2021年数字与AI健康领域的投资热点预测
医疗智能化不是一蹴而就的，最早一波医院信息化率先实现了结构化数据，成为了数字医疗的大底层，进而可以基于数据做进一步训练与应用，先应用于简单场景，再应用于复杂场景。所以数字化应用由易到难，进程由解释数据到预测数据再到输出数据；市场先出现了互联网挂号、问诊、缴费、购药等数据浅层应用，再过渡到基于特定疾病数据的分析与归纳形成辅助诊断能力，再更进一部通过深度机器学习实现医药学预测，未来还会通过对数据的加工对外输出（如手术机器人、脑机义肢），一切都是基于数据和算法的不断应用、累进和迭代。
2.我们对中国的健康产业与健康险市场形成良性互动与循环怀有长期的信心。就目前而言，”数字化医+药+险“闭环在一些专科领域或特定消费群体中正在形成的过程中，但总体上还远没到可以真正实现”全产业大闭环“的阶段。即使在大闭环形成之后，社保在大闭环中仍然会扮演举足轻重的作用，商保只是补充。商保目前的问题一是保费规模仍然低，二是赔付较为被动，对服务及药品的议价权低，三是市场化获客成本高。但从近几年的发展趋势来看，商保在不断地产品创新，同时也在获得政府强有力的支持，从百万医疗这样的纯市场化产品到惠民保这样的政府主导产品，一步一步正在夯实。大型药企和保险机构已经在主动开辟医药险联动机制，同时各掉标原研药企也在寻找新的支付方式，医保主导的商保目录也被提上了日程。医、药、险三者一旦形成良性联动会是个自我增效、自我降本、自我循环和自我加强的过程，蕴藏着巨大的商业潜力。
3.目前的数字健康行业，适合的模式是当下支付方与获客场景的合理交叉，商业模式最终的落脚点是规模化的变现。当前，医疗行业支付方的单一及其明确的控费需求对数字化医疗健康相当不友好，所以在数字化医疗健康的发展阶段需要一方面明确用户是谁，另一方面需要同时撬动用户的付费能力：用户场景以医院+医生为首选，解决了流量与转化的问题；同时支付以药企+医保为首推，从效率及稳定性上支撑规模化的扩张。
4.前沿科技，尤其是AI技术正在以前所未有的速度刷新着健康产业的认知边界。我们相信未来几年我们将看到基因大数据、AI制药、手术机器人、脑机结合等新型领域高速发展，加速完成场景落地并实现商业化。更为重要的是，我们认为恰恰在这些前沿领域最有可能诞生改变整个行业格局的超级玩家。
基于医院信息化的升级，顺应国家新发政策，有实质性药（械）决策变现能力的模式，包括公立医院自费药房分拆及药房双通道的处方流转模等模式；
基于互联网技术的信息流转升级，为能力欠缺的机构输出更好的数字化医疗管理能力、医疗技术能力，包含数字化科室共建、科室共营，以及院内外病程管理等模式；
基于细分病种深度数据的应用，包括基于标准化（影像等）数据的数字化辅助诊断、辅助治疗应用，以及非标准化（基因、代谢、临床表征等）数据的精准医疗、个性化病程管理等模式；
我们分析任何行业时，首先看的是大盘，其中最重要的一点就是人口结构。中国近几十年的发展，人口结构红利是最大的正向因素之一。中国的人口结构，反映在数字健康产业中，有这么两点比较重要：
什么叫互联网原住民？中国最开始的那部分互联网公司都是2000年左右成立的，80后那时候大概在15岁-20岁，正是在念书时有闲心有乐趣，最能发掘互联网并能坦然接受互联网的那一代人，可以说互联网整整影响了一代人。
80后对互联网的概念是从无到有，他们最先最快地亲身经历了互联网带来的种种变革。在7、8年前，这部分约在25、26岁，正是交流、求知、消费旺盛的时期，是互联网即时通讯、资讯、电商的庞大用户群的中坚力量，成为互联网行业繁荣的推手之一。
今年是2021年，1980年出生的人刚迈过40岁门槛，其余80后经过3-5年也会跨入中年阶段。35岁这个年龄段，从医疗角度来说，有些人刚开始出现慢病苗头，就已经对自身健康的关注发生了本质变化：从30岁以前靠着身体熬夜通宵，到现如今的枸杞养生。观念的转变，再以互联网原住民对互联网无比熟悉的加持，这个人口基数贡献了一波早期数字健康的火热。
但是在数字医疗领域，互联网原住民人口基础的贡献还不大，目前不是每个到了中年的人都会求医问药，但可以预见的是未来3-5年随着这波人口慢病率的提升，会将对整个数字健康行业的发展提供超强的推动力。
另外一点，中国人口长寿化趋势也是不争的事实，根据国家统计局的数据，对于中国人的预期寿命，已经从1990年的68.55岁提高到2020年的77.30岁。
这个数据意义重大：中国的老年人口将不断聚集壮大，四世同堂的现象已经较为普遍。这代表什么？优质医疗资源在全球范围里都较为紧缺，医疗资源使用率最高的就是中老年群体。
这意味着如果现有医疗资源没有在供给侧的明显提升，当80后这批中青年变老的时候，不得不面临着跟父辈争抢医疗资源的窘境，那时候医疗通胀将远远超出正常水平。
当然国家不会坐视不管，医疗资源的供应侧提升，不仅仅需要硬投入，如培养更多优秀的医生、提供更多优质的医院床位，还需要通过软投入来提升医疗各项环节的效率，因而医院信息化早已是医院评级的重要指标，而医疗数字化也正在被供给侧改革的需求在不断推动快速发展，未来无论是从行政层面还是从市场层面，通过数字化进行提效需求将会越来越重要。
从经济学角度，供给与需求都会有价格弹性，供给曲线与需求曲线都会相交于某一点，这一点代表了供需的平衡。对于其他大部分行业，需求曲线有比较明显的递减曲率，当某一新科技产品推出时，往往价格较昂贵，或者技术超出现有需求，形成一定时期的“技术盈余”。
反观医疗行业，一直有一个现象，那就是医疗水平无论如何进步，都远远满足不了人民群众对于新的医疗技术的不断需求，人们对医疗消费的价格变化极不敏感，对医疗行业的需求不会受价格波动影响。
这对于医疗行业是个长期不变的重大利好：医疗技术无论怎么高端，都较低概率出现技术水平超出社会需求的盈余，医疗行业企业可以也愿意大胆的进行投资与研究。
全球在创新药的研发支出上不断增长，检测检验的水平不断提升，背后除了有资本以外，更是看重的是社会强劲的刚需。数字及AI技术，在药物研发、医学影像方面已经开始显露出一定的科技与医疗水平，在医疗刚需的大背景下，仍会不断有新的应用场景与技术手段出现。
民生问题，最大的难处之一便是人民的医疗问题。历届国家领导，都将医疗问题作为重点，也取得了举世瞩目的成就，基本医疗保险几近覆盖全民（据国家卫健委统计，覆盖群体占比96.8%）。
国家发展的每个阶段，都会有符合当下的相应医疗政策，但当国家发展向上迈一个台阶时，原本的医疗政策都会有其局限性，因而医疗改革向着更合适当前国情的方向在不断进行中。
医疗行业是受国家政策监管最严格的行业之一，几乎每次政策的出台都带来行业的竞争格局的变化，同时给了创新企业更多的发展机会。有较强创新意识的企业，愿意甩开包袱在新的环境下不断探索，同时也会是享受医疗政策改革红利的先行者。
医疗行业近几年的历次改革，不外乎围绕国计民生，且政策频出，一次比一次向深水区进发。可以从以下四个方面来总结：
国家医保局发文，互联网医院销售药品可用医保统筹，但互联网医院卖药的医保额度要基于依托的医疗机构医保总额
海南开放博鳌医疗先行区与深圳港澳药械通先行示范区，允许未在国内上市的新药（械）少量进口就地使用
2020年因疫情防控需要，国家卫健委等部门密集出台一系列政策，大量推动数字健康发展，让原本可能需要3-5年的才能完成的国民教育缩短到1年，实现人人通过互联网进行在线问诊开药的教育过程。
比如《神盾局特工》里，Coulson被从死亡边缘救治回来后通过虚拟现实技术移植记忆来治愈PTSD；
比如《普罗米修斯》里，女主角可以在一个单人医疗舱里处于休眠状态，由AI系统为女主进行身体检测，并通过机械臂自动完成手术；
比如《阿丽塔战斗天使》里，四肢残缺的人们可以通过脑机传感，用脑波控制假肢，实现机械与身体的完美融合；
这些超智能化的医疗技术都是人们美好的憧憬，或许离我们还很遥远，但仍是医疗技术不断探索进步的目标。医疗智能化不是一蹴而就的，最早一波医院信息化率先实现了结构化数据，成为了数字医疗的大底层，进而可以基于数据做进一步训练与应用，先应用于简单场景，再应用于复杂场景。
所以数字化应用由易到难，进程由解释数据到预测数据再到输出数据；市场先出现了互联网挂号、问诊、缴费、购药等数据浅层应用，再过渡到基于特定疾病数据的分析与归纳形成辅助诊断能力，再更进一步通过深度机器学习实现医药学预测，未来还会通过对数据的加工对外输出（如手术机器人、脑机义肢），一切都是基于数据和算法的不断应用、累进和迭代。
数字与AI健康的发展线按时间进程，基本分以下六个阶段：（以下每个阶段不完全代表时间先后，会有时间上的重叠交叉，仅供梳理参考）
医院信息化过程造就了HIS,LIS,PACS等信息系统，让传统医疗快速积累大量的结构化、可视化医疗数据，实现医院内部的数据交互流转，为未来所有数字化模式奠定了基础。这是发展最早、目前最成熟的阶段，已有包括卫宁健康、东软集团、万达信息等为代表的公司完成上市进程。
基于互联网技术的信息流转应用，实现浅层的边缘性的数字健康模式，主要以平台模式为主，例如数字化号、费、诊、药、营销、临床、慢病管理等。这个阶段被视为“互联网医疗”的开创，大部分公司成立于2010-2015年前后，经过5-10年的发展，已步入成熟区，即将或者刚已完成上市，比如已上市的阿里健康、平安好医生、1药网、医渡科技，即将上市的微医、智云健康、圆心科技、太美医疗等。
基于疾病的深度数据，实现对某一垂直领域的病种或科室的数字化辅助诊断、辅助医疗，例如从医疗影像先开始的AI读片，以虚拟现实为基础的辅助治疗精神类疾病，以及通过单病种数据设计带病体保险等。这个阶段对医疗健康数据的量级与质量产生了巨大需求，数据层面直接决定了应用层面的发展，开启了“大数据医疗”的时代。
从最容易标准化的影像数据领域出发，大部分AI+影像公司成立于2015年前后，经过5年左右时间的发展，在眼底、CT、DR、MRI、超声、心电等影像基础上针对特定身体部位实现AI辅助疾病诊断，并陆续通过NMPA的三类医疗器械认证。这类AI影像公司逐步进入融资阶段的中后期，利用资本优势继续拓展产品线并不断推向市场，竞争格局已基本成型。
在非影像数据领域，比如人群的疾病序列数据等，数据呈结构化低及完整性低的状态。由于这部分数据量级巨大且涉及到患者隐私及各医院间的不联通，需要一定的政府推动周期，因而近几年在卫健委的指导下成立了两家国资背景的数据服务公司——中电数据与联仁健康，以逐步完成医疗数据的清洗及结构化梳理。在此基础上建立的商业模式还需要较长时间周期的发展，目前相对处于中早期，比如基于个体基因组学、代谢组学、临床表型等医疗数据实现的精准医疗、个性化病程管理领域，或基于疾病数据设计带病体保险的精算行业等，仍处于资本的价值发掘期。
基于分子药理学与药物动力学下的海量数据，通过卷积神经网络算法、循环神经网络算法等机器深度学习技术，在医疗工作者曾经要耗费大量精力还不一定能出结果的领域，实现高效获取结果的目标。比如AI为技术的蛋白质结构预测、靶点发现、化合物筛选及合成、新适应症发现及晶型预测等AI药物研发环节。这个阶段的公司多数于近几年开始快速发展，处于早期，常出现在实验室、人工智能科技公司及大型药企孵化，商业化产出仍在探索，但未来潜力空间巨大。
基于生理组织数据，通过5G传输技术、微传感技术、高精度控制技术等，实现从简单到复杂的智能化手术。正如同微创手术的发展颠覆了开放性手术，手术机器人正在开启新一轮的微创手术方式的迭代：一方面，提升了手术治疗精准性，对需要小心翼翼避免损伤其他组织的外科手术来说，确保了医生的高质量可见度和操控能力；另一方面，降低了医生的手工操作难度，针对某一术式培养一个合格的手术医生需要2年甚至更长的周期来说，可大大提升医疗资源的供给；以及，精准的操作带来效率的提升，惠及更多的患者同时，规模化降低了手术的医疗开支。
自2000年达芬奇手术机器人获得FDA认证，机器人技术不断迭代，从多孔技术升级到单孔技术，甚至到自然腔道技术；基于科室的手术机器人也将不断细化，针对骨科、神经外科及口腔科较为刚性的组织，定位类机器人实现手术的标准化；针对心内科普外科血管腹腔软组织，操作类机器人实现手术的精确化，众多国产技术已在NMPA申请的道路上。手术机器人可由设备带动耗材的销售，从而发展为耗材销售为主、设备为辅的商业模式，具备规模性商业化的前提。目前每台达芬奇设备采购价约2000万人民币，医院使用门槛非常高，在低成本替代上，为未来国产化带来了巨大的想象空间。手术机器人行业是典型的copy to China以及me too的模式，有国外成熟的参考及国内极大的市场，但对技术的升级及专利的合理规避也有极高的要求。这个阶段，医疗与通信、机械动力工程等实现多学科交叉，对上游组件的技术要求非常高，短期内难以完全国产取代。在神外及口腔领域，一些国产技术已拿到NMPA三类证，仍可以看到行业正处于快速发展期，对资本的需求旺盛。
基于微生理信号数据的捕捉与分析技术（例如脑电波、神经电流），通过脑机接口输出数据，实现人机“意识”交流。这个阶段的公司仍处于非常早的探索期，多数仍在各高校、医院内进行研究并尝试产生应用，如通过脑机实现神经刺激来治疗癫痫、脑机接口控制机械义肢等。作为目前最前沿的技术，脑机接口应用具有划时代的意义，是一个能承接海量资本注入并能产生巨大价值的领域，是数字医疗领域里最“硬”的科技。
根据国家医保局统计，国家基本医疗保险（含城镇职工、城乡居民、新农合）覆盖人群已稳定在96.8%（截止2021年1月）以上，基本做到应保尽保。
另外一组数据，健康险2020年原保费收入达8173亿元，对总保费收入的占比提升到18%，历史5年的CAGR达19%，其中疾病险60%，医疗险23%。同时2020年原保险赔付支出2921亿，同比增长24%。
在整个2019医疗支出的结构中，医保支出仍是最大，占比50%，商保支出从2018年的点比4%上升到6%。
如何从根本上解决居民个人医疗费用高的问题是一直以来国家的关注重点。解决思路需要一方面从供需入手，另一方面从风险分担着手，即通过规模化的共济性来分散个体的风险。
对于目前居民个人支出部分（大分部是超出国家医保统筹范围的自费部分），由医保来覆盖的可能性较低，更大可能是由社会化的商业保险来进行覆盖。
但商保替代个人支付的进程会很漫长，一方面商保是盈利机构，会对参保用户群体进行预先选择，对于既往症不准入或不赔付，只能先从健康群体覆盖开始；另一方面，不同于医保强制缴费的属性，商保是自愿行为，也是市场商业行为，需要获取规模化保费，尤其需要吸引到更多的健康群体，来分散患病群体风险，在市场化的供需中极易发生逆向选择。因而，商保产品的合理设计对整个替代过程有着重要的影响度。
我们不认为中国的商保会紧随美国商保发展的步伐。中国的商保无疑会快速发展，但体量在相当长的一段时间内与美国的商保会相差甚远。美国的特殊性在于自身拥有大体量的高保费的保险用户、服务和药品价格弹性较大、政府愿意将医保用户交给商保运营，因而美国可以出现诸如凯撒HMO模式、联合健康PBM模式的集团内部的医-药-险闭环。
中国商保目前的问题一是保费规模仍较低，二是赔付较为被动，对服务及药品的议价权低，三是市场化获客成本高。但从近几年的发展趋势来看，商保在不断地做产品创新，同时也在获得政府强有力的支持，从百万医疗这样的纯市场化产品到惠民保这样的政府主导产品，一步一步正在夯实。
过去5年，完全市场化的百万医疗保险产品盛极一时，商业保险公司靠这一款单一现象级产品，实现了9000万群体的覆盖，2020年总保费超过500亿元。类似的，继惠民保在深圳首创后实现投保人群超过800万人，从去年开始，我们也看到以政府为背书的各地惠民保的出现，参保人群不断增长，总保费超过50亿元。尤其是近期推出的沪惠保，目前参保人群超过400万人。以上海政府为背书、上海医保个账可支付、9家商业保险机构共同承保的模式，又为商保替代个人支付进行了一次重要探索。虽然目前的惠民保模式，对保司有潜在巨大的风险（可保既往症逆向选择严重，政府公益性与商保盈利性需求相冲突），件均价低致使保费规模也非常小，但可以看到，政府与商保在共同探索模式上，意愿与决心非常一致。
大型药企和保险机构已经在主动开辟医药险联动机制，同时各掉标原研药企也在找寻新的支付方式，医保主导的商保目录也被提上了日程。最近几年一直在提出的医保目录之外的商保目录随着医保带量采购的落实及获取的阶段性成果，又开始进入保司与政府探讨的焦点。商保往往是被动后赔付，多数需要经二级及以上公立医院报销后做补充报销，药品也必须在医保目录范围内。商保目录从底层逻辑上是医保目录的有力补充。在没有医院与医保的强势管控下，“如何进行风控”是巨大的问题。
以原研药为例，带量采购实行之后，大批原研药品落标，且随着带量采购的扩围，这一现象将会更普遍。原研药有着更好的工艺、更稳定的品质，虽然中标国产药经一致性评价，在大部分指标上已趋近原研药，但仍在临床效果上有着一定疗效差别，原研药仍具有一定的市场价值。然而，医保控费是国家层面的策略，原研药势必需要找到另一个支付方，而不是一味地让患者自费，商保便是绝佳的支付方。当然，中国的商保体量及分散度还不足以跟原研药企大范围谈判降价，未来或许有一种可能是，以医保局牵头各家保险公司共同制定商保目录并参与药企谈判，既给了原研药支付缓冲带，也为商保发展提供了一定的空间，最终为居民使用高品质药提供了更多的可及性。
就目前而言，“数字化医+药+险”闭环在一些专科领域或特定消费群体中正在形成的过程中，但总体上还远没到可以真正实现“全产业大闭环”的阶段。即使在大闭环形成之后，社保在大闭环中仍然会扮演举足轻重的作用，商保只是补充。
中国的数字健康行业，由于其创新性及前瞻性，在政策支持上具有非常明显的延后性，也不会像传统医疗一样轻易在政策范围下进院获得医保支付，因而支付方式对数字健康行业的影响巨大，尤其在数字健康企业发展的早中期，好的产品需要考虑合适的商业化支付。
目前的数字健康行业，适合的模式是当下支付方与获客场景的合理交叉，商业模式最终的落脚点是规模化的变现。当前，医疗行业支付方的单一及其明确的控费需求对数字化医疗健康相当不友好，所以在数字化医疗健康的发展阶段需要一方面明确用户是谁，另一方面需要同时撬动用户的付费能力：
作为最大的支付方，目前主要需求是控费。数字健康产品在能验证其控费能力后，一旦进入招标目录，稳定性有保障，是兵家必争之地。
作为目前最为灵活的支付方，目前主要需求是药（械）的研发、准入、上量。数字健康产品可围绕药（械）企产品的生命周期某些环节进行重点布局，联合发展。
2020年健康险赔付总额为2921亿元，同比增长24%。健康险最大的两部分是疾病险与医疗险，疾病险是给付型保险，对数字健康行业的影响与关联度有限；而医疗险是报销型保险，与医疗健康服务品质和价格高度相关，是支付主力。作为未来5年最具潜力的支付方，健康险目前主要需求是在风险可控下的保费的规模增长。
以百万医疗险为例，作为医疗险个险市场的现象级产品，2020年总保费收入超过500亿，但人群渗透率已放缓，增长已越过峰值，后续更多通过短险转长险、个人转家庭等的销售策略维持一定的增长趋势。
要撬动健康险支付，数字健康产品要么能在保险产品上给予差异化服务，要么能在次标体、甚至非保体的保险产品设计上给予细分的定价能力，要么能继续为现有保险产品提供大量精准客户并实现交易的渠道。
纯C端流量作为完全市场化的资源，已被大的流量平台把控。同时医疗是一个相对发生频率较低的场景，很容易出现大流量平台以高频对低频的降维打击，因而在纯C端场景下，大流量平台即使有后发劣势并且后知后觉，但仍可以照抄市场已验证的模式，通过流量倾斜扶持自有业务，反胜的概率仍很大。同时嫁接在大流量平台的纯C端模式，如果不是具有产品或服务的品牌竞争力，在未来一定情况下极有可能被大平台打压控量，得不到充足的发展空间。
以B2C医药电商行业为例，自营B2C医药电商需要不断的进行获客运营，由于对客户精准度要求高，客户对作为标品的药品价格敏感，从而导致客户容易流失，造成规模化的获客成本居高不下，客户LTV（生命周期价值）很难覆盖费用，因而在财务上挑战很大。目前自营B2C医药电商，除了阿里健康、京东健康未来持续盈利外，其余独立平台基本维持较小规模以保持盈亏平衡，或被收购，或彻底退出竞争。
另外，三方平台B2C医药电商虽然以大流量平台公域、低成本流量获客为主，且不少已经实现盈亏平衡甚至盈利，但从长远来看，三方平台B2C医药电商一方面会受到平台自营大药房的流量挤压，另一方面也受到同行的价格竞争，同时也无法将客户带离交易平台，如不及时探索新的增长模式，未来在公司价值上会受到不小挑战。
当然，医药电商公司的核心供应链资产，未来可能会是致力于进入数字健康行业的大平台的收购投资标的，但估值逻辑或许会发生变化。
纯H端流量属于专有化资源，资源的获取往往需要很强的公关能力，一旦获取便较易形成一定的排他性、垄断性，形成竞争壁垒，但也相应缺乏可快速复制的能力，多数最终形成区域性龙头。例如医院信息化浪潮中出现的东软、卫宁等上市公司以及各大大小小的区域型公司。
另外目前H端场景下，大医院话语权强，对作为支付方的意愿不强，基于纯H场景下的模式在实施上不得不做一定的固定成本投入，因而需要另辟支付方以实现财务上的营收。
一般可规模化的营收渠道包括药（械）交易服务费佣金、药（械）企营销费用等，类似美国的PBM模式。同时，为了实现这些营收，仅是获取了医院资源往往是不够的，医院作为一个综合体，其决策环节往往很复杂，这对企业在业务模式的顶层设计上有较高的要求。
纯D端流量属于半专有化半市场化资源，一方面仍需要一定的公关建立信任度，另一方面也有一定的复制性，但在排他性、垄断性上不足，很容易在各平台进行迁移。
另外，患者流量主要集中在大公立医院的医生手里，而中国的医生仍是公立医疗机构的一份子，并不能像美国医生一样自由执业，因而受到医院的强有力的行政管理，对于外部商业的参与度有限，且承担非常高的职业风险，会在收益与风险上做权衡。虽然阳光化收入是医生的诉求，但“君子爱财取之有道”，除了已被验证的阳光化模式（如在问诊平台上在线问诊的服务费收入），大多数医生仍持有非常谨慎的态度。
以某通过医生处方外流为导向的慢病管理平台为例，注册医生数量超过100万名，但活跃处方医生仅占1%，由于医生运营维护的固定开支居高不下，人效较低，加上对医生的激励，财务层面一直处于长期亏损状态，单位经济模型上也不足以支撑业务盈利逻辑。如若不在转化层面进行更多探索，谋求变革，或许仍离不开资本的输血。
纯I端流量属于半市场化半专有化资源，流量核心来源于保险公司强大的线下代理人团队或者合作的流量平台，通过个险、团险获取用户流量。
其中，线下代理人流量，具有客单价高、复购率高的特性，互联网流量具有范围广、年轻化的特性。数字健康产品通过合理的设计，成为保险产品的加挂服务或直接成为保险产品的一部分（服务费不超过总保费的20%），可较好的解决流量与支付的问题，但前提是能满足保险公司的诉求。不过，这种背靠背绑定的方式，保险公司往往会要求一定的股权关系或控股关系，数字健康企业免不了站队的问题，需要在业务发展宽度及深度上做取舍。
平安RUN属于平安健康险的“平安乐健康”产品系列，是基于南非Discovery公司的Vitality体系，打造的国内首款健康管理产品。平安RUN的主要功能是，用户在支付年费后，通过健康行为（步数等）可直接兑换奖品，且可获得的奖品总价值远远高出年费，通过奖励来鼓励用户多运动，提升用户的活跃度及提高健康意识。同时，运动对个体健康产生积极影响，在个体续保时可增加保额、费用返还等（某些版本可享受最高7折的保险折扣）。平安RUN首次推出是打包嵌入平安福寿险，通过代理人渠道销售寿险时，指导用户开通平安RUN功能，年费由寿险保费支付。起初，寿险市场竞争不充分，平安福大卖的同时，保险代理人对搭售平安RUN颇有微词。后来，由于市场竞争越来越激烈，拥有平安RUN功能的平安福寿险成为了市场上的差异化产品，成为标志化功能。据悉，每年通过平安RUN流转的奖品金额超过10亿元。
这个案例特殊性较强，平安RUN正是因为属于平安自己的产品，才得到了平安人寿内部大力的行政式推广，才有后来的成长，如若是其他股权层面不相干的合作产品，或许在一开始推广出现阻力时，就功亏一篑了。
P端场景流量属于较高市场化的资源，是目前较被低估的一个获客场景，这也跟目前为止没有找到一款适合此流量的数字健康产品有极大的关系。根据国家药品监督管理局综合和规划财务司及国家药品监督管理局信息中心发布《药品监督管理统计年度报告（2020年）》数据统计，截至2020年底，全国共有药店门店55万家，其中连锁药店门店24万家（对应约6000家连锁总部），连锁率56%。
药店场景中，普通药房以慢性病患者流量居多，DTP药房以肿瘤患者为主，具有精准的用户群体。另外，在资源拓展上，连锁药房由于是由总部统一管理，原则上与各省分公司总部对接，即可实现与全省的各门店通路，再由专人对接各门店具体执行即可，拓展效率较高。
目前市场上针对P端场景的数字健康产品较少，或许是由于数字健康行业现阶段最为普遍且可规模化的变现产品就是药品，与药房主业相冲突。有些保司曾试过在药房进行保险销售，但遇到了一些困难，其中主要阻力是药房多以带病体，成交率低，转而通过小金额赠险以低成本获取用户核保信息后进行二次开发。
也有些保险科技公司通过在药房驻点销售创新支付产品，变现点仍在药房内，通过折扣来吸引患者参与，再通过药企或保司做费用支持，模式能否在财务层面大规模走通还有待观察。期待未来有更多的创新数字健康产品与药房场景相结合。
前面提到，要动态的看待事物，模式只有在合适的环境下才能发生化学反应。通过对当下支付方与流量场景的合理交叉分析，针对数字健康行业，我们有以下观点：
用户场景以医院+医生为首选，解决了流量与转化的问题；同时支付以药企+医保为首推，从效率及稳定性上支撑规模化的扩张。
以H为主D为辅下，推荐有实质性药（械）变现能力的模式探索，如：基于公立医院及其自费药房分拆的处方流转模式（类PBM），以及在此基础上实现药企业参与的准入及依从性管理的模式
非保体：逆选严重，模式有待验证，对目前以创新支付做支付转移的模式、以市场化运营惠民保的模式暂保持中立
本研究报告仅供我们的客户与合作伙伴使用。除了与易凯资本相关的披露，本研究报告是基于我们认为可靠的目前已公开的信息，但我们不保证该信息的准确性和完整性，客户也不应该依赖该信息是准确和完整的。我们在可能的情况下会适时地更新我们的研究。除了一些定期出版的行业报告之外，绝大多数报告是在分析师认为适当的时候不定期地出版。
我们的投行人员、销售人员和其他专业人员可能会向我们的客户提供与本研究报告中的观点截然相反的口头或书面市场评论或交易战略。我们的资产管理部门可能会做出与本报告的建议或表达的意见不一致的投资决策。
本报告不构成明示或暗示的投资建议，也没有考虑到个别客户特殊的投资目标、财务状况或需求。客户应考虑本报告中的任何意见或建议是否符合其特定状况，以及(若有必要)寻求专家的意见，包括税务意见。
我们的部分研究报告会以电子出版物的形式刊登在我们的内部客户网或微信阅读号上并向所有客户和合作伙伴同步提供。并非所有研究内容都转发给我们的客户或者向第三方整合者提供，我们也并不对由第三方整合者转发的我们研究报告承担任何责任。
易凯资本不承诺不在过去、现在或未来与报告中提及的公司发生业务关系或寻求与它们有关的业务机会。
免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186
