В России есть два параллельных рынка медицины. На одном — коммерческие клиники собрали по итогам 2025 года около 1,78 трлн рублей (оценка Eqiva, без двойного счёта по ОМС). На втором — весь некорпоративный ДМС в стране умещается примерно в 65 млрд (общий рынок ДМС в 2025-м — 323,7 млрд, корпоративный — 258 млрд, по данным ВСС и Remind). И в эти 65 млрд входит ещё страхование заёмщиков по банковскому каналу и ДМС для выезжающих за рубеж — то есть собственно «розница, в которой человек сам пришёл и купил полис», ещё меньше. ЦБ отдельно её не выделяет, но точная доля тут не критична: даже при самых щедрых допущениях это десятки миллиардов против триллионов на коммерческой стороне.
Рис. 1. Сравнение объёмов рынка коммерческой медицины и ДМС в России, 2025 г. Источники: оценка Eqiva, Банк России, ВСС, Remind.
Разница — больше чем в 25 раз. И это не нишевый сегмент vs мейнстрим. Это два рынка, на которых клиент решает одну и ту же задачу: получить медицинскую помощь, когда она нужна. Просто на одном он голосует рублём за прямую покупку у клиник, а на другом не голосует почти никак.
В этой статье — почему так получилось и что я бы делала, если бы у меня был ресурс это менять. С оговоркой: я двадцать лет занимаюсь аналитикой в страховании, и при всей любви к отрасли вижу её слабое место в рознице как очевидное. Возможно, я ошибаюсь. Если кто-то знает работающий контр-пример — буду рада увидеть в комментариях.
Что страховщики реально знают о розничном клиенте
Начнём с того, какой типовой набор данных лежит в основе массового полиса ДМС:
— возраст — пол — регион — иногда отрасль занятости (через ОКВЭД работодателя или анкету) — наличие хронических заболеваний (через декларацию или историческую обращаемость)
Пять переменных. На их основе формируется тарифная сетка и собирается коробочный продукт: терапевт, узкие специалисты, диагностика, физиотерапия, массаж курсом и тп. Один и тот же набор для всех, кто попал в коридор «женщины 30–45, без хроники, Санкт-Петербург, клиники среднего ценового сегмента». На этом моменте начинается главная проблема.
Универсальный продукт никого не закрывает целиком. Один клиент пользуется двумя услугами из тридцати. Другой упирается в лимиты и доплачивает. Третий не понимает, почему КТ нужно согласовывать полдня, а в соседней клинике это занимает 15 минут и тысячу рублей сверху. И уходит платить напрямую — те самые почти два триллиона.
Это работает в корпоративном сегменте: «здоровые платят за больных». Работодатель покупает страховку на 1000 сотрудников, кто-то использует одно, кто-то другое, неважно, средняя стоимость на каждого.
А в рознице включается антиселекция. Некорпоративный ДМС за свои деньги покупают чаще те, кто уже знает, что им нужно много медицины. Здоровым людям тратить 30–100 тысяч в год на полис не очень рационально, особенно когда МРТ в сетевой клинике стоит четыре тысячи. В результате портфель некорпоративного ДМС — это в среднем более «тяжёлый» клиент, чем средний человек на улице. Страховщик это видит, закладывает в тариф, и продукт становится дороже. Дороже — значит ещё меньше здоровых покупают. Цикл закрывается, рынок не растёт. Растут только узкие нишевые продукты: Онко, Антиклещ и проч.
Ещё один важный нюанс с цифрами. После взрывного роста на 29,5% в 2024-м (когда часть кредитного страхования жизни массово реклассифицировали в ДМС) рынок 2025 года показал снижение на 1,4%. При этом корпоративный сегмент продолжил расти на 14% за счёт медицинской инфляции, а продажи через банковский канал просели именно из-за того, что сократилось потребительское кредитование и реклассифицировать стало нечего. Получается, что весь видимый рост рынка ДМС последние годы был корпоративным или техническим. Сегмент «человек сам пришёл и купил полис» при этом оставался маленьким и не рос.
Рис. 2. Динамика рынка ДМС в России 2023–2025 гг. В 2024 году рост на 29,5% был в значительной мере обеспечен реклассификацией банковского канала; в 2025-м, когда этот источник иссяк, рынок снизился.
Почему пять переменных недостаточно
Я мать. Про себя я знаю: на массаж курсом я не пойду. На физиотерапию — тоже. У работающей матери пяти детей нет десяти свободных часов в месяц на ходьбу по кабинетам ради процедур, эффект от которых сомнительный, а время совершенно реальное. Зачем мне это в полисе?
Если отойти от профдеформации и представиться простым пользователем, в моём идеальном продукте было бы другое. Гарантия попасть к педиатру в субботу. Возможность сделать анализ без записи и без направления от врача. Телемедицина в три часа ночи, когда у ребёнка температура и непонятно, скорая или подождать до утра. Поход к конкретному узкому спецу в Москве по рекомендации. Простой алгоритм согласования острого случая, чтобы можно было пойти самой, а потом получить компенсацию. Возможно, еще что-то. Но не «вот это вот всё» по цене крыла самолета для физлиц.
Эту логику невозможно вытащить из пяти параметров анкеты. Она вытаскивается из поведения — из того, как человек реально пользуется медициной. И это уже задача для Big Data: не «прибавить ещё пять переменных к анкете», а на массиве реальных обращений увидеть, какие группы пользователей формируются естественным образом, чем они отличаются и какие продукты были бы для них полезны.
Чтобы было понятнее, о каких группах вообще идёт речь, приведу примеры. Подчеркиваю: это именно примеры, описание того, что может вылезти из таких данных, а не утверждение, что групп ровно столько и они именно такие. Их может оказаться четыре, восемь, сорок — мы не узнаем без исследования. Сейчас же массовая статистика по поведению потребителей в ДМС просто никем системно не собирается, и это само по себе показатель проблемы.
«Острый случай — всё включено». Не ходит к врачу, пока не прижмёт. Когда прижмёт — хочет МРТ без согласований, госпитализацию без ожиданий, специалиста сегодня.
«Семейный менеджер». Чаще всего мать. Думает о детях и родителях, себе уделяет внимание по остаточному принципу. Хорошо заходят педиатр, телемед, прививки, экстренная связь.
«Дисциплинированный профилактик». Регулярно сдаёт анализы, ходит к стоматологу, делает плановые обследования. Готов платить — за качество и предсказуемость.
«Хронический». Управляет своим заболеванием. Нужны конкретные специалисты по своему профилю, регулярные обследования по протоколу, лекарства, второе мнение, врач с именем.
Идея в том, что универсальная коробка под каждую такую группу адаптируется плохо. Один из четырёх примеров пользуется двумя услугами из тридцати. Другой упирается в лимиты. Третьему важна лаборатория и стоматология, которых в покрытии меньше, чем хочется. Четвёртому нужен конкретный кардиолог, которого в сетке поликлиник страховщика, скорее всего, тоже нет. И когда я говорю «один», «другой», «третий» — я имею в виду гипотетические группы, реальные границы которых надо именно искать в данных, а не назначать сверху.
Рис. 3. Примеры возможных групп клиентов розничного ДМС. Реальное число и границы групп — задача для исследования.
Где может быть точка приложения Big Data
Здесь мы подходим к мысли, которая, на мой взгляд, и есть главная точка приложения Big Data в розничном страховании. Это не про объёмы данных. Это про смену единицы анализа — на ту, которая лучше отражает реальное потребление медицины.
Сегодня страховщик смотрит на физическое лицо. ФИО, паспорт, СНИЛС, привязанные к нему диагнозы. При этом реальная единица потребления медицины часто шире — это домохозяйство. Когда работающая мать покупает «семейный полис», в одном договоре могут оказаться: она сама, ребёнок (педиатрия и экстренная помощь), партнёр, иногда родители — и у каждого свои паттерны обращения за медициной. Несколько разных задач в одном продукте.
Универсальный коробочный набор закрывает их все одинаково. И часто ни одну толком, потому что компромисс — он и есть компромисс.
Самое интересное, что данные для понимания домохозяйства у страховщика уже есть — просто никак не связаны. Адрес регистрации, общий контактный телефон, общая банковская карта оплаты, история совместных полисов (КАСКО на машину супруга, ипотечное страхование на общую квартиру, ОСАГО на семейные авто). Эти связки можно собрать в профиль домохозяйства. И увидеть в нём реальную семейную ячейку с её паттернами трат, обращений и предпочтений — а не разрозненный список «застрахованных лиц».
Технически это решаемо. Продуктово — пока не вижу: у всех страховщиков единица учёта остаётся «застрахованный».
Рис. 4. Сдвиг единицы анализа: от застрахованного физлица к домохозяйству. Данные для построения профиля домохозяйства у страховщика уже есть — общий адрес, телефон, карта оплаты, история совместных полисов.
Регуляторика — реальный барьер или удобная отговорка?
Когда я обсуждаю это с коллегами, первое, что слышу: 152-ФЗ, медицинская тайна, нельзя выгружать персональные данные, нельзя обмениваться, а отсюда мы ограничены в использовании инструментов. Не возьмешь зарубежные AI-агенты. Всё правда. Регуляторные ограничения в страховании жёстче, чем в банкинге или ритейле.
Но это не объяснение полного провала на рознице. Потому что:
те же ограничения есть у банков, и банки делают персонализированные продукты;
обмен данными между страховыми блоками, внутри экосистем и даже с внешними партнерами возможен при соответствующем юридическом оформлении их конфиденциальности, защиты и обработки;
альтернативы зарубежным нейросетям внутри РФ существуют, можно развернуть локальные версии, есть российские ML-платформы для построения моделей.
Регуляторика в этой картинке — реальный, но не самый высокий барьер. Гораздо выше — отсутствие продуктовой воли менять модель работы с данными. Делать как привыкли, проще: тридцать лет страховой математики опираются на застрахованного как базовую единицу учёта, и развернуть это к домохозяйству означает переделать всю продуктовую кухню. Это страшно, дорого и заранее непонятно, окупится ли.
Тем временем коммерческая медицина именно это и делает. Сетевые клиники, как многопрофильные, так и узко — «Медси», «Инвитро», DocDeti — знают своего клиента глубже, чем страховщик. У них есть полная история обращений, паттерн посещений, структура трат, сезонность, и через приложения и общие аккаунты — семейные связки. Это превращается в целевые акции, программы лояльности, подписочные модели вроде «годовая программа полного обслуживания за фиксированную сумму».
Подписка на медицину. То, что по сути и должен делать ДМС. Только без страховщика. И клиенты голосуют за это рублём — почти два триллиона в год.
Что бы я делала, если бы ресурс был в руках
Дисклеймер: я не CEO страховой компании, и многое из того, что ниже, наверняка натолкнётся на реалии корпоративных бюджетов и инертности. Но если бы вектор был в моих руках, я бы шла так.
Шаг 1. Перейти от физлица к домохозяйству. Завести в системах единицу «домохозяйство» как агрегат над застрахованными. Связать через адрес, контактный телефон, общую карту оплаты, историю смежных полисов. Это техническая, но рутинная работа на уровне БД и матчинга.
Шаг 2. Сегментировать по поведению, а не по демографии. Вместо «женщины 30–45 Москва» — «семьи с детьми до 7 лет, активно пользующиеся приложением записи к врачу, с двумя обращениями в квартал». Поведенческая сегментация — работа для Big Data в её истинном смысле.
Шаг 3. Разработать модульный продукт с персонализаций под поведенческую категорию. Базовое ядро — общее только группы одинакового профиля. Условно: «острому случаю» — приоритетная диагностика и госпитализация без согласования. «Семейному менеджеру» — педиатрия 24/7, телемед, быстрая запись. «Хроническому» — узкий специалист в гарантированном доступе, регулярные обследования по протоколу. Конкретный набор опций — снова вопрос исследования.
Шаг 4. Дать клиенту наполнить продукт под себя. Сейчас покупка ДМС в рознице — это акт веры в коробку. Клиент не понимает, что внутри, что использует, а что — нет, но платить должен за все. Конструктор «выбери тип и опции» снижает напряжение от непрозрачности затрат. Да, риск антиселекции выше, но от этого надо уходить шагом 5.
Шаг 5. Признать, что часть «обязательного» наполнения полиса — это инерция. Возьмём массаж курсом, физиотерапию. По умолчанию они часто включены в стандартную программу — потому что когда-то так сложилось, рынок к этому привык, и страховщику проще оставить как есть. Но уже даже Минздрав начал догадываться, что реабилитация — не совсем медицина в некоторых диагнозах, и обновил клинреки. Но смысл этого пункта не в том, чтобы выкинуть массаж из ДМС. А в том, чтобы пересмотреть такое понятие как базовое покрытие. Потому что оно удорожает и исключает когорты потенциальных клиентов. У страховщика есть преференции цен в клиниках — это и должно стать его основной маржой в конкуренции с прямым визитом в клинику. Плюс экспертиза в медицине, широта лечебных сетей, знание рынка врачей и учреждений разной направленности.
Сформированный пакет услуг ДМС под поведенческий паттерн, без ненужных опций — цена ниже — здоровому клиенту проще зайти в продукт.
Вместо вывода
Цифры спорны в деталях, но порядок очевиден. 1,78 трлн против 65 млрд. И этот разрыв — не «небольшая ниша». Это рынок, который страховщики пока проигрывают в открытую. И он будет проигрываться до тех пор, пока продукт строится на пяти переменных и типовой коробке.
Big Data в страховании — про смену единицы анализа: с застрахованного на семью, с пяти параметров на поведенческий профиль, с универсальной коробки — на гибкий продукт под реальный паттерн потребления медицины. И еще — про то, чтобы проверять гипотезы на данных, а не штамповать линейку из коробок и надеяться, что клиент к ним сам подстроится.
Где работающие сегодня страховщики действительно идут в эту сторону? Вижу пока больше деклараций, чем кейсов. Если у вас есть пример обратного — буду рада обсудить в комментариях.
Если тема резонирует — больше разборов в моём канале Data Driven Management. Пишу про аналитику без хайпа, на реальных кейсах из страхования.
Источники
Kept. Обзор российского рынка коммерческой медицины и прогноз его развития
Remind / СОПОС. Рынок ДМС в фазе «дорогой стабильности»: итоги 2025 и прогнозы 2026
Коммерсантъ. Рынок страхования non-life в 2025–2026: ДМС и сложности
ВСС / Современные страховые технологии. Страховой рынок сохранил положительную динамику в 2025 году