Er zijn tal van gemakkelijke consumentenkeuzes. Paperclips:eenvoudig. Afwassponzen:makkelijk. Die producten zitten aan het ene uiteinde van het spectrum. Aan het andere einde, onmogelijk ver weg, is een ziektekostenverzekering.

Dat is moeilijk.

"Veel bewijs suggereert dat mensen het moeilijk hebben om keuzes te maken als het gaat om ziektekostenverzekeringen, " zegt Kate Bundorf, universitair hoofddocent aan de Stanford School of Medicine met een beleefdheidsafspraak aan de Stanford Graduate School of Business. De complexiteit kan overweldigend zijn en als resultaat, mensen kiezen vaak voor suboptimale plannen die hen straffen met hogere kosten en inefficiënte markten creëren. "Dus we wilden uitzoeken welke soorten tools mensen zouden helpen bij het nemen van beslissingen, ' zegt Bundorf.

Met Maria Polyakova van de Stanford School of Medicine en Ming Tai-Seale van de University of California, San Diego, ze ontwikkelde een webgebaseerde tool met een algoritme dat de medische dossiers van Medicare Part D-inschrijvers koppelde aan de beste ziekteverzekeringsopties voor geneesmiddelen op recept. Degenen die het algoritme gebruikten, hadden meer kans om over te stappen op een beter plan. Ze rapporteerden ook meer tevredenheid over het proces van het kiezen van een zorgverzekering, hoewel ze er uiteindelijk meer tijd aan besteedden.

Verzekeringskeuzes eenvoudiger en beter maken

Studie deelnemers werden toegewezen aan ofwel een controlegroep of een van de twee behandelingen. De controlegroep werd doorverwezen naar bestaande online Medicare-bronnen voor het kiezen van een van de 22 receptplannen die voor hen beschikbaar waren. behandelgroepen, In de tussentijd, kreeg steun van het algoritme, die automatisch informatie uit hun medische dossiers haalden en deze vergeleken met geneesmiddelen op recept. Bij het bekijken van hun opties, beide behandelingsgroepen konden online een tabel bekijken die een geïndividualiseerde analyse van de waarschijnlijke kosten voor elk van de plannen liet zien. Naast dit, een van de behandelgroepen kreeg voor elk plan een "expertscore" te zien:een aantal, van 0 tot 100, dat het algoritme geproduceerd om de plannen te rangschikken; de drie beste opties werden bovenaan de tabel gemarkeerd.

Beide behandelingen moedigden mensen aan om over te stappen op gunstiger verzekeringen, maar de behandeling die de "expert"-suggesties naast kostenramingen omvatte, bleek effectiever. Deelnemers aan deze behandeling kozen ervoor om 36 procent vaker van plan te wisselen dan in de controlegroep. "We hebben duidelijk bewijs gevonden dat de interventie het gedrag van mensen veranderde, vooral in het geval dat we deskundig advies gaven, ' zegt Bundorf.

In het kader van het experiment, deze veranderingen genereerden $ 270, 000 aan besparingen voor consumenten. En hoewel dit een relatief klein aantal lijkt, het is gekoppeld aan een relatief kleine pool van 316 proefpersonen die toegang hadden tot de aanbeveling van een deskundige. Als dezelfde effecten zouden worden geëxtrapoleerd naar de bijna 25 miljoen mensen die deelnamen aan Medicare Part D - en uitgaande van een gelijkwaardig deelnamepercentage als Bundorf en haar collega's in dit experiment zagen - zou de besparing in de orde van grootte van $ 680 miljoen zijn. Dit is vooral opmerkelijk omdat de ontwikkeling van de tool zelf minder dan $ 1,8 miljoen kostte.

De oversteek naar de beleidswereld

Hoewel de praktische implicaties duidelijk zijn, twee belangrijke overwegingen matigen de vertaling van deze bevinding naar beleid.

Eerst, een klein deel van degenen die in aanmerking kwamen om deel te nemen aan het onderzoek koos ervoor om zich in te schrijven. Uiteindelijk, 1, 185 mensen namen deel aan het onderzoek van de bijna 30, 000 die waren uitgenodigd; en degenen die uiteindelijk lid werden, waren meer technisch onderlegd dan degenen die dat niet deden. Daar bovenop, de onderzoekers maken zich zorgen dat degenen die er het meest van zouden profiteren, misschien niet hebben gekozen om deel te nemen.

"De mensen die ervoor kozen om met het algoritme te communiceren, waren geavanceerde consumenten; het waren actieve shoppers die op zoek waren naar informatie, ", zegt Polyakova. "Dit suggereert dat als we de keuzes willen verbeteren van mensen die momenteel de slechtste plannen hebben, dan lost het eenvoudigweg aanbieden van de tool het probleem niet op." Een meer proactieve aanpak is noodzakelijk.

Tweede, de demografie van de studie als geheel is niet representatief voor de bredere Medicare-populatie. Bundorf en haar collega's werkten samen met de Palo Alto Medical Foundation om het experiment uit te voeren, wat betekent dat degenen die deelnamen in een van de rijkste en technologisch meest op elkaar afgestemde delen van het land woonden. Of de resultaten generaliseren is niet bekend. "Het is denkbaar dat mensen op andere plaatsen, die een lager inkomen hebben en minder blootgesteld zijn aan dit soort tools, kan zich heel anders gedragen, ', zegt Polyakova.

Een algoritmewinst (en een waarschuwing)

Bundorf en haar collega's waren er in het begin niet zeker van dat deze interventie gedrag zou veranderen. Een stapel bewijs suggereert dat het simpelweg geven van informatie aan mensen geen invloed heeft op de resultaten. Maar de resultaten wijzen op een van de slimme ontwerpen van de studie:door twee verschillende behandelingen te hebben, de onderzoekers waren in staat om het effect van alleen informatie te meten - waarbij de totale kosten van elk plan voor de consument werden weergegeven - evenals deskundig advies in combinatie met informatie.

"En advies doet iets anders dan informeren, ", zegt Polyakova. "Als mensen worden blootgesteld aan advies, het verandert niet alleen hun kennis over een product, maar het verandert ook hoe ze de eigenschappen van dat product waarderen."

Dit, ze merkt op, heeft ingewikkelde en belangrijke implicaties. We hebben de neiging om software als neutraal te beschouwen - Microsoft Excel heeft geen agenda - maar dit is niet altijd het geval met moderne algoritmen. Bedrijven kunnen, en waarschijnlijk zal adviesgevende algoritmen strategisch inzetten, misschien om een ​​bepaald product te promoten of de omzet te verhogen, en verborgen in dit proces zullen de manieren zijn waarop deze algoritmen veranderen hoe we verschillende producten waarderen.

"Als mensen reageren op dit soort algoritmisch advies, dan maakt het de zeer nabije toekomst best interessant, ", zegt Polyakova. "Veel beleids- en regelgevende vragen over hoe consumenten te beschermen tegen niet-goedaardige interventies zullen binnenkort onze aandacht nodig hebben."