Marketing en verkoop
Hoe dataverrijking de commerciële doelgroepselectie van een farmaceutisch bedrijf verbeterde
In de farmaceutische sector werken commerciële teams vaak met onvolledige klantdata. Dat beperkt hun vermogen om de juiste zorgprofessionals te bereiken. Agilytic werkte met een groot farmaceutisch bedrijf samen om de klantendatabase te verrijken en een gedetailleerder beeld te krijgen van huisartsen en specialisten in heel België.
Om de vertrouwelijkheid te beschermen, kunnen we specifieke details aanpassen. Onze belangrijkste bijdrage geven we altijd correct weer.
Context & doelstellingen
De database van een groot farmaceutisch bedrijf bevatte onvoldoende details om huisartsen en specialisten in België nauwkeurig te segmenteren. Zonder betrouwbare, gedetailleerde data kon het bedrijf zijn benadering niet personaliseren of commerciële middelen inzetten waar ze het meeste verschil maakten.
Het doel was:
Publiek beschikbare open data verzamelen over potentiële klanten
Die samenbrengen met bestaande gegevens
Meer klantkennis opbouwen.
Dit project voor dataverrijking wilde de commerciële doelgroepselectie verbeteren met persoonlijkere boodschappen en beter passende communicatiekanalen.
Aanpak
Bronnen beoordelen
Samen met marketing en operations bepaalden we de relevantste publieke databronnen. We beoordeelden elke bron op mogelijkheden voor scraping en relevantie voor de segmentatiedoelen van het bedrijf.
Dataverzameling
We gebruikten webscraping om open data over artsen uit verschillende publieke bronnen te verzamelen:
RIZIV (Belgische nationale ziekteverzekeringsdatabase)
Google-zoekresultaten, gefilterd via een SERP-API
LinkedIn-profielen, verzameld met PhantomBuster
Afsprakenplatformen
Alle scraping en dataverrijking en samenvoeging gebeurden in Python. Zo kan het volledige proces later intern worden herhaald, verder ontwikkeld of gebruikt om data te vernieuwen.
Samenvoegen en opleveren
De verzamelde data werden opgeschoond, met de bestaande database samengevoegd en opgeleverd in een analyseklaar Excelbestand.
Resultaten
Het project werd in minder dan een maand afgerond.
We leverden middelen waarmee de klant segmenten kan bouwen voor toekomstige marketingcampagnes:
Een geconsolideerde database, verrijkt met alle verzamelde data
Een datadictionary met uitleg bij elke kolom en elk kenmerk
Volledige documentatie van de methode en Python-code
Een rapport met een beschrijving van de aanpak
De dataverrijking breidde de database uit van 13 naar 40 kenmerken per arts, voor tienduizenden profielen uit zeven databronnen. Dat geeft het commerciële team een veel gedetailleerder beeld van elke arts. Met die betere klantkennis bepaalde de klant de volgende stappen om klantbehoud en commercieel potentieel te vergroten.
Omdat de scrapingcode volledig herbruikbaar is, kan de klant de data later zelf vernieuwen en het werk intern uitbreiden.
Om de vertrouwelijkheid te waarborgen, kunnen we bepaalde details in onze klantcases aanpassen.