Cookie – набор информации о пользователе (личные данные, посещение сайтов и проч.)¹¹

Инновационный подход

Интернет все плотнее проникает в нашу жизнь, особенно через портативные устройства. Количество пользователей мобильного Интернета еще в позапрошлом году превзошло число людей, которые выходят в Интернет со стационарных компьютеров⁵. Все большее значение приобретают интернет-технологии как во врачебном и фармацевтическом сообществе, так и среди пациентов, которые активно ведут поиск информации о лекарствах с использованием гаджетов^6,7.

 

Сегодня обычный интернет-сайт и приложение в сотовом телефоне становятся инновационными инструментами наполнения аптечной потребительской корзины. Вместе с мобильными устройствами в нашу жизнь незаметно вошло понятие «Интернет вещей» (Internet of Things)⁸, анализ информации от которых позволяет обобщить данные о потребителях, собрав их в единый формат Big Data (больших данных).

Эти технологии все шире применяются на практике, а их внедрение становится необходимым, чтобы сохранять высококонкурентные позиции на аптечном рынке в связи с неуклонным ростом объема цифровой информации вокруг нас⁹. Согласно прогнозу аналитической компании IDC, за ближайшие несколько лет количество данных в мире достигнет 40 ЗБ (1 ЗБ= 10²¹ байт), по 5200 ГБ на каждого жителя Земли¹⁰ (рис. 3).

В этих условиях большие данные становятся важным фактором производства наряду с трудовыми и капитальными ресурсами¹⁰. Анализируя информацию о потребительских предпочтениях, в том числе с сайтов аптек-конкурентов, вы можете уже сегодня получить собственные Big Data или же ограничиться не менее информативными более специализированными Small Data (малые данные) в масштабе вашей аптеки. Помочь собрать необходимую базу Big/Small Data могут новые технологии cookie, представляющие собой набор информации об активности пользователя в Сети, включающий такие параметры, как личные данные, активность на сайте компании и на сайтах конкурентов, характер поисковых запросов и прочее. На основе данных cookie может быть произведен так называемый анализ look-alike, позволяющий выделить группы клиентов, имеющих схожие потребности, и затем сформировать для каждого из них индивидуальное предложение¹¹. Поведение покупателей меняется в зависимости от факторов окружающей среды. Технологии Big Data позволяют предсказывать колебания спроса, в том числе сезонные. 

Простой пример: анализ больших массивов данных об активности интернет-пользователей и запросах покупателей в аптеках позволил выявить, что уровень продаж противогриппозных препаратов в г. Москве коррелирует с числом поисковых запросов о гриппе в системе Google, а также с температурой воздуха. Было показано, что со снижением температуры продажи начинают медленно расти, в то время как в теплое время года отслеживается кластер низкого уровня продаж препаратов этой категории (рис. 4). Аналогичным образом можно анализировать и использовать в интересах аптеки данные о периодических колебаниях спроса на другие группы товаров.  

Еще более интересное применение Big Data лежит в сфере наполнения индивидуальной потребительской корзины. Научившись получать информацию о поведении различных типов клиентов, можно с высокой вероятностью «угадывать» их невыявленные и, возможно, даже неосознанные потребности. Результатом станет не только резкое увеличение продаж, но и рост лояльности покупателей к «своей» аптеке.

__________________________________________________________________________________________________________________________________________  

1. Голубков Е.П. АBC- и XYZ-анализ: проведение и оценка результативности, 2010. 2. Иноземцев Г. Инструменты построения продакт-планов, 2005. 3. Профатилов С. KPI для первостольника. Российские Аптеки. 2014. № 7–8. С. 48–50. 4. Rahman S.Z. et al. Lifestyle Drugs: Concept and Impact on Society. Indian J Pharm Sci. 2010 Jul-Aug; 72(4): 409–413. 5. Mobile and tablet internet usage exceeds desktop for first time worldwide. 2016 Press Releases. 1st November 2016. StatCounter. Global Stats. http://gs.statcounter.com/press/mobile-and-tablet-internet-usage-exceeds-desktop-for-first-time-worl... 6. Ipsos Healthcare: Интернет вышел на первое место среди основных источников информации для провизоров, 09.01.2017. Источник: goo.gl/q5NAcA. 7. Рекомендации врачей теряют силу перед низкими ценами на лекарства. Nielsen, 19.07.2016, Источник: http://www.nielsen.com/ru/ru/insights/news/2016/OTC-shopper-2016-may.html. 8. Интернет вещей: эволюция или революция? Источник: https://www.aig.ru/content/dam/aig/emea/russia/documents/business/iotbroshure.pdf 9. Майер-Шенбергер В., Кукьер К. Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим. Пер. с англ. Инны Гайдюк. М.: Манн, Иванов и Фербер, 2014. 240 с. 10. Иванов П.Д., Вампилова В.Ж. Технологии Big Data и их применение на современном промышленном предприятии. Источник: http://engjournal.ru/articles/1228/1228.pdf. Дата обращения: 16.02.2018. 11. Буевич С. Краткий курс работы с DMP – платформой управления данными. Материалы Портала РАМН/http://portalramn.ru/.

 

Юлия Прожерина, руководитель отдела маркетинговых исследований  « Группа Ремедиум», к.б.н.

Журнал "Российские аптеки" №3, 2018