在线医疗平台中医生跨平台使用偏好影响因素研究_颜志军.pdf

编码：在线医疗平台中医生跨平台使用偏好影响因素研究颜志军宋修伟贾琳（北京理工大学管理与经济学院）摘要：基于大五人格模型和激励理论，关注医生在多个在线医疗平台中的跨平台使用行为，使用医生保有量最大的两家在线问诊平台数据，实证研究种平台引流能力对医生跨平台使用偏好的影响以及医生个体特征的调节效应。研究表明：平台引流给医生较低的患者多样性和较高的患者集中程度会激励医生增加在本平台的问诊使用偏好，而平台引流给医生的患者数量和医生的问诊使用偏好之间存在先平后降的二次关系；此外，医生的不同性格和专业地位会对平台引流患者的多样性、集中程度及数量与医生的问诊使用偏好之间的关系产生不同的调节作用。关键词：跨平台使用偏好；大五人格；平台引流能力；在线问诊平台；固定效应模型中图法分类号：文献标志码：文章编号：（）（，）：，：；收稿日期：基金项目：国家自 然 科 学 基 金 资 助 重 点 国 际（地 区）合 作 研 究 项 目（）；国 家 自 然 科 学 基 金 资 助 项 目（，）研究背景随着互联网医疗的发展，在线问诊平台如雨后春笋般出现，这为医生提供了利用空余时间为更广泛地理空间范围的患者提供远程、实时医疗服务的机会。但是由于医生数量和精力的限制，在线平台面临着如何吸引和留存专业医生并提升他们活跃程度的压力。而在线医第 卷第期 年月管理学报 疗行业存在多个提供相似服务的平台，使得医生可以在多个在线问诊平台提供医疗服务，即本研究所说的跨平台使用行为，这加剧了专业医生资源争夺的激烈程度。已有研究主要关注医生在某个特定在线问诊平台的使用行为，并探索哪些因素对在线医疗平台的医生贡献行为产生影响。例如，等研究了医生线上收入和医生个人因素对其贡献行为的影响；等探究了医生线上收入、口碑等因素对医生自身的贡献行为的影响；等分析了医生内部动机和外部动机对其服务病人行为的影响；等探讨了医生提供免费医疗服务对医生问诊绩效的影响。但是，这些研究往往侧重于关注平台内部的各种因素或医生的心理因素对医生在该平台的问诊意愿产生的影响。目前，鲜有文献探讨在线医疗背景下哪些因素能够影响在线问诊医生的跨平台使用偏好。为了弥补这一研究不足，本研究关注在线问诊医生的跨平台使用行为，探索其跨平台使用偏好的影响因素。在线问诊平台带给医生最主要的资源是患者，在线问诊平台引流患者的数量和所患疾病的种类，可能对医生的平台选择产生很大的影响。本研究将在线问诊平台的引流能力定义为，在线医疗平台为医生带来患者的能力。平台引流给医生患者的数量和类别会直接影响医生的平台使用偏好。鉴于此，提出如下研究问题：平台的患者引流能力对在线问诊医生跨平台使用偏好有什么影响？具体来说，本研究通过平台引流患者的数量、疾病多样性及疾病集中程度来测量平台的患者引流能力，并探讨其对医生跨平台使用偏好的影响。此外，在线问诊平台中的医生具有较大的异质性，主要包括性格和专业地位方面，这些因素如何影响他们对不同维度的平台患者引流能力的重视程度，也是值得研究的问题。文献综述 在线问诊平台医生参与行为当前关于在线问诊平台中医生参与行为的研究主要局限于平台内部。例如，等发现，内部动机和外部动机都显著地增加了医生想要为患者提供更好的服务意愿，这又增加了医生提供免费服务的意愿。等提出，自我价值感和社会支持感对于知识分享有正向的影响，声誉的提升仅对一般的知识分享有正面的提升效果，而对特定的专业知识的分享有负向影响。等发现，提供免费的在线问诊服务有利于提升医生将来的付费问诊量和收入；他们还探究了医生的定价策略、平台使用经验和医生的专业地位的调节作用。李论等发现，线上线下问诊评价对医生绩效存在影响。又有研究者对这些问诊动机的前因以及问诊动机之间的相互关系进行了更为细致的探究。等更进一步地发现，社会资本会正向影响内在动机和外在动机的产生。也有研究发现，低职业水平的参与者受到外在激励的影响较大，而高职业水平的社区参与者受到内在 激 励 因 素 的 影 响 更 大。另 外，李 佳 颖等 研究发现，医生加入团队会对问诊绩效产生影响。然而，已有研究并未将在线医生的跨平台问诊行为考虑在内。跨平台行为双边市场（如在线医疗市场）的跨平台行为，指两个或多个双边平台同时存在于一个相同的市场中，市场的两边（如医生和患者）可以自由地在多个平台上进行操作的行为。在非垄断行业中，跨平台行为普遍存在，但不同因素在不同的背景下对跨平台行为的影响或许并不完全一致，因而对不同行业的跨平台行为的研究做一个全面的综述十分必要。在电子游戏机行业背景下，等、等 研究了游戏销售者的跨平台行为。在软件平台背景下，研究者探究了跨平台行为频繁发生的人群以及平台相关的跨平台策略，。在社交媒体平台的研究中，研究者发现，平台用户通过跨平台来增加自身的满足 效 应，进 而 增 加 对 人 际 关 系 的 掌 控感，。除此之外，跨平台的相关研究还涉及知识分享平台、广告市场、物联网平台、零售平台 以及共享经济的平台 等。跨平台相关研究综述发现，在不同的研究背景下，不同的跨平台因素会对用户的跨平台行为产生不同的影响；但已有研究缺乏对在线医疗领域的跨平台行为的探讨。研究假设 平台引流患者的疾病多样性对医生跨平台倾向的影响平台引流给医生患者种类的丰富性越高，意味着平台能带给医生患有不同种类疾病的患者更多。在线平台医生在接诊患者时，通常选择少量且集中的疾病为其医治的疾病种类。这种现象产生的原因大致有两点：根据激励理论中的自我提升理论，医生接收患有自己擅长在线医疗平台中医生跨平台使用偏好影响因素研究 颜志军宋修伟贾琳诊疗的疾病种类的患者时，将更有可能获得较好的问诊评价，有助于医生提升自我专家身份认同感和自我效能感；医生的专业性来源于其丰富的问诊经验，当医生接诊患有自己熟悉的疾病类型的患者时，他可以从自身的专业“数据库”中，得到对应的治疗方法，反之则需要对该种病例投入更多的精力。在线问诊平台上的医生都是医院的专职医生，他们利用空余时间来进行在线问诊活动，投入精力有限，医生希望用较短的时间来得到更高的问诊效益。由此，提出以下假设：假设 平台引流患者的疾病多样性会负向影响医生跨平台使用偏好。平台引流患者的疾病集中程度对医生跨平台倾向的影响平台引流给医生的疾病种类的集中程度反映了医生面临的疾病任务异质性。较低的集中程度可能会导致个体在不同任务之间的转换成本过高，进而降低总体的任务处理效率，因此，如果医生经常在不同的疾病之间进行转化会增加医生的问诊转换成本，进而降低其总体的问诊效率。由此，提出以下假设：假设 平台引流患者的疾病集中程度会正向影响医生跨平台使用偏好。平台引流患者数量对医生跨平台倾向的影响在个体选择是否多平台参与时，一个很重要的考虑是增加的平台会给个体带来哪些优势。已有研究发现，跨平台问诊可以带来更多的渠 道 去 接 触 顾 客，进 而 提 高 自 身 的 生 产率。随着医生对于原始渠道的充分开发，为了接触到更多的患者，这种跨平台的动力就会越来越强，使得两者之间不仅存在负相关关系，而且会出现影响效果逐渐增加的先平后降的二次关系。第二个很重要的影响因素是平台间的互通性。由于在线问诊平台给医生提供了非常相近的服务，医生在目标平台上的问诊越多，他对在线问诊行业的了解也就越多。医生可以通过适应目标平台，进而以一种较低的成本去增加另一平台的使用，这自然会增加其他平台的问诊参与。第三个影响因素是医生的收益。当医生对目标平台的参与提升以后，他继续投入精力所带来的收益是边际递减的。如果医生增加在其他平台的投入，会获得较高的收益。所以平台引流给医生的患者数量越多，医生去往其他平台问诊的倾向就越大，并且会随着患者数量增多而出现先平后降的二次关系趋势。由此，提出以下假设：假设 平台引流给医生的患者数量会负向影响医生跨平台使用偏好。假设 平台引流给医生的患者数量与医生的跨平台使用偏好之间存在先平后降的二次关系。研究模型根据文献综述和在线问诊的行业背景，提出如下研究模型（见图）。图理论模型研究方法 数据收集和处理本研 究 使 用 好 大 夫 平 台（：）和微医平台（：），通过这两家在线问诊市场中医生保有量最大的在线问诊平台数据对模型进行估计，获取到 年 月共 期的好大夫网和微医网数据。基于在线问诊医生公布的姓名、医院 信 息 等 进 行 关 键 字 匹 配，共 匹 配 到 名同时在两个平台注册的医生。本研究选 择 了 在 两 个 平 台 至 少 有 过 一 次 问 诊 的 名医生作为研究对象，其中 名医生来自好大夫平台，名医生来自微医平台。变量测量 因变量的测量医生跨平台使用偏好指个体选择目标平台超过其他平台的比例。本研究的医生跨平台使用偏好应表现医生选择目标平台超过其他在线问诊平台的比例。本研究根据 等对于跨平台使用偏好的构建方式来构建医生的跨平台问诊使用偏好，则有 ，（）式中，表示第期医生的跨平台使用偏好，该值介于到之间，该值越大表明该医生越偏好在好大夫平台进行问诊，反之则偏好在微管理学报第 卷第期 年月医平台问诊；表示第期该医生在好大夫平台的问诊量；表示第期医生在微医平台的问诊量。自变量的测量平台对医生的引流能力分为平台引流患者疾病多样性、引流患者疾病集中程度以及引流患者数量个维度。各个平台引流患者疾病多样性，由医生在各平台的患者评价的上一期的疾病标签个数来表示。平台引流患者疾病集中程度，由医生在各平台的患者评价的上一期的疾病标签使用次数的 熵指数来表示，则有 ，（）式中，表 示 疾 病 标 签 使 用 次 数 的 熵指数；表示医生患者评价的疾病种类总数；表示医生治疗的第种疾病的评价占总评价数量的比例。根据 等 在跨平台研究中的相关研究方法，本研究对平台的引流能力取差值，分别得出平台引流患者疾病多样性差异和平台引流患者疾病集中程度差异，则有 （）；（）（），（）式中，表示第期平台引流给医生的患者疾病多样性差异；和 分别表示第期好大夫平台和微医平台引流给医生的患者疾病多样性；和 分别表示第期好大夫平台和微医平台引流给医生的患者疾病集中程度，该值越大，则表明医生接诊的患者疾病集中程度越低、分散程度越高；表示第期平台引流给医生的患者种类分散程度的差异，该值越大，则表明医生在好大夫平台的接诊病人比微医平台的接诊病人更加分散。平台引流患者数量差异由医生在各个平台上一期问诊的数量之差得出，即 ，（）式中，表示第期不同平台引流给医生的患者数量差异，该值越大表明好大夫平台引流给医生的患者数量越多，越小则表明微医平台引流给医生的患者数量越多；和 分别表示第期医生在好大夫平台和微医平台上一期的问诊量。调节变量的测量本研究的调节变量是医生专业地位和医生性格。医 生 的 专 业 地 位 用 医 生 的 职 称 来 衡量，按照医生是否为高级或副高级职称将医生职称划分为一个虚拟变量，表示该医生为高专业地位，表示低专业地位。采用大五人格分类法对医生性格进行分类。许多研究已证明了大五分类法的可靠性和鲁棒性，足以代表人类的性格。大五人格模型将性格分为个维度：外向性、宜人性、尽责性、神经质性和开放性。本研究采用基于 文本分析维度与个体性格的映射关系计算大五人格的方法，基于 词典从医生的问诊记录中计算出 个情感维度的评分；然后通过维度评分和大五人格之间的映射关系，计算大五人格特征得分。数据分析本研究采用 检验确定选择固定效应模型还是随机效应模型。对于本研究数据而言，研究样本来自于两家医生保有量最大的在线问诊平台，各个医生之间差别非常大，因此可以预先认为样本存在个体效应来设定估计模型的形式。估计模型下面给出主效应模型：，（）式中，为第期医生的控制变量；为常数项；、为系数；为不随时间变化的固定效应；为时间虚拟变量；为残差项。再给出调节效应模型：，（）式中，为系数。本研究共有个调节变量，为简洁起见，以大五人格的英文首字母、分别表示对应的大五人格中的神经质性、外向性、开放性、宜人性和尽责性人格；表示医生的专业地位；表示上述某一个调节变量。在式（）中，每一个调节效应模型利用该调节变量生成个交乘项，加入到模型中分析回归结果。本研究分别将个调节变量生成的交乘项加入到主效应