文丨梧桐樹資本

“梧桐樹商學院·CEO成長營”是梧桐樹資本為被投企業量身打造的閉門活動，也是為提升投后服務推出的系列品牌活動。梧桐樹資本管理合伙人高申、鳳翔傳說醫藥新零售事業部總經理全兆湛、思齊俱樂部創始人洪遠東、志諾思維創始人凌少平幾位嘉賓進行了主題分享。

01

梧桐樹資本管理合伙人高申介紹了梧桐樹資本在醫療大健康領域的布局，并簡單分享《智慧醫療的投資邏輯》，他表示如今的醫藥健康投資已經進入了新周期，即降本增效提質的新周期。從政策、市嘗技術三方面進行探討如何降本、增效和提質，并提出在面對市場競爭時，醫藥健康企業的出路就是要增強創新力、研發新產品、調整好結構。

他表示，如今的醫療行業產業鏈已經不斷完善并形成了閉環。并指出了醫療行業的六大投資機會，具體而言，在調結構方面，醫藥新流通和營銷會帶來各種投資機會；在新增量方面，新藥研發全鏈條的各個階段有較大的投資機會；在提質量方面，技術驅動的精準醫療已經逐漸落地，主要應用的幾大領域也會帶來相應的投資機會；還有在新醫療服務、商業保險和醫療信息化方面都有潛在的投資機會。

02

鳳翔傳說醫藥新零售事業部總經理全兆湛進行了《藥企品牌打造線上爆款的關鍵能力及案例分享》的主題分享。

全兆湛主要從三個方面進行闡述藥企品牌如何在線上打造爆款，并且舉出相應的案例進行詳細闡釋。

首先，藥企品牌要打造線上爆款需具備電商思維。根據大數據，主動做線上營銷的藥企能夠跑贏大盤增長的幅度，相較于未開旗艦店的品牌有更大的市場份額。加上在營銷環境、營銷用戶有所變化后，銷售模式、渠道定位和盈利結構也會帶來相應的變化。因此藥企在打造線上品牌爆款時，需要關注這些方面的變化，用電商思維進行革新。

其次，關于線上生意可持續的幾大關鍵點。

關鍵點1：重視存量和增量之間的相互博弈。

根據對大數據的追蹤可見，線上購買藥品的人群和線下購買的人群有區別。

存量能夠有效幫助控制拉新成本，能更好的、更快起步。線下成熟的品牌在線上開始成功的概率在60%以上。而新產品在線上開始能成功的概率在40%以下。

關鍵點2：控制顧客的生命周期。即要用顧客思維進行營銷，挖掘顧客的潛力。全兆湛用葉酸片和奶粉的線上營銷案例，說明維護顧客的購買周期是藥企線上品牌能持續發展的重要動力。

關鍵點3：選品和時機缺一不可。

全兆湛提出，在互聯網上好賣品種有幾個如下特征：隱私性、自我診療、效果感知、慢病用藥。如果要打造線上爆款，產品必須具備上述某幾個特征，并且抓住時機進行營銷，才能達到事半功倍的效果。

關鍵點4：控制營銷費，擺脫價格戰，以市場洞察和營銷策略為基點。這屬于營銷思維方面的內容，要做線上營銷必須具備營銷知識。

最后，他提出值得關注和投資的幾大賽道：

醫美藥妝+新媒體營銷。這是藥品日用化，深度解決肌膚問題的途徑。

跨境醫藥。目前在政策上國家放松控制，能引進國外的好醫藥。

處方藥（RX）。

滋補產品。

03

思齊俱樂部創始人洪遠東進行了《穿新鞋，走老路，到不了新地方——醫療行業營銷創新的新思路和實踐》的主題分享。

洪遠東主要圍繞藥械企業場景化的業務創新解決方案進行了分享。他提出目前藥械企業場景化的業務創新解決方案主要是三個“4”：

1.4P（Physician、Pharmacy、Payer、PR）

2.4D（Device、Diagnose、Digital、Distributor）

3.4M（Medical、Market Access、MCM/MCE、Media）

在企業未來的發展趨勢是提本增效的趨勢下，醫藥營銷已經從“以產品為中心”向“以患者為中心”轉型過渡。這種從預防到初診、確診、治療等全鏈條的形成，倒逼企業進行產業鏈的整合。

首先從“4P”里的“Physician”著手，一是將客戶進行精細化細分，針對特定細分客戶選擇不同的觸達方式，提高溝通的有效性；然后對其制定整合營銷的多渠道推廣方案。二是對醫生進行個性化資源投入和精細化運營，提高目標醫生對于某類醫藥產品品牌的認知。

其次從“4D”里的“Distributor”來看，利用好“互聯網+分級診療”環境下的新場景與新渠道。

最后是“4D”的“Device、Diagnose、Digital”,從設備、診療和電子化三方面建立科學的全病程管理模式，減少“黑天鵝事件”，預防“灰犀牛事件”。

04

志諾思維創始人凌少平分享了《人工智能驅動腫瘤診療數字化和一體化》，分別從四個方面進行論述人工智能與腫瘤診療的一體化進程。

一是腫瘤免疫治療時代的臨床大數據。臨床大數據有如下特點：多樣性、高容量、快速性、復雜性、定量化。因此將智能大數據應用于腫瘤的診療一體化中能充分利用科技的力量，節省人力。

二是AI助力免疫治療基因組指標數字化。用人工智能技術實時分析算法，能一站式完成從結構化信息導入到免疫基因組指標分析再到審核簽發最終報告，從而省去過多復雜的環節。此外，還能基于AI技術實現從原始病理報告中抓取核心信息、自動形成免疫治療用藥提示和后臺報告的邏輯體系等。

三是AI助力免疫治療病理表型組指標數字化。利用Multiplex IHC進行多重免疫組化染色及配準，通過技術模擬多染效果，滿足臨床或研究需求。還能利用定量化機器進行判讀免疫微環境指標與預后關聯。

四是AI助力真實世界免疫治療和大數據研究。通過“抗癌登月”項目、以及過往多個合作案例用來說明AI技術在免疫治療和大數據研究中起到的作用。