互联网医疗平台双边定价策略研究：医生资源分池与混池模式的经济学分析

为解决互联网医疗平台(healthcare platforms)在医生资源管理中的定价难题，研究人员开展双边定价策略研究，比较分池(separating mode)与混池(pooling mode)模式下平台收益最大化条件。研究发现当跨边网络效应(cross-side network utility)小于高职称医生机会成本系数与罕见病患者服务价值系数乘积的4倍时，垄断平台可通过优化服务价格与医生薪酬实现收益最大化。该研究为平台运营模式选择提供了理论依据，对提升医疗资源配置效率具有重要意义。

　　

在数字经济蓬勃发展的背景下，互联网医疗平台(healthcare platforms)通过整合医生与患者资源，正在重塑传统医疗行业的服务模式。这类平台如Good Doctor、Teladoc等，既能提供便捷的在线诊疗服务，又在COVID-19疫情期间展现出独特优势。然而平台运营面临核心挑战：如何通过定价策略协调医生与患者的参与行为？特别是当医生群体存在专业水平差异（如主任医师与主治医师），患者群体存在疾病类型差异（如罕见病与常见病）时，平台应采取分池(separating mode)还是混池(pooling mode)的资源管理模式？这两种模式各具优势：分池模式能实现精准匹配但限制了跨边网络效应(cross-side network effect)，混池模式能扩大网络效应但可能降低匹配效率。

为解决这一关键问题，研究人员开展了互联网医疗平台双边定价策略研究。通过构建垄断平台的经济学模型，分析了分池与混池两种模式下最优服务价格与医生薪酬的设定条件。研究特别关注三个核心参数的影响：跨边网络效应强度β、高职称医生机会成本系数γ、以及罕见病患者服务价值系数α。

研究采用双边市场理论建模，通过效用函数刻画医生与患者的参与决策。在分池模式下，平台运营专家咨询与常规服务两类业务；混池模式则统一提供快速咨询服务。通过求解平台收益最大化问题，比较不同模式下的均衡结果。关键参数设定参考了实际平台数据，如Good Doctor平台上29万注册医生与8900万患者的交互数据。

Separating Mode部分
研究发现分池模式下，平台需为两类服务设定差异化价格。高职称医生参与的专家咨询服务定价较高，主要吸引罕见病患者；而常规服务定价较低，面向常见病患者。当跨边网络效应β<4αγ时，平台能通过双边定价实现收益最大化。高职称医生机会成本γ对平台收益产生负向影响，而β与α则产生正向影响。

Pooling Mode部分
混池模式下平台采用统一价格策略。当潜在常见病患者规模较大且β低于阈值时，患者规模扩大会降低平台收益。但与分池模式不同，高职称医生机会成本γ在此模式下对收益产生正向影响，反映出资源集中带来的规模效应。

Comparison Analysis部分
对比分析显示：专家咨询价格在分池模式下最高(p_H^S)，快速咨询的二级价格(p₂^P)次之，常规服务价格(p_L^S)最低。当高职称医生数量M_c超过特定阈值且M_d>(2N_s²-2N_i²α²)/(βN_sN_i)-2/β时，混池模式更具优势。

Sensitivity Analysis部分
参数敏感性分析揭示：跨边网络效应强度β始终正向影响平台收益与社会福利；高职称医生机会成本γ在分池模式下损害社会福利，但在混池模式下产生积极影响。平台可通过协调α、β、γ等参数，同时实现运营收益与社会福利最大化。

结论与意义
该研究首次系统比较了互联网医疗平台两种资源管理模式的定价机制，提出"当β<4αγ时采用混池模式"的决策准则。实践意义在于：1) 为平台运营商提供科学的定价框架；2) 揭示医生资源集中化在特定条件下的优势；3) 证明通过参数优化可实现收益与社会福利的双赢。理论层面，研究扩展了两边市场理论在异质性服务场景的应用，为后续医疗平台运营研究奠定基础。论文发表在《Expert Systems with Applications》，其方法论也可拓展至其他公共服务平台(如网约车、教育平台)的定价策略研究。