“大数据杀熟” 的法律规制——从个人信息保护到算法规制

赵德勇，张子辉

（河北师范大学法政与公共管理学院，河北 石家庄 050024）

引言

所谓大数据杀熟，是指经营者利用自身掌握的客户信息优势，在确定服务或者商品的价格过程中针对不同客户采取不同价格的行为。社会公众日常使用的携程、飞猪旅行、滴滴打车、饿了吗、星巴克、淘票票等平台企业，均被曝出实施过大数据杀熟行为。这些在诸多知名平台企业普遍存在的大数据杀熟行为涉及人民群众日常生活的各个方面，亟须在法律层面予以规制。然而通过梳理现行法律体系有关规定可知， “大数据杀熟” 在《中华人民共和国民法典》合同编、侵权编存在着规制路径困境，在《中华人民共和国价格法》《中华人民共和国反垄断法》中又有用户权益保护力度不足的问题。因此，本文以《个人信息保护法》和《互联网信息信息服务算法推荐管理规定》为研究对象，从个人信息保护到算法规制完善 “大数据杀熟” 的规制路径方面提出建议，以期解决 “大数据杀熟” 存在的问题，实现保障用户合法权益的同时促进算法的有序发展。

一、 “大数据杀熟” 的表现形式和危害

（一） “大数据杀熟” 的表现形式

“大数据杀熟” 的常见表现形式包括 “一人一价” “一次一价” 和 “个性精准推送” 。 “一人一价” 是指同一时间不同用户登录同一平台的同一页面，同一商品（服务）的价格会根据用户的浏览记录、收藏记录、历史购买记录、支付能力、选择偏好等历史数据为每位用户定制不同的价格。其中 “VIP 相较普通客户价更高” “苹果端用户相较安卓端用户价更高” 是 “一人一价” 的主要表现。 “一次一价” 是指同一用户针对同一品质商品（服务）根据其打开页面的次数不同、在此页面停留的时间长短或是使用的次数不同在定价上存在着明显差距，甚至存在第二次打开页面比首次打开页面价格更高的情况。 “个性精准推送” 是指平台根据搜集的用户数据信息为用户划定商品（服务）的选择范围，使用户只能在给定的高价商品中选择商品（服务）。

（二） “大数据杀熟” 的危害

1.侵害消费者个人权益，背离民法基本原则

首先， “大数据杀熟” 侵害了用户作为消费者享有的个人权益。 “一人一价” 使得用户接收的商品（服务）信息都是平台基于数据分析而定制的，与用户作为消费者享有的知悉真情权相冲突； “一次一价” 使得用户因为搜索或使用的频次不同而在享受同等商品（服务）时给付的价格不同，这损害了用户作为消费者当然享有的公平交易权； “个性精准推送” 使得用户与平台的黏性愈发紧密，用户只能在平台的划定范围内选择商品（服务），这在一定程度上侵害了用户作为消费者的自主选择权。其次，平台的 “大数据杀熟” 违背了民法的自愿原则、公平原则以及诚实信用原则。平台利用自身的算法优势，与用户形成严重的信息不对称。这种信息不对称影响了用户在商业活动中意思表示的真实性，使得用户无法做出正确判断从而引发不公平和低效率[1]。这种滥用算法权力的行为，不仅与民法的自愿原则相背离，而且也不符合民法公平原则的含义。另外，平台为攫取自身的最大利益，为用户定制了一个损人利己的商品（服务）价格。这不仅与诚实信用原则中的 “善意” 主观心理状态相违背，而且也不符合该原则 “忠于事实真相，不能欺骗他人、损人利己” 的基本要求[2]。

2.损害平台内经营者权益，扰乱市场正常秩序

“大数据杀熟” 的发展同时也催生新型算法价格共谋行为[3]。平台通过算法排除、限制相关市场经营主体之间的公平竞争，损害平台内经营者利益，扰乱了市场的正常竞争秩序。2021 年，国家市场监督管理总局依法对阿里巴巴实施 “二选一” 的垄断行为处罚182.28 亿元。公布的调查报告显示，阿里巴巴通过制定平台规则、设定算法等方式，决定平台内经营者和商品（服务）的搜索排名及其平台展示位置，控制平台内经营者可获得的流量，迫使平台内经营者通过缔结多个纵向协议完成营销或定价，形成价格共谋，排除、限制市场竞争。 “大数据杀熟” 表面上仅仅损害了用户的合法权益，实则也侵害了经营者们的经营自主权和合法利益，危害了正常的互联网商品（服务）竞争秩序。

3.加剧消费者剩余与社会整体福利之间的冲突

“大数据杀熟” 已经 “路人皆知” ，如果 “熟客” 长此以往地被 “宰杀” ，是否会对杀熟平台产生厌烦心理甚至弃用杀熟平台呢？答案是肯定的。有调查研究显示， “大数据杀熟” 对顾客信任、感知价值和顾客忠诚度存在显著的负面影响，导致老顾客大量流失，造成平台负面口碑影响[4]。 “大数据杀熟” 会剥夺用户作为消费者在统一定价下可享受的消费者剩余，如果不对大数据杀熟进行遏制，大批的老顾客会对杀熟平台丧失信任，导致非理性拒绝交易或者提起诉讼。当经营者所仰赖的算法程序无法妥善处理消费者的不满情绪时，最终付出的成本可能远远高于既得利益。 “大数据杀熟” 的后果将是加剧消费者剩余与社会整体福利的冲突，激化社会矛盾[5]。

二、 “大数据杀熟” 的背后本质——从个人信息数据过度收集到滥用算法

（一） “大数据杀熟” 定性之争

“大数据杀熟” 的定性一直存在争议，学界对 “大数据杀熟” 定性的主流观点有两个：一部分学者秉持价格欺诈说，另一部分学者坚持价格歧视说。

1.价格欺诈说

根据国家发改委《禁止价格欺诈行为的规定》第三条，价格欺诈行为是指经营者利用虚假的或者使人误解的标价形式或者价格手段，欺骗、诱导消费者或者其他经营者与其进行交易的行为。该观点认为， “大数据杀熟” 是平台在对用户收集数据并经分析整合后产生了 “千人千价” 的个性化定价，背离了用户作为消费者对于 “明码标价” 的常识性认知，平台有告知义务却故意隐瞒，致使用户陷入错误认知而作出意思表示，构成消极价格欺诈[6]。但是，有学者认为价格欺诈说不能成立：一方面，用户在购买商品时是基于质量和价格等各类因素的综合考量，大数据杀熟不构成被骗的表意错误，换句话说， “用户才是自身利益的最佳裁判” ；另一方面，区别定价是用户数据在电脑算法中分析、识别、分组、营销自动产生的结果，平台未告知用户其他售价的行为既不是虚构事实，也谈不上隐瞒真实情况[7]。

2.价格歧视说

有学者从经济学视角出发，将 “大数据杀熟” 定性为价格歧视。该观点认为 “大数据杀熟” 是平台利用算法与大数据，突破场景限制，将之前为完成消费服务而收集的消费者个人数据信息，用于对消费者精准 “画像” 并据此攫取 “价格剩余” ，最终实现 “千人千价” ，将经济学理论变为现实[8]。价格歧视是一种产品营销中合理的定价方式，它根据消费者需求的不同推出不同的商品或者服务，以满足消费者个性化的需求弹性。在电商大行其道之前，现实生活中的价格歧视也比比皆是，比如购买衣服时，根据顾客的砍价能力不同，老板给顾客的最后定价也不同。因此，价格歧视是一个中性词汇，想要规制 “大数据杀熟” 将其定义为价格歧视存在不妥。

综上， “大数据杀熟” 的定性问题不仅存在较大争议，而且根据 “大数据杀熟” 的表象进行的法律定性难以真正规制 “大数据杀熟” 。想要真正遏制 “大数据杀熟” ，需要进一步从其行为逻辑层面分析实质。

（二） “大数据杀熟” 的实质是平台过度收集个人信息数据和滥用算法

许多学者研究 “大数据杀熟” 的实现路径，得出的结论虽然各有不同，但是，可以发现，实现 “大数据杀熟” 离不开 “个人信息数据收集—形成用户个人数字画像—算法区别定价” 的根本逻辑。平台经营者先利用用户向其提供的个人数据信息，挖掘数据价值，再利用算法整合数据，实现从 “数据价值” 向 “市场价值” 的跨越。在互联网技术飞速发展的今天，利用大数据、算法并没有错。 “大数据杀熟” 的错误本质在于平台的经营者过度收集个人信息数据和滥用算法。

1.过度收集个人信息数据

在现实的交易场景中，卖家想要达成交易并完成送货上门等服务需求，只需要清楚用户的姓名、地址、联系方式和支付方式等基本信息。而 “大数据杀熟” 场景中，平台在收集基本数据的情况下还会大规模地收集其他非必要个人信息，主要有性别、年龄、爱好兴趣、职业、通讯录、设备信息等等。用户往往会图一时方便上传个人信息，对于没有上传个人信息的用户，杀熟平台也会手段多样地达成目的。其中，最简单粗暴的方法是如果不提供相应信息，卖家会限制或禁止用户对其平台的使用；另一种较为隐蔽的方法是不同平台之间通过数据交换或数据交易分享数据信息，或者以折扣、免费服务或获奖机会换取用户的个人信息。用户在手段多样的平台面前仿佛 “待宰的羔羊” ，难以用正当合法简便的方式维护自己的个人信息数据，最终沦为被 “杀熟” 的对象。

2.滥用算法

平台在获得足够的个人信息之后，凭借算法的权力优势和不透明性，通过滥用算法实现 “大数据杀熟” 。算法在网络世界中对用户而言是 “绝对权力” 的存在。第一，用户必须按照算法的逻辑和步骤才能进入算法构成的网络世界；第二，算法可以通过设置奖励和惩罚影响用户的判断和行为；最后，在算法形成的网络世界里，根据用户和算法的互动形成 “信息茧房” ，实现算法对用户的一种相对掌控。另外，算法还具有不透明性，理解算法需要超高的专业水准。美国学者尼沃·埃尔金科伦等提出了著名的算法黑箱理论：算法在很大程度上就是一个黑箱子，即不透明的输入和输出系统，普通人无从知晓输入—输出之间的相互作用是通过怎样的结构得以发生的，也不知道算法决策依据的具体数据指征和遵循的决策准则是什么[9]。算法设计者在构建算法时，通常使用计算机语言，用户一般难以理解。算法运行时，用户不仅不知道算法运行输入的个人信息数据是什么，也难以理解算法的运行逻辑。用户在算法权力和算法不透明的情况下，既被算法所控制、影响，又难以发现算法存在的问题，使得用户作为消费者很难利用市场反馈机制反制平台，最终被轻易 “杀熟” 。

另外，由于 “大数据杀熟” 应用在手机端、电脑端，往往比较私密，用户作为消费者接受商品（服务）时一般处在相对独立状态，很难发现自己 “被杀熟” 。杀熟平台背后的经营者正是看到了算法在网络世界中的强大优势，才会滥用算法技术，通过 “杀熟” 手段，攫取自身利益的最大化。

三、从个人信息保护和算法规制两个角度完善 “大数据杀熟” 法律规制

伴随《民法典》的实施，我国已经初步构建起以《民法典》为引领，其他法律、部门规章和地方性法规为组成部分的体系化法律规制路径。不仅相继出台（修改）了《电子商务法》《个人信息保护法》和《互联网信息信息服务算法推荐管理规定》，还对重点领域进行了规定，比如针对在线旅游App，出台了《在线旅游经营服务管理暂行规定》。还有部分省份制定了相关的地方性法规，比如2023年1月1日施行的《四川省数据条例》直指 “大数据杀熟” 问题。随着相关法律法规的确立，网络平台的 “杀熟” 之风得到了明显遏制。但是，总体而言，在调整和收集个人信息的事前阶段、处理个人信息的算法决策阶段以及事后阶段等过程中，仍然存在规制不力的问题。有必要在厘清 “大数据杀熟” 本质的基础上，进一步完善相应制度。通过上文可知， “大数据杀熟” 的实质在于平台过度收集个人信息数据和滥用算法，因此，本文将从这两个角度完善 “大数据杀熟” 的法律规制。

（一）收集个人信息的事前阶段：落实个人信息保护中的知情同意规则

《个人信息保护法》明确了知情同意规则在个人信息保护中的核心地位。平台经营者应以个人对信息处理的充分知情和同意作为收集、处理个人信息的前提。平台应该使用显著方式和简明语言确保用户知道收集了哪些个人信息，谁在处理这些信息、处理信息的方式、可能造成的影响等，用户应该在充分知情的情况下自由地行使同意权。知情同意规则是在平台收集个人信息的事前阶段规制 “大数据杀熟” 最有力的方法。然而，法律规定与现实情况存在偏差。一方面，平台或是通过冗长、模糊、晦涩难懂的格式条款消耗用户耐心使得用户默示同意，或是绑定同意选项迫使用户同意，或是提供优惠产品、服务等方式获取用户的同意。另一方面，用户对于知情同意规则了解不足，认为没有必要了解隐私政策、用户协议的详细内容，往往直接 “同意” 了事。总之，知情同意规则脱离了立法者保护用户个人信息的本意，演变成为平台肆意收集用户个人信息，逃脱法律制裁的手段。

为进一步保护用户个人信息不被过度收集，应加强落实知情同意规则。第一，平台的告知义务应当履行到位。就知情与自愿的关系而言，自愿必须建立在知情的基础上，个人只有充分了解其个人信息的收集、使用和转让情况，做出的同意才能称之为自愿同意[10]。网信办等相关部门可以将平台告知义务的履行情况列为算法安全评估的重要事项，倒推平台落实知情同意规则。平台的告知内容应当明确，告知形式应当简洁易懂。无论是否涉及隐私信息，只要属于对个人信息的收集都应该告知用户。针对晦涩难懂、纷繁复杂的用户协议和隐私政策应当采取图文并茂、简洁明了、方便易懂的形式向用户展示，确保用户理解明白用户协议和隐私政策的内容。第二，提高用户对于知情同意规则的了解。用户应当明白自身享有的同意权、知情权，加强对自身个人信息的保护意识。平台可以通过不点开协议就无法进入页面、重点条款加粗加大、语言简短明确等多种形式让用户仔细阅读相关条款，通过协议中设置个性化选项等方式确保用户同意权的准确自由。第三，针对个别平台《服务协议》《隐私政策》存在不合理条款的情况，一方面，网信办等部门可以对《服务协议》《隐私政策》中涉及个人信息收集的条款进行标准化规定，出具相应的模板，实现同一问题同一处理；另一方面，网信办等部门应加大审查力度，完善个人信息保护投诉和举报工作机制，对于反复出现不合理条款的平台加大处罚力度。

（二）处理个人信息的算法决策阶段

1.加强算法管理中的个性化推荐设置

《个人信息保护法》和《互联网信息信息服务算法推荐管理规定》规定，经营者应当向用户提供不针对其个人特征的选项，或者向用户提供便捷的关闭算法推荐服务的选项。通过设置个性化推荐选项，将是否受到算法影响的权利从平台经营者手中转移到用户手中，相对限制了算法权力对用户选择的过度干预，保障用户不被算法控制和影响。然而，用户是否关闭算法推荐服务的真实意思很难得到表达。一是因为大多数用户对于关闭个性化推荐的自主选择权并不知晓，二是因为平台将关闭个性化推荐设置在隐秘地方，甚至个别平台App（如拼多多）存在不设置关闭个性化推荐选项的情形。用户想要关闭算法推荐服务，首先要对关闭个性化推荐选项有清晰的了解。其次需要进行步骤查询，操作多个步骤才能予以关闭。为保障用户对个性化推荐设置的自由选择权，应加强算法管理中的个性化推荐设置。消保委、网信办等部门应加强对个性化推荐设置的监督，提高用户对个性化推荐设置的认识，促使平台简化个性化推荐设置流程。

2.明确算法处理时使用的个人信息

根据《互联网信息信息服务算法推荐管理规定》，算法推荐服务的情况应当以显著方式告知用户，以增强算法的透明度和可解释性。但是，平台将算法推荐服务情况告知用户存在现实困难。以数据画像技术为例，该技术是通过收集数据主体信息，包括工作绩效、经济状态、健康状况、个人偏好等来预测数据主体的行为并做出决定。平台背后的经营者作为算法推荐服务提供者，可能自身也不清楚算法的具体运行情况，更何况让其向用户解释。用户作为非专业计算机人士，理解算法决策运行逻辑也存在困难。因此，为增强算法透明度和可解释性，应将重点放在披露算法处理时使用的个人信息和数据上。对于平台而言，公示算法处理时使用的个人信息和数据既保证了算法在平台中的商业价值，也不会给平台造成解释不清的困难。对于用户而言，可以了解自己哪些个人信息被算法处理。明确算法处理时使用的个人信息不仅有利于通过纠正错误的个人信息实现错误算法结果的改正，也有利于掌握平台收集的非必要个人信息，进而更好地维护自身的合法权益。

3. “大数据杀熟” 的事后阶段

现有法律大多从事前监管出发规制平台滥用算法，忽略了 “大数据杀熟” 的事后规制，导致用户被 “杀熟” 后救济手段较少。在 “大数据杀熟” 相关案件中，因为平台掌握技术优势，可以倚仗数据缓存、时间变化来掩饰 “杀熟” 行为，所以处于弱势地位的用户难以获取证据，存在举证难、维权成本高的问题。

完善 “大数据杀熟” 法律规制，需加强事后规制手段。第一，应通过举证责任倒置来平衡算法及其经营者在互联网市场交易中的优势地位。《民法典》规定的举证责任倒置情形是为了平衡法律关系双方的利益，保证弱势一方在法律关系中的权利。在 “大数据杀熟” 场景中，平台后的经营者利用算法的绝对权力、不透明性和 “杀熟” 的隐蔽性，使得用户明显处于弱势地位，并且由于算法、数据等均由经营者掌控，用户举证十分困难，单单凭借 “谁主张，谁举证” 的规则难以通过司法路径有效维护自身合法权益。在 “大数据杀熟” 事后追责模式中纳入举证责任倒置原则不仅有利于算法权力规制而且符合民法的价值追求。第二，明确法律规定的 “重大影响” 和 “不合理” 。《个人信息保护法》第24 条规定，通过自动化决策方式做出对个人权益有重大影响的决定，个人有权要求个人信息处理者予以说明，并有权拒绝个人信息处理者仅通过自动化决策方式做出决定。其中，对个人权益有 “重大影响” 的判断标准存在认定不清嫌疑。无独有偶，在《互联网信息信息服务算法推荐管理规定》第21 条中，算法推荐服务者不得根据消费者的偏好、交易习惯等特征，利用算法在交易价格等交易条件上实施不合理的差别待遇等违法行为。对于 “不合理” 差别待遇同样存在认定界限模糊的问题。认定不清导致用户对于达到 “重大影响” “不合理” 的举证存在现实困难，难以根据法律相关规定实现 “大数据杀熟” 的合理维权。因此，相关立法部门应该对于《个人信息保护法》第24 条和《互联网信息信息服务算法推荐管理规定》第21条的 “重大影响” “不合理差别待遇” 进行明确规定。首先，不论是 “重大影响” 或是 “不合理” 都应从一般理性人视角分析算法结果是否对用户的原有利益造成严重影响，而不应从用户的主观视角进行判断。其次，在 “大数据杀熟” 场景中，一定时间段内平台对于用户频繁 “杀熟” 造成用户的个性化推荐、商品（服务）价格与其他用户明显不同，属于法条规定的 “重大影响” “不合理差别待遇” 。相对的，如果算法只是根据市场波动导致商品（服务）价格有轻微波动的，不属于 “重大影响” 或者 “不合理差别待遇” 。第三， “大数据杀熟” 案件可以纳入公益诉讼。一方面，平台借助不断刷新的搜集和推送技术使大数据杀熟波及范围更广、隐蔽时间更长，形成辐射性和散发性危害，侵犯人格权益规模呈几何级倍增[11]。另一方面，大数据杀熟的复杂科技性对于原告的举证能力有很强的要求，普通用户往往难以具备诉讼成功的能力。将 “大数据杀熟” 案件纳入公益诉讼可以平衡平台的优势地位，充分确保用户在被 “大数据杀熟” 后享有合法维权的途径。

总之，对于用户被 “大数据杀熟” 后存在的举证难、维权成本高问题，应当通过举证责任倒置、明确法律规定的 “重大影响” 和 “不合理” 以及纳入公益诉讼来完善 “大数据杀熟” 的事后规制。

四、结论

“大数据杀熟” 已经广泛被各大平台应用， “一人一价” “一次一价” 和 “个性精准推送” 成为平台利用算法损害用户和平台内经营者权益、扰乱市场秩序的常见形式。从 “大数据杀熟” 常见形式分析 “大数据杀熟” 的性质，再到分析 “大数据杀熟” 的本质，可以得出结论： “大数据杀熟” 的错误本质在于过度收集个人信息数据和滥用算法。因此，本文从个人信息保护和算法规制两个角度完善 “大数据杀熟” 法律规制，在收集个人信息的事前阶段进一步落实个人信息保护中的知情同意规则，在处理个人信息的算法决策阶段加强个性化推荐设置和明确算法处理时使用的个人信息。在用户被大数据杀熟的事后阶段，通过举证责任倒置、明确 “重大影响” 和 “不合理” 的含义以及纳入公益诉讼三种方式进行完善。