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)

1 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[1]。而在线医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[2]。

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，YAN等[3]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；GUO等[4]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；CHEN等[5]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；LIU等[6]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[7]。

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。

2 文献综述

2.1 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，CHEN等[5]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。YAN等[3]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。LIU等[6]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[8]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。ZHANG等[9]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[9]。另外，李佳颖等[10]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。

2.2 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[11]。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，LANDSMAN等[12]、ANDERSON等[13]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[14,15]。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[16]，进而增加对人际关系的掌控感[17,18]。除此之外，跨平台的相关研究还涉及知识分享平台[19]、广告市场[20]、物联网平台[21]、零售平台[22]以及共享经济的平台[23]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。

2.3 研究假设

2.3.1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：①根据激励理论中的自我提升理论，医生接收患有自己擅长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；②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1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。

2.3.2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[24]。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[24]，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2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。

2.3.3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[11]。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[23]。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[21]。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3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4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。

2.3.4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1)。

图1 理论模型

3 研究方法

3.1 数据收集和处理

本研究使用好大夫平台(https://www.haodf.com/)和微医平台(https://www.guahao.com/)，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2020年5～11月共14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160 924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24 798名医生作为研究对象，其中16 697名医生来自好大夫平台，15 342名医生来自微医平台。

3.2 变量测量

3.2.1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[7]。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KOH等[7]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

(1)

式中，Mit表示第t期医生i的跨平台使用偏好，该值介于-1到1之间，该值越大表明该医生越偏好在好大夫平台进行问诊，反之则偏好在微医平台问诊；Hit表示第t期该医生i在好大夫平台的问诊量；Wit表示第t期医生i在微医平台的问诊量。

3.2.2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3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Teachman/Shannon熵指数来表示[24]，则有

(2)

式中，EN表示疾病标签使用次数的Teachman/Shannon熵指数；n表示医生患者评价的疾病种类总数；Si表示医生治疗的第i种疾病的评价占总评价数量的比例。

根据YAN等[25]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[25]，则有

DTPit=(TPhdf-TPwy)；

(3)

DENit=(ENhdf-ENwy)，

(4)

式中，DTPit表示第t期平台引流给医生i的患者疾病多样性差异；TPhdf和TPwy分别表示第t期好大夫平台和微医平台引流给医生i的患者疾病多样性；ENhdf和ENwy分别表示第t期好大夫平台和微医平台引流给医生i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；DENit表示第t期平台引流给医生i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

DNMit=NMhdf-NMwy，

(5)

式中，DNMit表示第t期不同平台引流给医生i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；NMhdf和NMwy分别表示第t期医生i在好大夫平台和微医平台上一期的问诊量。

3.2.3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[4]，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，1表示该医生为高专业地位，0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[26]。大五人格模型将性格分为5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LIWC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[27]，基于SC-LIWC词典从医生的问诊记录中计算出102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。

3.3 数据分析

本研究采用Hausman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。

3.3.1估计模型

下面给出主效应模型：

Mi,t+1=αit+β1×DTPit+β2×DENit+β3×DNMit+

(6)

式中，Zit为第t期医生i的控制变量；αit为常数项；β1～β3、γ、z为系数；ui为不随时间变化的固定效应；λt为时间虚拟变量；εit为残差项。

再给出调节效应模型：

Mi,t+1=αit+β1×DTPit+β2×DENit+β3×DNMit+

z×Zit+β4×Moderator×DTPit+β5×

Moderator×DENit+β6×Moderator×DNMit+

ui+λt+εit，

(7)

式中，β4～β6为系数。

本研究共有6个调节变量，为简洁起见，以大五人格的英文首字母N、E、O、A、C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；T表示医生的专业地位；Moderator表示上述某一个调节变量。在式(7)中，每一个调节效应模型利用该调节变量生成3个交乘项，加入到模型中分析回归结果。本研究分别将6个调节变量生成的交乘项加入到主效应中，考察交乘项对因变量的影响。

本研究对面板数据进行F检验，p值为0.000，结果拒绝了不存在不可观测的因素影响被解释变量的假设，表明应当采用固定效应或随机效应模型。根据Hausman检验的p值为0.000，拒绝原假设，因此选择固定效应模型作为最终的估计模型；由于本研究所使用数据处于新冠疫情时期，行业增长性较强，可能存在时间效应，故采用双向固定效应模型。本研究使用聚类稳健的标准误进行估计，以增加检验的稳健性。

3.3.2描述性统计

各变量的描述性统计见表1。平台引流患者的数量差异标准差较大，在回归时将其值除以100进行分析。

表1 变量的描述性统计(N=347 172)

4 研究发现

4.1 主效应回归结果

主效应的分析结果见表2。由表2可知，模型(1)只添加控制变量，模型(2)同时添加了控制变量和自变量的一次项，模型(3)同时添加了控制变量、自变量和自变量的平方项。为讨论方便，本研究选择好大夫平台为目标平台，微医平台为竞争平台。从表2中模型(2)的估计结果可见：①DTP的系数为-0.003，且p值小于0.01。结果显示，平台引流患者疾病多样性差异对医生的平台问诊使用偏好有显著的负向影响。这意味着平台引流患者的疾病种类越繁杂，医生越不愿意在目标平台问诊。回归结果支持假设1。②DEN的系数为-0.018，且p值小于0.05。结果显示，平台引流患者疾病集中程度差异对医生的平台问诊使用偏好有显著的负向影响。这说明医生希望平台能够给他分配集中在少数几种病种的患者，而不是随机地给医生指派患者。回归结果支持假设2。③DNM的系数为-0.005，且p值小于0.05。结果显示，平台引流患者数量差异对医生跨平台问诊使用偏好有显著的负向影响。这与传统的跨平台相关研究的一般结论不一致，表现出了医生跨平台问诊环境下的特殊性。这意味着，医生接收到过多的患者会降低其在目标平台的参与意愿。回归结果支持假设3。

表2 医生跨平台使用偏好影响因素(N=347 172)

表2的模型(3)中进一步加入了平台引流给医生的问诊量差异的平方项DNM2。回归结果显示，平台引流给医生的问诊量差异与医生的跨平台问诊使用偏好之间存在显著的二次关系。经过T检验，结果证实两者之间存在一个先平后降的二次关系。这意味着，在最初医生接收到少量患者时，并不会降低其在目标平台的参与意愿；但是随着平台引流患者数量的上升，医生参与在线问诊的精力限制以及医生对患者所患疾病种类的要求，使得医生降低了在目标平台上的问诊意愿。回归结果支持假设4。

4.2 调节效应回归结果

调节效应分析结果见表3。由表3可知，6个调节变量与DTP的交乘项均不显著，即大五人格因素和医生的专业地位对主效应的影响均不显著。这说明医生的性格因素和职业地位的高低，并未对平台引流给医生的患者种类与医生的跨平台问诊倾向产生影响。对于另外两个主效应，根据回归结果可以看出，6个调节变量会分别对主效应产生不同的影响。

(1)神经质性人格神经质性指的是一个人焦虑、不安全、有敌意和易怒的程度[28]。神经质与人们一天中感到不安和焦虑的频率有关[28]。当神经质性的医生遇到不合心意的结果时，更容易做出较大反应，远离当前群体。表3的模型(4)中，DEN×N和DNM×N的系数均显著为负。这说明神经质性的医生如果接诊的病人并不患有他偏好的疾病或引流患者数量过多，会增加其焦虑感，促使其做出较大反应，进而更加想要逃离目标平台。

(2)外向性人格外向性指人们外向、活跃、合群、自信、精力充沛、热情和乐观的程度[28]。外向的人对奖励信号敏感，寻求刺激，并积极参与各种各样的社会活动，其社交倾向表明，他们可能拥有更大的朋友圈和社交网络[29]。表3的模型(5)中，DEN×E和DNM×E的系数均显著为正。这可能是因为外向性的医生往往有着更大的朋友网络，他们善于和不同类别的人交朋友，所以虽然平台给他分配了很多并非他最偏好的病人和病人数量，但他们产生的排斥心理相对较小，减少了其离开目标平台的可能性。

表3 医生性格及专业地位的调节作用(N=347 172)

(3)开放性人格开放性体现了人们想象力、创造力、智力、心胸开阔以及兴趣广泛的程度[28]。开放的人可能会厌倦与那些表现出传统习惯的人交往[28]，喜欢接触新鲜的东西。表3的模型(6)中，DEN×O的系数显著为负。这说明，开放性的医生增强了平台引流患者疾病集中程度差异对医生跨平台倾向的影响。这可能是由于开放性的医生更加渴望体验新鲜事物、乐于探索的特质造成的。所以当开放性的医生收到太多不擅长的疾病种类的病人时，他们更希望去探索新平台，以增加自己的效用。不同的是，DNM×O的系数虽然为负，但是却不显著，这说明医生的开放性不会对平台引流的患者数量和跨平台问诊参与产生调节作用。

(4)宜人性人格宜人性指的是一个人合作、顺从、慷慨、善良和信任的程度[28]。宜人性的人会主动与他人建立积极的关系，具有同理心，且乐于合作[29]，因此更有可能与其所在的团队保持良好的关系。表3的模型(7)中，DEN×A的系数不显著，说明宜人性的医生不会对平台引流患者疾病集中程度差异和医生跨平台倾向的关系产生调节作用；DNM×A的系数显著为正，表示宜人性的医生会削弱因平台引流患者数量过多而转移到其他平台的可能性，即当宜人性的医生与原始平台有较好的合作关系时，会减少流失的可能性。

(5)尽责性人格尽责性指的是一个人在多大程度上是勤奋的、有组织的、尽职的、有准备的、坚持不懈的和注重细节的[28]。表3的模型(8)中，DEN×C和DNM×C的系数均显著为正，这说明尽责性的医生会因为自身的责任心，更愿意驻留在原来的平台。

(6)专业地位专业地位的高低反映医生的能力大小。表3的模型(9)中，DEN×T的系数不显著，这说明无论专业能力高低，医生都对平台引流的患者资源有相似的要求；然而DNM×T的系数显著为负，这说明专业地位越高的医生，越有能力去探索其他的平台，以增加自己的问诊效益。

5 结语

依据医生参与在线问诊的模式和相关理论，本研究对平台引流的患者资源进行划分，并关注平台引流患者类型对医生跨平台使用偏好的影响。研究发现：①医生更加倾向于在引流给医生较低的患者多样性和较高的患者集中程度的平台参与问诊；②医生在线问诊数量较低时，平台引流患者的数量不会对其问诊使用偏好产生影响，而随着医生在线问诊数量的提升，平台再继续引流更多的患者反而会降低医生在该平台的问诊意愿；③不同性格和专业地位的医生，在接受平台不同的引流患者类型和数量时，其问诊偏好会产生不同的变化；④医生参与在线问诊受问诊数量的激励较小，过多的患者数量反而会降低其问诊意愿；适宜的接诊患者类型更能激励医生的在线问诊参与行为。

本研究对信息系统领域在线健康相关研究有一定的理论贡献：①基于跨平台和在线问诊医生参与的相关文献，本研究提出了平台引流能力对医生跨平台问诊的模型框架，分别提出并实证研究了平台引流患者疾病多样性、平台引流患者疾病集中程度和平台引流患者数量对医生跨平台问诊倾向的3项理论假设，对在线医疗领域医生资源维护的相关研究进行了补充；②跨平台领域相关文献缺乏在线医疗背景的研究，本研究对在线问诊行业医生跨平台行为进行探讨，对该领域相关文献进行了补充和延伸；③本研究还探讨了在线健康领域医生性格这一因素在医生跨平台模式中的调节作用，对在线医疗领域医生资源维护的相关文献进行了补充。

本研究对管理实践也有重要的启示：①平台引流患者的疾病种类越多，越会导致医生流失，所以平台应当通过对患者的在线导诊、医生推荐等功能，引流给医生其专业对口的患者资源。②平台引流患者的疾病集中程度越低，越会导致医生跨平台，所以平台引流的患者应当集中在几类疾病中。③平台引流患者数量越多，越会导致医生跨平台，所以在线问诊医生普遍拥有增加其他平台问诊的使用偏好，平台在发现这一现象之后无需过度反应。④本研究还分析了不同类别的医生会对跨平台问诊使用偏好产生哪些不同的影响。通过对医生类型的细分，公共管理部门可以使用针对性的手段对医生进行工作激励，进而降低公共管理成本。已有研究探讨了提高医疗机构运作效率与缓解政府财政负担的方法[30]，类似地，本研究可以为平台采用较低成本来进行资源的合理配置提供理论支持。

本研究仍存在一定的局限性：①数据来源是中国在线问诊行业两家医生保有量最大的在线问诊平台，虽然行业内的其他平台所产生的外部性都会对两家平台施加影响，但是这个影响可能是不同的，所以，只针对两家平台进行跨平台研究可能既不全面也不准确；②仅使用已在两平台注册的医生数据，而仅于单平台进行注册的医生却未纳入考虑；③没有关注具体的疾病种类和两个平台疾病数据集的差异对变量计算和跨平台使用偏好的影响。