数字平台反垄断：剥削性滥用行为如何规制？

本文原载于《电子政务》（2021年11月网络首发），原文标题为《数字平台剥削性滥用的反垄断规制》，系国家社会科学基金一般项目“反垄断法分析模式的选择和适用研究”（项目编号：18BFX144），以及国家社会科学基金青年项目“数据不正当竞争行为司法规制的实证研究”（项目编号：21CFX042）的阶段性研究成果。《互联网法律评论》获得作者授权刊发。本文来自微信公众号：Internet Law Review（ID：Internet-law-review），作者：承上（深圳大学创新发展法治研究院研究员），原文标题：《数字平台剥削性滥用行为如何规制？》，头图来自：视觉中国

近日，中国国家发展改革委等九部门发布《关于推动平台经济规范健康持续发展的若干意见》，其中提到，从严管控非必要采集数据行为，依法依规打击黑市数据交易、大数据杀熟等数据滥用行为。这表明：继“二选一”之后，“过度收集数据”“算法价格歧视”等涉嫌剥削性滥用的行为可能成为平台经济反垄断监管的重点对象。

问题的提出

网络、平台、数据、算法的广泛应用与深度融合不仅推动数字经济迅猛发展、经济社会重大转型，也带来市场交易模式与企业组织形式的急剧变革。以信息网络为架构基础，数字技术为重要支撑，数据、算法为核心要素，承载相互依赖的双边或多边主体进行商业互动，并共同创造价值的超级数字平台（以下简称“超级平台”）脱颖而出。

超级平台一方面作为集信息汇集、要素生产、资源配置、规则制定为一体的新型经济中枢，整合了庞杂的资源关系，聚合了巨量的经济价值并释放出强劲的增长势能。另一方面，超级平台拥有的垄断势力也对市场公平竞争、企业技术创新，以及消费者和社会公共利益产生严重威胁。它们不仅一再使用“二选一”“自我优待”“扼杀型收购”等涉嫌排他性滥用的行为阻碍、排除现有或潜在竞争对手，而且还频繁实施“过度收集数据”“算法价格歧视”等涉嫌剥削性滥用的行为直接压榨交易相对人。

2019年初，德国联邦卡特尔局（FCO）做出裁定，脸书（Facebook）从第三方网站和应用程序中收集用户数据，并与用户脸书账户中的其他数据关联融合的行为并未取得用户“自愿同意”，此等过度收集数据的行为构成滥用市场支配地位，属于剥削性滥用。近年来，在我国网络购物、交通出行、在线订餐等领域，以大数据杀熟为代表的算法价格歧视行为屡见不鲜。

虽然我国《反垄断法》第17条就支配企业实施过高定价、附加不合理的交易条件以及价格歧视等涉及剥削性滥用的行为作出禁止性规定，但是否以及如何适用《反垄断法》规制过度收集数据、算法价格歧视等数字平台的剥削性滥用行为，理论界与实务界仍然不乏疑问。

数字平台剥削性滥用反垄断规制的紧迫性

根据滥用方式的不同，支配企业的滥用行为通常分为排他性滥用与剥削性滥用两类。排他性滥用是指阻碍、排除现有或潜在竞争对手的行为，通常包括搭售、独家交易、拒绝交易、掠夺性定价等。剥削性滥用是指剥削交易相对方，榨取消费者（包括终端消费者）利益的行为，主要表现为强加不公平的价格或其他不合理条件。

剥削性滥用与排他性滥用可谓互为表里。一方面，单个经营者如果能够在竞争性市场上长期占据支配地位，该经营者一般存在排他性滥用。另一方面，即使是排他性滥用，其最终目的还是剥削消费者以攫取垄断利润。因此，剥削性滥用堪称排他性滥用之目的，排他性滥用则是剥削性滥用的手段。

虽然以往反垄断理论与实践重点关注排他性滥用，但这并不否认剥削性滥用的反垄断规制所具备的坚实制度基础。在政策层面，规制剥削性滥用突出了政府适度干预的角色定位，有助于构建统一开放的市场环境。在价值层面，规制剥削性滥用回应了维护消费者福利以及社会分配正义的价值诉求。在制度层面，剥削性滥用的反垄断规制直接纠正垄断的结果，在前端排他性滥用的反垄断规制对竞争过程维护存在漏洞或缺失时，可以发挥后端及时修正、弥补的关键作用。

聚焦数字平台领域，超级平台形成的垄断生态及其横向排他与纵向剥削行为所构成的恶性循环，分别从结构和行为层面凸显出直接规制数字平台剥削性滥用的紧迫性。

数字平台剥削性滥用反垄断规制的经验基础

考察国内外对过度高价、附加不合理条件，以及价格歧视等传统剥削性滥用类型的反垄断规制经验可以发现，基于我国现行反垄断法律体系，规制以过度收集数据、算法价格歧视为代表的数字平台剥削性滥用行为，不仅必要，而且可能。

（一）过度收集数据反垄断规制的经验基础

在“单边免费+多边补贴”的商业模式中，终端消费者在获取“零价格”产品或服务的同时，实际上向数字平台支付了数字时代的新型货币——个人数据。数字平台通过对个人数据的收集整合与分析加工，增强了产品质量与定价能力，提升了盈利能力与收益。因此，如果将用户数据视作新型货币，过度收集数据的行为类似于过高的货币价格，即过高定价。

针对反垄断视域下规制过高定价，欧盟法院发展出判断价格是否过度高于“经济价值”的两阶段测试：第一步为价格成本测试，即将产品的销售价格与生产成本做比较，查明利润率是否过高；第二步为价格比较测试，即测试产品价格“本身或与竞争产品相比，是否不公平”。

在我国，适用《反垄断法》规制过高定价是理论与实务界的普遍共识。不过需要注意的是，将过高定价中的价格测试适用于过度收集数据仍然面临困境。一方面，数据价值评估受主观判断以及应用场景影响，具有较大的不确定性。另一方面，就价格测试而言，无论从法学还是经济学的角度出发，都没有一套测试或标准能够得到执法机构或经济学著作的普遍青睐，每种方法都暴露出一些固有的弱点。

因此，由于过高定价在广义上也属于不公平的交易条件，为避免价格计算难题，在支配企业收集数据的范围或体量远远超出用户合理预期时，可尝试从附加不合理交易条件的角度入手，将数字平台设定的不公平数据和隐私政策类比于传统剥削性滥用类型中的“不公平的交易条件”或称“附加不合理的交易条件”，从行为的公平性与合理性方面进行审视。

（二）算法价格歧视反垄断规制的经验基础

超级平台实施的算法价格歧视可能涉嫌在缺乏正当理由的情况下，对条件相同的交易相对人在交易价格等交易条件上实行差别待遇，从而构成反垄断法意义上的价格歧视行为。不过，由于算法价格歧视主要针对终端消费者实施剥削，因而与传统反垄断实施中所侧重的排他性价格歧视存在明显不同。

统观我国近年来适用《反垄断法》第17条第1款第6项“反价格歧视条款”处理的传统经济领域案件可以发现，该条款既可适用于排他性滥用，也可适用于剥削性滥用。判断违法性的落脚点就在于是否具有排除、限制竞争效果。因此，价格歧视行为的违法性判断需要借助经济学分析工具，诉诸垄断市场定价模型提供的解释力，围绕经济福利效果展开。

具体到数字平台实施的算法价格歧视行为，其经济福利效果呈现多种可能，既有可能同时提升消费者剩余与社会总福利，也可能同时降低消费者剩余与社会总福利，还可能在降低消费者剩余的情况下，提升社会总福利。在算法价格歧视输出一级价格歧视/完美价格歧视结果时，社会总福利提升但消费者剩余减少所引发的冲突明显加剧。因此，反垄断规制首先需要在社会总福利与消费者福利标准之间做出政策选择。

数字平台剥削性滥用的反垄断规制方案

（一）价值层面：重拾反垄断法的公平价值目标

价值问题是反垄断立法和实施中的核心和前置性问题。受芝加哥学派“唯效率论”的压倒性影响，众多反垄断司法辖区都将经济效率作为反垄断的核心，甚至唯一价值目标。在效率价值绝对化的主张下，反垄断以社会总福利最大化为导向，只要市场势力由合法方式取得，而且不构成排他性滥用，反垄断实施一般不再限制市场势力后续的剥削性行使。

然而必须看到，任何价值都不是绝对的，具体价值目标的考察应当置身于整体价值体系之中。只有在具体场景之中结合具体事实分析之后，才能确定冲突价值之中何者优先的问题。

在数字平台发展初期，为提高资源使用效率、节约建设成本，强调效率价值并无不妥。在超级平台牢牢占据相关市场“守门人”地位的场景之下，继续唯效率论的做法一方面高估了依靠市场自发力量维持竞争过程的能力，另一方面则忽视了剥削性滥用给广大消费者与社会公众造成的直接损害。当私人生态系统试图取代市场竞争机制，并由此引发技术、信息及财富方面的巨大鸿沟时，公平价值焕发出修辞上的繁荣和内在的正义。此时，公平价值需要处于与效率价值同等重要，甚至更为重要的地位。

我国《反垄断法》秉承的是多元价值主张，“预防和制止垄断行为”“保护市场公平竞争”“提高经济运行效率”“维护消费者和社会公共利益”都是其立法目的。这也表明，反垄断法上公平价值与效率价值长期共存，需要根据场景切换达至兼顾与权衡。因此，数字平台领域的反垄断规制应当重拾公平价值目标、坚守公平竞争底线，既要重视市场竞争的公平过程，也要关照市场竞争的公平结果。

（二）规则层面：兼顾比例原则适用与经济效果评估

1. 适用比例原则规制过度收集数据

为确保数字平台提供公平的交易条件，应当适用比例原则审查过度收集数据的行为。具体而言，在市场存在进入壁垒而且无法自动消除，缺乏有效行业监管，而且排他性滥用规制收效欠佳的情况下，可以根据比例原则目的正当性、适当性、必要性、均衡性的要求依次展开分析。

首先，需要考察涉案行为是否具备合法目的。其次，需要评估相关数据政策与隐私政策的适当性。再次，需要考察数据收集行为是否符合必要性。最后，即便通过必要性测试，均衡性测试也要求在用户付出的数据与其所收获的收益之间进行权衡，考察用户是否获得相称的服务和适当的补偿。

2. 基于经济效果规制算法价格歧视

为确保数字平台从事公平的剩余分配，应当借助经济分析工具，通过定量方法规制算法价格歧视行为。一方面，以生产者剩余与消费者剩余为参数，对福利变化进行量化分析的研究方法，是数据驱动竞争规制的重要方法论支撑。另一方面，根据公平价值目标，反垄断法追求的福利效果不仅包括经济效率，也涉及社会财富的分配正义，这意味着反垄断实施机构在社会总福利标准与消费者福利标准的抉择中，应该更倾向于后者。

此外，对于算法价格歧视导致的消费者剩余的增减状况，可以通过市场扩张效应与分配效应的比对形成较为直观的把握。

借助经济定量工具提供的量化结果，超级平台算法价格歧视行为的经济评估可以得出如下结论：对于整体上减少消费者剩余的算法价格歧视行为，无论此时社会总福利如何变化，均可以认定为具有排除、限制竞争效果，在超级平台无法提供其他正当理由的情况下，构成剥削性滥用。

（三）实施层面：推进个人数据保护与可信算法构建的协同作用

数字平台剥削性滥用的反垄断规制需要与个人数据保护，以及可信算法构建的相关原则及规则实现有效衔接，共同防止市场失灵，协同落实规范数据处理、推动数据共享、提升算法透明度，以及强化算法问责等具体措施。

一方面，数据保护与算法治理的相关规范可为反垄断规制提供技术理性认知、行为识别场景以及效果判定维度；另一方面，反垄断规制也从禁止滥用市场势力、维护市场可竞争性以及交易公平性的角度进一步完善了数据保护和算法治理的规制体系。

1. 剥削性滥用的反垄断规制与个人数据保护

数字平台的过度收集数据行为涉及榨取终端消费者个人数据，因此其反垄断规制与个人数据保护密切相关。不过，仅仅依靠个人信息保护规则确立的权益边界并不足以应对超级平台的剥削性滥用问题。在数字市场上同时存在市场势力和信息不对称的复杂市场失灵问题时，竞争主管机构对于数据处理行为的规制其实超出个人数据保护的范围。

竞争主管机关可以通过行为救济措施的设置，要求超级平台就其收集数据的目的、范围和方式作出承诺，通过用户可理解的方式给予用户真正充分、有效的选择，取得用户事先的自愿同意，以此确保交易的公平性。

同时，竞争主管机构可以通过数据可携权以及数据互操作等规则的设置，进一步推动竞争性数字平台之间的数据共享与开放。在确保数据和隐私安全，以及知识产权等合法权益的基础上，竞争主管机构可以在反垄断法视域下，进一步探索数据共享机制，设计出不断根据市场变化调试的承诺事项，附加能够回应支配企业现有或潜在竞争对手等利益相关方诉求的行为性救济措施。

2. 剥削性滥用的反垄断规制与可信算法构建

反垄断对算法价格歧视的规制与旨在打破“算法黑箱”、消除“算法歧视”的算法治理，尤其是可信算法的构建息息相关，增强算法透明度、强化算法问责的算法治理措施其实也是反垄断规制需要采取的具体措施。

首先，增强算法透明度旨在打破算法黑箱，通过向用户披露算法逻辑以获取用户的信任。换言之，算法代码或算法逻辑的公开需要以简明、有效的方式作出，以便受众能实质理解其运行机制及目的意图。

其次，强化算法问责旨在完善事后检视机制，纠正算法歧视。可问责性的强调既是可信算法的内在要求，也是约束算法控制者的有效手段。通过问责形成的约束机制能够促进算法的可释、可靠和可控。

结语

数字平台剥削性滥用的反垄断规制是当前平台战略时代亟需解决的问题，在超级平台牢牢占据“守门人”地位的市场环境中，继续放任以过度收集数据、算法价格歧视为代表的新型剥削性滥用行为，不仅严重危及市场的可竞争性与交易的公平性，也会进一步加剧消费者因此遭受的直接损害。

为督促数字平台遵守自由竞争的市场规则，承担公平竞争的基本义务，重塑数字平台与消费者共生共赢的良好生态，数字平台剥削性滥用的反垄断规制需从价值导向、规则逻辑、实施路径等方面完善规制方案：

在价值层面，重拾反垄断上的公平价值目标，坚守公平竞争底线；在规则层面，适用比例原则规制过度收集数据，基于经济效果规制算法价格歧视，兼顾定性与定量分析工具，以确保公平的交易条件与公平的剩余分配；在实施层面，注重反垄断与数据保护、算法治理的有效衔接，积极推进反垄断规制与个人数据保护以及可信算法构建的协同作用。

本文来自微信公众号：Internet Law Review（ID：Internet-law-review），作者：承上（深圳大学创新发展法治研究院研究员）