เป้าหมายหลักประการหนึ่งของพระราชบัญญัติการดูแลราคาไม่แพง (ACA) คือการลดต้นทุนด้านการดูแลสุขภาพโดยให้ผู้บริโภคมีทางเลือกมากกว่าผู้ประกันตน

ทฤษฎีทางเศรษฐศาสตร์ชี้ให้เห็นว่าเมื่อผู้บริโภคตัดสินใจอย่างมีข้อมูลและกระตือรือร้นในตลาดที่มีการแข่งขันสูง บริษัทต่างๆ จะตอบสนองด้วยการลดราคาและปรับปรุงคุณภาพของข้อเสนอ

แต่ทฤษฏี การวิจัยเชิงประจักษ์ แสดงให้เห็นว่า ผู้บริโภค ในทางปฏิบัติแล้วไม่ได้ประพฤติแบบนี้ โดยเฉพาะในตลาดที่ซับซ้อน เช่น การประกันสุขภาพ

ความเป็นจริงนี้ทำให้นโยบายของรัฐบาลควบคุมค่าใช้จ่ายด้านการดูแลสุขภาพได้ยากขึ้นมาก (ซึ่งบางส่วนจ่ายไป) และลดเบี้ยประกัน นอกจากนี้ยังหมายความว่าบุคคลจำนวนมากอาจจ่ายเงินมากกว่าที่ควรในการประกันสุขภาพ

มีอะไรที่เราสามารถทำได้เพื่อช่วยให้ผู้คนตัดสินใจทำประกันได้ดีขึ้นหรือไม่?

ใน กระดาษที่ผ่านมา ฉันเขียนร่วมกับ Jonathan Kolstad นักเศรษฐศาสตร์ของ Berkeley เราประเมินว่าข้อมูลส่วนบุคคลสามารถช่วยผู้บริโภคทำสิ่งนั้นได้อย่างไร และทำให้ตลาดสุขภาพมีประสิทธิภาพมากขึ้น

หลายทางเลือกสับสนมาก

การควบคุมการใช้จ่ายด้านการดูแลสุขภาพ ซึ่งแตะ 3 ล้านล้านดอลลาร์ต่อปีเป็นครั้งแรกในปี 2014 ยังคงเป็นประเด็นสำคัญอันดับต้นๆ สำหรับผู้กำหนดนโยบาย การใช้จ่ายเติบโตช้าลงต่ำกว่าค่าเฉลี่ยในอดีตในช่วงเวลาที่ ACA ผ่าน แต่มีตั้งแต่นั้นมา เร่ง.

หน่วยงานกำกับดูแลของรัฐบาลกลางและรัฐได้สร้างการแลกเปลี่ยน ACA เพื่อส่งเสริมให้ บริษัท ประกันแข่งขันด้านราคาและคุณภาพในขณะที่เสนอทางเลือกที่หลากหลายให้ผู้บริโภค

ตลาด Medicare หลายแห่ง เช่น ความคุ้มครองยาตามใบสั่งแพทย์ของ Plan D ก็ทำเช่นเดียวกัน ในขณะที่บริษัทที่ให้บริการประกันสุขภาพก็เสนอทางเลือกเพิ่มเติมให้กับพนักงานของตนมากขึ้นผ่านทาง การแลกเปลี่ยนที่อำนวยความสะดวกส่วนตัว.

แต่การให้แต่ละคนมีทางเลือกมากขึ้นเป็นเพียงขั้นตอนแรกเท่านั้น วิจัยแสดงให้เห็น ที่ผู้บริโภคทำผิดพลาดในขณะที่จับจ่ายซื้อของเพราะขาดข้อมูล ความเข้าใจที่ จำกัด ของการประกันภัยหรือเพียงแค่ความยุ่งยากโดยรวมของมัน ความยากลำบากเหล่านี้มีอยู่ไม่ว่าตัวเลือกจะมีเพียงไม่กี่หรือหลายโหล

ส่งผลให้ผู้บริโภคลาออก หลายร้อย หรือแม้แต่เงินหลายพันดอลลาร์บนโต๊ะ ยังมีส่วนช่วยให้ “ความเฉื่อยทางเลือก” ซึ่งผู้บริโภคอาจตัดสินใจเริ่มต้นอย่างชาญฉลาด แต่ล้มเหลวในการติดตามและพิจารณาใหม่อย่างแข็งขันเมื่อมีข้อมูลใหม่เกิดขึ้นหรือเงื่อนไขเปลี่ยนแปลง ที่สามารถทำให้พวกเขาเสียเงินเป็นจำนวนมากเมื่อเวลาผ่านไป

ในการวิจัยของเรา เราได้พิจารณาว่าเราจะแก้ปัญหาเหล่านี้ได้อย่างไร

คำแนะนำผู้บริโภคเป้าหมาย

วิธีหนึ่งเกี่ยวข้องกับการให้คำแนะนำแผนเฉพาะผู้ใช้แก่ผู้บริโภคโดยอิงจากข้อมูลโดยละเอียดเกี่ยวกับความต้องการและความชอบในการดูแลสุขภาพส่วนบุคคลของพวกเขา

ข้อมูลส่วนบุคคลจะขึ้นอยู่กับความเสี่ยงด้านสุขภาพที่คาดหวัง ความเสี่ยงทางการเงิน และความชอบของแพทย์ นโยบายเหล่านี้เน้นถึงตัวเลือกที่ดีที่สุดสำหรับผู้บริโภคแต่ละรายโดยเชื่อมโยงแต่ละทางเลือกกับเมตริกที่ผู้บริโภคเข้าใจและสนใจได้ง่าย เช่น การใช้จ่ายที่คาดหวังในแต่ละแผนในปีที่จะมาถึง

เป้าหมายกว้างๆ คือการควบคุมพลังของข้อมูลผู้บริโภคและเทคโนโลยีเพื่อให้คำแนะนำที่มีประสิทธิภาพในตลาดประกันภัย คล้ายกับที่เราเห็นในที่อื่นแล้ว ตัวอย่างเช่น Amazon ใช้ประวัติการซื้อและข้อมูลการท่องเว็บของคุณเพื่อให้คำแนะนำเกี่ยวกับผลิตภัณฑ์เพิ่มเติมที่คุณอาจชอบ ในขณะที่ Google ประมวลผลข้อมูลจำนวนมหาศาลเพื่อปรับแต่งโฆษณาที่ปรับแต่งเอง

มีความคืบหน้าในการดำเนินการตามเงื่อนไขเหล่านี้ในตลาดประกันภัยแล้ว

อย่างไรก็ตาม ประเด็นสำคัญคือนโยบายดังกล่าว ไม่ได้ผลเพียงพอ. หลักฐานเชิงประจักษ์ แสดงให้เห็นว่าแม้ว่าคุณจะนำผู้บริโภคไปสู่แหล่งข้อมูล คุณก็ไม่จำเป็นต้องบังคับให้พวกเขาดื่ม

ค่าเริ่มต้นอัจฉริยะอาจเป็นคำตอบ

ดังนั้นหากการให้ข้อมูลส่วนบุคคลและคำแนะนำไม่เพียงพอที่จะช่วยให้ผู้บริโภคตัดสินใจได้ดีขึ้น นโยบายที่ก้าวร้าวมากขึ้นจะมีประสิทธิภาพหรือไม่

วิธีหนึ่งคือผ่าน "ค่าเริ่มต้นที่ชาญฉลาด" ซึ่งจะนำผู้บริโภคเข้าสู่แผนบริการที่ดีกว่าโดยอัตโนมัติตามข้อมูลเฉพาะของผู้ใช้ แทนที่จะต้องการให้ผู้คนปฏิบัติตามคำแนะนำ พวกเขาเลือกตัวเลือกที่เหมาะสมที่สุดสำหรับพวกเขา

ค่าเริ่มต้นที่ชาญฉลาดเหล่านี้จะได้รับการกำหนดเป้าหมายอย่างระมัดระวังโดยอิงตามข้อมูลของแต่ละคน แต่ก็จะไม่มีผลผูกพัน ทำให้ผู้บริโภคเปลี่ยนไปใช้ตัวเลือกอื่นได้ตลอดเวลา

ค่าเริ่มต้นที่ชาญฉลาดที่เรานำเสนอในเอกสารของเรานั้นอิงตามข้อมูลโดยละเอียดเกี่ยวกับความต้องการทางประชากรศาสตร์และสุขภาพเฉพาะของผู้บริโภค และแบบจำลองของมูลค่าแผนสุขภาพ ค่าเริ่มต้นที่ชาญฉลาดจะทำงานโดยใช้ข้อมูล เช่น การอ้างสิทธิ์ทางการแพทย์ที่ผ่านมาและข้อมูลทางประชากรศาสตร์ เพื่อประเมินว่าควรเปลี่ยนไปใช้แผนอื่นหรือไม่ แบบจำลองทางเศรษฐกิจและเกณฑ์มูลค่าเฉพาะถูกกำหนดไว้ตั้งแต่เริ่มแรกเพื่อควบคุมว่าจะต้องรับความเสี่ยงมากน้อยเพียงใดและต้องประหยัดได้มากเพียงใดจากสวิตช์

แบบจำลองทางเศรษฐกิจดังกล่าวซึ่งใช้อัลกอริธึมของคอมพิวเตอร์จะพิจารณาถึงผลกำไรทางการเงิน ความเสี่ยงในกรณีที่เกิดเหตุการณ์ทางการแพทย์ครั้งใหญ่ และการเข้าถึงแพทย์ที่เหมาะสม

หากตรงตามเงื่อนไขที่เหมาะสม (ก้าวร้าวมากหรือน้อย) ผู้บริโภคจะผิดนัดในแผนใหม่ รูปด้านขวาแสดงกระบวนการโดยละเอียดยิ่งขึ้น

ตัวอย่างเช่น พิจารณาผู้ป่วยโรคเบาหวานที่ลงทะเบียนในแผนด้วยเบี้ยประกันรายปี 4,000 ดอลลาร์และเข้าถึงแพทย์เฉพาะกลุ่ม ด้านบนของพรีเมี่ยมผู้ป่วยคือ คาดว่า เพื่อใช้จ่ายอีก $2,000 ต่อปีใน การแบ่งปันต้นทุน – ค่าเสียหายส่วนแรก ค่าคอมมิชชั่นสำหรับการนัดหมาย ใบสั่งยา อุปกรณ์ในการทดสอบน้ำตาลในเลือด และบริการอื่นๆ – สูงสุดไม่เกิน 8,000 ดอลลาร์

อัลกอริทึมเริ่มต้นที่ชาญฉลาดจะพิจารณาก่อนว่ามีทางเลือกอื่นในตลาดที่จะ "ลดค่าใช้จ่ายประจำปีของผู้ป่วยลงอย่างมีความหมาย" หรือไม่ หากกำหนดเกณฑ์ไว้ที่ 1,000 ดอลลาร์ อัลกอริธึมจะค้นหาตัวเลือกที่คาดการณ์ว่าผู้ป่วยจะใช้จ่ายไม่เกิน 5,000 ดอลลาร์ในค่าเบี้ยประกันภัยและการแบ่งปันต้นทุน

ต้องปฏิบัติตามเงื่อนไขอีกสองประการ: แพทย์ที่ผู้ป่วยเห็นจะต้องอยู่ในเครือข่ายของแผน และตัวเลือกไม่สามารถเปิดเผยความเสี่ยงทางการเงินเพิ่มเติมมากเกินไปให้เขาหรือเธอ (สูงสุดสำหรับการแบ่งปันต้นทุน) ดังนั้น หากกำหนดเกณฑ์ความเสี่ยงทางการเงินไว้ที่ 500 ดอลลาร์ แผนสำรองจะต้องใช้วงเงินสูงสุดไม่เกิน 8,500 ดอลลาร์

จากนั้น ผู้ป่วยจะได้รับการลงทะเบียนโดยอัตโนมัติในแผน โดยคาดว่าจะประหยัดเงินได้ 1,000 ดอลลาร์ต่อปี และกรณีเลวร้ายที่สุดเพียง 500 ดอลลาร์ในการใช้จ่ายเพิ่มเติม

จนถึงตอนนี้ ค่าเริ่มต้นดังกล่าวได้ถูกนำมาใช้เพียงเล็กน้อยในตลาดประกันสุขภาพเท่านั้น แต่ในบริบทอื่นๆ เช่น การช่วยให้พนักงานเลือกว่าจะมีส่วนสนับสนุนแผนบำเหน็จบำนาญมากน้อยเพียงใด การผิดนัดที่ชาญฉลาดได้พิสูจน์แล้ว มีประสิทธิภาพอย่างน่าทึ่ง ที่การปรับปรุงคุณภาพทางเลือก

ตัวอย่างเช่น หากคุณมีแผน 401(k) ในที่ทำงาน มีโอกาสดีที่ระบบเริ่มต้นอันชาญฉลาดนี้จะถูกนำมาใช้เพื่อให้คุณอยู่ในแผนที่ดีที่สุดสำหรับสถานการณ์ของคุณ วิธีนี้ใช้ได้กับการออมเพื่อการเกษียณ เนื่องจากตัวเลือกต่างๆ ง่ายกว่าและมีข้อมูลมากมาย

ปัญหาเกี่ยวกับการตั้งค่าเริ่มต้นอัจฉริยะ

เหตุใดเราจึงไม่ใช้ Smart defaults ในวงกว้างในตลาดประกันสุขภาพในตอนนี้?

สำหรับผู้เริ่มต้น ผู้กำหนดนโยบายและนายจ้างมักไม่เต็มใจที่จะใช้นโยบายที่ดูเหมือนจะขับเคลื่อนการเลือกประกันภัยในลักษณะที่รุนแรง ตัวอย่างเช่น หากการตั้งค่าเริ่มต้นมีความรุนแรงมากเกินไป ผู้บริโภคจำนวนมากอาจลงทะเบียนโดยอัตโนมัติในแผนที่ทำให้พวกเขาแย่ลง - แม้ว่าคนทั่วไปจะดีกว่าก็ตาม

วิธีแก้ปัญหาที่เป็นไปได้คือสามารถกำหนดเกณฑ์สำหรับการลงทะเบียนอัตโนมัติได้อย่างระมัดระวัง ดังนั้นเฉพาะผู้บริโภคที่คาดว่าจะได้รับผลประโยชน์จำนวนมากเท่านั้นที่จะได้รับผลกระทบ (แม้ว่าจะลดผลประโยชน์ที่อาจเกิดขึ้นด้วยเช่นกัน)

อย่างไรก็ตาม ปัญหาพื้นฐานกว่านั้นคือการขาดข้อมูล น่าเสียดายที่หน่วยงานกำกับดูแลมักไม่มีข้อมูลผู้บริโภคแบบเรียลไทม์เกี่ยวกับความเสี่ยงด้านสุขภาพเฉพาะบุคคล การใช้ประกัน และข้อมูลประชากรที่จำเป็นในการปรับใช้นโยบายเริ่มต้นที่ชาญฉลาดอย่างมีประสิทธิภาพในลักษณะที่แม่นยำ (เช่นเดียวกับตัวเลือกเงินบำนาญ) เหตุผลหนึ่งก็คือ บริษัทประกันภัยมักปฏิเสธที่จะเปิดเผยข้อมูลของตนกับหน่วยงานกำกับดูแลโดยอ้างว่าเป็นกรรมสิทธิ์และ ศาลฎีกาทรงยืนกราน ท่าทางของพวกเขา

ในกรณีเช่นนี้ ค่าเริ่มต้นที่ชาญฉลาดยังคงเป็นไปได้ แต่ให้คุณค่าแก่ผู้บริโภคน้อยกว่าและต้องระมัดระวังในการนำไปใช้งานมากกว่า

ข้อควรพิจารณาเพิ่มเติม

ไม่ค่อยมีใครรู้เกี่ยวกับผลกระทบของการแข่งขันในตลาดเมื่อตัวเลือกของผู้บริโภคขับเคลื่อนด้วยอัลกอริธึมมากกว่ากระบวนการที่ลื่นไหลและเป็นธรรมชาติมากกว่า

ตัวอย่างเช่น บริษัทประกันอาจพยายามใช้ประโยชน์จากคุณลักษณะที่รู้จักของอัลกอริทึมอย่างเป็นระบบเพื่อผลักดันให้ผู้คนจำนวนมากขึ้นเข้าสู่แผนของพวกเขา (เช่นเดียวกับผู้โฆษณาที่โต้ตอบกับ Google)? หรือบุคคลจะมีส่วนร่วมน้อยลงในกระบวนการเลือกประกันของตนเอง ซึ่งหมายความว่าพวกเขาจะได้รับข้อมูลน้อยลงเกี่ยวกับผลประโยชน์ที่พวกเขามีจริงและความเสี่ยงที่เกี่ยวข้องหรือไม่?

การทำความเข้าใจผลที่ตามมาของการปล่อยให้อัลกอริธึมของคอมพิวเตอร์ตัดสินใจเลือกผู้บริโภคนั้นมีความสำคัญในการประเมินว่าการใช้นโยบายเช่น ค่าเริ่มต้นที่ชาญฉลาด สามารถช่วยผู้บริโภคในการตัดสินใจเลือกได้ดีขึ้นโดยมีข้อเสียน้อยที่สุดหรือไม่ แต่จะเป็นไปไม่ได้จนกว่าบริษัทประกันจะเริ่มเปิดเผยข้อมูลรายละเอียดเพิ่มเติมกับหน่วยงานกำกับดูแล

เกี่ยวกับผู้เขียน

Ben Handel ผู้ช่วยศาสตราจารย์ด้านเศรษฐศาสตร์ University of California, Berkeley งานวิจัยของเขาได้ศึกษาการตัดสินใจของผู้บริโภคและการออกแบบตลาดของตลาดการประกันสุขภาพ และแสดงให้เห็นถึงความสัมพันธ์ระหว่างการตัดสินใจของผู้บริโภคกับกฎระเบียบของตลาด

บทความนี้ถูกเผยแพร่เมื่อวันที่ สนทนา. อ่าน บทความต้นฉบับ.

หนังสือที่เกี่ยวข้อง:

at ตลาดภายในและอเมซอน