Optimizing Digital Marketing Performance in Pharma and Biopharma: case Alfa Laval
Notice bibliographique
Résumé
The subject of this thesis is to leverage customer-centric content to improve Alfa Lava´s AI Search discoverability and digital marketing outcomes in B2B pharma and biopharma sectors. The thesis was commissioned by Alfa Laval. The main purpose of the thesis is to identify more customer centric content and how to boost the AI Search visibility for Alfa Laval. The aim is to create suggestions for Alfa Laval´s digital content for pharma/ biopharma industries that will eventually result in increased sales. The results are in form of FAQ (frequently asked question) page, list of upcoming trends that can be used as content topics and suggestions for more customer centric content. The theoretical framework consists of three main sections: what is effective digital marketing overall and what does it mean in these industries, what is customer centric content and how the AI Search works and visibility can be increased. Two data collection methods were used in this project. Benchmarking was used to determine the current position of Alfa Laval in comparison to three competitors when considering digital marketing. The second data collection method was an interview of Alfa Laval´s members and distributor. Interviews examined the FAQ from customers and anticipated upcoming trends specifically in the pharma and biopharma industries. As a final suggestion FAQ list, specific for pharma/biopharma industries, that was created based on interviews, list of customer centric content in the form of upcoming trends and other relevant suggestions in creating customer centric content and boosting AI Search visibility. Further studies could focus on AI technology development and implementation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».