“相互保”大卖！签约者已超过一千万！
初出茅庐、未见经传的“相互保”，为什么会有如此强大的生命力？短时间里创造的销售奇迹，究竟是怎么做到的？
须知，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。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。
一个人看不起病，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。
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。
问题在于，个人的收入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买保险产品。
“相互保”反其道而行之，没有动用销售人员，甚至都没有投什么硬广，就让一千多万人参与了！
怎么做到的？
实质上，是公共服务网络化所带来的衍生结果。
须知，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，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，三种数据来源各有利弊：
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开展。
传统保险公司通常是多渠道综合数据，但不同渠道获得的数据可能因故导致结论相反。所以，数据校正就成了一大难题。
为了克服这个问题，保险公司会确立一个模型，同时分析、处理宏观、中观、微观三个层次的数据，大幅度降低不确定性。
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，行政部门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更容易。
道理很简单：
市场能更有效地配置资源！
摘编自18.11.12出版的《中国经营报》，原标题为“从相互保看公共服务网络化”，原作者为青年经济学者 陶力行
閱讀更多 周董私享匯 的文章
