【内容摘要】“大数据杀熟”让平台背负了“垄断”污名，算法消费者价格歧视增加了公众对执法机构执法不公平的感知。与传统定价方式相比，定价算法优势明显、类别多样、运用场景丰富，算法消费者价格歧视的经济效果实则变动不居，不结合市场结构进行深度分析恐难得出科学结论。铺陈在单一场景之上的现有研究结论，不具有在所有场景进行推广的合理性，故而需要对算法消费者价格歧视的误读及其竞争法属性作进一步辨明。关于算法消费者价格歧视对市场竞争、消费者福利、企业成本及利润影响的竞争效果的实证研究也佐证了其经济效果的复杂性，由此可推出以“大数据杀熟”为代表的算法消费者价格歧视不能一禁了之的结论。动用反垄断法规制算法消费者价格歧视，应以行为具有违法性及不正当性为其逻辑前提，以保护竞争并保留对创新的必要妥协为价值目标，假借个案经济分析与创新审查机制更好地实现对其的调整，将经营者引入追逐创新、对抗竞争、寻求正义之轨道。
【关键词】算法消费者价格歧视个性化价格创新反垄断法
一、问题的缘起：大数据“杀熟”与两个“污名化”
对ACPD实施反垄断处罚应以其违反反垄断法为必要前提。从个性化定价到大数据“杀熟”，再到价格歧视的推导，必须遵循反垄断法关于滥用市场支配地位行为分析的一般框架，对价格歧视行为的违法定性要铺展在对具体行为的经济效果的分析上；通常情况下，看到“价格歧视”的字眼，人们就会习惯性地挥舞起道德大棒，得出痛打大数据“杀熟”之结论，这并不合乎科学性。该结论其实源于对市场经济缺乏深刻理解，对价格歧视经济实践不了解，对经济学意义的价格歧视与为反垄断法所禁止的价格歧视之差异选择性的忽略，以及对ACPD的反竞争效果被事先假定并无限放大，使得规范算法歧视乃至禁止ACPD几成阻击数字经济条件下算法歧视的代名词，导致运用算法进行个性化定价的平台背负了“歧视”及“垄断”的污名，进而让未禁止或处罚该行为的执法机构背负了“选择性执法”及“执法不公平”的污名。
国内既有之研究罕有对ACPD经济效果的梳理，更未见深入到大数据、算法驱动各不同经济场景的专门研究，以至于未能给执法机构禁止大数据“杀熟”提供“具有反竞争效果”的经济证据印证。而痛打大数据“杀熟”、叫停算法歧视一时被炒作得甚嚣尘上，确有专家支持和研究支撑，并非空穴来风，这些研究侧重于对ACPD行为公平性的讨论，回应了“公众叫停该行为”的现实需求。然而细观研究内容：一则仅以在线零售市场为研究对象，未全面分析定价算法在不同场景的竞争效果；二则仅以消费者剩余为考量因素推导出“总体消费者福利损失”，由此证成“个性化定价对消费者的危害性及限制竞争效果”。对单一场景的研究结论是否可推及所有ACPD场景有待进一步讨论，对经济效果分析定于消费者一尊的做法与主要国际组织、竞争执法机构基于社会整体福利、消费者福利、生产者福利的分析框架存在显著差别，亦有违现行《反垄断法》之立法宗旨，得出的最终结论难以令人信服。
基于此，确有必要对ACPD的经济实践与竞争效果性展开实证分析，辨明其竞争法属性。希冀本文的研究能够帮助反垄断执法机构有理有据地洗刷“污名”，并且为反垄断执法搭建起政策框架。这既是反垄断法学界面临的一个重大实践课题，也是我国修订《反垄断法》为新经济注入活力的题中应有之义。
二、ACPD的基石：定价算法与经济实践
通过算法探寻消费者的“足迹”，准确预测消费者的保留价格（ReservePrice）与兴趣偏好，为不同消费者推荐不同商品、确定不同价格，从而提升个性化数字购物体验、促成交易，是阿里巴巴、亚马逊等现代零售巨头成功的关键。但是，作为“为解决特定问题而产生的工具”，算法早已开疆辟土地将触角延伸至几乎每一个过去实行“千人一价”的领域。因此，对ACPD的合法性判断应当首先从其运用场景说起。
（一）算法定价的优势
（二）定价算法的类别
与经济学家倾向于研究因果关系和如何解释一个现象不同的是，机器学习涉及统计学、计量经济学、概率论等基础方法，侧重于预测能力。算法进行学习的过程可被简单地概括为，依赖对过往影响销量的与价格有关的因素及设计者认为将影响销量的价格因素进行回归分析，构建模型，然后通过对这些变量的实时观察来改变价格。可以说，通过分析现实世界的大数据不断地进行学习，算法掌握了定价的“诀窍”，并据此调整现行价格，朝着企业设定的目标（如利润最大化）前进。
（三）ACPD的行为逻辑
从流程上看，ACPD一般包括三个步骤：第一步，收集分析消费者个人属性数据与消费行为数据，识别消费者的支付愿意。在工业经济时代，要么是因套利行为的存在，要么是因消费者个人偏好的信息不完全，厂商难以进行个性化定价，而数据挖掘和算法分析工具等技术的发展让这一障碍得以消除，经营者可以利用这些技术对消费者的消费记录、上网痕迹进行跟踪和分析，然后绘制出包含消费者偏好、习惯和支付能力的数据画像，并通过模型验证和反馈，推测出消费者的支付意愿，索取消费者能够支付的最高价格。第二步，运用算法进行个性化商品推荐或推送。经营者在了解消费者支付意愿的基础上，决定某个产品应该卖给哪些或哪类消费者，以实现利润的最大化。譬如，因存货和成本等因素的限制，ebay会把“某清乾隆的梅瓶”卖给出价最高的张三，而不是只愿出价200元的李四。第三步，实施ACPD。以前面两步骤为基础，制定一个价格歧视机制，确保不同消费者享受不同的产品优惠。例如，对喜欢游玩的消费者，在线旅游平台会提供一系列酒店的优惠券；对不太出门的消费者，平台则偏向于同时提供机票优惠券与酒店优惠券（参见图1）。
图1定价算法便利价格歧视示意图
（四）ACPD在经济实践中的运用
以个性化定价促成的ACPD在实践中主要表现为以下场景。
在线零售平台的消费者价格歧视主要使用价格匹配算法（如匹配产品提供的最低或第二低的价格），属于启发式算法。其典型做法是，算法编辑者预先设定规则，算法根据交易环境的变化或需求供应平衡自动对价格进行修正。以亚马逊为例，为了吸引消费者，不仅卖家会使用算法来识别竞争对手，对具有其他商户偏好的消费者以更低的价格吸引其购买自己的商品，而且亚马逊平台也会通过地理位置、行为跟踪、个人信息等因素制定个性化价格。以kindle电子书的销售为例，被识别为“富裕”的消费者比“注重预算”的消费者看到的价格普遍更高，更甚者，这种价格差异有时会高达166%。
2.需求波动比供给波动显著更快的领域，如网约车、酒店和机票
3.服务成本因人而异的领域，如信贷、保险
这些领域消费者的风险或偏好相去甚远，分析式定价算法运用的主要目标是科学评估消费者风险。就信贷、保险业务而言，经营者通常根据消费者的风险特征来定价，其定价“套路”不再仅仅是价格上的低开高走，而是需要基于风险评估对不同需求的消费者加以甄别，包括预期消费者成本、赔保概率或违约率的客观评价等，从而进行价格歧视。以保险产品为例，产品的设计要以保险公司从保费中赚取足够利润为目标，以应对支付被保险人的预期索赔，这意味着他们必须能够准确计算出平均预期损失，并以此为标准收取相应的保险费。
为了提升企业在发生保险事故时收回成本的可能性，并确保保险市场的有效运作，保险行业定价一般遵循两个基本原则：一是保险公司必须根据被保险人的风险预期进行定价，包括针对保单提出索赔的可能性和索赔成本；二是共同分担风险，多数人的保费支付少数人的损失。这意味着保险产品的价格必定是个性化的，保险公司需要收集大量的个人数据来评估风险，通常这些数据也可用来预测支付意愿，包括个人习惯、就业状况、汽车类型、过去的索赔、地理位置、安全措施等，算法会根据这些信息来预测消费者价格承受能力和赔保概率，并计算出最终价格（参见图2）。
图2保费定价示意图
三、ACPD的属性误读：竞争效果与分析框架
价格歧视一般分为三种类型：一级价格歧视，也称完全价格歧视或个人化定价，是指厂商根据每个消费者支付意愿的不同而设定销售价格的定价方式；二级价格歧视，是指厂商根据不同的购买量而设定销售价格的定价方式；三级价格歧视，是指厂商根据消费者群体分类而分别定价的定价方式。从类别上看，ACPD一般属于一级或二级价格歧视，其经济效果具有不确定性。
（一）ACPD对市场竞争的影响
算法大大改善了因信息不对称造成的麻烦。借助于定价算法，厂商能够在对支付意愿较高的消费者提高价格的同时，不流失对价格敏感的低端消费者群体，甚至可以降低价格与原本无购买能力的消费者达成额外交易，实现利润、销售数量的同步增长。同时，如果有厂商敢于偏离市场总体竞争水平定价，那么市场新进入者和现有的竞争对手势必会抓住机会增加销量，在此过程中，充分的市场竞争状态得以重塑，社会整体福利水平得到显著提高。
从市场需求侧的效率观之：（1）利于增强买方的力量。算法如同消费者的“数字管家”，可用来比较价格和质量、预测市场趋势和快速决策，能显著降低搜索和交易成本，帮助消费者克服偏见，作出更理性的购买决策。（2）利于增强消费者间的公平性。通过消除消费者的偏见，避免非最优决策，算法消费者可帮摆脱“操纵营销术”，依靠数字管家来优化其购买策略，进而增加消费者之间的平等性。利于倒逼厂商竞争抑或创新竞争。“数字管家”不仅允许消费者访问比较价格信息，而且还允许消费者访问更广泛的其他质量维度，以便其进行比较。通过允许消费者比较更多的报价，算法可能会导致消费者转向，进而增加供应商的竞争压力。因此，除了纯粹的需求侧效率，算法消费者还会影响供应商的创新和竞争动机。
图3-1统一定价下的消费者剩余图3-2个性化定价下的消费者剩余
上述讨论都建立在企业能获得关于消费者一致信息的前提下，然而现实情况却未必如此。如当厂商分别从独立数据经纪人处获取消费者数据时，对消费者的认知可能会出现偏差。研究显示，于此情形下，从统一价格到个性化价格会降低消费者剩余和生产者剩余之和（尽管消费者能够从这一举措中受益）。另外，价格歧视对市场竞争的影响还取决于市场本身的竞争程度，而市场的竞争水平是由市场上厂商数量、进入壁垒等因素决定的。
（二）对消费者福利的影响
许多消费者根深蒂固地认为，价格歧视在伦理上是错误的，因此对ACPD抱持鲜明的反对态度。美国宾夕法尼亚大学公布的一项实验结果显示，有78%的受访者表示不希望“得到根据上网痕迹量身定制的折扣”。当然，仅仅依据消费者直觉和上述实验结果尚不足以确定ACPD对消费者福利的全面影响。
1.挖掘了消费者支付意愿，可能减少消费者剩余
禁止ACPD最有力的理由就在于，它会减少消费者剩余，可能导致消费者整体福利的损失。尽管通过额外交易会使社会总福利增加，但厂商借助价格歧视总能确保这部分增加的剩余全部以利润的形式流向企业，保留价格较高的消费者在统一定价下可享受的消费者剩余不复存在，消费者整体受到伤害。然而，研究证明这种伤害只是一种可能性伤害：其一，价格歧视的任一效应都可能占据主导地位，厂商可据需求状况增加或减少消费者剩余和社会福利。例如，Bergemann等人的研究表明，当从统一定价转向价格歧视时，社会福利和消费者剩余既可能同时增加或减少，也可能社会福利增加，而消费者剩余减少。其二，在不完全竞争市场中，ACPD对消费者福利的影响是不确定的。Taylor和Wagman两位学者分别研究了寡头竞争的不同标准模型，结果显示，根据模型的不同，从统一定价转向个性化定价可能导致经济福利降低或提高。在ACPD对消费者整体的可行性伤害中，消费者可能是赢家或输家，社会总福利也可能增加或下降，其中的分水岭就在于个案中价格歧视实现的形式、市场竞争状况、消费者可能的反应等因素。
2.导致消费者剩余在不同类群的消费者之间重新分配
消费者存在不同层次的支付意愿，ACPD能够使支付意愿较低的消费者受益，否则他们将得不到充分的服务。因此，ACPD本身能提高配置效率，当然，多数情况下，配置效率的提高也意味着消费者剩余的重新分配——那些支付意愿高的消费者福利可能会更差，而支付意愿低的消费者（常常是贫困群体）福利则可能更好。从此意义上言，ACPD实际上是根据消费者资源占有程度对价格进行再调整，以给予弱势群体更平等价格的一种补贴策略。统一定价看似公平，实则对不同社会群体带来的负担是不同的，而ACPD通过对支付意愿较低的群体收取更低的价格，减少了资源不平等。
此道理还可适用于解释精明（sophisticated）的消费者与菜鸟（nave）消费者之间的福利转移。根据边际效用递减规律，这种资源再分配能够增加总福利。从执法实践看，当交叉补贴能够导致更好的结果时，可能会受到正面评价。如英国金融市场行为监管局（FinancialConductAuthority,FCA）认为，只要再分配的程度可以接受，保险产品中的价格歧视就可以促进竞争：这种定价结构不一定是整体竞争疲软的证据，并且确实可能涉及相对激烈的竞争以吸引新消费者，甚至在某些情况下迫使这些消费者的价格低于成本。
3.消费者非理性地拒绝交易，有可能减少社会整体福利
如果价格歧视导致消费者普遍失去对卖家的信任，那么将对经济不利。即使是最顽固的经济学家也必须承认，一个增加整体社会福利但伤害大多数消费者的做法会引发严重的道德问题，而这正是大多数消费者对ACPD的印象，诚如前述亚马逊浮动价格实验。如果消费者对价格歧视的负面情绪未得到妥善处理，那么价格歧视所带来的利益都会被抵消，经营者与消费者将陷入“双输”。
此外，对于精明的消费者来说，仅仅出于对价格歧视的怀疑就可能使其四处对比以确保获得最佳交易，而这将会增加其搜索成本，带来市场运行的低效率和更高的交易成本。
（三）对企业成本和利润的影响
算法不仅可降低企业定价成本，而且还能为企业吸引丰厚的投资、奉上可观的利润，增强其动态影响市场的能力，巩固并提升其竞争优势。故此，有越来越多的企业开始转向运用算法定价，就连那些大受“价目表价格和秘密折扣”裨益的企业，为了避免在未来处于竞争劣势也都转而开始使用算法定价。
需指出的是，尽管多数情况下企业都受益于ACPD，但面临激烈竞争时，结果可能就没那么明朗了。研究显示，如果只有一家厂商推出个性化价格，那么这家厂商可以增加利润；如果所有厂商都转向个性化定价，那么竞争的激烈程度可能会增加或减少。一方面，ACPD刺激了企业决策时必须将竞争对手的定价也纳入决策分析范围，这使得企业能够保持长久的竞争力；另一方面，消费者信息的大数据的可用性既可能是有益的，也可能是有害的。在独占的市场结构中，ACPD能够提高企业利润，而在充分竞争的市场环境中，效果则有待进一步检测。概言之，企业能否最终从ACPD中获益，取决于市场结构。
四、ACPD的反垄断规制：属性辨明与政策框架
大数据、人工智能、定价算法等先进技术工具的结合，正在改变着许多市场和行业的竞争格局，其在产生显著效益和效率的同时，也引起了人们陷入近似“技术黑箱”的恐慌。一些竞争执法机构已经对此或准备对此展开调查，以期利用反垄断工具解决某些形式的价格歧视问题。主要国家和国际组织纷纷出台了专门的政策文件、调研报告以个性化定价、动态定价、差别定价为关键词，对ACPD的法律规制进行指引。但迄今尚未出现关于ACPD的成文法定义，也未出现明确禁止ACPD的法律规定，甚至未出现将算法驱动个性化定价认定为垄断行为的司法判例。面对纷繁芜杂的ACPD实践，我们需要思考的问题是：如何将这些经济利弊有云泥之别的行为统一于一个政策框架内？如何才能在鼓励创新与保护消费者利益之间持续良性互动？这就涉及下文要讨论的政策框架问题。
（一）逻辑基础：合法性与正当性的顺位坚守
（二）价值选择：保护竞争与必要妥协
（三）规则构建：经济分析与创新考量
有弹性的法律规定是反垄断法在创新市场立足的前提，如我国《反垄断法》第17条第（六）款预留了“正当性”判断的空间。就算法定价市场而言，该市场属于当下与创新联系最紧密的数字经济行业，竞争压力可以促使企业研发和改善现有产品和技术，企业也可利用创新成果提升市场力量增加收益；反垄断执法机构的介入可能带来有利于竞争的积极作用，同时也可能因对中长期竞争影响估计不足而产生阻碍竞争的结果。反垄断执法可能要冒冷却创新的严重风险，但有形之手与无形之手的选择绝不是非此即彼的，合理选择是需要在具体的市场竞争环境中、针对具体问题，结合不同竞争理论的合理性，找寻二者的恰当组合，并随竞争条件的变化适时调整二者的均衡点。面对技术创新，监管亦需创新，轻手并不是放纵不管而是监管的理性转向，这也意味着要坚持和完善包容审慎监管，更新监管理念与方法，注重激励与约束的平衡，一分为二地看待政府对以“超级平台”为代表的平台经济的市场监管的现实选择，以回应我国经济发展转型升级期保障经济社会平稳过渡，维持国民经济持续增长的战略要求。
值得一提的是，近年来反垄断实务与理论界都在探索如何把“创新”纳入反垄断的审查范围。如德国联邦卡特尔局颁布了《创新：反垄断审查实践的新挑战》的调研报告，初步讨论了如何评价创新的可能性、创新的动机、创新的成本和收益等问题，为反垄断审查机构如何合理介入创新驱动型市场进行了有益探索。尽管创新并非经济学研究的传统内容，但“只要对经济学家研究市场的行为稍加反思，就表明更广泛地运用经济学是可能的。他们的工具就是这样一个假定，即人们都是系自己满足度的理性最大化者”。细品之，创新审查因素实非竞争效果之外搭建的全新领域，而是竞争效果评价在创新领域的细化与延伸。
五、结语
基于多场景下定价算法运用实践的分析，并结合社会整体福利、消费者福利、生产者福利的分析框架来探究其竞争效果，结果表明，ACPD并非只是企业榨取利润、扩张优势的强力工具，多数情形下其还具有促进竞争、提高整体福利之功能。对大数据“杀熟”限制了竞争的断言可能为时过早，所以对其“一禁了之”并非明智之举，执法机构克制冷静的态度是严格公正执法应有的克制，亦是执法权威的必要保证。在竞争行为“两害相权取其轻”已被赋予伦理上的正当性和法律上的合法性的背景下，如果消费者、竞争执法结构不能摘下感性的有色眼镜，保持开放的态度，用理性科学的态度去审视ACPD，那么价格歧视就生而自带“恶”的阴霾，这其实是不公正的，既经不起经济实践的考验，也经不起理性的推敲。
实际上，ACPD问题并非一个纯粹的反垄断问题，在诸多方面有着不同于其他反垄断问题的特殊性。正是通过对这些特殊性的理论分析与阐释，我们可以看到技术创新与合法垄断如何以一种润物无声的方式实现在“高频度创新与颠覆性竞争”的数字经济中持续创造经济繁荣，又看到了所谓的具有自主经营权和掌握技术权威的企业如何在现实中悄无声息地将算法消费者伤害至深。对此，现代反垄断法乃至整个法律体系如何才能保障在网络外部性显著的条件下“赢家通吃”的平台能够不违其技术创新、提升消费者福利之本心，在监管与创新之间将如何平衡才能不失其追逐创新、对抗竞争、寻求正义的“初心”，其德性和操守又将于何处安放才能不负包容审慎执法者“真心”，这些都是我们在运用反垄断法治理ACPD时最需要加以认真思考的问题。
（责任编辑：谢青）
*作者单位：江西财经大学法学院。本文原载于《法学》2020年第9期。以上正文内容不含注释，阅读全文请订阅《法学》。