一直以来，医药魔方对药品上市后的全渠道销售数据来进行收集与监测。这一些数据能帮企业的营销决策更精准高效。

  全渠道数据不仅包括核心医院和实体零售药房的数据，还收录了电子商务平台，以及基层医疗机构的数据。

  本文基于2024中国医药决策者峰会暨医药魔方开放日中 医药魔方产品经理 李沛文 主题分享《2024H1全渠道市场数据》整理

  在药品供应链中，工业发货到商业，再从商业到连锁，连锁把所有药品给到每一个连锁门店，商业还把药品配送到医疗机构或单体药房。在整条供应链中，药品的物流和信息流并不对等，并非每个环节的自营药品交易信息都能回到药企集中管理。

  通常，药企获取院端数据的环节在经销商，商业将药品配送到了哪些医院的信息给到药企，而医院不会把自己的开方信息给到药企，这样无法回答以下药品商业化管理者最关心的问题，医院是在什么情境下，由谁做决策，把药品给到了怎样的患者。

  药企在零售端拥有自营药品连锁发货到门店的销售数据，却由于到单家门店交易数据的数据量级过大、清洗管理成本过高、药房配合提供数据的意愿度低等原因，难以知晓门店卖给患者的数量。

  于是又有一些问题无法回答：门店的大量购进是一时的压货，还是真的药店端的畅销，以及谁是零售端发生最终交易的主导决策者。

  电商平台由于对数据治理的先天的优势，在药品交易信息的标准化中领先其它渠道的行业数据，获取纯销信息的难度相较于其它渠道更容易，于是大家对网上信息的求知欲引入到了新的高度，开始探索患者到底是通过个人检索找到的药品，还是通过流量曝光找到的。

  在用药品终端交易信息进行一系列商业化活动管理的过程中，最令人头痛的是，很多时候营销发生的场所和药品实际交易发生的场所并不一致。

  例如在药品上市早期未进院的时候，药企投入大量营销资源做院内决策者营销，而患者实际拿药的地方却是DTP或院边店。因此很多药企做流向数据管理时，会把DTP药房数据回溯到某家医院作为整体绩效。

  零售端也存在类似问题。O2O的营销在网络站点平台，而骑手拿药却在实体门店。一些处方零售转型的企业，零售团队还经常被挑战说零售的上量，完全源于院内处方的外流。

  例如一款多适应症药品，不同团队负责营销不同适应症，会导致最终药品销量摆在面前，却不知道是以什么适应症被开出去。拿不到医院真实的处方信息，容易对市场之间的竞争一头雾水。

  一些类 OTC 产品跟处方的关联已经有所放宽，可以拿着处方去院外拿药，在全渠道都有布局的药品，很难明晰其它渠道药品上量的原因，到底是源于核心机构的KOL观念渗透到了基层机构和院外，还是本来在基层机构和院外的终端营销就有所建树。

  当一些业务问题涉及到竞品数据时，数据获取和数据应用的痛点越来越明显。基层医疗机构的市场数据基本不可及，零售端亦如此，很难有合规又便捷的通路获取各连锁的市场数。

  不同类型的企业由于其药品的属性不同，所处的生命周期不同，发展阶段不同，则会对数据应用过程中的痛点有不同感触。

  一开始，药企只关心销量，即“药品卖到了哪里？”。有了这样的一个问题的答案，就能分配内部资源。其次是“我的药品是不是真的被卖到了他应该被卖到的地方？”这时，药企开始关注市场的总容量。而接下来，药企开始关心“有潜力的地方，是我的潜力还是竞争对象的潜力？”这时就有必要了解竞争对手。

  过去十几年间，很多药企用 1500 家医院做整个行业的观测。但想透过样本医院观察整个渠道发生的变化其实很难，非样本的医院成为了盲区，为此还需要一套科学的建模来监测不一样的区域的市场表现。

  更深层次的数据诉求，是在真正交易发生的终端决策者是谁？在医院是医生，但在DTP 药房、零售药房，决策者是否发生明显的变化？门店的陈列促销、药师的建议拦截对患者的决策产生了多大的影响？这些都一定要通过药品交易最后一个环节产生的信息进行判断。

  最后，成熟企业部门之间服务的业务场景不同，各部门间有自己的一套数据，这一些数据如何打通，将生产资料与外部数据关联形，建立高纬度的指标分析路径用于支撑各部门的决策，才是数据的最终归宿。

  据医药魔方市场数据，到2024 年上半年，中国全渠道药品市场规模约为8900亿，换算到全年，滚动年有1.7万亿左右，预计今年达到 1.8 万亿，当中零售渠道份额一直在增长，而核心医院的渠道份额在一直下滑。

  电商方面，包括京东和阿里，以及一些其他平台，总规模全年达到 600 亿左右。全药品在全渠道结构中，处方药顶级规模，市场占有率占比 86%，当中没有纳入集采的产品在处方药中占比67%。

  B2C 部分是线上发生的一系列药品交易信息，不包括 O2O （O2O 销量归到实体门店），天猫和京东占整个B2C渠道的95%以上。

  天猫主要患者人群偏消费，用药类型OTC居多 ，占比从 61.8% 升到63.6%，但在去年下降约9.5%，处方药下降23.1%。京东人群买处方药为主。两平台合计在 2024 年上半年，有314.6亿左右的市场规模，预计到今年的能有680 亿左右。

  京东药品前 20 品种几乎都是处方药，而且以创新药为主。天猫平台这边基本的产品类型是OTC，但也有一部分类 OTC产品的创新药，患者拿药时可能规避处方。从用药人群看，京东患者集中在慢病，而天猫患者的核心诉求是改善生活品质。

  对比医药魔方实体零售数据与核心医疗机构数据后发现，从2021 年到 2024年上半年，整个零售渠道都有增长，只有 2023 年 H2 时稍有下滑。院内渠道波动不大。

  基于魔方药品标签可以将药品分为四个类型：自费产品，进医保但没被纳入集采，以及集采之后中选和进入集采后未中选。

  在零售渠道，集采中选部分产品的规模在下滑，自费产品在零售端也有下降，真正市场规模增长的是进医保但没有纳入集采的这类产品。院内外药品的整体结构差异较大，零售端以没有纳入集采药品为主导。

  从院端数据看，药品市场规模增速约1%。内资企业增速有所减缓，今年第一次外资企业增速（滚动年同比增长）超过了内资。

  我们在院端将药品分为：集采中选产品，集采未中选产品，没有集采的产品，刚上市的产品（销量产生不满一年的产品）。

  院内市场里，集采中选产品的销量上升和价格下降基本抵消，好像实现了量价关系的交换。而在院内集采未中选产品的销量下降和价格下降，导致整个院内市场有一定降幅。但非集采产品销量增长也有着带动作用，新上市产品也为整个市场带来了 87 亿左右的增量。

  外资企业和内资企业在院内的药品增长结构基本上一致，但内外资企业整体带来增量的结构完全不同。主要差异集中在非集采产品的销量变化，内资企业有一定下滑，但是外资企业增长很高。

  我们把 2024 年上半年滚动年院内院外销售额排名前 20 的产品做了整理，发现院内端波动超过20%的产品有 8 个之多，但是在零售市场只有安达唐。

  只不过这些药品波动对企业的整体排名影响并不大——在核心医院渠道，企业排名没有显著差异，但在实体零售中排名差异较大。

  我们把所有 ATC 分类为 V类的产品都归纳在中成药里，剩下排名最高的是肿瘤、消化道，还有全身性抗感染等领域，都在院外占比要低于院内。但在中成药这一边，实体零售的销售额比核心医院高不少。在销售额靠前的几大领域里，肿瘤在零售的增长极高，有23.6%。

  医药魔方市场数据能有效服务药企在药品上市后的全生命周期，为各部门围绕着药品的销售情况做决策时提供量化参考。

  对导入期或即将上市的产品，用真实世界的诊疗数据来判断患者在诊疗过程中走过了怎样的旅程，当前治疗方案还有哪些未被满足的临床诉求。

  帮SFE定医院潜力，分级目标医院，以及配指标下资源时，医药魔方有一整套数据来辅助判断不一样医院，到底有哪一些类型患者，以及这些患者分布在哪。

  如果已经决定了要布局的目标医院，就需要目标医院的主数据，做一系列信息化建设。了解医院有哪些医生？医院的科室都有哪些？

  对药品流向数据管理方面，我们搭建了流向数据管理平台，帮助决策者了解不同渠道/不同大区的销售结构。结合企业内部信息，帮助决策者评价各团队的市场表现。

  随着药品生命周期到了成熟期，可以测算下沉市场潜力。而到衰退期时面对集采又没中选，医药魔方能全流程陪伴处方转零售的渠道布局。利用医药魔方市场数据可以看清整体零售市场的市场潜力，零售市场的竞争格局，以及如何明智的选择连锁药房合作等。

  医药魔方的零售数据管理平台可以分析在零售渠道中药品的流转是否健康，库存天期是否健康，进销存是否平衡，销量有没有倒挂等一系列内容。

  在零售渠道中，魔方的RCM产品能判断在不同城市，产品增长与行业对比后的强弱，自身市场份额发生了哪些变化。

  我们还有零售会员层面的信息，基于有身份识别信息的交易数据，总结出会员新患者还是老患者，年龄分层、性别结构，常用药品疾病领域，关联用药情况，原研产品偏好，品牌忠诚度等特征，形成患者画像。

  院内数据的完整分析平台能看到不同层级的销售数据，一系列真实世界研究项目，直接从医院HIS系统调取数据来梳理患者的诊疗路径，包括总患者人数，就诊人数，检测人数，结果阳性的人数、一线、二线的用药方案等。

  在零售端，可以解决企业找寻合作连锁的难点。我们收录有 1, 800 多家连锁，10 万家门店的信息。梳理了其优势点、经营能力，患者覆盖能力，药房分级标准，以及药师服务能力等信息。

  拿到纯销数据后，能判断患者销售达成如何，自身的人效管理，还包括销售数据的分发。当下很多 SFE 还在通过邮件把表格逐一发给销售。我们有一套完整的工具，可以在这一环节实现自动化发送。

  我们能够最终靠建模还原代表全国67万家实体门店的销售数据，以及每个城市中不同药品的销售额竞争情况。

  在10 万家样本门店中，沉淀了大概 2.2 亿会员信息，通过手机号关联去重后，这一些信息可拿来判断门店上量的原因。人均销售额往下拆，还可以区分是消费频次变高，还是因为每次的客单价在变高。

  总之，魔方能帮助药企客户在零售端做好全链路的数据应用和商业化管理：从潜力市场的划分，到数据回流，再结合医药魔方市场数据做一系列的市场之间的竞争追踪。

  “中国医药决策者峰会”关注医药产业链条上各类企业和机构日常运营中的重要决策场景，汇聚监管、产业、临床、学术、投资各界专业技术人员，针对行业痛点问题进行碰撞讨论，以求厘清发展难题，达成共识或形成解决方案，共同助力行业创新升级。我们期待2025CHDC中国医药决策者峰会与您再相聚！

  2025年也将是医药魔方提供医药产业服务的10周年，我们会以中国医药行业十年变迁为时间脉络，为大家带来更多、更精彩的行业数据分析、洞察报告和媒体内容报道。敬请期待。