Wie ein datenbasiertes Modell die Ansprache von Health Care Professionals (HCPs) transformiert
Viele Organisationen im Gesundheitssektor entwickeln über die Zeit komplexe System- und Datenlandschaften: CRM-Systeme, digitale Interaktionen und Vertriebsaktivitäten laufen oft unabhängig voneinander mit eigenen Prioritäten, Prozessen und Kennzahlen. Zielgruppeninformationen sind verstreut, uneinheitlich, schwer vergleichbar und daher kaum nutzbar.
Gerade bei der Ansprache von Health Care Professionals erschwert diese Fragmentierung eine gezielte Steuerung der Marketing- und Sales-Aktivitäten. Ohne eine konsistente Sicht auf Kontaktverhalten, digitale Aktivität oder Kanalpräferenzen fällt es schwer, Maßnahmen wirkungsvoll auf einzelne Zielgruppen zuzuschneiden und Budgets effizient einzusetzen.
Ein führender Gesundheitskonzern wollte genau dies ändern. Basierend auf unserer langjährigen Erfahrung haben wir ein CRM Segmentierungsmodell entwickelt, das bestehende Datenquellen zusammenführt und Verhaltensmuster sichtbar macht. Es bildet die Grundlage für ein strategisch steuerbares, skalierbares HCP-Marketing, das auf Relevanz, Timing und Kanalpräferenz abgestimmt ist. Das Ergebnis: klarere Zielgruppenprofile, eine individuellere Ansprache und eine fundierte Basis für ein zukunftsfähiges, kanalübergreifendes HCP-Marketing.
Ein Unternehmen im Gesundheitssektor stand vor der Herausforderung, HCPs in einem zunehmend digitalisierten und komplexen Umfeld gezielter anzusprechen. Außendienstaktivitäten und digitale Maßnahmen sollten besser verzahnt werden. Vorhandene Daten sollten effektiver genutzt werden. Die relevanten Informationen waren jedoch auf verschiedene Systeme verteilt und nur schwer für eine abgestimmte Ansprache nutzbar.
Im Zentrum des Projekts stand die Entwicklung eines skalierbaren, verhaltensbasierten Segmentierungsmodells, das kanalübergreifend eingesetzt werden kann. E-Mail-Kampagnen, Vertriebsmaßnahmen und Event-Einladungen wurden integriert. Auf Basis eines modernisierten RFM-Modells (Recency, Frequency, Monetary) und unter Einsatz von Machine Learning wurden digitale Interaktionen und Präferenzen systematisch in die Segmentlogik aufgenommen.
Ein interaktives Dashboard stellt die Ergebnisse übersichtlich dar und ermöglicht Marketing, Vertrieb und CRM eine bessere Planung und Umsetzung ihrer Aktivitäten. Segmentinformationen, Kanalpräferenzen und Reaktionsverhalten sind zentral verfügbar und erleichtern die tägliche Arbeit mit datenbasierten Entscheidungsgrundlagen.
02 Zielsetzung
PROJEKT 1
Daten konsolidieren und nutzbar machen
CRM- und Interaktionsdaten wurden aus verschiedenen Systemen zusammengeführt, bereinigt und analysierbar gemacht. Der Fokus lag auf der Identifikation relevanter Merkmale, darunter digitale Aktivität, Frequenz der Kontakte sowie Reaktionsverhalten über unterschiedliche Kanäle hinweg. Über eine zentrale Datenplattform (u. a. Snowflake) entstand so eine konsistente Grundlage für die nachfolgende Segmentlogik.
PROJEKT 2
Segmentierungsmodell entwickeln und operationalisieren
Basierend auf den bereinigten Daten wurde ein verhaltensbasiertes Segmentierungsmodell entwickelt. Ergänzt durch ein erweitertes RFM-Modell und digitale KPIs entstand eine Cluster-Struktur, die kanalübergreifende Nutzung von der Außendienstplanung bis zur Kampagnensteuerung ermöglicht. Die Segmente wurden in einem interaktiven Dashboard visualisiert, um sie im Tagesgeschäft für Marketing und Sales direkt nutzbar zu machen.
Abbildung 1: Elbow Methode zur Bestimmung der Cluster Anzahl
Abbildung 2: Beispiel-Cluster Plot mit 4 unterschiedlichen Segmenten
Verteilte Datensysteme und uneinheitliche Datenstrukturen
CRM-Daten, digitale Touchpoints, Veranstaltungsdaten und Außendienstinformationen waren über verschiedene Systeme hinweg isoliert gespeichert – mit stark variierender Datenqualität und fehlender Standardisierung. Eine konsolidierte Sicht auf HCP-Interaktionen war nicht ohne weiteres möglich.
Lösung:
Zur Schaffung einer integrierten Datenbasis wurden relevante Datenpunkte identifiziert, harmonisiert und in einer zentralen Snowflake-Plattform zusammengeführt. Die Grundlage bildete ein standardisiertes KPI-Modell, das flexibel erweiterbar ist und sowohl historische als auch neue Datenquellen strukturiert abbildet.
Fehlende Segmentierungslogik und eingeschränkte Zielgruppensteuerung
Marketing und Vertrieb verfügten über keine etablierte Systematik zur Zielgruppendifferenzierung. Die HCP-Ansprache basierte überwiegend auf Erfahrungswerten, wodurch kanalübergreifende Personalisierung und eine präzise Budgetsteuerung nicht möglich waren.
Lösung:
Auf Basis verhaltensbezogener Kennzahlen wurde ein Cluster-Modell entwickelt, das klare Segmentprofile ableitet. Diese wurden in Abstimmung mit den Fachbereichen interpretiert, in konkrete Use Cases überführt und im Dashboard für CRM-, Marketing- und Außendienstteams visualisiert.
Datenschutz und regulatorische Anforderungen
Die Nutzung personenbezogener Daten im Gesundheitswesen unterliegt hohen rechtlichen Anforderungen. Insbesondere bei der Segmentierung und Ansprache von Health Care Professionals mussten DSGVO-Vorgaben sowie branchenspezifische Werbebeschränkungen berücksichtigt werden.
Lösung:
Gemeinsam mit den Legal- und Compliance-Teams wurden alle Datenverarbeitungsschritte geprüft und dokumentiert. Das Segmentierungsmodell wurde so konzipiert, dass es auf aggregierten, pseudonymisierten Daten basiert und sich datenschutzkonform in bestehende Systeme integrieren lässt. Zusätzlich wurde ein Governance-Framework etabliert, das künftige Use Cases rechtlich beschreibt.
Etablierung der Nutzung analytischer Modelle
Zwar lagen zahlreiche Daten und Analysen vor, doch deren systematische Anwendung in operativen Prozessen war bisher nicht durchgängig etabliert. Die Herausforderung bestand darin, segmentbasierte Erkenntnisse für konkrete Maßnahmen nutzbar zu machen, z. B. in der Kampagnenplanung oder bei der Steuerung im Außendienst.
Lösung:
Die Segment-Daten wurden im Loop-System regelmäßig zurück ins CRM gespielt und ergänzt, sodass sie direkt vom Außendienst operativ genutzt werden konnten. Mithilfe praxisnaher Trainings, begleiteter Pilotprojekte und interaktiver Dashboards wurde der Einsatz analytischer Modelle im Tagesgeschäft gefördert. Der Fokus lag dabei auf konkreten Use Cases, um datenbasierte Entscheidungen nachvollziehbar zu machen und teamübergreifend zu verankern.
“Wir haben nicht einfach ein Modell gebaut, sondern gemeinsam mit dem Team sichergestellt, dass es im Alltag funktioniert. Erst als die Segmente im Dashboard sichtbar wurden, haben viele Kolleg:innen erkannt, wie konkret Daten bei der Zielgruppenarbeit helfen können.”
Florian Timmler, Junior Data Visualization Specialist
Hopmann Marketing Analytics