平台经济领域“大数据杀熟”行为的反垄断规制路径

施耀恬 / 上海市市场监督管理局 翟巍 / 华东政法大学

就概念界定而言，“大数据杀熟”行为并不是一项专业术语概念，而是一种社会习惯用语。1. 参见邹开亮、刘佳明：《大数据“杀熟”的法律规制困境与出路——仅从〈消费者权益保护法〉的角度考量》，载《价格理论与实践》2018年第8期，第47页。所谓“大数据”（Big Data）特指从多种来源高速生成的大量不同类型的数据；相关主体在处理与分析大数据时，需要使用新型的、具备更强大功能的处理器与算法技术。2. Competition Law and Data， Stand:10.05.2016， Gemeinsames Papier der Autorité de la concurrence und des Bundeskartellamtes zu Daten und Auswirkungen auf das Wettbewerbsrecht， p. 4.所谓“大数据杀熟”垄断行为是指：具有市场支配地位的经营者滥用其市场支配地位，利用数据、算法及其他技术优势，在针对用户进行大数据分析基础上而针对不同用户实施的不合理的差别待遇行为。3. 参见靳昊：《反垄断法，离你的生活并不远》，载《光明日报》2018年7月29日，第07版。就本质而言，“大数据杀熟”垄断行为是一级价格歧视的变相实现形式或趋向实现形式。4. 王潺：《“大数据杀熟”该如何规制？——以新制度经济学和博弈论为视角的分析》，载《暨南学报(哲学社会科学版)》2021年第6期，第54页。狭义的“大数据杀熟”垄断行为仅包括具有市场支配地位的经营者针对消费者实施的不合理的差别待遇行为，通常表现形式为价格歧视行为。5. 参见陈永伟：《平台反垄断问题再思考：“企业—市场二重性”视角的分析》，载《竞争政策研究》2018年第5期，第30-31页。广义的“大数据杀熟”垄断行为则包括具有市场支配地位的经营者针对消费者、机构用户以及其他主体实施的不合理的差别待遇行为。

总体来说，平台经济领域“大数据杀熟”问题是一个综合性与系统性问题。这一问题的规制涉及反垄断、反不正当竞争、数据安全、网络安全、消费者权益保护、个人信息保护等多元维度。6. 参见冒纯纯：《“大数据杀熟”的监管规制路径探讨》，载《中国市场监管研究》2021年第7期，第50-52页。因此，反垄断执法机构在解决平台经济领域“大数据杀熟”问题时，需要采取跨部门法视域，也需要注重与其他相关监管部门的沟通与协作。

一、构筑“大数据杀熟”行为实施主体的市场支配地位认定标准体系

在反垄断执法实践中，由于数字经济、平台经济具有的延展性、多边性和多变性特征，实施“大数据杀熟”行为的主体所在相关市场通常很难被准确界定，进而导致该主体所占市场份额难以被准确计算。这直接妨碍了反垄断执法机构对于“大数据杀熟”垄断行为的甄别与规制。鉴于这一情况，反垄断执法机构有必要依据“单边相关市场”“双边或多边相关市场”“横跨多元相关市场”的不同场景，构筑“大数据杀熟”行为实施主体的市场支配地位各别认定标准体系。

（一）“单边相关市场”场景

在“单边相关市场”场景中，反垄断执法机构在认定、推定实施“大数据杀熟”行为的经营者具有市场支配地位时，可以依据《反垄断法》第18条与第19条及《国务院反垄断委员会关于平台经济领域的反垄断指南》，单独或综合参照“掌控关键大数据资源”“掌控关键算法技术”“掌控关键人工智能技术”等标准。由于大数据资源、算法技术与由数据、算法聚合而成的人工智能技术业已成为平台经济发展的“燃料”与“动力”，掌控关键性的大数据资源、算法技术与人工智能技术的经营者容易借此构建市场准入壁垒、数据聚合优势、先发技术优势，进而在单边相关市场构筑起竞争对手难以抗衡与赶超的市场支配地位。

（二）“双边或多边相关市场”场景

在“双边或多边相关市场”场景中，反垄断执法机构在认定、推定实施“大数据杀熟”行为的经营者具有市场支配地位时，可以依据《反垄断法》第18条、第19条及《国务院反垄断委员会关于平台经济领域的反垄断指南》，单独或综合参照“显著的信息不对称态势”“高强度黏附海量用户”“对相关市场准入具有显著影响力”“对相关市场经营活动具有显著影响力”等标准。此类标准详述如下：

1.显著的信息不对称态势标准

在数据驱动型的双边或多边相关市场中，实施“大数据杀熟”行为的经营者具有收集、分析与处理双边或多边用户大数据资源的领先能力，而其他经营者不具备同等程度的能力；由此导致实施“大数据杀熟”行为的经营者与其他经营者之间处于显著的信息不对称态势。

2.高强度黏附海量用户标准

在双边或多边相关市场中，实施“大数据杀熟”行为的经营者所控制的平台黏附大量用户（包括消费者、平台内经营者等），进而掌控海量的用户数据资源；由于平台经济“马太效应”与跨平台转移成本较高，这些用户高度依附于实施“大数据杀熟”行为的经营者，其迁移到其他平台的意愿较低。

3.对相关市场准入具有显著影响力标准

在双边或多边相关市场中，实施“大数据杀熟”行为的经营者控制网络、数据或者平台等基础设施，而这类基础设施对于相关市场的准入而言至关重要。如果实施“大数据杀熟”行为的经营者拒绝开放其掌控的网络、数据或者平台等基础设施，将导致其他经营者无法进入特定的相关市场从事经营活动。如果实施“大数据杀熟”行为的经营者拒绝向竞争对手开放其掌控的网络、数据或者平台等基础设施，那么将极大压缩竞争对手的生存与发展空间。

4.对相关市场经营活动具有显著影响力标准

在双边或多边相关市场中，实施“大数据杀熟”行为的经营者的经营活动（如平台服务、信息服务）对于第三方主体进入采购或销售市场具有至关重要的意义；或者，实施“大数据杀熟”行为的经营者的经营活动对于第三方主体的经营活动能够产生显著影响。

（三）“横跨多元相关市场”场景

在“横跨多元相关市场”场景中，反垄断执法机构在认定、推定实施“大数据杀熟”行为的经营者具有市场支配地位时，可以依据《反垄断法》第18条、第19条及《国务院反垄断委员会关于平台经济领域的反垄断指南》，单独或综合参照“掌控具有跨市场竞争性影响大数据资源”“掌控具有跨市场必要设施属性大数据资源”“塑造横跨多元市场网络效应”“控制底部生态平台系统”等标准。7. 此处所述的底部生态平台是指呈现“守门人”特征的涉及搜索引擎、社交媒体、电子商务等领域的基础性平台。由于这类平台的经营触角横跨多元相关市场，并呈现强大的中介与联结功能，业已黏附海量数据资源与流量资源，因而其成为经营者进入特定相关市场经营的必由路径。此类标准详述如下：

1.掌控具有跨市场竞争性影响大数据资源标准

实施“大数据杀熟”行为的经营者掌控与市场竞争密切关联的大数据资源，并且该大数据资源在多个相关市场都能够对市场竞争产生显著影响。8. 参见陈永伟：《美国众议院〈数字市场竞争状况调查报告〉介评》，载《竞争政策研究》2020年第5期，第11-17页。这类相关市场通常具有数字化赋能与数据化驱动的特征。

2.掌控具有跨市场必要设施属性大数据资源标准

实施“大数据杀熟”行为的经营者在一个相关市场掌控特定的大数据资源，而获得授权访问该大数据资源客观上是其他经营者在该相关市场或其上下游市场经营所必需的。9. 参见杨东、臧俊恒：《数字平台的反垄断规制》，载《武汉大学学报（哲学社会科学版）》2021年第2期，第165页。在这类相关市场或其上下游相关市场中，大数据资源构成商业经营模式得以正常运行的生产要素与基础资源。

3.塑造横跨多元市场网络效应标准

实施“大数据杀熟”行为的经营者采用数据、算法、资本、平台规则等手段，借助直接、间接网络效应，能够在多个相关市场形成横向、纵向一体化闭锁效应，从而在多个相关市场发挥市场支配力或显著影响力。

4.控制底部生态平台系统标准

实施“大数据杀熟”行为的经营者控制涵盖轴心型与辐射型相关市场的底部生态平台系统，能够整合利用横跨多个相关市场的优势力量（譬如先进算法、矩阵式布局、海量用户黏附性、平台多栖性、大数据资源），从而在多个相关市场形成统合型支配力。10. 参见[英]马丁·摩尔、[英]达米安·坦比尼编著：《巨头：失控的互联网企业》，魏瑞莉、倪金丹译，浙江大学出版社2020年版，第120-122页。

二、“大数据杀熟”垄断行为的负面清单、正面清单与存疑清单

为了清晰厘定关于“大数据杀熟”垄断行为的评判标准，提升针对“大数据杀熟”垄断行为的执法效率，并强化对于企业的反垄断合规指引，反垄断执法机构可以设立关于“大数据杀熟”垄断行为的负面清单、正面清单与存疑清单。

凡是被列入负面清单的“大数据杀熟”行为可被直接推定为构成滥用市场支配地位垄断行为，除非具有确凿证据可以推翻这一推论。凡是被列入正面清单的“大数据杀熟”行为可被直接推定为不构成滥用市场支配地位垄断行为，除非具有确凿证据可以推翻这一推论。凡是被列入存疑清单的“大数据杀熟”行为可被推定为具有构成滥用市场支配地位垄断行为的较高风险。对于被列入存疑清单的“大数据杀熟”行为，反垄断执法机构有必要进行重点关注，而实施这类行为的企业也应主动进行反垄断合规审查，并向反垄断执法机构提交证明自身行为合法性的证据材料。

（一）“大数据杀熟”垄断行为的负面清单（黑名单）

依据《反垄断法》及域内外反垄断法律实践，应被列入负面清单（黑名单）的“大数据杀熟”垄断行为包括以下类型：

1.不合理的差异化定价行为

所谓不合理的差异化定价行为是指，具有市场支配地位的经营者利用数据、算法等手段，无正当理由对交易条件相同的用户实施产品和服务差异化定价。11. [英]马丁·摩尔、[英]达米安·坦比尼编著：《巨头：失控的互联网企业》，魏瑞莉、倪金丹译，浙江大学出版社2020年版，第38页。

例如，在交易条件相同的前提下，具有市场支配地位的经营者对作为老客户的消费者收取高额费用，而对作为新客户的消费者收取较低费用，这就构成不合理的差异化定价行为。又如，在交易条件相同的前提下，具有市场支配地位的经营者对价格敏感度低的消费者收取高额费用，而对价格敏感度高的消费者收取较低费用，这也构成不合理的差异化定价行为。

2.不合理的差异化展现行为

所谓不合理的差异化展现行为是指，具有市场支配地位的经营者利用收集掌握的消费者、机构用户及其他主体的数据，使用数据、算法等手段，无正当理由针对消费者、机构用户及其他主体实施不合理的商品、服务信息展现行为，从而导致歧视性的“千人千面”行为。

例如，在同一时间节点，具有市场支配地位的经营者对作为老客户的消费者仅仅展现某类商品序列中高价位商品的信息，而对作为新客户的消费者全面展现该类商品序列中高、中、低价位商品的信息。又如，在同一时间节点，具有市场支配地位的经营者对价格敏感度低的消费者仅仅展现某类服务序列中高价位服务的信息，而对价格敏感度高的消费者全面展现该类服务序列中高、中、低价位服务的信息。

3.不合理的差异化优惠行为

所谓不合理的差异化优惠行为是指，具有市场支配地位的经营者利用收集掌握的消费者、机构用户及其他主体数据，使用数据、算法等手段，无正当理由针对消费者、机构用户及其他主体实施不合理的差异化优惠行为。

例如，在交易条件相同的前提下，具有市场支配地位的经营者对价格敏感度低的消费者不提供优惠券或者虽在形式上提供优惠券但却利用技术手段予以隐藏，而对价格敏感度高的消费者则明示提供优惠券。又如，在交易条件相同的前提下，具有市场支配地位的经营者对长期不购物的消费者提供各种优惠措施，但却对经常购物的消费者不提供优惠措施。再如，在交易条件相同的前提下，具有市场支配地位的经营者通过针对用户数据的分析，对使用高价手机的消费者不提供优惠措施，而对使用低价手机的消费者提供优惠措施。

4.基于大数据分析的信息诱导行为

所谓基于大数据分析的信息诱导行为是指，具有市场支配地位的经营者借助“精准画像”手段，针对消费者、机构用户及其他主体提供“一对一”的涉及商品、服务的虚假信息、片面信息、变造信息，人为制造“信息茧房”“信息误导”，诱使消费者、机构用户及其他主体作出非理性的商业决策，从而损害消费者、机构用户及其他主体的知情权、自主交易决定权与公平交易权，以致最大限度攫取消费者剩余。12. 参见周围：《人工智能时代个性化定价算法的反垄断法规制》，载《武汉大学学报（哲学社会科学版）》2021年第1期，第110页。

例如，一个消费者在多次浏览某头部平台企业的软件订房页面后，该头部平台企业就根据对该消费者浏览记录的分析，向该消费者显示相关酒店房价自动上涨的虚假信息，由此给该消费者营造相关酒店服务供不应求的错觉，诱导该消费者尽快订购相关酒店房间。

5.基于大数据分析的“损人利己”型的广告推送行为

所谓基于大数据分析的“损人利己”型的广告推送行为是指，具有市场支配地位的电子商务、社交媒体、即时通信等互联网细分行业经营者，采取搜索升权、排名前置、流量加持等方式，向交易相对人强化推送、展现自身旗下的产品、服务信息，同时采取搜索降维、排名后置、流量劫持等手段阻碍交易相对人获得其竞争对手旗下的同类产品、服务信息，从而诱导交易相对人做出非理性的商业购买决策。

6.基于大数据分析的负面商业信息压制行为

所谓基于大数据分析的负面商业信息压制行为是指，具有市场支配地位的经营者利用数据、算法等手段，对涉及自身的负面商业信息予以甄别、遴选与技术压制，导致涉及该经营者的企业、品牌的负面商业信息在搜索引擎、社交媒体等互联网平台上不被社会公众所知晓或者不容易被社会公众所知晓，从而达到误导用户的商业目的。13

7.基于大数据分析的针对竞争对手的正面商业信息压制行为

所谓基于大数据分析的针对竞争对手的正面商业信息压制行为是指，具有市场支配地位的经营者利用数据、算法等手段，对涉及竞争对手的正面商业信息予以甄别、遴选与技术压制，导致涉及竞争对手的企业、品牌的正面商业信息在搜索引擎、社交媒体等互联网平台上不被社会公众所知晓或者不容易被社会公众所知晓，从而达到误导社会公众、机构用户的商业目的。

8.超范围与跨行业收集、分析大数据的行为

所谓超范围与跨行业收集、分析大数据的行为是指，具有市场支配地位的经营者违反关于用户数据采集的法定与约定范围，超越授权范围或跨越行业收集用户的数据，并对所收集的大数据进行整合分析的行为。

例如，具有市场支配地位的经营者可能利用收集掌握的用户数据，对用户的信誉、信用、个人隐私内容及受保护的个人信息（如价格耐受度、性取向、人脉关系）作出评估。又如，具有市场支配地位的经营者违反关于用户数据采集的法律规定，没有正当理由强制采集消费者的人脸、指纹、步态等生物信息，并在大数据分析基础上甄别不同类型消费者，然后针对消费者进行“精准营销”。这类行为就构成违法的“大数据杀熟”垄断行为。

（二）“大数据杀熟”垄断行为的正面清单（白名单）

依据《反垄断法》《国务院反垄断委员会关于平台经济领域的反垄断指南》以及域内外反垄断法律实践，以下类型的“大数据杀熟”行为应被列入“大数据杀熟”垄断行为的正面清单（白名单），它们通常不构成滥用市场支配地位垄断行为。

1.基于“公平、合理、无歧视”规则实行的随机性差别待遇行为

所谓基于“公平、合理、无歧视”规则实行的随机性差别待遇行为是指，具有市场支配地位的经营者依据“公平、合理、无歧视”规则，在合理分析分摊成本、季节因素、物流成本等客观因素基础上，针对不同的消费者、机构用户及其他主体实行的随机性差别待遇行为。

例如，如果具有市场支配地位的经营者销售的商品、服务价格存在淡季与旺季的区分、团体票与个体票的区分，而这种差别定价行为主要由成本、供求关系、性价比等客观因素造成，因而由具有市场支配地位的在线旅游平台企业实施的这种差异化定价行为就符合“公平、合理、无歧视”规则，并不构成“大数据杀熟”垄断行为。

2.基于交易相对人的差异化需求而实行的合理差别待遇行为

所谓基于交易相对人的差异化需求而实行的合理差别待遇行为是指，具有市场支配地位的经营者以交易相对人的具体需求为导向，根据交易相对人的具体需求“量身定做”差异化的商品、服务以及交易条件，并向交易相对人收取差异化的费用，或为交易相对人提供差异化的交易待遇。

例如，具有市场支配地位的经营者依据对用户需求的大数据分析，为用户提供的某类商品具有基础版与高配版的区分。如果交易相对人购买基础版的该类商品，则支付的价格较低，但所享受的配套服务、售后服务较为有限；如果交易相对人购买高配版的该类商品，则支付的价格较高，但所享受的配套服务、售后服务较为全面。在这种情形下，具有市场支配地位的经营者不构成“大数据杀熟”垄断行为，而是属于基于交易相对人的差异化需求而实行的合理差别待遇行为。

3.符合商业道德与商业惯例的合理差别待遇行为

所谓符合商业道德与商业惯例的合理差别待遇行为是指，具有市场支配地位的经营者依据公认商业道德与通行商业惯例，在大数据分析的基础上针对不同的消费者、机构用户及其他主体实行的合理差别待遇行为。

例如，如果具有市场支配地位的经营者通过对新客户提供即时性、短暂性特别优惠待遇的方式，以实现招徕客户的目的，那么这一行为就符合公认商业道德与通行商业惯例，它一般不应构成“大数据杀熟”垄断行为。又如，如果具有市场支配地位的经营者通过对老客户提供合理优惠待遇的方式，以奖励老客户的忠诚度，那么这一行为也符合公认商业道德与通行商业惯例，通常不应构成“大数据杀熟”垄断行为。

4.契合法律、行政法规与国家政策要求的合理差别待遇行为

所谓契合法律、行政法规与国家政策要求的合理差别待遇行为是指，具有市场支配地位的经营者针对不同的消费者、机构用户及其他主体实行的差别待遇行为不仅具有合理性，而且契合法律、行政法规与国家政策的倡导性、鼓励性要求。

例如，在交易条件基本相同的前提下，如果具有市场支配地位的经营者在合理期限内对作为交易相对人的中小企业提供优惠待遇，而没有对作为交易相对人的大型、超大型企业提供优惠待遇，那么由于这一差别待遇行为契合国家扶持、鼓励中小企业发展的政策要求，因而该行为通常不应构成“大数据杀熟”垄断行为。

（三）“大数据杀熟”垄断行为的存疑清单（黄名单）

依据《反垄断法》以及域内外反垄断法律实践，以下类型的“大数据杀熟”行为应被列入“大数据杀熟”垄断行为的存疑清单（黄名单），它们可能构成滥用市场支配地位垄断行为。对于被列入存疑清单的“大数据杀熟”行为，反垄断执法机构有必要进行甄别与调查，而实施这类行为的企业也应依据《反垄断法》进行自我合规审查。

1.基于横跨多元市场影响力的差异化待遇行为

所谓基于横跨多元市场影响力的差异化待遇行为是指，在多个相关市场具有市场支配地位或显著影响力的头部企业未经用户同意，将在各个相关市场收集掌握的用户数据予以整合分析，并将数据分析结果用于广告投放以及其他类型的商业目的，进而针对不同的消费者、机构用户实行差别待遇行为。

这类行为既涉嫌侵犯用户的数据自决权，又可能构成“大数据杀熟”垄断行为。不过，如果在多个相关市场具有市场支配地位或显著影响力的头部企业通过大数据分析的方式，为不同消费者、机构用户提供精准契合其差异化实际需求的商品、服务、信息，并且不存在误导、诱导行为，那么这类差别待遇行为不构成“大数据杀熟”垄断行为。

2.基于自动化决策的差异化待遇行为

所谓基于自动化决策的差异化待遇行为是指，具有市场支配地位的经营者开启基于人工智能的自动化决策流程，而人工智能自发、半自发地通过对用户大数据的分析，在交易条件基本相同的条件下，对不同的交易相对人给予差异化的待遇。

在特定情形下，基于人工智能的自动化决策做出的差异化待遇行为可以构成所谓的完美价格歧视行为。也就是说，具有市场支配地位的经营者通过基于人工智能的自动化决策，能够确保其针对每个交易相对人做出的差异化定价都是该交易相对人愿意支付的最高价格。14. 韩伟：《迈向智能时代的反垄断法演化》，法律出版社2019年版，第126页。总体而言，基于人工智能的自动化决策作出的差异化待遇行为是否具有法定的正当理由，反垄断执法机构需要依据个案情形予以判定。15. 参见Oxera Economics Council：《当算法设定价格：谁输谁赢》，喻玲、赖美霞、兰江华、赵天赟译，载《竞争政策研究》2019年第5期，第60-61页。即使基于人工智能的自动化决策做出的差异化待遇行为不具有法定的正当理由，构成“大数据杀熟”的垄断行为，反垄断执法机构依旧需要根据个案情形评判具有市场支配地位的经营者对人工智能的自动化决策是否进行有效的前置性控制，从而最终决定具有市场支配地位的经营者需要在何种范围内与何种程度上承担垄断行为法律责任。

在数据与算法的相互加持下，基于数据、算法的人工智能技术获得突飞猛进地发展。从技术层面分析，人工智能就是由大数据、计算资源与机器学习构成的组合型技术。16. Vgl. Pixabay/Gert Altmann， Big Data und künstliche Intelligenz: Prinzipien für den Einsatz von Algorithmen in Entscheidungsprozessen， S. 3.其中，机器学习属于驱动人工智能体系迭代演进发展的一项关键技术。在互联网领域经营者所设置的机器学习模式下，机器能够在采集、整合、分析大量数据样本的基础上，逐步开发出可被应用于“新的、未知的场景与数据”的规则与模式。17. Susanne Beck et al.， whitepaper， Künstliche Intelligenz und Diskriminierung - Herausforderungen und Lösungsansätze，Stand: Juni 2019， S. 10.由于机器本身具有中立性，它不具备自身的价值观、道德观与世界观，因而机器自发学习的结果可能挑战现有的法律规范、商业道德、社会道德，最终开发出能够损害消费者、机构用户自主作出商业决策的理性能力的规则与模式。18. 翟巍：《数据、算法驱动型不正当竞争行为的规制路径——兼评〈禁止网络不正当竞争行为规定（公开征求意见稿〉》，载《法治研究》2021年第6期，第120页。

举例来说，在具有市场支配地位的互联网领域经营者启动机器学习进程后，机器在自我演化学习进程中，有可能自发通过对特定模式的异构数据的分析，19. 譬如，在互联网或社交媒体上的人类运动数据、信用卡与银行数据、评级数据、旅游数据。针对特定消费者群体、机构用户群体设定不正当的歧视性影响策略，从而构成反垄断法意义上的“大数据杀熟”垄断行为。然而，这类“大数据杀熟”垄断行为可能已经脱离算法设计者的有效控制。基于此，在反垄断监管机构的引导与管理下，互联网领域经营者应当建构关于机器学习的内部合规审查流程及第三方评估机制，以确保自身开启的机器学习方式不会导致“相对方商业决策理性能力受到妨碍”。

不容忽视的是，最近刚刚生效的《个人信息保护法》第24条针对基于自动化决策的“大数据杀熟”行为作出了禁止性规定。基于此，《个人信息保护法》第24条可以为反垄断执法机构前瞻性与前置性规制基于自动化决策的“大数据杀熟”行为提供辅助性参考依据。

三、设立关于“大数据杀熟”垄断行为的类型化规制标准

就行为构成来说，“大数据杀熟”垄断行为可以被拆分为滥用大数据资源行为、滥用算法推荐行为以及滥用大数据资源与算法推荐的混合型行为。因此，反垄断执法机构有必要细化区分“大数据杀熟”垄断行为的不同子类型，然后进行类型化规制。

（一）滥用大数据资源行为的反垄断规制标准

滥用大数据资源行为是指，具有市场支配地位的平台企业没有法定依据或者没有获得用户充分授权，过度搜集与索取用户的大数据资源，并且擅自进行搜集、整合、分析、应用用户大数据资源的行为。这类垄断行为不仅涉嫌违反《反垄断法》，而且涉嫌违反《个人信息保护法》《消费者权益保护法》《数据安全法》《网络安全法》《国家安全法》等法律。

在互联网平台经济领域，至今为止最为成功的平台经营商业模式并非根基于平台企业自身的数据生成行为，而是发端于平台企业利用第三方数据提供平台服务的行为。20. Becker， in: Gloy/Loschelder/Danckwerts， Wettbewerbsrecht， 5. Auflage 2019， § 64 Lauterkeitsrechtlicher Leistungsschutz für Daten， Rn. 55.基于此，具有市场支配地位的平台企业所属的互联网平台属于吸附大量公共数据资源、流量资源的“准公共领地”，而并非由具有市场支配地位的平台企业独占流量池的“私家花园”，因而除具有市场支配地位的平台企业以外的其他企业也应当有权合理共享集聚于互联网平台的公共数据资源、流量资源。21. 参见韩伟：《迈向智能时代的反垄断法演化》，法律出版社2019年版，第9-10页。

在此情形下，如果具有市场支配地位的平台企业通过处理所搜集的涉及竞争的相关数据，设置或显著增加相关市场进入壁垒，或以任何其他方式阻碍其他经营者，或以准许处理该数据作为交易条件，那么这类行为就涉嫌构成违反《反垄断法》第17条的滥用市场支配地位垄断行为。这类行为主要包括以下两种情形：

（a） 具有市场支配地位的平台企业设定强制性交易条件，只有在用户同意该平台企业收集其数据的情况下才能够使用该平台服务，而该平台企业不给予用户关于数据处理的性质、目的和方式的充分选择；

（b） 具有市场支配地位的平台企业处理从其他经营者收到的与商业有关的数据，但不是为了向其他经营者提供自己的服务，且不给予其他经营者关于数据处理的性质、目的和方式的充分选择。

（二）滥用算法推荐行为的反垄断规制标准

算法推荐本身不存在预设的价值观与道德观，它是“适用中性”与“价值中性”的手段。在互联网平台经济领域，几乎所有的互联网平台企业都会应用到算法推荐。具有市场支配地位的平台企业实施的滥用算法推荐行为是指，这类平台企业在掌控大数据资源的前提下，进行信息筛选与过滤，通过算法推荐的方式误导、诱导用户或侵犯用户权益，使用户做出非理性的商业决策，从而损害竞争对手的动态竞争利益，最大程度提升自身企业的盈利空间。22. 参见廖建凯：《“大数据杀熟”法律规制的困境与出路——从消费者的权利保护到经营者算法权力治理》，载《西南政法大学学报》2020年第1期，第73-74页。滥用算法推荐行为可以被细分为误导型、诱导型、侵犯型三类。

1.误导型的滥用算法推荐行为

借鉴国内外竞争法的实践经验可知，具有市场支配地位的平台企业实施的算法推荐行为是否构成误导型的滥用算法推荐行为，既不应当取决于该项算法推荐行为所提供的信息的客观含义，也不应取决于具有市场支配地位的平台企业自身希望其算法推荐行为所提供的信息被如何理解。23. Vgl. Köhler/Bornkamm/Feddersen/Bornkamm/Feddersen， 39. Aufl. 2021， UWG § 5 Rn. 1.57.在判定由具有市场支配地位平台企业实施的一项算法推荐行为是否具有误导属性时，最为关键的评判标准应当是“接受这项算法推荐行为所提供信息的社会公众的一般看法”。

2.诱导型的滥用算法推荐行为

诱导型的滥用算法推荐行为是指，具有市场支配地位的平台企业出于逐利目的，通过采用非价值中性的算法推荐的方式，向交易相对人隐瞒核心信息、重要信息，或者向交易相对人提供不全面、不充分、不真实信息，从而使交易相对人欠缺做出明智商业决策所需要的信息，进而诱使交易相对人做出其本来不会做出的非理性的商业决策。

如果具有市场支配地位的平台企业利用算法推荐方式向交易相对人提供产品、服务信息，则反垄断执法机构有必要依据前后承续的“三层级”评判标准体系，以判断这类提供信息行为是否构成诱导型的滥用算法推荐行为。这一评判标准体系包括：其一，厘定算法推荐所涉及相关产品、服务的普通消费者群体；其二，评判具有一般水准的教育背景、智商、情商、注意力的普通消费者群体将如何理解算法推荐所展现的信息内容；其三，比较前述普通消费者群体对算法推荐所展现的信息内容的主观理解与事实真相之间的具体差异程度。

3.侵犯型的滥用算法推荐行为

侵犯型的滥用算法推荐行为是指，具有市场支配地位的平台企业出于自私逐利目的，利用数据、算法手段，阻碍其他经营者提供高性价比的产品、服务，从而阻滞公平与有效的市场竞争机制的运行。由于具有市场支配地位的平台企业实施侵犯型的滥用算法推荐行为，阻碍其他经营者提供更具性价比与更具竞争性的产品、服务，因而这类行为损害基于有效市场竞争机制的社会公众福祉。

（三）滥用大数据资源与算法推荐的混合型行为反垄断规制标准

《反垄断法（修正草案）》第22条第2款规定，具有市场支配地位的经营者利用数据和算法、技术以及平台规则等设置障碍，对其他经营者进行不合理限制的，属于该条第1款规定的滥用市场支配地位的行为。依据这一规定，未来滥用大数据资源行为、滥用算法推荐行为以及滥用大数据资源与算法推荐的混合型行为均可以被有效纳入《反垄断法》“禁止滥用市场支配地位行为”条款的规制对象范畴。

在内循环与封闭式的数字化生态系统（底部生态系统）中，具有市场支配地位的大型、超大型平台企业能够利用横跨多元相关市场的优势力量（譬如先进算法、矩阵式布局、海量用户黏附性、平台多栖性、大数据资源），嵌合与交融实施滥用大数据资源与算法推荐的混合型行为以及其他类型垄断行为，从而构筑、维持与循环强化自身在互联网多元市场的优势地位，最终在轴心型与辐射型的双轮、多轮相关市场均呈现出“不可战胜”的特征。24. Vgl. BMWi， GWB-Digitalisierungsgesetz， S. 1， https://www.bmwi.de/Redaktion/DE/Downloads/G/gwbdigitalisierungsgesetz-zuammenfassung.pdf?__blob=publicationFile&v=4， besucht am 30.06.2020.

在《反垄断法（修正草案）》第22条第2款规定框架下，国家市场监管总局可以在将来通过颁布实施细则的方式，明文禁止以下类型的呈现双轮垄断特征的滥用大数据资源与算法推荐的混合型行为：其一，具有市场支配地位的大型、超大型平台企业滥用大数据资源与算法推荐手段，对竞争对手与自身所属企业实施差别待遇；其二，具有市场支配地位的大型、超大型平台企业滥用大数据资源与算法推荐手段，通过非法整合与利用竞争相关性数据的方式，精准打击竞争对手，以排除、限制竞争；其三，具有市场支配地位的大型、超大型平台企业滥用大数据资源与算法推荐手段，减损数据或服务之间的互操作性或数据的可移植性，影响消费者与机构用户的理性选择，从而损害市场竞争机制。25. Vgl. BMWi， Referentenentwurf des Bundesministeriums für Wirtschaft und Energie， www.bmwi.de， besucht am 30.06.2020.

“大数据杀熟”垄断行为与数据垄断行为存在密切关联。在互联网领域，数据成为认定或推定企业具有市场支配地位的关键性指标之一。由于大型或超大型网络平台企业采集、控制大数据资源，因而这类平台企业逐渐获得持续性的市场支配力量。26. 参见杨东、臧俊恒：《数字平台的反垄断规制》，载《武汉大学学报（哲学社会科学版）》2021年第2期，第163页。进一步而言，在数字经济时代大型或超大型网络平台企业掌握先进算法与大数据资源，它们可以借助平台、算法、大数据资源，实施“大数据杀熟”等新型垄断行为，这类垄断行为呈现复合性、技术性与隐蔽性特征。受到这类垄断行为侵害的广大经营者、自然人用户、劳动者常常面临“无知之幕”，他们没有法定权限与技术手段获取证明这类垄断行为存在的确定性证据。

综上所述，国家市场监管总局有必要根据数字经济时代新型垄断行为的独特属性，制订契合数字经济时代反垄断执法需求的证据识别、收集、固定、使用规则。

具体而言，一方面，国家市场监管总局及各省局应当借助大数据分析等科技模式，综合调查由网络平台企业控制的平台、算法、人工智能、数字技术、大数据资源，以实现对网络平台企业新型垄断行为的穿透性、预警性与回溯性调查；另一方面，国家市场监管总局及各省局亦有必要借助区块链技术等先进科技，分析规模效应、锁定效应、杠杆效应等数字经济效应，发现、提取与固定由网络平台企业实施的新型垄断行为的痕迹、线索、证据。27. 翟巍：《超大型数字平台企业双轮垄断的规制范式》，载《财经法学》2021年第1期，第25页。

鉴于数字经济时代新型垄断行为的复合性、技术性与隐蔽性特征，国家市场监管总局及各省局亦有必要综合运用经济学分析、社会学实证调查以及反垄断法学分析方法与工具，针对“大数据杀熟”垄断行为实施技术性与科学性解析，以确保针对“大数据杀熟”垄断行为的规制措施具有科学性与实效性。

四、设定“相对方做出商业决策理性能力受妨碍”判定标准

在平台经济领域，不仅大型、超大型平台企业，中小型平台企业都可能利用数据、算法技术手段实施“大数据杀熟”行为。由于中小型平台企业不具有市场支配地位，因而它们实施的“大数据杀熟”行为构成不正当竞争行为与侵害消费者权益行为。而只有具有市场支配地位的大型、超大型平台企业实施的“大数据杀熟”行为才构成滥用市场支配地位的垄断行为。

如果一个具有市场支配地位的经营者涉嫌实施“大数据杀熟”行为，那么反垄断执法机构在评估其是否使交易相对人做出商业决策的理性能力受到妨碍时，可以设定经营者应当告知交易相对人的“关键信息白名单”，然后通过分析经营者履行关键信息告知义务的情况，反向推定经营者实行的“大数据杀熟”行为是否妨碍交易相对人做出商业决策的理性能力。

例如，如果一个网络平台企业借助数据、算法技术手段，向消费者提供来自不同供给主体的商品、服务信息的搜索渠道，那么无论消费者是否与这一网络平台企业达成交易，该企业均应当向消费者提供以下关键信息：第一，在使用数据、算法技术手段过程中，网络平台企业设定“向消费者展现的商品、服务搜索结果排名”的主要参数；其二，与其他参数相比较，确定“向消费者展现的商品、服务搜索结果排名”的主要参数所占据的权重。

除上所述，在反垄断法律实践中，如果网络平台企业开发、使用的算法会导致其自身出现决策偏差后果（系统性失真），以致违反公认的商业规范或商业道德，那么无论网络平台企业是否出于主观故意，它们都必须依据“始作俑者负责原则”，主动预防、识别与分析应用算法产生的偏差风险，并采取减轻或消除算法偏差风险的措施。28. Pixabay/Gert Altmann， Big Data und künstliche Intelligenz: Prinzipien für den Einsatz von Algorithmen in Entscheidungsprozessen， S. 8.

五、基于跨部门法视角规制“大数据杀熟”垄断行为

数据安全是我国数字经济高质量、可持续发展的前提。而大型、超大型平台企业的多元化扩张亦在一定程度上加剧数据安全风险，其表现为两个方面。一方面，由于部分大型、超大型平台企业通常集聚、掌控与应用海量的大数据资源，构成“关键信息基础设施”，因而这引发关于此类企业可能误用、滥用与向境外非法传输大数据资源的数据安全担忧。另一方面，由于部分大型、超大型平台企业经营领域宽广，涉及行业众多，这类企业客观上能够整合在不同行业中搜集的涉及消费者、机构用户的大数据资源，从而针对消费者、机构用户进行大数据分析与“精准画像”，这既可能导致消费者隐私权益、机构用户商业利益受到损害，又可能变相导致社会领域安全风险。

基于跨部门法视角，“大数据杀熟”垄断行为不但违反《反垄断法》，而且还可能违反《反不正当竞争法》《广告法》《消费者权益保护法》《个人信息保护法》《数据安全法》《电子商务法》等诸多法律。29. 参见葛江虬：《解释论视角下〈电子商务法〉定制搜索结果条款的规范目的及限制适用》，载《法律科学(西北政法大学学报)》2021年第3期，第97页；邹开亮、刘佳明：《大数据“杀熟”的法律规制困境与出路——仅从〈消费者权益保护法〉的角度考量》，载《价格理论与实践》2018年第8期，第49-50页。例如，具有市场支配地位的企业实施“大数据杀熟”垄断行为，针对同样服务对老客户收取最高价格，却谎称对老客户收取的是最优惠价格，这一行为就构成虚假宣传形态的不正当竞争行为。又如，具有市场支配地位的企业实施“大数据杀熟”垄断行为，对关涉自身的负面商业信息进行技术压制，以误导消费者决策，这一行为既可能构成虚假宣传形态的不正当竞争行为，又可能构成被《反不正当竞争法》一般性条款所规制的违法行为。

如上所述，“大数据杀熟”垄断行为可能竞合违反多部法律，因而有权规制“大数据杀熟”垄断行为的各职能部门有必要构建跨部门信息共享机制与协同执法机制，以提升执法效率与绩效，强化对于“大数据杀熟”垄断行为的即时性与动态性监管，防范“大数据杀熟”垄断行为导致的各类风险。

六、建立算法推荐的企业合规与外部监管机制

（一）设定平台企业算法推荐应用的自我评估制度与第三方评估制度

国家公权力机关有必要依托“监管平台企业算法推荐应用”的视角，采行聚类分析与统计度量的实证方式，在现行反垄断法律制度与反不正当竞争法律制度中嵌入具有可量化性、可验证性与可操作性特征的算法推荐应用的评价指标体系，从而为平台企业算法推荐应用的自我评估、第三方评估、外部机关监督审查以及社会监督审查提供统一适用的判定标准与参考指标。

在反垄断执法机构的引导与组织下，互联网领域的行业协会及经营者应当尽快研究建立算法伦理合规审查制度，而互联网领域经营者也有必要设立内部的算法推荐合规审查机制，该机制应当涵盖涉及算法推荐的内部治理框架、管控机制与责任机制，以前置性预防由算法推荐所导致的“大数据杀熟”垄断行为。

（二）建立算法透明性与可查验性标准体系

机器算法具有以下三项典型特征：（1）高技术门槛与高度复杂性；（2）短促重新校准周期；（3）高度自动化与持续性自我演化，存在脱离创始人管控的可能性。30. Pixabay/Gert Altmann， Big Data und künstliche Intelligenz: Prinzipien für den Einsatz von Algorithmen in Entscheidungsprozessen， S. 3 f.鉴于机器算法具有的这类典型特征，由机器算法所引发的“大数据杀熟”垄断行为具有极强的技术性与隐蔽性，外部监管机关很难对其实施全景式与穿透式监管。基于此，反垄断执法机构有必要委托第三方科研机构开发相应的技术与工具，强化对网络平台数据的采集、运行及外部影响等领域的动态检测，提升机器算法自我学习进程的全链条、各环节的透明度与可控性，确保机器学习的可解释性与可验证性，进而精准规制由机器算法所引发“大数据杀熟”垄断行为。31. Vgl. Susanne Beck et al.， whitepaper， Künstliche Intelligenz und Diskriminierung - Herausforderungen und Lösungsansätze，Stand: Juni 2019， S. 16 f.

（三）构筑算法推荐的安全测试与安全检测制度

在反垄断执法机构的引导、管理下，互联网领域的经营者应当未雨绸缪，在发展“可信人工智能”的框架下将“公平对待”预设为机器算法自我学习的目标，以确保机器算法自我学习的正向循环发展，防止机器算法自我学习导致“大数据杀熟”垄断行为以及其他数据歧视行为。32. Susanne Beck et al.， whitepaper， Künstliche Intelligenz und Diskriminierung - Herausforderungen und Lösungsansätze，Stand: Juni 2019， S. 18.

综上所述，从经济法视角分析，作为“有形之手”的政府监管是市场经济体系的内生变量而非外生变量，它与作为“无形之手”的市场资源配置机制相辅相成。在市场自由竞争领域，由于经营者具有“理性人”与“经济人”的属性，它们基于逐利本性会实施“大数据杀熟”垄断行为，而市场自发调节机制却对这类违法行为束手无策。基于此，唯有健全市场监管长效机制，塑造公平与公正的市场秩序，才能系统性防范、剔除“大数据杀熟”垄断行为，进而发展壮大各类市场主体，最大程度释放各类市场主体的创新活力与竞争动力，实现“以监管促创新”和“以监管促发展”的目标。