蚂蚁金服于互联网医疗之探索-结合支付宝“医疗服务”平台为例

整体框架

本文旨在通过宏观与微观两个角度进行平台分析,并尽可能为蚂蚁金服未来在互联网医疗领域的发展提供一些可能性建议。

  • 微观角度:探索蚂蚁金服旗下支付宝平台中的“医疗服务”的平台设计
  • 宏观角度:分析蚂蚁金服在互联网医疗领域的已有建设

微观:支付宝-城市服务-医疗服务平台

平台画布

核心交互

  1. 参与者
    生产者:医疗服务机构(医疗服务提供方)
    消费者:身体出现症状的患者或有健康咨询需求的用户
  2. 价值单元
    消费者成功在平台上完成的一次线上问诊预约
  3. 过滤器
    验证申请预约服务的用户身份的真实性、预约订单提交的正确性

平台三大关键功能

1. 吸引

  • 理论支撑1:如何保持用户粘性,提升用户活跃度是平台需长久关注的问题。只有用户踏进来第一步,平台与用户的故事才能有机会开始。而形成反馈回路则是促成吸引的重要一环。
  • 分析成果1:目前支付宝上提供用户反馈挂号体验或恢复状况的评论区域中,浏览到的评论质量都相对较低(诸如“满意”,“好”,“一般”等),其他用户难以通过此类评论获得较有价值的前车之鉴,而评论功能的价值在此也算大打折扣了。
  • 可行建议1:设置其他用户可为已有评论打分的方法,形式可为直接点赞或设置分值进行给分。当用户的反馈评论得到其他用户的点赞或评分,积累到一定数值可获得平台金币,而金币可使用于提供类似携程购买火车票前的加速服务,在预约挂号时可根据金币数量进行一定程度的预约加速。

2. 促进

  • 理论支撑2:良好的促进很大程度上依赖于便捷的交互。在医疗服务中简化预约流程,减少使用障碍可以提升用户的交互程度。
  • 分析成果2:当下平台的交互流程已经非常简洁完善,用户可通过选医院/ 科室/疾病三种不同的预约角度进行挂号,充分考虑到用户或许会不了解疾病的分类/哪一家医院更专业于该疾病等等。

3. 匹配

  • 理论支撑3:平台提高越精准的匹配,生产者与消费者基于匹配而获得的回报将会越高。支付宝可通过收集、整合以往患者的预约数据(包括挂号医院、选择的医生、病症描述等),通过比对得出相同点来为当下正预约中的用户提供相关推荐,从而达到更精准的用户匹配。
  • 分析成果3:让用户大海捞针般的盲目挑选,不仅会造成令人不耐烦的用户体验,同时也会导致匹配质量的降低。
  • 可行建议2:利用已有的其他用户描述过的症状与当下用户正编辑的症状进行文字数据的对比分析,匹配出相似性较强的病症历史,结合多个预约案例来为用户推荐医院/医生,给予用户较有价值的可参考信息,加快预约进程。

工具与服务

  • 领域愿想:此前支付宝曾表示,目前正在打造医疗全生态服务,希望可以通过互联网在线完成电子处方、就近药物配送、转诊、医保实时报销等环节,最终打造基于大数据的健康管理平台。
  • 分析成果4:支付宝欲在医疗服务领域打造一条龙服务,功能的拓展将会吸纳更多的不单单只是医疗服务行业,配送功能的物流行业,医保的保险行业等等。功能的扩展也能为用户提供更多元化的服务,生产者则能通过搭配新增的多元化服务实现更多的可能性和改变。
  • 可行建议3:在打造医疗全生态服务的愿想基础上,将普及线上订购药物的服务早日提上日程,那么医院除了珍稀药物外,可减少常用药的实地库存量,降低仓库运维成本,节省下的费用可用于更新医疗设备和最新药物等等。

衡量指标

  • 理论支撑4:平台衡量指标的制定,首先需要先明确平台的发展阶段。作为经过十年摸爬滚打,如今以压倒性占比影响着线上支付产业的支付宝,其发展阶段毋庸置疑为成熟阶段。与处于初创阶段时期以客户流动性为标准不同,成熟阶段的衡量指标重点之一在于推动创新。
  • 指标制定:结合上述“工具与服务”模块中支付宝“打造医疗全生态服务”的未来发展蓝图,我们可以将支付宝-医疗服务平台的指标定为“是否上线了新功能及新功能的实行成效如何”。而新功能的实行成效我们可以通过用户使用频率及反馈数量来衡量。

宏观

互联网医疗行业现状

  • 互联网医疗,作为一种以互联网为载体,以信息技术为手段而与传统医疗服务相结合的新型医疗服务行业,是互联网在医疗方面的新应用。
  • 近年来为推动互联网医疗发展,国家不断出台相关政策。
2018年国务院办公厅《关于促 进“互联网+医疗健康”发展的意见》
2018年国家卫健委《关于深入开展“互联网+医疗 健康”便民惠民活动的通知》
2018年国家卫健委和国家中医药管理局《互联网诊疗管理办法 (试行)》、《互联网医院管理办法(试行)》和《远程医疗服务管理规范(试行)》)
  • 除了政策的出台,传统医疗行业日渐暴露的问题和难处也促使了加快推广实行互联网医疗的必要性。
  1. 居民消费水平提高,有条件更加重视个人健康,个人医疗需求增加
  2. 传统医院“三长一短”问题(挂号、看病、取药排队时间长,医生问诊时间短)极大影响就医效率,医患矛盾日渐突出
  3. 我国医疗资源分配不均
  • 基于迫切提高就诊效率及处理速度等需求,国内多数医院和医疗相关企业对自身信息化水平、医疗大数据的应用等需求强劲迸发,欲求通过互联网平台尤其是信息化技术来降低运营成本,提高经营利润。
  • 政策的鼓励,涌现大量的通过政企合资或与传统医院合作的的互联网平台,如平安好医生、春雨医生、丁香园、医联等。

蚂蚁金服之主攻方向

  • 蚂蚁金服是以支付为主要核心业务的信用体系和金融服务平台,旨在“为全球消费者和小微企业提供安全、便捷的普惠金融服务”。
  • 官方文档发表其未来主攻方向有三:一个是“未来商圈”,一个是“未来交通”,一个是“未来医院”。
  • 而对于医疗领域的发展野心,蚂蚁金服早在2014年5月开设第一家未来医院时便埋下了种子。到如今入股卫宁健康,医疗健康领域已经成为蚂蚁金服整体布局中重要的一部分。无论是在支付宝上线医疗服务平台,创新区块链电子票据还是上线浙江省互联网医院,蚂蚁金服不断革新自身的技术实力研发新产品,在医疗领域的不懈努力均有目共睹。
    下图为蚂蚁金服在医疗领域的重要布局时间线:


    图片来源:健康点

平台-战略-平台包融

  • 各大互联网平台对互联网医疗板块的野心由来已久,不止蚂蚁金服,腾讯、百度等互联网巨头早已在该领域施展拳脚。虽然蚂蚁金服在医疗服务方面的功能已经覆盖的基本全面,但其在人工智能方面仍有所欠缺,例如,平台上目前还无法实现让用户通过智能化识别来明确自己需要哪一类医疗服务或者健康服务。

知己知彼-竞争对手最新动态-腾讯与百度

  • 腾讯:发布最新的医疗AI引擎“腾讯睿知”,主要应用场景为“智能导诊”,即通过人机对话为患者找到最合适的医生,而医生也能筛选出与自身专业最为匹配的患者,“让导诊服务从传统的‘依图找科室’升级为‘精准找医生’”。其次的应用场景为“精准预约”,即利用AI技术根据患者的历史检查结果对患者的疾病或病程进行初步诊断,实现线上初步诊断从而减少线下诊断时间,提高就诊效率。
  • 百度:其医疗领域的布局重点在于人工智能领域,在该领域的核心产品为百度医疗大脑,即基于医疗大数据实现智能问诊。目前已经投资了包括好大夫在线、39健康网等互联网公司并获得它们的相关医疗数据。
  • 成果分析5:腾旭与百度在医疗领域作为蚂蚁金服的类似平台,以上推出的新功能均为业界首发。新功能的发行对蚂蚁金服来说是强有力的竞争威胁,用户极有可能因为新功能的出现而转移。类似领域的巨头间合作的可能性微乎其微。
  • 建议4:面对新功能的竞争威胁,蚂蚁金服正确的姿态应是加快技术研发,进行全面而最新的市场分析,寻找产业短板或发展漏洞及时补充。其次,蚂蚁金服也可以选择直接提供类似服务,尝试包融类似平台,但同时也必须承担会遭受类似平台反噬的风险。(减弱反噬可能性的方法?)

平台-开放性-用户参与

  • 蚂蚁金服创新及智能服务部总经理王博表示:“区别于其他移动医疗服务提供方,支付宝专注做平台,所有的医疗健康服务及内容均来源于合作伙伴和医疗机构,支付宝的医疗服务平台是开放的,只要符合准入条件,欢迎在行业中有良好口碑及品牌认知的合作伙伴都可以入驻平台为用户提供服务。”
  • 成果分析6:在互联网医疗领域,医疗机构对于患者个人电子档案的运维已经非常成熟,但医疗机构间出于利益需求和稳定客源的需要,鲜少与他院共享本院的患者个人档案,医疗机构间患者数据处于独立封闭的状态。因此造成的信息断层会导致患者就诊时间的拉长,每到一个新的医院都需要重新体检让医院获得个人健康指数。
    因此医疗机构间患者数据的共通是非常必要的,而患者数据库的共通目前还没有得到普及实施。蚂蚁金服作为这样一个中间平台,或许能够作为先行者来解决这个问题。
    我们暂且先不涉及到较深层的个人健康指数如疾病史等等,先就简单的体检指数如血压、心率变化、体脂等数据实行初步的共享。截止2018年3月31日,阿里巴巴的业绩报告显示蚂蚁金服国内活跃用户数已达5.52亿。但这些活跃用户目前还无法在支付宝上找到个人的医疗数据,比如常见的体脂、心率变化等。
  • 建议5:课本中“用户参与”模块中提到,平台管理者需要控制用户参与特别是对生产者开放。面对用户的数据开放问题,蚂蚁金服可以考虑以下双向实施方法。首先,医疗机构可以获得患者的个人初步数据减少就医流程;同时,患者可以获得医疗机构中细致到医生的诊断成功率或成功案例等,让患者能够更准确的选择。

大数据-角色定位

  • 成立初期的蚂蚁金服,就将自己定义为一家技术驱动的数据公司。而如今不仅达成了技术驱动,更是三者兼备。目前它是全球少有的既有大数据资源,又有大数据思维、大数据应用能力的公司。
  • 分析成果1:然而尽管坐拥流量优势和技术优势,回到医疗服务领域,因其尚且缺乏权威的医疗团队,在没有“医疗”基因的情况下,布局大数据依旧步履维艰。虽然不乏大数据时代的大数据足以与权威专家并肩的说法。
  • 建议1:现阶段蚂蚁金服在医疗领域的发展仍需与医疗机构展开合作,打造平台的权威可靠性。

大数据-数据重组

  • 成果分析2:支付宝涵盖业务的广泛(“吃喝玩乐”),使其能获取平台上用户的各类数据。而当我们将多个数据集的总和重组在一起时,重组总和本身的价值将比单个总和很大。医疗服务作为整个支付宝平台中的一个功能,该功能的数据与其他任意功能的数据进行重组,必定能都达到1+1>2的正面效果。
  • 建议2:例如,将某个用户的医疗数据与预定餐厅的种类的数据进行整合对比,或许会发现哪些类型的餐饮会对该用户的健康造成伤害。

小结

  • 大数据的角色定位部分,蚂蚁金服与权威医疗机构的合作属当务之急。然而结合平台的用户参与部分,这两个问题归根结底均是用户参与的问题。与权威医疗机构合作能够探索新的市场需求,而准许用户获取数据则能提高其匹配质量,从而满足用户的个人需求。市场与个人的需求相结合,蚂蚁金服在互联网医疗领域的发展将更具针对性和前瞻性。
  • 在大数据的数据重组中,不同平台不同类别数据的重组能够为平台挖掘创造新的功能。而在平台的匹配一栏,通过同一平台下不同用户的数据对比又可以为用户提供相关推荐。可见不同数据的组合带来的影响都是不一样的,数据重组带来更多相关关系。
  • 结合平台-吸引中价值量较低的评论,我们或许可以从数据废气的角度出发,通过用户低价值甚至错误的平台操作(评论、搜索等等),发现潜在用户需求群体。
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,362评论 5 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,330评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,247评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,560评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,580评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,569评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,929评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,587评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,840评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,596评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,678评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,366评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,945评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,929评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,165评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,271评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,403评论 2 342

推荐阅读更多精彩内容