“平價醫療法案”（ACA）的一個關鍵目標是通過為消費者提供比保險公司更多的選擇來降低醫療保健成本。
經濟理論認為，當消費者在競爭激烈的市場中做出明智和積極的選擇時，公司會通過降低價格和提高產品質量來做出回應。
但理論不談， 實證研究 表演 消費者 實際上並沒有這樣做，特別是在健康保險等複雜市場。
這一現實使得政府政策更難以有效地控制醫療保健成本（其中一些是其支付的）並降低保費。 這也意味著許多人可能比健康保險支付更多。
那麼我們可以做些什麼來幫助人們做出更好的保險決策呢？
在 最近的一篇文章 我與伯克利同胞經濟學家Jonathan Kolstad合著，評估了個性化數據如何幫助消費者做到這一點，從而使健康市場更有效率。
很多選擇，很混亂
控制醫療保健支出 - 在3中首次每年達到2014萬億美元 - 仍然是政策制定者的一個特別重要的優先事項。 在ACA通過的時候，支出增長放緩至歷史平均水平以下，但此後一直持續 加速.
聯邦和州監管機構制定了ACA交易所，鼓勵保險公司在價格和質量上進行競爭，同時為消費者提供更廣泛的選擇。
一些醫療保險市場，例如Plan D處方藥的報導，也做同樣的事情，而提供健康保險的公司也越來越多地向員工提供更多選擇。 私下交流.
但給予個人更多選擇只是第一步。 研究顯示 由於缺乏可用的信息，消費者在積極購物時會犯錯誤， 理解有限 保險或只是它的整體麻煩。 無論選擇只是幾個還是幾個，這些困難都存在。
這導致消費者離開 數以百計 在桌子上甚至數千美元。 它也有助於“選擇慣性，“消費者可以做出聰明的初步選擇，但隨著新信息的出現或條件的變化，他們無法跟進並積極重新考慮。 隨著時間的推移，這也會花費他們很多錢。
在我們的研究中，我們研究瞭如何解決這些問題。
有針對性的消費者推薦
一種方法涉及基於關於他們的個人健康護理需求和偏好的詳細數據向消費者提供用戶特定的計劃推薦。
個性化信息基於個人的預期健康風險，財務風險偏好和醫生偏好。 這些政策通過將每個選擇與消費者易於理解和關注的指標相關聯來突出顯示給定消費者的最佳選擇，例如他們在即將到來的一年中每個計劃的預期支出。
廣泛的目標是利用消費者數據和技術的力量在保險市場提出有效的建議，類似於我們在其他地方已經看到的建議。 例如，亞馬遜使用您的購買歷史記錄和瀏覽數據來推薦您可能喜歡的其他產品，而Google會處理大量信息以定制自定義廣告。
在保險市場中實施這些條件已經取得了一些進展。
然而，一個關鍵問題是這樣的政策 不夠有效. 經驗證據 建議即使你引導消費者了解信息，你也不一定強迫他們喝酒。
智能默認值可能就是答案
因此，如果提供個性化數據和建議不足以幫助消費者做出更好的選擇，那麼更積極的政策是否有效？
一種方法是通過“智能默認設置”，根據用戶特定信息自動將消費者置於優選計劃中。 不是要求人們對建議採取行動，而是為他們選擇最佳選擇。
這些智能默認值將根據每個人自己的數據進行仔細定位，但它們也是非約束性的，允許消費者隨時切換到另一個選項。
我們在論文中提出的智能默認值基於消費者特定人口統計和健康需求的詳細數據以及健康計劃價值模型。 智能默認設置可以通過使用過去的醫療索賠和人口統計信息等數據來評估切換到另一個計劃是否有意義。 一開始就建立了經濟模型和具體的價值門檻，以確定需要承擔多少風險以及從交換機中獲得多少節省。
使用計算機算法實施的經濟模型將考慮財務收益，在發生重大醫療事故時接觸風險以及接觸合適的醫生。
如果滿足了正確的條件（或多或少具有侵略性），則消費者將被默認為新計劃。 右圖更詳細地說明了該過程。
例如，考慮參加計劃的糖尿病患者，其年度保費為$ 4,000，並且可以訪問一組特定的醫生。 除了溢價之外，患者還是 預期 每年花費另外$ 2,000 成本分攤 - 免賠額，預約補貼，處方，測試血糖和其他服務的設備 - 最高$ 8,000。
智能默認算法首先會考慮市場中是否存在可以“有意義地降低”患者年度支出的替代方案。 如果閾值設置為$ 1,000，算法將搜索預期患者在保費和費用分攤中花費不超過$ 5,000的選項。
還必須滿足另外兩個條件：患者看到的醫生必須在計劃的網絡中，並且該選項不會使他或她面臨太多額外的財務風險（最大的費用分攤）。 因此，如果財務風險閾值設置為$ 500，則替代計劃的最大值不得超過$ 8,500。
然後患者將自動加入該計劃，預計每年可節省1,000美元，並且最壞情況僅需額外支出$ 500。
到目前為止，這種違約只是在健康保險市場中使用得很少。 但在其他情況下，例如幫助員工選擇為養老金計劃做出多少貢獻，智能違約已經證明 非常有效 提高選擇質量。
例如，如果您正在製定401（k）計劃，那麼很有可能使用此智能默認系統為您提供適合您情況的最佳計劃。 這適用於退休儲蓄，因為選項更簡單，並且有大量數據。
智能默認值的問題
那麼，為什麼我們現在不在醫療保險市場更廣泛地使用智能違約呢？
首先，政策制定者和雇主可能不願意實施似乎以如此有力的方式推動保險選擇的政策。 例如，如果默認設置過於激進，許多消費者可能會自動註冊到計劃中，使他們的情況更糟 - 即使普通人會更好。
可能的解決方案是，可以非常保守地設置自動註冊的閾值，以便只有具有大量預期收益的消費者受到影響（儘管這也會降低潛在的收益）。
然而，更根本的問題是缺乏數據。 不幸的是，監管機構通常沒有關於有效實施智能違約政策所必需的個性化健康風險，保險使用和人口統計數據的實時消費者數據（在養老金選擇中也是如此）。 一個原因是保險公司經常拒絕與監管機構分享他們的數據，理由是他們是專有的，而且 最高法院維持原判 他們的立場。
在這種情況下，智能默認仍然是可能的，但為消費者提供的價值較低，並且在實施時必須更加保守。
其他注意事項
當消費者選擇由算法驅動而不是通過更自由流動和自然的過程驅動時，市場競爭的影響知之甚少。
例如，保險公司是否可以嘗試系統地利用算法的已知功能來推動更多人參與他們的計劃（與廣告客戶與Google互動一樣）？ 或者個人最終會更少參與選擇自己的保險的過程，這意味著他們將不太了解他們實際擁有的利益和相關風險？
了解讓計算機算法做出消費者選擇的後果對於評估實施智能默認策略是否有助於消費者以最小的缺點做出更好的選擇是至關重要的。 但是，在保險公司開始與監管機構分享更詳細的數據之前，這是不可能的。
關於作者
Ben Handel，加州大學伯克利分校經濟學助理教授。 他的研究研究了消費者決策和健康保險市場的市場設計，並說明了消費者決策與市場監管之間的相互作用。
相關圖書：
at InnerSelf 市場和亞馬遜
