从“相互保”看公共服务网络化

“相互保”大卖，签约者已经超过了一千万，它为什么会有如此强的杀伤力？又是怎么做到的？

所有金融产品都是基于一定算法而生成的产品，它发挥的是杠杆作用。假定一个年存款能达十万的人要买上一套价值三百万的房子，即便房价不涨，他也需要存至少三十年的钱才能住上新房，但有了银行贷款后，只需要存十年就可以住上，因为首付只需三成，其他可以慢慢还贷。在这里，作为金融产品的银行贷款压缩了时间，对于买房者来说，他用支付贷款的利息撬动了时间。商业医保产品也是一种金融产品，它发挥的也是杠杆功能，这个例子中，被撬动的是“风险”。一个人看病看不起，但是让大家一起帮着看，就看得起了，商业医保是让一个人的患病风险转嫁为所有参与者的患病风险，因为不是每个人的得病概率都一样，所以被转嫁的风险也是被稀释的。

但是，商业保险要能成功，必须解决两个问题：第一，参保人数要足够多；第二，参保者并不确切知道自己会不会患病。如果这两个条件无法被满足，带来的结果都是入不敷出，所以理论上来说，保险公司都希望购买保险者越年轻越好，因为得病率/预期得病率都是随着年龄的增长而增长。

但问题在于，个人的收入也是随着年龄的增长而增长的，所以年轻人并不愿意花很多钱去购买保险产品。这方面的矛盾使得保险从业人员的压力非常大，也正因为此，在公众眼里，保险公司的人看起来都像精通话术的“骗子”。但“相互保”这个项目却反其道而行之，根本不需要什么销售人员，只需要一个营销广告，就让一千多万人参与了，他是怎么做到的？在我看来，这是公共服务网络化带来的衍生结果。

正如前面所说，保险是基于各种算法生成的产品，其依赖于基础数据的采集，包括各种医疗数据、信用数据、日常生活数据。对于保险承保人来说，数据越清晰、越具体，那么风险越可控。传统保险公司在设计保险项目的时候，其收集数据的方式就三种：政府公布的官方数据、从特定数据公司购买数据以及公司内部统计部门的数据。但三种数据各有利弊：第一种数据编制得太过宽泛，保险方案制定时若依赖的数据过于宽泛，那么就需要引更多的人参保；第二种数据编制的成本太高，便宜的就要几十万，贵的要上百万；第三种数据编制主要依赖于公司内部的积累，所以数据范围太过狭小，不利于公司新业务的展开。传统保险公司通常是多渠道综合数据，但问题在于，不同渠道获得的数据可能因为各种原因导致结论相反，所以数据校正就成了一大难题。

为了克服这个问题，保险公司的理想模式就是确立一个终端，使得这个终端能够同时知道宏观、中观以及微观三个层次的数据，这样就可以减少校正的工作，大幅度降低不确定性。原来这个终端只有政府才有可能建立，因为政府可以通过行政手段减少各个部门之间的信息壁垒。但现实中做不到这一点，各个部门之间本身会因利益分配等原因形成博弈。有意思的是，这事让互联网平台做成了。

其中最关键的一步，就是公共服务互联网化，比如各种缴费、看病预约、社保情况等。政府部门内部达成的方式是多对多，但政府和支付宝达成的方式是多对一，从多对多模式变成多对一模式，能大幅度降低交易成本，带来三赢：一是对于老百姓来说，提高了等待的效率，以前看病挂号、交罚款都需要去窗口排队，现在只需要网上点击就可完成；二是对于政府来说，提高了服务的效率，以前要雇佣大量人员受理表格、敲章，现在网络实名、指纹、脸部识别等技术替代了签名；三是对于支付宝来说，成为了终端，它能综合分析各种非消费类的数据，这些数据帮助支付宝了解社会分层、疾病状况等。

如果说第一步是测算出了个体的信用能力，第二步就是测算出了个体的抗风险能力。因为前两步建立起来的评估系统——信用评估系统和抗风险能力评估系统——都是即时的且同时涵盖了微、中、宏三个层次，外加人群基数足够大，所以支付宝既不用担心拉来的投保人是某些特殊的高发病率群体，也不用担心这些人会临时退保（因为对于个体来说，最终承担的费用少于打一次车），进而就顺利迈出了第三步，推出了“相互保”。

“相互保”成功的例子给我们的启示是，当政府想做一些事却又因各种限制做不了的时候，或许交给市场来做反而能做起来，因为市场更能有效地配置资源。

作者为青年经济学者