关键意见领袖 (KOL) 识别和映射是企业营销的重要组成部分，尤其是在制药行业。人工智能和大数据在加快发现合适的影响者/思想领袖的过程中发挥着巨大的作用，并确保只达到某个项目的最佳目标，从而节省资金和精力。
但是，这些新兴技术究竟如何在提高这些复杂研究任务的效率方面发挥作用呢？
本文探讨了 KOL 映射背后的方法，以及它如何彻底改变您的影响者营销策略。
什么是 KOL 映射？
关键意见领袖 (KOL) 或“思想领袖”是知识渊博、经验丰富的影响者，在特定领域或行业享有盛誉。 KOL 通常受到追捧，尤其是在医疗保健领域，他们通过开展一些显着的活动来脱颖而出，这些活动使他们在职业生涯中脱颖而出。这些活动的范围包括担任有影响力的组织的董事会成员、在国家或国际大会上发言和/或在同行评审的期刊上发表他们的研究成果。
识别 KOL 及其数字同行（称为“数字意见领袖”(DOL)）对于组织的营销工作至关重要。对于制药公司来说尤其如此，因为在选择药物、医疗设备或疗法时，值得信赖和独立的医生和医疗保健专业人员的意见比其他医生的意见对人们的影响更大。许多药物的成功或失败——尤其是较新的或鲜为人知的药物——通常取决于 KOL 的意见。因此，制药公司在绘制 KOL 地图方面投入了大量精力。
但实际上事情很少那么简单。
从数以百万计的执业医师和其他专家中选择合适的人——那些有足够影响力、可能想听听你的信息并愿意参与对话的人——简直就像大海捞针。如果那个干草堆有火星那么大。
人工智能：寻找相关KOL的关键
我们在现代互联世界中可以访问的数据集数量之多，尤其是医疗保健方面的数据集，简直令人叹为观止。
每周在各种期刊上发表数以千计的研究论文，来自电子病历、索赔数据和日常实践的数据量之大，任何人都无法分析。然而，即使是最小的信息也可能非常重要，因为它可能会影响假定的 KOL 的声誉——例如，外科医生的并发症发生率或必要的再手术率。
然而，并非所有数据都具有相同的价值：区域会议上的大会报告是否与世界卫生组织指南中的特约撰稿人具有相同的重要性？明显不是。
那么，鉴于所有这些数据，您如何确定谁是特定领域中最具影响力的 KOL？简短的回答是人工智能。
人工智能在关键意见领袖映射中的关键应用
1.数据组织。
AI 能够比人类更快地扫描数据——参考一组规则为更重要的数据分配分数，组织它们并清晰地呈现它们，以便分析师可以在将每个 KOL 的个人资料呈现给客户之前对其进行研究。
换句话说，人工智能能够抓取大量数据，识别相关或重要信息并丢弃所有不必要的信息，以便人类改进搜索。它可以结合来自不同来源的数据来确定专家在国际、国家和地方层面的影响程度。
2.正确识别KOL。
对于不同网站上的不同活动，人们几乎不会以完全相同的方式命名。
例如，在收集有关特定影响者的信息时，您可能会发现他作为论文作者是“Claudio Buttice”，在网站上是“C.A. Butticè”，在教科书中是“Buttice, C”。当收集到数以千计的名字，并且使用相同首字母缩写的人数很多时，事情就会变得非常混乱。
人工智能可以根据简单的规则做出明显的决定，并确定何时不需要担心重音缺失或一个字符的差异。它还可以查询有关医疗保健专业人员的数据库以进行最终验证。如果指导得当，机器学习算法最终可以通过整合关于他们的从属关系、他们来自的城镇和/或他们所属组织的数据来识别特定的 KOL，以确保将给定的活动分配给正确的人。
3. 翻译
当这些专家在非英语国家工作时，寻找让 KOL 与众不同的特定活动可能会变得更加困难，当他们的语言基于非拉丁字母（例如日语汉字）时更是如此。
来自不同国家的专家可能只能在特定的数据库中找到，而某些文件（例如国家指南）可能仅以他们的母语存在。克服这些语言障碍的唯一方法是聘请精通地球上每一种语言的国际专家大军，或者寻求单一、非常高效的自动翻译工具的帮助。
最先进的翻译工具，如 DeepL，充分利用它们的神经网络来捕捉人类语言中最细微的差别。近年来，机器学习在翻译中的应用让这些工具取得了突飞猛进的发展：现在，正确的工具可以在几秒钟内翻译文档；甚至您的互联网浏览器附带的基本翻译器也可以让您立即了解外国网站。
4. 改善沟通
机器学习可以从大数据库中提取出许多意想不到的有用见解。
它可以识别定义潜在 KOL 的影响和影响程度的模式，并且可以用于预测接近 KOL 的最佳路径。换句话说，除了简化识别 KOL 的过程外，AI 还可以就克服潜在沟通挑战的最佳方式提供可行的见解。它可以通过了解他们的专长、偏好和未来的职业发展来建议最有效的途径来接近给定的专家。
人工智能可以替代人类分析师吗？
我们都知道会变成这样，不是吗？
每当以任何形式或形式讨论 AI 主题时，每个人脑海中的主要问题是最新的 ML 支持的工具是否会使人类专业人员过时或在很大程度上变得不必要。答案或多或少总是相同的——在 KOL 地图行业中，情况也没有什么不同。
简而言之：不；仍然需要人类。人工智能可以简化一些最琐碎和重复的任务，但即使是最智能的工具也不能无人看管。 （另请阅读：机器人会抢走你的工作吗？这要看情况。）
当前的算法擅长通过合并从公共互联网上收集的信息来创建长长的名单。他们可以很聪明地寻找联系、识别相关 KOL 的活动，甚至为该 KOL 的职位和隶属关系建立合理可信的档案。然而，从客户的角度来看，他们几乎都缺乏描述 KOL 真正重要的东西的能力：名字背后的人。
这个特定的 KOL 是谁？他们的势力范围是什么？他们的技能、偏好和专长是什么？而且——更重要的是——出于营销目的接近他们的最佳方式是什么？
只有具有丰富行业经验的熟练人类分析师才能去除数据中的所有噪音，消除潜在的掠夺性活动，找到重要的影响者，建立他们的档案并根据客户的特定需求调整名单。伦敦最著名的 KOL 地图绘制机构之一 Scout 的首席执行官西蒙·罗森伯格 (Simon Rosenberg) 如此说道：
“算法是一个很好的指南，但留给他们自己的设备，就像让孩子们重新设计客厅一样。人工智能始终是一个很好的起点，可以让你快速走上正轨，但之后你就得整理了。你不能只是打开吸尘器然后把它留在地板上就可以打扫你的房子——必须做一些体力劳动才能让它发光。”
结论
KOL 地图行业可能看起来像一个小众市场。但考虑到医疗保健和医药市场的规模和范围，事实并非如此。
在行业联络员可以与他们联系之前，每天都需要确定无数聪明才智。 AI 和 ML 工具已经证明是这个垂直领域的游戏规则改变者，它是这些技术最早和领先的采用者之一。
