猎云注:张清,金沙江创投合伙人,专注信息技术/人工智能在医疗健康/生命科学垂直领域的应用。医疗IT、信息化领域的创业公司在中国呈蓬勃的增长态势。张清提出,公司需要避免以下三类陷阱:专注于2B还是2C;明确产品价值;不要浮夸、不要玩概念。文章转自微信公众号:金沙江创投,作者:张清 。
之前宏观总览了医疗健康领域可能存在的投资和创业机会。今天,我们聚焦医疗IT的细分赛道。本文作者张清为金沙江创投合伙人,专注信息技术/人工智能在医疗健康/生命科学垂直领域的应用。
医疗IT、信息化领域在中国的医疗健康投资比例中占比尚偏低,但从创业公司数量和类型来看,都保持了蓬勃的增长态势。对比美国数据,2009-2015年,共有100亿美元早期投资到500个医疗IT创业公司中。纵然,两国医疗体系有大不同,但从中国近10年的医改方向、改革速度和力度来看,改革渗透到医院服务、医药创新、医疗器械支持等多方面,相信医疗IT的改革是快马加鞭进行的。
丑话写在前面,究竟医疗IT成长艰难的原因在哪。或者说,创业公司需要避免哪几类陷阱,才能永葆青春活力、立于不败之地呢。回顾这500个医疗IT公司中,取得成功者却甚少。
1. 2B 还是2C?
生病这件事很不美好。生病,往往和疼痛、丑陋、悲伤的情绪联系在一起。人人都可能生病,但并不代表人人都有在疾病上消费的积极性。
原因很简单:没有人喜欢生病。一个人只有在万不得已的时候才会想到‘医疗健康’这件事。这就注定了在医疗2C端,鲜有病毒传播的效应,且留存率低得可怕。(也许医美、孕产是个例外)。所以,针对于慢性疾病、基本健康保障类别的社交平台大都做不好。
但另一方面,消费者的确愿意为医疗服务付费,并且对价格的不敏感度惊人。尤其是在信息不对称、或者病人和支付者不是一个人的情况。但大多数情况是倾向于短期的治疗,比如,创伤恢复、重症治疗(比如肿瘤、心血管疾病等)。并且,医疗是几千或许上万个单独类别的疾病。乳腺癌3期、肝脏占位、高血压、糖尿病等患者群体根本就是不同群体,没有交集、毫无可比之处。这就导致了一个碎片化、微社区化的结局。公司只有靠提高留存率来弥补获客成本和流失成本。
更要命的是,即便是慢性病患者,大多数时候他们也感觉良好。半年、一年去看一次医生,调调药就不错了。有些病人即使有不良反应,也不一定会把副作用和药联系起来,不会主动去换药。慢性病占据了大部分医疗开销,但往往病人在购买新仪器、换其他品类的药、换服务的时候都很谨慎,动作很慢。众多的app如用药提醒、症状检测、生物体感器、患者教育等都并不火爆。即便像PatientsLikeme 这样出名的公司,基本上也只是一组人互相抱怨得病的不幸和症状的苦恼,带来的是负面情绪,很难有广泛的持久的影响力。
如果要做2C方,一定要想想,到底为老百姓解决了什么难题。
也许更安全的是专注于2B领域。在美国尤其如此。美国的医疗体系中,大多数花销还是由雇主来承担。自付比例相对低并有上限额度。慢性病以及急症患者往往会超出自付上限。另外,2B这也弥补了无病毒传播的特点,而在垂直领域深耕,留存率高,复购率有保证。大型公司同时还是非常棒的渠道合作方,能够加速触及用户,降低获客成本。但当然这也不是完美。2B的销售周期、销售成本也是不菲。下面详细阐述。在中国,2B整体不如2C端成熟,但也值得关注。随着支付政策的改革,这个变化可能来得很快、很猛烈。
2. 明确产品价值
如果做2B的生意,就要认真考虑,你的产品能卖给谁,能卖多少钱是个大问题。
历史数据表明,鲜有医疗服务公司会赚钱。即便是保险公司或医院的净利润最好也不过是10%。所以回报的预期要合理。时间范围尽量控制在一年中。一年也正好可以决定保险产品的续费和更换。如果2年才能看出产品价值,对企业来说就比较尴尬,会严重拖延订单的决策流程。或者会把价格压得很低。不少预测患病风险的公司都有相似的艰难经历。因为“降低重复入院率”这个价值需要更长的时间才能看得出来,才能在收支平衡表上明确。太久的效益回报难以让买家签下一大笔合同。所以,从一开始,就要明确,解决的这个问题,需要多久看得出成效?解决的问题是不是足够大?也许真正解决需要半个世纪,但我们需要看到,的确,我们从一个点开始,已经在慢慢撬动一个巨大的岩石。
明确了问题,选择用户也要非常谨慎。在医疗系统中,你为用户节省的每一块钱都是从这个生态圈里其他玩家中获得的。比如保险公司。你应该远超对手,把客户从其他人手中吸引过来。举个例子。Castlight Health是一个比价工具。仅用了6年时间,就成功IPO,市值一度达到30亿美元。Castlight能够不断为雇主节省保险开支。这些雇主成为忠实用户,为他们站台,和保险公司、PBM公司来谈判、交涉。
3. 不要浮夸、不要玩概念!
健康管理,大数据,精准医疗。我找不到这些词的含义。不是一个问题、解决方案、效果。
成年人,玩概念无益。
诚然,大体量、多维度、持续积累的数据可以通过建模做疾病风险预测、提供诊治建议,得到针对病人A的方案,这很炫酷。但并不是当前的突出问题,我们离实现这个理想还有段距离,我们还需要一个更加友好的医疗体系,一个机制保障,一个社会环境的支持。
在上述提到的“预测患病风险”的例子里,保险产品、临床医学都很擅长发现高危病人。事实上,医生的诊断和预测能力还是要比电脑高明,起码在当前这个阶段。对于大数据的价值,不应过于专注做替代医生的诊断、提前找出病人等,而是应该对改变风险本身带来实质的进步。而这一方面,正好是临床医生的弱项。
再举Virta Health为例。医学院里教的2型糖尿病的知识大多都是关于如何减慢疾病进展、如何预防并发症。多数病人需要警惕骇人的并发症如糖尿病足、截肢、心梗、卒中、失明等。十年前出现了治愈疾病的外科移植手术但受众群体太有限。Steve Phinney医生提出干预手段效果喜人。250名入组的患者在10周后,近90%的患者都停用或者减量了胰岛素,减重7%,糖化血红蛋白指标明显改善。91%的患者继续参与Virta的课程。
这些干预方法是基于大量的数据,来源于病人、医生、药厂。Virta进一步开始了个体化定制服务,力图更有效逆转糖尿病。节省每年大笔的胰岛素药物开销。如果没有这样的数据和算法,有效的干预手段不可能出现。医生还是会日复一日、苦口婆心的劝说病人“管住嘴、迈开腿”,病人呢?是妥协生活质量,还是妥协对并发症的恐惧?无从选择。
医疗IT可以提高医疗健康质量、降低花销(提高生产力),让医疗服务流程尽量简化、低成本、提高就医体验。对病人来说,在选择(计划)、购买、随访等步骤中都有收益。但真正的需求在哪,产品如何设计,如果把技术落实为商业成功,还是要多家斟酌。期待和有热情的朋友们多沟通、多交流。