Schätzung von Responsefunktionen auf Ärzteebene

Front Cover
GRIN Verlag, Jul 14, 2008 - Business & Economics - 21 pages
0 Reviews
Studienarbeit aus dem Jahr 2007 im Fachbereich BWL - Marketing, Unternehmenskommunikation, CRM, Marktforschung, Social Media, Note: 2,0, Christian-Albrechts-Universität Kiel (Wirtschafts- und Sozialwissenschaftliche Fakultät), Veranstaltung: Pharma-Marketing, 9 Quellen im Literaturverzeichnis, Sprache: Deutsch, Abstract: „No one is really sure if sending the legions of reps to doctors’ offices really works. Everyone is afraid to stop it, because they don’t know what difference it’s making“ (Ein leitender Angestellter aus der Pharmabranche).1 Der Einfluss von Marketinginstrumenten auf die Verschreibungswahrscheinlichkeit von Ärzten ist sowohl für Unternehmen als auch für die Öffentlichkeit von Interesse. Das genaue Ausmaß ist jedoch nur wenig oder gar nicht bekannt. Würden Pharmaunternehmen verstehen, wie jeder einzelne Arzt auf ihre Marketingbemühungen reagiert, könnten sie den Einsatz ihrer Außendienstmitarbeiter optimieren und höhere Gewinne erzielen.2 Eine weit verbreite Sorge der Öffentlichkeit ist hingegen, dass die aktuelle Marketingpraxis der Pharmahersteller dazu führt, dass Ärzte vermehrt die beworbenen Markenprodukte verschreiben, wodurch die Kosten im Gesundheitswesen ansteigen.3 Vor diesem Hintergrund ist die zunehmende Erforschung des Pharmamarktes durch Marketingexperten in den letzten Jahren zu sehen. Das Ziel dieser Seminararbeit ist es, einen Überblick über den aktuellen Forschungsstand auf dem Gebiet der Schätzung von Responsefunktionen auf Ärzteebene zu schaffen. Es wird dabei zum einen die genaue Vorgehensweise der Modellansätze beschrieben. Zum anderen werden die Ergebnisse der Studien vergleichend dargestellt und deren Bedeutung für Öffentlichkeit und Praxis beschrieben. Die Arbeit ist so aufgebaut, dass zunächst einige Hintergrundinformationen über das Forschungsgebiet, die Verschreibungsentscheidung, Marketinginstrumente und Daten vermittelt werden. Im dritten und vierten Abschnitt beschreibe ich die Detailing- Responsemodelle im „klassischen“ Fall bzw. unter Unsicherheit. Zum Schluss folgen kritische Anmerkungen sowie eine Zusammenfassung des gesamten Aufsatzes.
 

What people are saying - Write a review

We haven't found any reviews in the usual places.

Other editions - View all

Common terms and phrases

3.1 Theoretische 4.1 Theoretische Grundlagen Abnehmende Grenzerträge annahmegemäß Anzahl der Details Anzahl monatlicher Anzahl neuer Verschreibungen Ärzteebene Ärzten auf Detailing Asymmetrische Netzeffekte beeinflusst Chintagunta 2004 Competitorit Cum.Detailingitj Cum.Samplesitj Datensatz Detailing und Sampling direkter DTCA Effekt von Detailing Einfluss der Versicherungsart Einfluss von Detailing Elastizität Endogenität Ergebnisse Faktoren Fehlerterm folgenden Absatz gemessen geschätzt Gönül Health i’s OPL i’s Region indirekte Effekt Interaktionseffekt Jahre Panel Journal of Marketing Kaufentscheidung Koeffizienten zur Messung korreliert kumulierte Lernprozess Manchanda und Bhatia Manchanda und Chintagunta Marketinginstrumente Marketingmixmodell Medikaments Meinungsführer messen Messung des Einflusses Mizik und Jacobsen Modell Modellspezifikationen Nair Narayanan NDETit P"MEDICARE Patienten Pharmahersteller Pharmaunternehmen Poissonverteilung posteriori Vorstellungen Pradeep Preissensitivität Prescribeit Prescribeit-j priori Vorstellung Produkte Puneet Reaktion von Ärzten Reines Detailing-Modell Responsefunktion Samples Samplesit Schätzmethode Schätzung Spezialisierung Spezifikationen statistisch signifikant Tabelle Term Umsätze Unbeobachtete Heterogenität Unsicherheit US-Pharmaindustrie Vektor Verfasser Verschreibungen von Arzt Verschreibungsentscheidung Verschreibungsverhalten von Ärzten Verschreibungsvorfall volumenbasierte Bestimmung Zeitpunkt Zudem

Bibliographic information