Ch1 04: 誰も疑わない価格設定#

あらゆる業界には価格モデルがある。そしてほとんど誰も、それがどこから来たのかを問わない。

自動車保険を考えてみてほしい。保険料は年齢、性別、郵便番号、運転歴で決まる。それだけだ。ニュージャージー州に住む無事故の二十二歳は、同じ州の同じ条件の二十二歳とほぼ同じ保険料を払う――一方がお年寄りのように慎重に運転し、もう一方が高速道路の合流を個人的な挑戦状と捉えていようと。

なぜか？　人口統計が運転リスクの最良の予測因子だからではない。そうではない。リアルタイムの運転行動――ブレーキの強さ、コーナリングの荒さ、運転中にスマホをチラ見する頻度――のほうが、桁違いに高い予測精度を持つ。業界が人口統計を使うのは、自動車保険の価格設定が考案された当時、リアルタイムの運転データが存在しなかったからだ。人口統計が棚に並んでいた唯一の代替指標だったのだ。

テクノロジーは進化した。価格モデルは動かなかった。そして、今日可能なことと、モデルが設計された当時に可能だったこととの間にあるギャップ――そのギャップこそ、富が生まれる場所だ。

この力学を目の当たりにしたのは、DVxポートフォリオの中でサイバー保険会社Corkを立ち上げたときだ。

2020年代半ばのサイバー保険市場は、一握りの大手キャリアが支配しており、いずれもほぼ同じ手法を取っていた――アンケートだ。企業がセキュリティ対策について質問票に回答し、保険会社がその回答をもとに保険料を設定する。コンプライアンスフォームを記入したことがある人なら、欠陥は明らかだろう――人は実態をごまかす。あるいはもっと好意的に言えば、実際の運用ではなくポリシーに書いてあることを報告する。

その結果、大規模なミスプライシングが起きる。セキュリティがひどい企業も優秀な企業も、ほぼ同じ保険料を払う。引受ツールが両者を見分けられないからだ。良いリスクが悪いリスクを補助金のように支える。そして市場全体が逆選択の歪みに苦しむ――もっとも積極的に保険を買いたがる企業が、もっとも保険金請求をしやすい企業なのだ。

Corkの洞察はいたってシンプルだった。企業にセキュリティについて聞くのではなく、セキュリティをスキャンする。自動化ツールを使えば、企業の外部攻撃面――開いているポート、未パッチのソフトウェア、メール認証、暗号化基準――を数分で評価できる。スキャンが吐き出すのは、どんなアンケートよりも劇的に正確な、客観的かつリアルタイムのリスクスコアだ。

このデータがあれば、Corkは既存の大手にはできないことができた――精密な価格設定だ。低リスク企業には大幅に安い保険料。高リスク企業には高い保険料、あるいは引受拒否。経済構造がひっくり返った。良いリスクが悪いリスクを補助する代わりに、すべての顧客の価格が実際のリスクを反映するようになった。

だが、価格の精密化は戦略の半分に過ぎなかった。もう半分は、どこで戦うかという問題だった。

大手保険キャリアは莫大な固定費を抱えている――アクチュアリー部門、規制コンプライアンスチーム、保険金処理インフラ、代理店ネットワーク。これらのコストは大量の保険料ベースに分散させる必要があり、つまり一契約あたりの収入が手間に見合う顧客が必要だ。従業員十人でサイバーリスクも控えめな中小企業は、構造的に大手にとって魅力がない。一契約あたりの収入が引受コストをカバーしないのだ。

これは想像力の欠如ではない。構造的な現実だ。事業モデルが顧客あたりの最低収入を要求するなら、そのラインを下回るすべての顧客は見えない存在になる。関心がないからではない。彼らにサービスを提供すれば赤字になるからだ。

Corkにはそのコストがなかった。引受は自動化されていた。販売はデジタルだった。保険金処理は無駄がなかった。中小企業を評価してオンボードするコストは、従来のキャリアの何分の一かだった。つまり、大手が構造的に無視せざるを得なかったセグメント――中小企業――こそが、Corkが利益を出せるセグメントだった。

このパターンは何度も見てきた。巨人の最大の強みが、最大の死角を生む。大企業を強くしているスケールそのものが、特定の市場にサービスを提供することを構造的に不可能にする。そしてその市場こそ、ディスラプターにとってもっとも安全な橋頭堡なのだ。

より深い教訓は、情報経済学にある。あらゆる業界の「画一的な」価格モデルが存在するのは、それが生まれた当時、精密な情報を集めるコストが高すぎたからだ。自動車保険業界は1970年に個人の運転行動を追跡できなかったから、年齢と郵便番号を使った。サイバー保険業界は2015年にすべての企業のセキュリティ態勢をスキャンできなかったから、アンケートを使った。

だが情報コストは容赦なく下がり続ける。センサーは安くなる。計算速度は上がる。データは豊かになる。そして精密さのコストが近似のコストを下回るたびに、価格革命が可能になる。

あなたへの問いかけ――あなたの業界で、精密さがすでに近似より安くなっているのに、価格モデルが更新されていない場所はどこか？　技術的に可能なことと商業的に実践されていることの間のタイムラグ――それは私がこれまで掘り当ててきた中でもっとも確実な起業機会の鉱脈のひとつだ。

ガイダンス#

あなたの業界で「価格の考古学」を実行してみてほしい。もっとも定着している価格モデル――もっとも長く存在し、誰もが使い、誰も疑問に思わないもの――を見つけて、以下の問いを掘り下げる。

このモデルはいつ設計されたか？ 最後に微調整された時期ではない。根本的なアーキテクチャが定まったのはいつか？
当時と今で、どんなデータが存在するか？ モデル誕生時には存在しなかったが、今日利用可能なデータソースは何か？　センサー、API、衛星画像、ソーシャルシグナル、リアルタイム追跡――メニューは年々拡大している。
何が近似されているか？ あらゆる価格モデルは何かの代理指標だ。自動車保険料は運転リスクの代理。サイバー保険料はセキュリティ態勢の代理。あなたの業界のモデルは何の代理で、今やその本質を直接測定する方法はあるか？
誰が払いすぎで、誰が払い足りないか？ 画一的なモデルでは、一部の顧客が他の顧客を補助している。過剰に請求されている顧客こそ、あなたのアーリーアダプターだ――公正な価格を提示すれば、すぐに飛びつくだろう。

これでアルゴリズムのステップ1が完了した。すべての要件を疑うこと。ポリシーに、エンジニアリングの慣習に、「不可能」という言葉に、そして誰も検証しない価格設定に疑問を投げかけた。あなたの認知のロックは解除された。次の問い――この新たに開放された空間で何をするか？

答えは意外かもしれない。新しいもので埋めるのではない。まず、すでにそこにあるものを取り除くことから始めるのだ。