“平价医疗法案”（ACA）的一个关键目标是通过为消费者提供比保险公司更多的选择来降低医疗保健成本。
经济理论认为，当消费者在竞争激烈的市场上做出明智和积极的选择时，企业通过降低价格和提高产品质量来作出反应。
抛开理论， 实证研究 节目 消费者 实际上并没有这样的做法，特别是在健康保险这样的复杂市场。
这一现实使得政府政策难以有效遏制医疗保健（其中一部分费用）和降低保费。 这也意味着很多个人可能比健康保险付出更多的钱。
那么，我们能做些什么来帮助人们做出更好的保险决定？
在一个 最近的一篇文章 我与伯克利经济学家乔纳森·科尔斯塔德（Jonathan Kolstad）共同合作，评估个性化数据如何帮助消费者做到这一点，从而使健康市场更有效率。
很多选项，很混乱
控制医疗保健支出 - 在3首次每年达到2014万亿美元 - 仍然是政策制定者特别重中之重。 在ACA通过的时候，支出增长放缓至历史平均水平以下，但此后一直持续 加速.
联邦和州监管机构制定了ACA交易所，鼓励保险公司在价格和质量上进行竞争，同时为消费者提供更广泛的选择。
诸如D计划处方药保险等几个医疗保险市场也是如此，而提供健康保险的公司也越来越多地为员工提供更多选择 私下促进交流.
但给个人更多的选择只是第一步。 研究显示 由于缺乏可用信息，消费者在积极购物时会犯错误， 有限的理解 保险或只是整体的麻烦。 无论选择是几十个还是几十个，都存在这些困难。
这导致消费者离开 数以百计 甚至数千美元的桌子上。 它也有助于“选择惯性“消费者可能会做出明智的初步选择，但是随着新信息的出现或条件的变化，他们不能跟进并重新考虑。 随着时间的推移，这也会让他们花费很多钱。
在我们的研究中，我们研究了如何解决这些问题。
有针对性的消费者建议
一种方式是根据个人健康护理需求和偏好的详细数据向消费者提供针对用户的计划建议。
个性化信息基于个人预期的健康风险，财务风险偏好和医生偏好。 这些政策通过将每个选择与消费者容易理解和关心的度量（例如他们在即将到来的一年的每个计划中的预期支出）相关联来突出显示给定消费者的最佳选择。
广泛的目标是利用消费者数据和技术的力量在保险市场上提出有效的建议，类似于我们在别处已经看到的。 例如，亚马逊使用您的购买历史记录和浏览数据来推荐您可能喜欢的附加产品，而Google会处理大量信息以定制自定义广告。
在保险市场实施这些条件方面已经有了一些进展。
然而，一个关键的问题是这样的政策 不够有效. 经验证据 建议即使你引导消费者了解信息，你也不一定强迫他们喝酒。
聪明的默认可能是答案
因此，如果提供个性化的数据和建议不足以帮助消费者做出更好的选择，那么更激进的政策是否会有效？
一种方法是通过“智能默认设置”，根据用户特定信息自动将消费者置于优选计划中。 不是要求人们根据建议采取行动，而是为他们选择最佳选择。
这些巧妙的默认设置将根据每个人自己的数据进行仔细的定位，但是它们也是非绑定的，允许消费者随时切换到另一个选项。
我们在本文中提出的智能违约是基于消费者特定人群和健康需求的详细数据以及健康计划价值模型。 通过使用过去的医疗索赔和人口统计信息等数据来判断是否有意义地切换到另一个计划。 一开始就建立了一个经济模型和具体的价值门槛，以管理转换需要承担多少风险和多少节省。
用计算机算法实施的这种经济模式将考虑经济收益，在发生重大医疗事件时接触风险以及接触正确的医生。
如果满足了正确的条件（或多或少有侵略性），那么消费者就会被默认为新的计划。 右图说明了更详细的过程。
例如，考虑一个糖尿病患者参加年度溢价为$ 4,000的计划，并可以访问一组特定的医生。 在保费之上，病人是 预计 每年花费$ 2,000 成本分摊 - 免赔额，预约费用，处方，血糖检测设备和其他服务 - 最高可达$ 8,000。
聪明的默认算法首先会考虑在市场上是否存在可以“有效地降低”患者年度支出的替代方案。 如果阈值设置为$ 1,000，算法将搜索一个选项，预计患者将花费不超过$ 5,000的保费和成本分摊。
还必须满足两个条件：病人看到的医生必须在计划的网络中，并且选择不能使他或她承受太多额外的财务风险（最大限度地分担成本）。 所以如果财务风险门槛设定为$ 500，那么替代计划将不得超过$ 8,500。
然后患者将自动加入该计划，预计每年可节省1,000美元，并且最坏情况仅需额外支出$ 500。
到目前为止，这种违约只能在健康保险市场中使用。 但在其他情况下，如帮助员工选择为养老金计划贡献多少，聪明的违约已经被证明 非常有效 在提高选择质量。
例如，如果你有一个401（k）计划，那么这个聪明的默认系统很有可能被用来为你的情况制定最好的计划。 这现在可以用于退休储蓄，因为选项比较简单，而且有大量的数据。
智能默认的问题
那么为什么我们现在不能在健康保险市场更广泛地使用智能违约呢？
对于初学者来说，政策制定者和雇主可能不愿意执行似乎有力推动保险选择的政策。 例如，如果默认设置过于激进，那么许多消费者可能会被自动注册到使他们变得更糟的计划 - 即使普通人变得更好。
一个可能的解决办法是，自动登记的门槛可以非常保守地设定，以便只有具有实质性预期收益的消费者受到影响（尽管这也会减少潜在的收益）。
然而，一个更基本的问题是缺乏数据。 不幸的是，监管机构往往没有实时的消费者数据，以精确的方式有效实施智能违约政策（在养老金选择中也是如此）所必需的个性化健康风险，保险使用情况和人口统计数据。 原因之一是保险公司往往拒绝与监管机构分享他们的数据，理由是他们是专有的 最高法院维持原判 他们的立场。
在这种情况下，智能违约仍然是可能的，但是给消费者提供的价值较低，在实施时必须更加保守。
其他注意事项
对消费者的选择是由算法驱动，而不是由更自由流动的自然过程驱动，对市场竞争的影响知之甚少。
例如，保险公司是否可以系统地利用算法的已知特征来推动更多的人进入他们的计划（就像广告客户与Google进行互动一样）？ 或者个人最终会减少选择自己的保险的过程，这意味着他们将不太了解他们实际上有什么好处以及相关的风险？
了解让计算机算法做出消费者选择的后果对于评估是否实施像智能违约这样的政策能够帮助消费者做出更好的选择而不影响最小化至关重要。 但是，直到保险公司开始与监管机构分享更详细的数据之后，才有可能。
关于作者
Ben Handel，加州大学伯克利分校经济学助理教授。 他的研究研究了医疗保险市场的消费者决策和市场设计，并且说明了消费者决策与市场调节之间的相互作用。
相关图书：
at InnerSelf 市场和亚马逊
