客户旅程分析:为支付者破解患者参与挑战

本报告基于2018年的一份报告医疗分析峰会由安永分析部门负责人Christer A. Johnson和信诺信息管理和分析部门客户分析主管Alexander (Alex) Marano做的演讲，题为“使用机器学习和大数据推动患者参与和更好的健康结果”。

在每一个病人的旅程中，都有这样的时刻，一个知情的、适时的干预(例如，电话、私人拜访等)可以有效地调动病人的积极性，并对他们的健康相关行为产生积极影响。然而，随机接触远不如分析驱动的战略接触有效。为了知道什么时候该向哪些病人伸出援助之手，支付者需要一种利用机器学习和大数据的方法。

其他行业已经使用了分析驱动的参与策略，或客户旅程分析，来分析客户交互、人口统计和生活方式事件的实时数据，并使用这些见解来影响客户行为(例如，零售部门的购买行为)。医疗保健行业现在正在努力利用类似的方法来有效地与医疗保健消费者打交道，帮助他们避免危险的健康行为，转而采取改善健康状况和降低医疗保健成本的行为。本报告描述了全球分析服务提供商和大型支付机构之间的协作，以利用医疗保健消费者中的客户旅程分析。

患者参与解决方案针对可避免的危险行为2022卡塔尔世界杯赛程表时间

患者参与解决方案通过针对具有负面健康后2022卡塔尔世界杯赛程表时间果但基本上可以避免的行为，支持改善结果和降低成本。这些行为对患有慢性和多种健康疾病的患者有重大影响，而这些患者属于最昂贵的人群。

考虑到以下不可接受的、可避免的高风险行为的高比率，提高患者参与必须成为行业优先事项:

• 百分之二十四大多数患有糖尿病的成年人都不知道自己患有糖尿病。
• 关于1300万年患有高血压的成年人并不知道自己患有高血压。
• 五分之一死亡是由吸烟引起的。

解决上述可避免的健康问题及其类似问题，提供了相当大的改善医疗保健的机会。但要影响这些统计数据和构成这些统计数据的患者，卫生服务提供者必须了解与参与最相关的行为模式和因素。

战略参与的患者旅程分析

客户旅程分析跟踪患者的行为，以确定最有可能与用户粘性相关的模式。分析可以显示与参与可能性相关的行为和特征，以及与这些患者接触的关键时间。例如，专科门诊之后的一段时间可能是一个参与的机会，因为患者往往在这个时候寻求信息(例如，互联网搜索)。如果病例经理在专科预约之后联系病人，她可能会得到病人想要的答案。

为了利用旅程分析来提高患者参与度，支付方创建旅程数据，遵循并执行旅程分析的四个阶段的框架，并对分析进行操作。

创建患者旅程数据

患者旅程数据创建(图1)从一个包含事件、总体标准、结果、步骤、属性和各自SQL逻辑的参考库开始。从这个库中可以得到病人属性、时间序列旅程和旅程步骤属性。这些数据集允许进行和未来的应用:

• 持续:机会评估、自动洞察引擎、个人路径分析和用于感知/响应/预测/参与的规则引擎。
• 未来:模拟分析，为卫生服务干预措施可能产生的影响建立模型，并为新机会识别进行自动化数据挖掘。

病人旅程分析框架

患者旅程分析框架(图2)在三个关键类别中提出了关于患者旅程的问题:

1. 理解价值:
   • 将客户从不希望的结果转移到期望的结果的机会的总价值是多少?
2. 理解消极的结果:
   • 什么样的客户会有负面的结果?
   • 什么样的提供者可能会影响负面结果?
3. 理解旅程和积极结果之间的关系:
   • 最频繁的旅行是什么?
   • 哪些旅程会带来最积极的结果?

该框架还考虑了患者属性(例如，人口统计、病情、身高、体重和风险评分)和提供者属性(例如，网络状态、治疗规则、操作时间和正确治疗百分比)和与参与或缺乏参与(“事件”)最相关的模式(“步骤”)。步骤可能包括互联网搜索、网络内初级保健医生访问、网络内专家访问、护理缺口、急诊访问等等。这些洞见可以帮助支付方改进时间、渠道和内容，使患有慢性和复杂疾病的成员参与培训，从而降低医疗成本，改善医疗保健结果。

“旅程分析”还可以帮助付费用户使用“粘性可能性”分数杠杆来识别最具影响力的用户粘性候选人。当报告中提到的支付方将使用参与可能性评分与传统的推广方法进行比较时，预计总体参与度将从18%上升到31%。

支付方以前根据索赔数据制定粘性策略。作为一种分层的数据处理方法，一个按时间顺序排列的客户旅程数据湖(图3)结合了索赔和EMR数据、负面事件、物理和口头信号以及数字信号。支付者可以将数据应用到旅程中，以发现干预措施将增加患者选择更好道路的概率的时刻(例如，进行随访预约或按规定服药)。这些见解确定了路径，帮助创建预警，以采取行动改善结果和降低成本。行动包括:

• 预测未来的事件和行为。
• 识别表明预期行为发生变化的信号。
• 制定干预措施以形成正确的结果。

病人旅程的四个阶段分析

患者旅程分析分为四个阶段。每个阶段产生用于病例管理的患者的详细旅程数据，按病例管理类别列出最重要的旅程步骤，按病例管理类别(如肿瘤科或妇产科)列出潜在参与和参与提升:

1. 数据收集和行程数据创建
   • 确定选定的患者进行病例管理。
   • 查询多个来源，设计一个时间序列的旅程数据集。
2. 旅程阶梯重要性测验
   • 计算每个旅程步骤的重要性并对其进行排序。
   • 使用以上结果来选择最重要的旅程步骤。
3. 规则选择
   • 修改旅程，只包括最重要的旅程步骤。
   • 确定最普遍的规则(旅程步骤的组合)。
   • 计算每条规则的总投入/总延伸得分。
   • 创建规则来优先考虑某些规则集。
4. 结果
   • 使用所选规则按病例管理类别对患者进行评分。
   • 结合案例管理级别的分数来确定总体参与率。(执行了旅程分析的付费用户发现了30%的用户粘性增长机会(图4))。

操作患者旅程分析

为了有效，支付者必须操作客户旅程分析。基础分析和操作化分析之间的关键区别在于，基础分析只进行分析和报告(通知)，而操作化分析可以预测、参与、感知和响应(图5中中间的橙色框)。有了操作化分析的附加功能，付费方可以更好地感知机会，实时参与，并随着时间的推移对这些干预进行个性化处理。

操作化旅程分析比基础分析有显著的好处:

• 利用所有可用的大数据(而不是只关注可能的数据)。
• 确定结果的驱动因素(而不是检验假设)。
• 同时运行数百个测试(而不是有限的手动评估)。
• 不断学习和修改动作(与回顾年度转向相比)。

预测、感知和回应

医疗保健组织如果不能有效地让患者参与进来，就无法帮助患者，在日益复杂的健康状况下，更好地与患者联系是当务之急。通过分析驱动的策略，确定参与的对象、时间和方式，参与感会显著提高。通过患者旅程分析，支付方和其他医疗保健组织可以影响更好的医疗保健行为，以改善结果、客户满意度和降低医疗保健成本。

更多的阅读

你想了解更多关于这个主题的信息吗?以下是我们推荐的一些文章:

1. 成为数据驱动型支付机构的六个挑战
2. 病人依从性的秘密:四个倾向框架的应用

---

幻灯片

您愿意使用或分享这些概念吗?下载突出重点的演示文稿。

请按此下载幻灯片

客户旅程分析:为支付者破解患者参与挑战从世界杯葡萄牙vs加纳即时走地