Segmentación de profesionales de la salud del sector farmacéutico por Machine Learning para la optimización de frecuencia de visitas

Loading...
Thumbnail Image
Date
2025
Journal Title
Journal ISSN
Volume Title
Publisher
Pontificia Universidad Javariana Cali
Abstract
En el sector salud, comprender a los médicos del mercado es crucial, ya que cada impacto promocional debe estar enfocado en el Health Care Practitioner (HCP). En Colombia, esta tarea es especialmente compleja debido a la limitada cantidad de especialistas, que obliga a los médicos a tratar diversas enfermedades, y a la promoción de múltiples productos por parte de las empresas farmacéuticas, lo que genera segmentaciones distintas para cada molécula. Además, las dinámicas del mercado colombiano hacen que la relación médico producto sea más disperso, aumentando la necesidad de enfoques estratégicos precisos. Este proyecto propone un modelo de segmentación estándar, basado en datos objetivos, que elimina la subjetividad, optimiza la caracterización de los HCPs y prioriza estrategias de marketing, alineando los esfuerzos de la empresa con las necesidades del mercado de forma más eficiente y efectiva.
Description
item.page.descriptioneng
Finally, participants mentioned that in their communities, early motherhood is often seen as an “obligation” and an “exclusive responsibility of women,” reinforcing the idea that child and household care is primarily female. Conclusion: Social representations about DSDR and early motherhood are influenced by limited knowledge, based on informal sources that perpetuate myths about sexuality and reproductive rights. Although some participants associate these rights with autonomy, structural racism and gender expectations restrict their ability to fully exercise them, reinforcing caregiving and reproductive roles. These representations are influenced by family support networks, intergenerational beliefs and experiences that may perpetuate or challenge traditional roles in the community.
Keywords
Targeting, Segmentación, Profesional en la Salud, Potencial, Machine Learning, Segmentation, Health Care Practitioner, Potential
Citation