用有效性指标加强建议的系统和方法与流程

用有效性指标加强建议的系统和方法
交叉引用
1.本技术要求于2020年2月25日提交的美国临时申请号62/981,384的权益，其内容通过引用整体并入本文。


背景技术：

2.药品销售代表(代表)和负责管理医疗保健提供者(hcp)沟通的营销经理在向医生或其他医疗保健提供者推销以购买其公司的药物和治疗时可能会使用不同的方法。例如，营销经理可能指示代表向hcp提供促销商品，邀请他们在会议上发言等。为了与hcp接触(engage)，医疗销售代表可能使用不同的方法与他们沟通，包括面对面会议、电话呼叫、即时消息、电子邮件和邮件。为了与hcp进行有效沟通，代表可能需要与hcp建立关系，以建立知识水平和融洽关系。
3.当药品代表与hcp沟通时，他们往往依靠他们自己与hcp的个人关系和他们自己的直觉来推销产品和服务。然而，药品代表和管理与hcp沟通的市场经理往往没有实证方法来补充或加强他们的营销努力，因此他们的销售和营销努力在很大程度上是主观的过程。数据收集可能很困难，因此有效性可能难以衡量。此外，计算机生成或标准化的销售流程往往缺乏使医疗代表能够成功地将产品销售给与其有关系的hcp的个人接触。因为代表可能无法将数据驱动的方法与他们的个人关系相结合，并且营销经理可能无法有效地利用通信数据来帮助代表进行沟通，所以代表可能无法成功进行销售。


技术实现要素：

4.需要能够向代表和营销经理提供消息建议的系统和方法，这些系统和方法可能会采取行动，并可能会增加代表和hcp之间的接触。本文公开的有效性指标可能与决策支持引擎一起使用，以增强发送给代表或营销经理的建议。本文公开的系统和方法可能利用机器学习来分析代表和hcp之间的交互，计算各种度量，并且结合度量以产生有效性指标。有效性指标可能指示特定代表或营销经理在与hcp互动的有效性，以增加hcp的参与和药品的购买。
5.在一个方面，本公开提供了一种用于生成指标分数(index score)的计算机实现的方法。该方法可以包括(a)获得与(i)多个销售代表和(ii)客户之间的多个交互相关联的数据；(b)对于每个销售代表：(i)处理数据以确定指标分数的多个组成部分；(ii)对多个组成部分应用多个权重和标准化以生成多个度量；(iii)总计多个度量以生成指标分数，其中指标分数指示销售代表在与客户交互的有效性；(c)基于多个销售代表的指标分数，从多个销售代表中选择销售代表；(d)在销售代表的电子设备的图形用户界面上显示销售代表和客户之间的推荐交互。
6.在一些实施方式中，该方法还包括(e)当在(a)中获得新数据时更新指标分数。在一些实施方式中，指标分数在预定义的时间间隔上更新。在一些实施方式中，该方法还包括(f)将指标分数作为web门户中的图形对象显示给第一组，其中该图形对象被配置成在指标
分数被更新时随时间视觉地改变。在一些实施方式中，多个交互包括第一组的实体和第二组的实体之间的历史和/或正在进行的交互。
7.在一些实施方式中，多个交互发生在多个渠道上。在一些实施方式中，多个权重基于多个渠道中的每一个的渠道类型。在一些实施方式中，多个渠道包括以下中的一个或多个：(1)电子邮件通信；(2)移动电话文本消息；(3)社交媒体网站；(4)移动应用；(5)电话呼叫；(6)面对面会议；(7)视频会议；(8)会议或研讨会；(9)在与来自第二组的实体连接的设施中开展的活动。在一些实施方式中，多个组成部分包括客户打开由来自第一组的实体发送至来自第二组的实体的一个或多个电子邮件通信的速率或概率。在一些实施方式中，一个或多个电子邮件通信包括至少三个电子邮件通信。在一些实施方式中，多个组成部分包括来自第一组的实体与来自第二组的实体之间的交互期限。在一些实施方式中，期限在预定义的时间范围内延伸。在一些实施方式中，期限包括来自第一组的实体和来自第二组的实体在预定义的时间范围内完成的访问次数。在一些实施方式中，多个组成部分包括来自第一组的实体和来自第二组的实体在目标时间段内完成的访问次数。在一些实施方式中，目标时间段被定义为商业或销售季度。在一些实施方式中，多个组成部分包括来自第一组的实体和来自第二组的实体的访问的节奏或频率。在一些实施方式中，多个组成部分包括来自第一组的实体按照一个或多个建议来访问来自第二组的实体的概率或速率。在一些实施方式中，多个组成部分包括来自第一组的实体根据一个或多个建议向来自第二组的实体发送电子邮件通信的概率或速率。在一些实施方式中，一个或多个建议由决策支持引擎(dse)自动生成。在一些实施方式中，一个或多个建议包括用于来自第一组的实体访问来自第二组的实体的一定数目的dse生成的建议。在一些实施方式中，一个或多个建议包括用于来自第一组的实体发送电子邮件通信至来自第二组的实体的一定数目的dse生成的建议。在一些实施方式中，多个组成部分包括来自第一组的实体完成由dse生成的一个或多个建议的实现率。在一些实施方式中，多个组成部分包括使用多个渠道中的一个或多个与来自所述第二组的实体接触的来自第一组的实体渠道的利用率。在一些实施方式中，dse被配置成使用指标分数来生成对来自第一组的实体的一个或多个未来建议，以用于接触来自第二组的实体。在一些实施方式中，一个或多个未来建议是为每个销售代表和来自第二组的实体定制的。
8.在一些实施方式中，指标分数可用于帮助来自第一组的实体增强或改进与来自第二组的实体的接触。在一些实施方式中，指标分数可用作在没有实际历史销售数据的情况下估计销售的代理。在一些实施方式中，指标分数可用于评估和修改代表与客户之间的现有分配或评估和修改由营销经理实施的现有营销策略，以便优化一个或多个产品的营销或销售。在一些实施方式中，一个或多个产品包括一个或多个药物产品，并且客户包括一个或多个保健提供者。
9.本公开的另一方面提供了一种包括机器可执行代码的非暂时性计算机可读介质，该机器可执行代码在由一个或多个计算机处理器执行时实现以上或本文别处的任何方法。
10.本公开的另一方面提供了一种系统，包括一个或多个计算机处理器和与其耦合的计算机存储器。计算机存储器包括机器可执行代码，该机器可执行代码在由一个或多个计算机处理器执行时实现以上或本文别处的任何方法。
11.通过以下详细描述，本公开的其他方面和优点对于本领域技术人员将变得容易理
解，其中仅显示和描述了本公开的说明性实施方式。如将意识到的，本公开能够具有其他和不同的实施方式，并且其若干细节能够在各种明显方面进行修改，所有这些均不背离本公开。因此，附图和描述本质上应被认为是说明性的，而不是限制性的。援引加入
12.本说明书中提及的所有出版物、专利和专利申请通过引用并入本文，其程度与每个单独的出版物、专利或专利申请被具体和单独地指示通过引用并入的程度相同。在以引用方式并入的出版物和专利或专利申请与说明书中包含的公开相矛盾的范围内，说明书旨在取代和/或优先于任何此类矛盾的材料。
附图说明
13.本发明的新颖特征在所附权利要求中特别阐述。通过参考阐述说明性实施方式的以下详细描述以及附图(在本文中也称为“图示”和“图”)，将获得对本发明的特征和优点的更好理解，其中：
14.图1示出了根据一些实施方式的用于为药品销售代表或为营销经理以算法方式产生情境感知建议的系统；
15.图2图示了根据一些实施方式的接触引擎的组成部分；
16.图3示出了根据一些实施方式的为代表账户访问对打开的电子邮件的概率分布；
17.图4示出了根据一些实施方式的代表的期限分布；
18.图5图示了根据一些实施方式的代表每季度完成访问的分布；
19.图6图示了根据一些实施方式的代表的访问节奏分布；
20.图7图示了根据一些实施方式的代表遵循建议访问hcp的概率分布；
21.图8图示了根据一些实施方式的代表遵循建议向hcp发送电子邮件的概率分布；
22.图9图示了根据一些实施方式的代表账户对的成就率分布；
23.图10图示了根据一些实施方式的所有代表账户对的渠道利用率分布；
24.图11图示了根据一些实施方式的有效性指标的分布，其总计了图3至图10中分析的度量；
25.图12图示了根据一些实施方式的三个不同组织的有效性指标和输出之间的相关性；
26.图13图示了根据一些实施方式的三个不同组织的有效性指标和输出之间的附加相关性；
27.图14图示了根据一些实施方式的指示指标与输出的相关性随时间的变化的图表；
28.图15示出了根据一些实施方式的用于预测代表和hcp之间的参与的指标分数的实现；
29.图16示出了根据一些实施方式的触发建议的执行；
30.图17图示了根据一些实施方式的用于生成原因文本以连同提交文本一起发送给代表的方法；
31.图18图示了根据一些实施方式的所呈现的原因文本的示例；
32.图19图示了根据一些实施方式的用于生成通过使用机器学习测量一组接触度量来编译的有效性指标的消息流程图；和
33.图20示出了被编程或以其他方式配置为实现本文提供的方法的计算机系统。
具体实施方式
34.尽管本文已经示出和描述了本发明的各种实施方式，但是对于本领域技术人员来说容易理解的是，这些实施方式仅作为示例提供。在不背离本发明的情况下，本领域技术人员可能想到许多变化、改变和替换。应当理解，可能采用本文所述的本发明实施方式的各种替代方案。
35.本文公开的系统和方法可被配置成向决策支持引擎提供关系感知建议。这些建议可能部分地基于通过分析第一组的实体和第二组的实体之间的交互而产生的分数。在公开的实施方式中，决策支持引擎将生成的建议提供给第一组药品销售代表(pharma reps)，其行为可能由管理hcp通信的营销经理管理，以启动或加强与第二组医疗保健提供者(hcp)的通信。建议可被配置成增加销售代表和hcp之间的接触，以便代表可能生成更多销售额，并导致hcp填写更多处方。
36.决策支持引擎可能使用通过机器学习分析产生的度量生成的接触分数和指标分数来生成建议。参与系统可能将代表和hcp之间的交互数据作为输入，包括代表发送给hcp的消息、销售代表和hcp参与的事件、来自代表和hcp的位置数据以及hcp对代表通信的反应。从机器学习算法的这些输入中产生的度量可能包括对日历事件的遵守、位置预测、接触建议的趋势、与医疗保健提供者的接触模式、代表和hcp之间的关系。代表或营销经理在与hcp交互中的有效性可能通过系统使用机器学习算法可能产生的指标分数(在本公开中也称为“指标”或“有效性指标”)来测量。为了产生指标分数，可能通过算法或手动对度量进行加权和组合。例如，该指标可能是两个或多个度量的加权和、复合或乘积。指标分数可能与机器学习输出相组合以产生接触分数，然后将其提供给决策支持引擎。
37.系统还可能连同建议一起提供原因文本。原因文本可能为销售代表或营销经理提供上下文，并且可能说服销售代表遵循建议或可能说服营销经理执行整合建议的销售策略。原因文本可能是算法生成的原因文本，为销售代表和营销经理提供有关建议有多大可能导致销售代表和hcp之间接触的数据。原因文本也可能针对发送到的特定代表进行个性化。
38.图1图示了用于以算法方式为药品销售代表(reps)和营销经理产生上下文感知建议的系统100。该系统包括决策支持引擎120、hcp设备140、通信设备160和网络180。
39.决策支持引擎120可能为第一组实体生成在与第二组实体通信时要使用的建议。例如，决策支持引擎120可能生成药品销售代表(销售代表)和营销经理的建议，以在与医疗保健提供者(hcp)通信时使用。建议可能是单词、短语或句子，或它们的组合。决策支持引擎120可能向销售代表或营销经理提供特定数量的建议的排序列表，这些建议对于采取行动或用于计划与一个或多个hcp的未来交互可能是关键的。决策支持引擎120可能生成已经在数学上确定以提高参与的建议。建议可能针对个别代表、代表组(例如，销售特定产品的代表)、特定营销经理或监督特定产品或策略的市场经理进行定制或个性化。决策支持引擎可能选择特定的代表或特定的营销经理来提供建议。例如，决策支持引擎可能向与特定hcp具有最大指标分数的代表提供建议，以确保提高对特定hcp的建议的有效性。
40.接触引擎200向决策支持引擎120来提供接触分数以使决策支持引擎120能够产生
可能更可操作的建议。引擎200可能收集代表和hcp之间的交互数据并使用一种或多种机器学习算法来分析数据以产生接触分数280。接触分数可能部分基于指标分数260。
41.hcp设备140是hcp用来与代表进行通信的设备。hcp设备140可能是具有网络连接性的计算设备，例如移动设备(例如，蜂窝电话或智能电话)、台式计算机、膝上型计算机、平板计算机或其他类型的计算设备。hcp可能是医生、外科医生、执业护士、助理医师、药学博士、护士、物理治疗师、职业治疗师或其他医疗参与者。
42.通信设备160是由销售代表用来与hcp通信或由营销经理用来向代表传达策略的设备。通信设备160还可能是具有网络连接性的计算设备，例如移动设备(例如，蜂窝电话或智能电话)、台式计算机、膝上型计算机、平板计算机或其他类型的计算设备。代表或营销经理可能通过电子邮件、短消息服务(sms)、语音邮件、电话交谈、互联网聊天程序、公告板系统、社交媒体直接消息或通过其他网络或非网络通信方法发送消息。通信设备160可能包括软件应用，例如台式计算机应用或移动设备应用，以从决策支持引擎120接收建议候选。软件应用可被配置成与macintosh或ios、windows、android或chrome os、unix或linux操作系统一起操作。
43.网络180将系统100连接到其环境的其他元素。网络180可能是互联网网络180、lan、wan、电信网络180、数据网络180或其他类型的网络。
44.图2图示了接触引擎200的组成部分。接触引擎200可能确定第一组实体和第二组实体之间的接触。在公开的实施方式中，第一组包括代表和营销经理，第二组包括hcp。接触引擎200包括收集的代表行为220，其提供用于产生用于指标分数260的组成部分以及用于接触预测系统270分析的数据。接触预测系统部分使用指标260来产生接触分数280。
45.代表行为220可能包括代表和hcp之间的交互信息。交互信息可能包括代表发送的消息、hcp在收到代表的消息后采取(或未采取)的行动、代表和/或hcp参加的事件、代表与hcp的联系尝试次数、代表和hcp之间的关系信息、人口统计信息(年龄、性别)、关于hcp的专业信息(职位、头衔、执业团体、教育)。
46.代表行为220可能用于产生组成部分列表。组成部分列表可能包括用于计算指标260的组成部分，包括电子邮件打开概率、代表账户期限、每季度完成的访问、访问节奏、建议访问完成概率、建议电子邮件完成概率、目标成就百分比和渠道利用率。
47.组成部分处理模块240计算指标分数260。组成部分处理模块240可能使用多种加权标准对其组成部分进行加权以产生指标分数260。可能调整这些标准以便将指标分数配置成更能预测代表输出。例如，指标组成部分可能被同等加权(例如，指标＝(组成部分1+组成部分2+组成部分3+组成部分4+组成部分5+组成部分6+组成部分7+组成部分8)/(非na组成部分的总数))。指标可能是与每个组成部分连接的不同权重乘数的加权和(例如，指标＝(权重1*组成部分1+权重2*组成部分2+权重3*组成部分3+权重4*组成部分4+权重5*组成部分5+权重6*组成部分6+权重7*组成部分7+权重8*组成部分8)/(非na组成部分的总数))。在本公开中，加权组成部分可能被称为度量，并且加权组成部分的总和可能被称为指标、指标分数、有效性指标等。可能将组成部分都归一化为0到1之间的数字，以控制组成部分对指标的贡献。
48.一些组成部分，例如电子邮件打开分数、建议访问分数和建议电子邮件分数，可能
表示为概率。例如，电子邮件打开分数可能指示代表打开电子邮件的倾向，分数接近0表示打开电子邮件的倾向低，而接近1的分数表示打开电子邮件的倾向高。
49.附加组成部分可能不是概率性的，并且可能使用算术运算进行归一化。这些分数可能包括期限分数、访问分数、节奏分数和目标成就分数。
50.指标分数260可能结合历史交互数据和历史建议数据以能够向接触预测系统270以及最终向决策支持引擎120提供生成建议所需的信息。指标分数260可能描述特定代表和hcp之间的连接深度，代表具有他或她可能与之交互的每个hcp的指标分数。代表可能通过与他们互动的hcp查看他们的分数。可能每天、每周、每月或每年计算分数。可能使用参数计算分数，这些参数包括每个渠道上与hcp的交互次数、交互频率、交互持续时间以及作为交互结果代表生成的输出(例如，进行的销售或填写的处方)。如果多个代表与特定hcp接触，则有效性指标可能能够确定哪些代表对hcp的购买或处方填写决策贡献最大。以这种方式，系统可能评估营销经理实施的多种策略的效果。如果一组一个或多个代表正在执行营销经理建议的一种策略，而另一组一个或多个销售代表正在执行另一个策略，则有效性指标可能确定哪种策略最有效，从其确定哪些代表的行动是最有效。hcp拒绝代表沟通可能会对分数产生负面影响。
51.代表和hcp之间的沟通渠道可能对接触的贡献不相等，并且在计算指标分数时可能被不同地加权。该系统可能为每个渠道与hcp互动更多的代表提供更高的分数。代表和hcp之间最近的通信可能比旧的通信对指标分数的贡献更大。更长的交互，而不是更短的交互，可能会产生更高的分数。代表可能会向hcp发送事件邀请，而接受更多邀请的hcp可能会为这类代表产生更高的效率指标。销售更多单位或导致更多处方记录的代表可能会接收更高的指标分数。此外，hcp对代表进行的阳光行为可能会增加指标分数。hcp拒绝代表建议可能会降低指标分数。
52.指标分数260可能在web门户中显示为代表的图形对象。随着指标分数260被更新，图形对象可被配置成随时间视觉地改变。
53.如果历史销售数据不可用，则指标分数260可能用于估计销售。指标分数的组成部分可能与销售有关或相关，因此可能预测确定代表行为对hcp的好处。
54.接触预测系统270可能使用机器学习算法来预测一个或多个度量，系统可能将这些度量与指标分数260组合以产生接触分数280。这些预测的度量可能包括对日历活动的遵守、位置预测、接触建议的倾向、与医疗保健提供者的接触模式、代表和hcp之间的关系。有效性指标可能结合来自已采取行动的建议、未采取行动的建议或两者的信息。
55.接触预测系统270可能预测一个或多个代表对日历活动的遵守。该系统可能使用机器学习分析过去的活动出席数据，以预测代表是否会出席代表日历上的一个或多个未来会议。
56.接触预测系统270可能从日历活动中确定计划的位置。系统可能从活动中提取位置信息，其可能是街道地址或纬度/经度坐标。从活动的较早位置，接触预测系统270可能能够预测代表的未来位置，以便确定哪些hcp可能正在出席代表可能正在出席的事件或其他附近的事件。
57.接触预测系统270还可能分析日历事件以提取与一个或多个事件主题有关的信息项。与品牌信息、给hcp的先前消息以及关于其他事件信息的结合，接触预测系统270可能使
用事件主题信息来预测未来事件的一个或多个计划的主题。接触预测系统270可能使用自然语言处理来从活动标题或描述文本中提取一个或多个单词或短语并将一个或多个主题标签分配给事件主题。系统可能部分地使用来自过去事件的主题标签的频率来确定未来的事件主题。
58.位置预测可能允许系统确定代表在未来时段中的位置。未来的时期可能在接下来的几天、几周、几个月或几年内。位置预测系统可能使用代表运动的层次聚类(使用代表的会议)来确定代表可能的平均纬度和经度。位置预测还可能计算代表可能访问的设施之间的每日最大距离。预测的位置可用于根据代表的位置定位消息或建议，还可能考虑提前计划的访问。
59.接触预测系统270可能跟踪代表参与提出建议的趋势。在该系统的上下文中，当代表的动作密切跟踪由决策支持引擎120提供的建议时实现接触。接触预测系统270可能跟踪代表在提供建议时行使哪些动作并确定这些动作是否构成接触。接触预测系统270可能使用机器学习来预测代表是否接受、拒绝或忽略包含来自决策支持引擎120的包含建议文本的消息。系统将预测代表是否有可能遵循来自消息的建议。
60.接触预测系统270可能使用具有多个离散可能性的多类分类器。可能性可能包括忽略建议、发送包含建议文本的消息以及确认建议但不采取行动。接触预测系统可能产生指示离散可能性之一将发生的可能性的分数。
61.接触预测系统270可能预测代表和hcp之间接触的接触模式。如果提出建议，则接触预测系统可能预测代表是否可能在特定日期通过渠道接触hcp。预测代表和hcp之间接触的接触模式也可能使用多类分类器。分类器可能产生关于联系代表的哪个渠道可能是最有效的预测。另一个多类分类器可用于预测代表接触hcp的最佳时间。
62.接触预测系统270可能分析来自代表的建议历史。接触预测系统可能将其具有数据的建议分类为已执行的建议和未执行的建议。
63.执行的建议可能输入到所描述的任何机器学习分析方法中。行为可能包括接受和确认。接受的建议是代表已执行的建议。系统可能考虑从向代表提供建议到对建议采取行动的代表所经过的时间。无论经过了多少时间，代表执行的任何建议都可能被视为已接受的建议。代表接受建议的频率可能会影响代表的接触结果。决策支持引擎120可能考虑接受建议的频率对接触进行建模。
64.未执行的建议包括拒绝的建议和忽略的建议。该系统可能使用机器学习算法240来预测代表是否可能拒绝或忽略建议。使用的机器学习算法240可能使系统能够通过分析拒绝和忽略的建议来学习更好地提供建议。
65.接触分数280可能从接触预测系统270的机器学习输出和指标分数260中产生。接触分数280可能是这些因素的简单总和、加权和、乘积或这些因素的另一种数学组合因素。例如，接触分数280可能表示为接触分数＝代表日历依从性+代表位置+代表接触建议+指标分数。为了配置接触水平，可能为每个接触分数组成部分提供特定权重。系统可能使用手动输入或算法地向度量提供权重。例如，系统可能分配目标接触分数并迭代地增加或减少权重以产生目标分数。
66.在图3-15中的每一个中，图表绘制了用于计算指标分数与代表账户访问对计数的各种度量。代表账户访问对可能表示特定代表和特定hcp之间的关系，其中代表可能访问
hcp以征求药品销售或尝试获得处方。许多图表图示了钟形曲线分布，尽管有些倾向于更低或更高的平均度量值。
67.图3示出了为代表账户访问对打开的电子邮件的概率分布300。该图表图示了hcp打开电子邮件的概率较低的分布，指示表现不佳的代表的百分比高于表现较高的代表。该图表示出已向账户发送至少三个电子邮件的代表的数据。
68.图4示出了代表的期限分布400。期限可能是代表和hcp之间关系的长度。该图示出了在两年内完成对特定hcp两次访问的代表的数据。该图有两个峰值，一个峰值出现在短期期限内，另一个峰值出现在长期期限内。
69.图5图示了代表每季度完成访问的分布500。该图倾向于每位代表的访问次数较少，指示大多数代表每季度访问hcp的次数不超过3次。分布500可能指示超过四次访问的增加访问的边际值低。
70.图6图示了代表的访问节奏的分布600。该分布向右倾斜，指示每个代表的平均标准化节奏更高。节奏反映了代表访问账户的频率以及代表访问hcp的间隔有多均匀。如可能在图示600中观察到的，更频繁和定期访问账户的代表是常见的。
71.图7图示了代表遵循建议访问hcp的概率分布700。决策支持引擎已向图表中包含的代表提供了至少三个与访问有关的建议。在分布700中，平均而言，当被提供建议时，代表有30％的时间访问hcp。
72.图8图示了代表遵循建议以向hcp发送电子邮件的概率分布800。决策支持引擎已向图表中包含的代表提供了至少三个与电子邮件有关的建议。在分布800中，平均而言，当被提供建议时，代表有20％的时间向hcp发送电子邮件。
73.图9图示了代表-账户对的实现率分布900。可能为目标分配交互次数，例如访问或向hcp发送电子邮件。目标期间可能是一天、一周、一个月、一年，也可能是一个营业期间或销售季度。分布900倾向于较少完成的交互。
74.图10图示了所有代表账户对的渠道利用率分布1000。该分布测量一个标准化分数，指示代表使用多少渠道来联系hcp。分布1000指示代表倾向于使用更多而不是更少的沟通渠道。渠道可能包括以下中的一个或多个：(1)电子邮件通信；(2)移动电话文本消息；(3)社交媒体网站；(4)移动应用；(5)电话呼叫；(6)面对面会议；(7)视频会议；(8)会议或研讨会；(9)在与来自所述第二组的实体连接的设施中开展的活动。
75.图11图示了有效性指标的分布1100，其总计了图3-10中分析的度量。分布1100近似于正态分布，指示代表倾向于具有接近中值的指标。
76.图12图示了三个不同组织1220、1240和1260的有效性指标和输出之间的相关性。图12图示了指标的每个组成部分与输出的相关性以及总体指标与输出的相关性。相关性可能解释为线性关系中的斜率，以预测特定代表的输出。
77.图13图示了三个不同组织1220、1240和1260在每季度持续时间内的有效性指标和输出之间的附加相关性。图13图示了指标的每个组成部分与输出的相关性以及总体指标与输出产出的相关性。相关性可能解释为线性关系中的斜率，以预测特定代表的输出。
78.图14图示了图表1400，其指示指标与输出的相关性随时间的变化。该图表指示，随着时间的推移，相关性更能预测销售，示出有效性指标的预测性能的提高。
79.图15图示了用于生成通过使用机器学习测量一组接触度量来编译的有效性指标
的消息流程图1500。有效性指标可能指示特定代表在与hcp交互(例如，请求积极参与)的有效性。可能将有效性指标提供给决策支持引擎120，使得决策支持引擎120可能产生更可能被代表遵循的建议，成功执行营销经理设计的策略，并增加代表和hcp之间的接触。
80.在第一操作1510中，系统获得代表和hcp之间的交互数据。交互数据可能包括代表发送给hcp的消息和hcp在接收到消息时采取或不采取的行动。例如，如果hcp在代表发送的消息中确认、接受、忽略或拒绝操作，则系统可能会记录。该系统可能获得关于代表和hcp两者出席的事件的信息、代表的位置跟踪数据、一天中的时间和通信频率，以及代表和hcp两者使用的通信渠道。
81.在第二操作1520中，系统处理每个销售代表的交互数据。系统可能处理交互数据以确定指标分数的度量。该系统可能使用一种或多种经过训练的机器学习算法来基于数据计算度量。这些组成部分可能包括对日历活动的遵守、位置预测、接触建议的倾向、与hcp的接触模式以及代表和hcp之间的有效性指标。
82.在第三操作1530中，系统将权重和标准化应用于不同度量中的每一个。系统可能通过算法应用权重或邀请用户手动应用权重。权重可能应用于针对代表和hcp之间的特定类型的接触，最大化代表和hcp之间的总接触，最大化特定代表和特定hcp之间的接触，执行营销经理设计的特定战略或策略，增加特定渠道中的沟通，或关于另一个目标结果。
83.在第四操作1540中，系统总计多个度量。系统可能通过添加加权度量来产生有效性指标，或者可能产生作为加权度量的乘积的分数。该系统然后可能将有效性指标提供给决策支持引擎120，其中它可能为代表产生建议是可行的。
84.在第五操作1550中，系统基于销售代表的指标分数来选择销售代表以呈现与hcp的推荐交互。对于特定的hcp，系统可能提供hcp和不同代表之间的分数排名。系统然后可能选择与特定hcp具有最高分数的代表。这个最高分可能指示所选代表在与hcp沟通方面最有效。
85.在第六操作中，系统在销售代表的电子设备的图形用户界面上显示销售代表和客户之间的推荐交互。交互可能包括代表发送给hcp的建议消息、解释为什么生成建议的原因文本、以及代表发送消息给hcp的建议通信方法。图16示出了用于预测代表和hcp之间的接触的指标分数260的实施方式1600。指标分数260可能预测当前或未来时间的接触。未来时间可能包括未来几天、几周、几个月或几年的时间。在说明性实施方式中，指标分数260对当天和接下来的三天进行预测。这些数字可能指示在进行预测的每一天期间将发生接触动作的相对可能性。阴影数字可能指示最有可能发生接触事件的日期。
86.图17示出了触发建议的实施方式1700，触发建议是即使代表接触模型预测消息不太可能接触也可能提供给代表的建议。触发建议可能是品牌战略的一部分并且在算法上与接触无关的建议。
87.在图17的实施方式1700中，决策支持引擎120可能手动设置用于呈现触发建议的概率阈值。例如，概率阈值可能是，如果代表接受建议，则将有70％的机会hcp做出响应。通过这种方式，可能以增加代表和hcp之间接触的方式结合触发建议。决策支持引擎120可能抑制低于阈值百分比的触发建议。用户可能能够查看被抑制的建议。
88.过滤触发建议可能使用基于规则的界面来实现。在图17的实施方式中，界面包含一个条件，其说明如果有0个或更多的患者对于品牌是新的，则提出关键建议。用户可能选
择启用一个因素来提示关键建议的呈现或将建议提交给代表接触模块(rem)。使用后面的选项比较从向hcp提供建议的接触概率与阈值概率。
89.图18图示了用于生成原因文本以连同建议文本一起发送给代表或营销经理的方法1800和1850。原因文本可能向代表提供指标分数，以影响代表接受所提供的建议，或者向营销经理提供指标分数以评估特定策略是否对特定代表有效。指标分数可能是人类可读的值。指标分数可能作为定性词或短语提供，指示代表与建议所涉及的hcp之间的强关系。例如，指标分数可能表示为等级，例如“a”、“b”或“c”。指标分数也可能转换为代表或营销经理可能理解或经过培训才能理解的数字，例如，1到5或0到100之间的数字。原因文本可能对提交进行注释，以向代表提供关于为什么要将提交呈现给代表或营销经理，以说服他们接受提交是值得的。原因文本可能是半静态的，包括硬编码语言和可修改标签。标签可能手动或算法生成。标记可能指向可能促使建议浮出水面的参数值。当生成文本以向代表或营销经理提供理解为什么首先呈现建议所需的数据时，可能检索这些值。让代表或营销经理更好地理解为什么呈现建议可能会使代表或营销经理更有可能贯彻执行建议。此外，原因文本可能会个性化代表的体验，这本身可能会导致更高的参与。提供求助于代表的信息可能会使代表更加信任建议过程。
90.原因文本可能是人工智能驱动的原因文本(airt)或个性化原因文本(prt)。airt可能会向代表提供分析数据，以为他们提供硬数据来支持呈现建议的原因。分析数据的示例可能包括许多计算度量的输出，包括指标分数和建议的接触概率。个性化的原因文本可能对特定的代表更加个性化，以便求助于代表的个性。这种求助于个性化建议的解释可能比分析数据的呈现更有说服力。
91.图18图示了用于原因文本编辑器的用户界面。原因文本编辑器可能使用户(例如，营销经理)手动添加原因文本或使用一种或多种算法来生成要呈现的原因文本。
92.图18的用户界面包括学习标记和锚点。学习标记是引用连接到特定hcp的数据值的标签，例如渠道操作、hcp的名称、行驶的英里数、日程安排信息和其他值。标记可能组织成类别，例如“一般”和“锚点”。在对话窗口内，用户可能输入原因文本消息的脚本并嵌入来自一个或多个不同类别的标签。用户可能对原因文本应用不同的dse配置。原因文本编辑器可能针对决策支持引擎120的不同配置进行优化，包括消息序列优化、tte和锚点。
93.原因文本编辑器可能使用渠道条件标记产生原因文本，这可能基于代表和hcp之间的通信渠道来修改呈现的原因文本。
94.图19图示了所呈现的原因文本的示例1900。原因文本可能是嵌入有标签的库存文本，其从决策支持引擎120检索用于呈现的信息。
95.接触预测系统270可能使用白名单和黑名单对代表测试其实现的模型，例如机器学习模型。例如，系统可能使操作员、营销经理或管理员能够将特定代表列入白名单以接收算法生成的建议，并将其他代表列入黑名单。这些用户可能根据他们与特定hcp的接触分数为白名单或黑名单选择代表。在图18的实施方式中呈现的文本是分析原因文本。文本显示在特定时间执行特定操作可能最大化接触机会。图18示出了嵌入标签的硬编码文本和代表读取的文本，其包含系统读取标签时检索到的值。
96.当术语“至少”、“大于”或“大于或等于”在一系列两个或更多个数值中的第一个数值之前，术语“至少”、“大于”或“大于或等于”适用于该系列数值中的每个数值。例如，大于
或等于1、2或3等价于大于或等于1、大于或等于2、或大于或等于3。
97.当术语“不大于”、“小于”或“小于或等于”在一系列两个或更多个数值中的第一个数值之前，术语“不大于”、“小于”比、”或“小于或等于”适用于该系列数值中的每个数值。例如，小于或等于3、2或1等于小于或等于3、小于或等于2、或小于或等于1。计算机系统
98.本公开提供了被编程以实现本公开的方法的计算机系统。图20示出了计算机系统2001，其被编程或以其他方式配置成计算本文所述的有效性指标。计算机系统2001可能调节产生本公开的建议的各个方面，例如执行机器学习分析。计算机系统2001可能是用户的电子设备或相对于电子设备位于远程的计算机系统。电子设备可能是移动电子设备。
99.计算机系统2001包括中央处理单元(cpu，在此也称为“处理器”和“计算机处理器”)2005，其可能是单核或多核处理器，或者用于并行处理的多个处理器。计算机系统2001还包括存储器或存储器位置2010(例如，随机存取存储器、只读存储器、闪存)、电子存储单元2015(例如，硬盘)、用于与一个或多个其他系统通信的通信接口2020(例如，网络适配器)和外围设备2025，例如高速缓存、其他存储器、数据存储和/或电子显示适配器。存储器2010、存储单元2015、接口2020和外围设备2025通过诸如母板的通信总线(实线)与cpu 2005通信。存储单元2015可能是用于储存数据的数据存储单元(或数据仓库)。计算机系统2001可能在通信接口2020的帮助下可操作地耦合到计算机网络(“网络”)2030。网络2030可能是互联网、因特网和/或外联网，或正在与互联通信内联网和/或外联网。在一些情况下，网络2030是电信和/或数据网络。网络2030可能包括一个或多个计算机服务器，其可能实现分布式计算，例如云计算。在某些情况下，网络2030在计算机系统2001的帮助下可能实现对等网络，这可能使耦合到计算机系统2001的设备能够充当客户端或服务器。
100.cpu 2005可能执行一系列机器可读指令，其可能体现在程序或软件中。指令可能储存在诸如存储器2010之类的存储器位置中。指令可能被引导到cpu 2005，cpu 2005可能随后对cpu 2005进行编程或以其他方式配置以实现本公开的方法。cpu 2005执行的操作的示例可能包括获得、解码、执行和写回。
101.cpu 2005可能是电路的一部分，例如集成电路。系统2001的一个或多个其他组件可能包括在电路中。在某些情况下，该电路是专用集成电路(asic)。
102.存储单元2015可能储存文件，例如驱动程序、库和保存的程序。存储单元2015可能储存用户数据，例如用户偏好和用户程序。在一些情况下，计算机系统2001可能包括在计算机系统2001外部的一个或多个附加数据存储单元，例如位于通过内联网或互联网与计算机系统2001通信的远程服务器上。
103.计算机系统2001可能通过网络2030与一个或多个远程计算机系统通信。例如，计算机系统2001可能与用户的远程计算机系统(例如，移动用户设备)通信。远程计算机系统的示例包括个人计算机(例如，便携式pc)、平板或平板pc(例如，ipad、galaxy tab)、电话、智能电话(例如，iphone、支持android的设备、)或个人数字助理。用户可能通过网络2030访问计算机系统2001。
104.如本文所述的方法可能通过储存在计算机系统2001的电子存储位置(例如，存储器2010或电子存储单元2015)上的机器(例如，计算机处理器)可执行代码来实现。机器可执
行或机器可读代码可能以软件的形式提供。在使用期间，代码可能由处理器2005执行。在一些情况下，代码可能从存储单元2015中检索并储存在存储器2010中以供处理器2005随时访问。在一些情况下，电子存储单元2015可能被排除，并且机器可执行指令储存在存储器2010中。
105.代码可能被预编译和配置用于与具有适于执行代码的处理器的机器一起使用，或者可能在运行时编译。可能选择编程语言来提供代码，以使代码能够以预编译或编译后的方式执行。
106.在此提供的系统和方法的方面，例如计算机系统2001，可能在编程中体现。该技术的各个方面可能被认为是“产品”或“制品”，通常以机器(或处理器)可执行代码和/或在一种机器可读介质类型上承载或体现的相关数据的形式。机器可执行代码可能存储在电子存储单元上，例如存储器(例如，只读存储器、随机存取存储器、闪存)或硬盘。“存储”类型介质可能包括计算机、处理器等或其相关模块的任何或所有有形存储器，例如各种半导体存储器、磁带驱动器、磁盘驱动器等，它们可能随时提供非暂时性储存进行软件编程。软件的全部或部分有时可能通过互联网或各种其他电信网络进行通信。例如，这样的通信可能实现将软件从一台计算机或处理器加载到另一台计算机或处理器中，例如，从管理服务器或主机计算机加载到应用服务器的计算机平台中。因此，可能承载软件元件的另一种类型的介质包括光波、电波和电磁波，例如通过本地设备之间的物理接口、通过有线和光陆线网络以及通过各种空中链路使用。承载这种波的物理元件，例如有线或无线链路、光链路等，也可能被认为是承载软件的介质。如本文所用，除非限于非暂时的、有形的“存储”介质，诸如计算机或机器“可读介质”之类的术语是指参与向处理器提供指令以供执行的任何介质。
107.因此，诸如计算机可执行代码之类的机器可读介质可能采取多种形式，包括但不限于有形存储介质、载波介质或物理传输介质。非易失性存储介质包括例如光盘或磁盘，诸如任何计算机等中的任何存储设备，诸如可用于实现附图中所示的数据库等。易失性存储介质包括动态存储器，例如这种计算机平台的主存储器。有形传输介质包括同轴电缆；铜线和光纤，包括构成计算机系统内总线的电线。载波传输介质可能采用电或电磁信号的形式，或声波或光波的形式，例如在射频(rf)和红外(ir)数据通信期间生成的那些。因此，计算机可读介质的常见形式包括例如：软盘、软盘、硬盘、磁带、任何其他磁性介质、cd-rom、dvd或dvd-rom、任何其他光学介质、穿孔卡片纸磁带、任何其他带有孔图案的物理存储介质、ram、rom、prom和eprom、flash-eprom、任何其他存储芯片或盒式磁带、传输数据或指令的载波、传输此类载波的电缆或链路或计算机可能从中读取编程代码和/或数据的任何其他介质。许多这些形式的计算机可读介质可能涉及将一个或多个指令的一个或多个序列传送到处理器以供执行。
108.计算机系统2001可能包括电子显示器2035或与之通信，电子显示器2035包括用于向医药代表提供例如建议文本的用户界面(ui)2040。ui的示例包括但不限于图形用户界面(gui)和基于web的用户界面。
109.本公开的方法和系统可能通过一种或多种算法来实现。算法可能在中央处理单元2005执行时通过软件来实现。该算法可能例如计算与hcp交互的代表的有效性。
110.虽然在本文中已经示出和描述了本发明的优选实施方式，但是对于本领域技术人员显而易见的是，这些实施方式仅作为示例提供。本发明并不意在受说明书中提供的具体
示例的限制。尽管已经参照前述说明书描述了本发明，但本文中实施方式的描述和说明并不意味着被解释为限制意义。在不背离本发明的情况下，本领域技术人员现在将想到许多变化、改变和替换。此外，应当理解，本发明的所有方面不限于本文阐述的具体描述、配置或相对比例，其取决于各种条件和变量。应当理解，在实施本发明时可能采用对这里描述的本发明实施方式的各种替代方案。因此预期本发明还应涵盖任何这样的替代、修改、变化或等价物。所附权利要求旨在定义本发明的范围，并且这些权利要求范围内的方法和结构及其等同物由此被覆盖。