市场每周都在变，公司一年才定一次
找 AI 决策系统的用武之地，有个办法是比较两个频率：决定的依据多久变一次，决定本身多久做一次。差得越远，越值得做。
一个决定的依据每周都在变，决定本身却一年才做一次，这中间的差距，往往就是决策系统最能派上用场的地方。找 AI 的落地场景时，我习惯先找这种差距，再去看哪里抱怨最多、哪里最容易自动化。
我在药企商业化这一行做了六年，这是我见过差距最大的地方。下面拿它当例子，看看这两个频率为什么差得这么远，代价又有多大。
处方药这门生意
大多数生意里，挑东西的人、用东西的人、付钱的人是同一个，至少也坐在同一张桌子上。处方药不一样。开处方的是医生，用药的是患者，付钱的主要是医保，药企能做的只有合规的学术推广，连面向患者的处方药广告都不能做。
药企想影响的是医生开处方这个决定，可做决定的人不花自己的钱，花钱的人又不做这个决定，药企自己能用的手段还被法规框得很死。所以整个商业化体系，销售队伍、学术会议、市场准入、渠道，说到底都在做同一件事：把有限的费用，投到最有可能间接影响处方的地方去。
钱该投在哪里，是这一行最核心的决定。
投入和产出是一条弯的曲线
直觉上，投入和产出像是一条直线：多派人、多拜访，就多卖药；投入砍掉 20%，销量也掉 20%。
实际上这条线是弯的。横轴是对一位医生的投入，比如拜访次数；纵轴是这位医生带来的处方量。头几次拜访效果很明显，医生知道了这个药，看了证据，开始试着用。再往后，每多去一次，多出来的处方就少一些，直到曲线几乎走平。
所以投入砍掉 20% 会掉多少量，要看砍的是哪 20%。砍在曲线已经走平的那一段，销量几乎不受影响。反过来说，现有的投入里总有一部分花得不太值，比如去得太勤的老客户，还有潜力很小却一直留在名单上的医生。我给一个零售药店团队搭过覆盖模型，在高价值门店上，实际投入的人力和模型算出来的应有水平差了四十多个百分点。人并不少，只是没放在最合适的地方。
把这部分投入找出来，挪到曲线还陡的地方去，这就是销售效能（SFE）这个职能存在的理由。
曲线会突然变
麻烦在于这条曲线不是固定的。在中国，一项政策就可能把它彻底改掉。
一个品种在集采中标，价格大幅下降，换来公立医院的约定采购量。医院里的量等于被政策锁定了，代表再怎么拜访，能多带来的处方都很有限。落标的话正好相反，院内市场基本丢了，只能转向零售药店、线上和民营医院。如果是通过国家谈判进了医保目录，又是另一种打法。进了目录不等于进了医院，还得一家一家地过药事会，这个阶段销售队伍反而最值钱。
同一个药，三种政策状态，打法完全不同。去年的资源配置再合理，政策结果一公布，可能就全错了。政策之外，竞品随时会上市，医院会换院长，医生会调到别的城市。放到全国市场上看，分配资源的依据几乎每周都有变化。
资源分配却一年只做一次
管资源分配的就是 SFE：覆盖哪些客户，每个客户见几次，需要多少人，辖区怎么划，指标怎么分，奖金怎么发。它的节奏是按年走的。每年有一个调整季，持续几个月，用上一年的数据做下一年的方案，定下来以后全年基本不动。我拆解过一家药企的年度规划，整套测算用到了 12 个 Excel 工具。跑一轮已经这么费劲，没人愿意在年中再跑一遍。
这怪不到谁头上。判断很贵的时候，这套工作一年只做得起一次。为什么说它是一种妥协，我另外写了一篇《年度规划是一种妥协》。
话说回来，慢也有一部分是有意的。指标要是每周都变，代表没法安心干活，也不会再相信公司。所以我说的决策系统，并不是让所有东西每周都变，而是每周都有人看一遍：该调的时候调得动，不该调的时候，也说得出为什么不调。
换个行业也能用
这个办法在药企以外应该也用得上。我自己的做法是，把业务里反复要做的决定列出来，比如定价、排产、客户分配、预算调整，每一项后面写两个数：它的依据多久变一次，它本身多久做一次。
两个数差得最远的那一项，一般就是我会先动的地方。如果这一项要用的数据恰好已经在系统里，第一个项目也就有了眉目。
