论药店和人工智能结合的五大场景、六条清单

第三波人工智能浪潮来临给整个医疗界带来了新的活力,结合人工智能如何辅助影像诊断,如何帮助基层诊疗,如何助力新药研发成为产业界热议话题。 作为医药产业重要一环的医药零售如何搭上人工智能浪潮实现经营模式、经营思路的自我升级成功完成智能化转型? 在本文的最后我们为零售从业者准备了如何参与清单。

智能时代来临

关于人工智能如何在1959年发源于达特茅斯小城,又如何在跳棋、国际象棋、围棋比赛中战胜人类选手而掀起一波又一波浪潮,又如何因为各种理论还有技术的限制一次次跌入谷底的故事各种文章已经描述甚多,本文不再赘述,只需要大家理解一个基本事实—— 我们处于人工智能的第三波浪潮,这次人工智能的复兴来源于三件事情:

神经网络算法:这种又名为深度学习的算法使得计算机能够对更为复杂的数据进行处理,典型的例子是多年来没有突破的图像识别技术得益于神经网络算法,至少在特定目标的识别上准确率已经高于人类平均水准;

计算力:上世纪90年代IBM深蓝在国际象棋上战胜卡斯帕罗夫依赖的是暴力破法,电脑穷举所有可能性找出最好的那一步,但深蓝没有挑战围棋的原因在于围棋的可能性太多,从复杂性上来描述国际象棋大概是10的46次方级别,但19路围棋是10的172次方级别,90年代的计算力根本无法应对;

大数据 : 多年大数据的发展以及数据累积使得用来训练算法的数据成为可能,简单的来理解在过去计算机读了几百张动物图片后号称能识别猫了,但面对一只蜷缩着睡觉的猫就认不出来,因为计算机读的数据太少,对猫的不同形态认识不够。今天的图像数据库如ImageNet拥有的图片数超过1400万。

正是这三种能力的综合使得许多看似复杂的医学难题有了新的解法,典型的例子就是影像辅助诊断,深度神经网络算法帮助多年没有突破图像识别技术突飞猛进,在2015年就超过了人类的平均识别水平,这样的能力用在影像阅片辅助医生诊断上正能发挥其作用。

智能药店的重要场景

虽然人工智能与医疗的主要结合点目前产业界比较关注的在影像诊断、新药研发还有医疗机器人等领域, 但其实人工智能与药店有着非常多的可以结合场景。 比如许多连锁药店都在做慢病管理,什么时候该给会员提醒用药,什么时候该提醒患者注意生活习惯,应该以何种方式提醒会员传统方式以非常依赖于店员个人的综合素质,且一个店员能覆盖的用户数有限,增加店员带来的收入又无法覆盖成本。

而人工智能根据用户的真实行为数据来学习,能学习出根据每个用户健康情况、疾病情况等综合考量下的最优健康保持策略,且人工智能一旦训练出来就可以以几乎零成本的方式来运作。

人工智能帮助药店吸引新的会员,管理好既有的会员,增加对会员的吸引力,又能以低成本的方式来提供服务,对药店管理的潜力是巨大的, 具体我们从药店的业务流来分析:

a.精准获客:拉新是每个药店都想提高能效的点,而拉新的第一步是理解既有顾客,理解周边环境。比如药店的访客是周边的常住用户多还是流动用户多?周边住户的背景、收入、职业特点是什么?用户来店购药的主要动机是什么?不来药店的访客仅仅因为没有购药需求还是其他原因……药店如果能对覆盖区域的用户群体有足够的洞察,甚至对每个用户的需求具备洞察就能拉到每一位应该拉到的新用户。借助传统方式最精明的药店经营者也只能对目标人群建立有限的理解,人工智能结合大数据能做到对每个个体的理解,连锁药店可以探索和移动通信公司、百度公司等拥有数据的公司共同合作分析。如果发现人群主要分布在金融行业,药店推送给潜在客户的信息可以考虑更多的与肠胃性疾病护理相关的信息,与改善睡眠相关的信息。

人工智能辅助筛查技术也可用在帮助药店获客上,药店常开展量血压之类的小活动以活跃气氛,吸引顾客购买,但药店很难请到医生到现场为患者提供更为专业的服务,这时人工智能就能发挥作用。比如测完血压后,人工智能能够基于患者的个体情况结合血压值给出科学的建议,打印出一份报告给患者,这对患者来说是药店提供的附加价值,对患者有价值,就能帮助药店粘住患者。人工智能辅助诊断技术还能使得药店在没有医生支持的情况下设计更多的筛查内容,比如当下影像辅助诊断里最火热的糖尿病性视网膜病变(糖网病)AI筛查,在药店里放置简易的手持眼底照相机就能够对糖尿病患者进行拍照,并通过AI来判断糖网病的可能性,帮助延展药店的服务,提高药店对用户的吸引力。

b.促进交易:如果用户有了购药需求到药店购药时,通常会带着一些问题,比如该买哪个药,是否要买其他的药品联合使用,用药时有哪些注意事项……专业的药师通过提供专业的服务能够充分释放用户潜在需求,促进销售。但大多数药师无法达到专业药师的水平,如果在药店柜台的电脑旁放置一个带语音识别的话筒,当用户提问题时话筒自动识别用户的问题,通过自然语言处理技术理解用户的问题,再基于融合知识图谱等的医疗知识库找出一组适合用户诉求的答案提示给店员,人机结合的方式将帮助店员更好的应对用户,引导用户。

换一个思路,店员的专业素养也能借助人工智能技术不断得到提高,科大讯飞已将人工智能技术运用在学生的个性化辅导上,提高学习的效率和有效性。同样的原理也可以用在给药师的培训上,针对每位药师的学习习惯和目前能力水平设计不同的课程与学习路径。

c.用户留存:作为零售业的真理之一——留住老顾客投入产出比要远高于获得新顾客的投入产出比,在留住老客户上人工智能也能发挥作用。一个有用的场景是识别老客户,装在药店的视频摄像头能够迅速识别走进店里的客人脸部特征,并提示给店员客人姓甚名谁上次来买过什么药,店员了解用户信息后的有针对性的交流能迅速拉近与用户的距离并留住用户。

推送给用户感兴趣的信息是常用的有效维持用户手段,但传统技术下如何识别并处理用户个体化的需求是挑战,人工智能结合大数据能对用户进行更多维度的分析寻找到更多维度的关联性。譬如人工智能识别一位用户是水瓶座,如果推送的内容里包含水瓶座相关知识对用户的吸引力就会直线上升;另一位男性用户是汽车爱好者,一篇题为《常常开车,如何保护好你的前列腺》的推送文章对用户的吸引力就会很高,后续的销售转化概率也会相应的提升。

d.慢病管理:用户留存几乎是整个零售界都关注的话题,对于医药零售来说更有价值的话题还有慢病管理。整个医疗支出超过70%都花在心脑血管疾病、癌症、糖尿病、慢性阻塞性肺病等慢性疾病上,服务好慢病患者不仅能够为企业带来经济价值,更能够解决社会难题,为患者创造价值。慢病管理我们讲重要的是4个R,正确的信息,正确的时间,正确的渠道传递给正确的患者,正确的英文是Right,四个正确也就是4个R。能够为某个特定的患者在他最偏好的渠道(短信、电话微信、面对面……)并在他最偏好的时间(早上、钟吾、晚上、睡觉前……)向他传递他最需要的信息(该吃药了、该吃什么药、该慢跑十分钟了、该休息了……)。传统方式的慢病管理的极致是根据预先定义好的有限类别将患者分到不同的类别,并提供这个类别预先定义好的管理方式来进行管理,而机器学习可以学习每个个体的数据并给出个体化的建议,理论上可以做到无限类别,做到真正的4R。

智能随诊也是慢病管理的重要场景,传统模式下有条件的地方由专门的医生或者护士定期的通过电话、微信等与患者沟通,了解近况并给出建议或指引。智能随诊能将这些动作与建议自动化,由AI智能的给患者发送提示,进一步还能通过语音合成技术合成医生或者护士的声音来与患者沟通,让服务更具温度。用过高德地图的用户应该都记得里面志玲姐姐的声音,高德使用的就是语音合成技术合成出林林志玲的声音。让医生或者护士读特定的训练语料,机器记录下来后就可以模拟出人类的声音。

e.自动售药机、无人药店:自动售药机已是一个较为常见的场景,从用户角度看半夜需要购买药品以及一些其他用品的需求是在的,但迄今很少有药店会提供夜间购药服务,夜间购药的收入无法覆盖夜间额外增加的人工、水电等成本。在药店外设置自动售药机乃至将售药机放置在小区里能够满足夜间的用药需求,还能因为便利性释放潜在的需求。一些国产的自动售药机已经能够售卖近400个品种,近2000盒药品,还能支持微信、支付宝等在线支付。进一步,有些厂家还在探索接入远程医疗服务的可能,智能售药机上配备电子显示屏还有摄像头,摄像头自动识别人脸登录并与远程的医生或者审方系统连接为患者提供处方验证及相应的提供合法售卖处方药的服务。再进一步已经有厂家在研究无人药店的可能性,能够提供更为丰富的品类以及更低的运营成本,人工智能技术使得这些成为可能。

人工智能技术与药店场景的结合还能有不少,比如药事服务机器人、处方机器人能够辅助解决药店执业药师缺乏的问题,更后端的还有连锁药店财务管理、流程管理的智能化,节省药店的运营管理成本,提高运营效率等。对于药店来说,关键在于如何开始。

如何开始清单

能结合的场景这么多,药店该如何开始与人工智能携手同行的旅程呢?是否需要花高价钱雇佣一批人工智能算法工程师?花大价钱购买足够的数据来训练算法?投入大量的费用购买适合人工智能算法运算的GPU服务器?如果是IBM沃森或者其他致力为药店提供智能解决方案的公司当然需要,但对于药店来说门槛并没有那么高, 至少有以下清单事项值得药店尝试:

1、选择一个对你的业务最有价值的场景作为应用人工智能技术的场景,比如你最大的挑战是获取新用户,那就以此为主题,切忌主题选的太多,选中一个最有价值的开始尝试;

2、围绕主题对既有数据进行审视,比如如果是获取新用户主题,那么是否有药店已有用户的基本数据,是否有每个药店周边人流的数据,是否有每个药店的品类及既往销量数据等;

3、是否能与拥有当地用户数据的企业一起获得用户更多维度数据,比如与当地移动或电信公司合作,他们往往拥有用户收入、文化背景等多维度数据就能基于地理位置等和你的数据做交叉匹配以获得对用户的更多了解;

4、对于拥有独立IT部门的连锁公司来说,根据公司资源丰裕程度设置一个兼职或者有几个专职IT人员再搭配与选定主题相关的业务人员组成行动小组开展攻关行动;

5、一旦有了初步有价值的结论就迅速投入尝试并迭代升级模型,比如发现某个门店一直的获客策略是围绕离药店1.5公里范围内的小区进行推广,但通过数据发现其实大量顾客来源于1.5公里外,原因可能是因为这群顾客下班经过该门店顺带购药,那也许该考虑和物业谈谈门口添加几个专用停车位会很有帮助;

6、如果模式证明成功就进行规模化复制到更多门店,在这个过程中团队也获得了锻炼,积累了信心,你可以开始下一个场景的尝试。

对于小连锁或者单体药店也许不具备类似的资源来开展尝试,但可以换个思路看看针对你的痛点市面上有没有哪些企业正在提供类似的解决方案,有些APP已经具备智能功能,至少可以学习并了解这些功能是否真的有用,将有用的功能推荐给你的用户也是吸引用户的方法之一。你还可以找到背后提供技术的公司,告诉他你的反馈吸引他将你作为种子用户免费合作并帮你解决进一步的问题。总之办法比问题要多,很多时候我们需要的是想出好的问题,总有人能为你解决问题!

赞 (0) 评论 分享 ()