夜雨聆风某制药公司的战略团队，项目代号ST-001（该项目仅用于演示，并不存在）。
想了解竞争对手在做什么。哪个靶点？进展到哪一步了？下一步会往哪走？
以前，翻年报、搜会议摘要、问同事，半天起步。
现在，情况不一样了。
一、查竞品信息：
这是战略团队最常做的事
战略团队每天要回答一个问题：对手在干什么？
这个问题看起来简单，但回答起来很麻烦。竞品信息散落在各个地方：公司年报、投资者会议纪要、医学会议摘要、专利数据库、新闻稿……有的在PDF里，有的在网页上，有的在内部会议记录里。
系统怎么做的：
战略分析师输入一个竞品代号，比如“某竞争对手”。系统在本地存储的竞品资料库中直接返回结果。
结果出来了：
这个对手在三个靶点上有布局
进度最快的那个靶点，已经进入二期临床
最近半年的新动向：申请了两个新专利，都围绕同一个信号通路
信息来源：今年3月的年报、6月的投资者会议、7月发表的摘要
分析师打开系统，几分钟拿到结果。不是翻半天，是直接看。
为什么这个结果有用：
第一，省时间
天变几分钟，分析师可以把时间花在分析上，不是花在找资料上。
第二，不遗漏
人工翻资料，容易漏掉某个小众会议摘要或某个刚发布的专利。系统全库检索，一个不漏。
第三，可追溯
每一条信息都有来源，开战略会时可以说“这是根据某月某会议整理的”，不是“我记得好像看到过”。
二、预测对手方向：
提前知道对手下一步往哪走
知道对手在做什么，只是第一步。战略团队更想知道的是：对手下一步会往哪走？
这个问题更难。因为对手不会提前告诉你。
以前，分析师要靠经验猜。看对手的管线、看对手的会议发言、看对手的合作动态，然后凭感觉判断。猜对了，提前布防；猜错了，被对手打个措手不及。
系统怎么做的：
系统基于两个信号预测对手方向：
信号一：专利布局。 对手最近一年申请的专利，集中在哪些技术领域？如果连续多个专利都围绕同一个靶点或同一个信号通路，说明这是对手的重点方向。
信号二：早期临床信号。 对手在学术会议上披露的早期数据，哪个适应症的数据最好？哪个适应症的入组速度最快？这些信号指向对手的优先方向。
系统输入对手代号，自动分析专利和早期临床数据，输出最可能的拓展方向。
结果出来了：
大概率方向（75%）：肺癌。理由：过去一年申请的7个专利中有5个与肺癌相关；早期临床数据显示在肺癌患者中的响应率比其他适应症高出近三成。
小概率方向（25%）：胃癌。理由：有一个专利涉及胃癌标志物，但临床数据还不成熟。
为什么这个结果有用：
第一，有依据，不是猜
团队知道对手大概率进肺癌，可以提前在肺癌领域加强布局。
第二，有概率，不是绝对
75%的概率意味着要重点布防，但也要留出资源应对小概率方向。
第三，可验证
半年后对手真的公布了肺癌新药计划，证明系统预测准确。团队已经在半年前就开始了自家产品在肺癌上的研究。
三、看竞品时间线：
一张图看清对手的研发节奏
知道对手在做什么，也知道对手下一步可能往哪走。但还有一个问题：对手的研发节奏有多快？
这个问题直接关系到自家产品的竞争窗口。如果对手还有三年才上市，自家可以慢慢来；如果对手明年就上市，自家必须加速。
以前，分析师要翻几十份资料：哪年申请IND、哪年进入一期、哪年进入二期、哪年公布关键数据……一份一份找，一个时间点一个时间点拼。一个竞品的时间线，拼出来要半天。而且信息不全，有些早期数据可能已经找不到了。
系统怎么做的：
系统输入竞品代号，自动从资料库中提取所有时间节点，生成一条完整的临床布局时间线。
结果出来了：
竞品X的研发路径：
2019年：提交IND申请
2020年：完成一期临床
2021年：进入二期临床
2023年：公布二期关键数据
2024年：进入三期临床
预计2026年：完成三期，提交上市申请
系统还自动标注了关键里程碑：2023年公布的数据是转折点，那之后股价涨了近三成。
同时，系统把自家产品的时间线并排显示：
自家产品：2020年IND、2021年一期、2022年二期、2024年三期启动、预计2027年上市
竞品X：2019年IND、2020年一期、2021年二期、2023年公布关键数据、预计2026年上市
对比结果： 自家比竞品晚约一年半上市。这个差距，团队需要决定是加速追赶，还是差异化竞争。
为什么这个结果有用：
第一，一张图看清全貌
不用自己拼时间线，系统直接生成。
第二，关键节点自动标注
哪一年出了关键数据、哪一年股价涨了，系统标出来，分析师知道哪些节点最重要。
第三，自家竞品并排对比
一眼看出差距，决策有依据。
四、其他几个辅助场景
战略团队还会用到这几个功能，但核心还是上面三个。
1. 统计赛道拥挤度
想判断某个靶点还值不值得进。系统统计出该靶点在研药物数量、涉及多少家公司。超过15个在研、超过10家公司，系统会标红提示“拥挤”。
2. 对比疗效数据
想知道自家产品和竞品比，到底谁好。系统调出过去三年所有相关摘要，生成对比表。自家客观缓解率高约一成，但无进展生存期短约两成。
3. 起草TPP
新项目启动前，自家定的目标和已获批的竞品标签比，系统逐条对比。疗效目标比竞品高约两成，但给药频次目标也高了一档。团队讨论后决定：疗效目标保持，给药频次降一档。
4. 估算样本量
想达到PFS HR<0.65的疗效阈值，系统离线估算出需要约400名患者、试验成本约1.5亿。
5. 定价格策略
系统调用内部定价数据库，类比同机制、同口服频次、同给药途径的历史定价。输出同类产品年费用区间10万到15万，建议该药定在约13万。
6. 模拟提前启动
关键试验提前6个月启动，系统模拟出峰值销售额可增加约15%，相当于多赚约3亿。团队决定申请追加预算提前启动。
7. 做决策材料
TPP决策会议要准备材料。系统直接生成：医生最关注疗效，其次是安全性；监管最低标准是PFS HR<0.7；商业差异化选项是定价、给药频次、适应症拓展。团队直接拿去讨论。
五、这些数据不能出本地
竞品资料库是公司多年积累的情报资产。泄露出去，对手知道你在盯谁。
专利分析模型是预测对手方向的核心算法。泄露出去，对手知道你怎么猜他的下一步。
内部定价数据库是定价策略的核心。泄露出去，谈判时对方知道你的底。
TPP对比矩阵是产品战略的路线图。泄露出去，对手知道你的目标和差距。
不上云，不外传。
系列文章回顾
下期预告
下一篇将聚焦患者支持与教育部门。
敬请期待：《制药公司离线AI应用全景（十五）：患者支持与教育》
记得点赞分享哦~
#
嘟嘟咕咕人工智能
微信号丨DDGG-AI
