喻 玲 兰江华

一、问题的提出

“信息化和经济全球化相互促进，互联网已经融入社会生活方方面面，深刻改变了人们的生产和生活方式”(1)习近平：《在中央网络安全和信息化领导小组第一次会议上的讲话》，《人民日报》2014 年2 月28 日，第01版。，包括经营者定价的方式。经营者总是期望通过合理的价格制定和变更的策略来获得尽可能多的利益，但在工业经济时代，受制于有限的定价信息与定价工具，市场最优定价夙愿难酬。迈进数字经济时代，在智能算法的加持下，海量数据算法赋能经营者定价，工业与商业定价无论是在数量还是在质量上都得以飞速提升，算法驱动的个性化定价成为市场新宠。当算法驱动的个性化定价处在经营者尤其是数字平台的热捧之下，市场投之以琼瑶，而公众却拂之以蒺藜，他们担心平台不但窃取自己的隐私数据，成为比自己更了解自己的人，更害怕自己沦为超级平台的鱼肉，任其宰割。因此，痛斥“大数据杀熟”“价格歧视”之声四起。

算法个性化定价(Personalised pricing)是指企业利用观察、自愿提供、推断或收集到的消费者的个人行为或特征的信息，推断出消费者愿意支付的价格，进而为不同的消费者设定不同的价格(2)See UK OFT，“Personalised Pricing - Increasing Transparency to Improve Trust”, OFT 1489, 2013, p.2.。当“人”及“人的支付意愿”而非“商品价值”在经营者的定价策略中被精准描绘(用户画像)并商业使用时，急遽发展的数据、算法及智能科技却正在通过细分人(消费者)，改变人的“公平感知”，进而操控人的购买决策。不管是对支付意愿不高的冷静消费者，还是对品牌无感的中立消费者，抑或是对具有较强“反制能力”的成熟消费者，但凡定价算法所过之处，个性化定价技术都可以科学精准地对其加以操纵和把控。如此，消费者俨然已不再是原初的那个独立存在的 “理性购买者”，平台亦已不是过去单纯的商品或服务的提供者。平台在个性化定价交易中的角色和地位如何？消费者何以被细分？被细分的消费者可以在何种程度上掌握自己的交易? 以消费者细分为基础的个性化定价构不构成反垄断法意义上的价格歧视？反垄断执法机构是否应该介入到该类交易中去？方式方法为何？ 凡此种种，皆因工业经济时代的定价难题已被算法驱动的个性化定价技术驯化而成为尖锐的时代课题。

对此，本文拟以消费者细分为视角，对反垄断法应该以何种姿态面对算法驱动个性化带来的规制挑战展开理论思考，以期能借此推动反垄断法对数字经济监管的理念与技术的革新，而这显然需要对算法驱动个性化的运行基础、运行逻辑及消费者细分策略进行深入的分析。

二、消费者细分：算法个性化定价的技术架构

(一)算法个性化定价的技术逻辑

从技术逻辑上看，定价的算法运行是指不断输入计算机程序指令，通过试错法从“大数据”中找出消费者目标商品与目标定价方案，使算法能够不断调整和优化价格。定价算法使得卖家的定价变得高效、动态和个性化。在算法定价模式下，不同的消费者可能因他们最近的行为或用户情况获得不同的价格，同一个消费者也可能因访问同一页面两次等行为而获得不同的价格。因此，其运行可以解构为三个步骤：第一步，通过大数据分析消费者上网痕迹、消费习惯、个人偏好，并据此生成对应个人的用户画像。第二步，运用价格算法推测用户最大支付意愿，从而向用户推荐不同价格的个性化商品。第三步，制定一个对不同消费者索价不同的价格歧视机制，有可能是直接对不同消费者显示不同的价格，也有可能是提供间接的个性化折扣或者特定产品组合优惠。

从目标上看，通过追逐消费者支付意愿，算法驱动的个性化定价以获得更多利润为宗旨。不同消费者对同样的商品有着不同的支付意愿，而经营者主要通过分析消费者的购买历史、消费水平、比价习惯等因素来预测其支付意愿。借助定价算法对消费者进行细分，经营者能够在提高对支付意愿较高消费者的定价的同时，不流失对价格敏感的低端消费者群体，在某些情况下还可以降低价格，与在统一价格下没有购买能力的消费者达成额外的交易，从而实现利润的最大化。

(二)算法个性化定价实践中的消费者细分解构

个性化定价广泛运用了顾客细分(Customer Segmentation)理论。顾客细分最早由Smith Wendell在1956年提出，是指按照一定的标准将企业现有顾客划分为不同的顾客群。顾客细分在市场营销中具有重要的地位，它能够帮助企业更好地识别不同的顾客群体，采取差异化的营销策略，从而有效地降低成本，同时获得更强、更有利可图的市场渗透(3)See Suzanne Donner，“What Can Customer Segmentation Accomplish”, Bankers Magazine, (2), 1992, pp.72-81.。

1. 支付意愿细分：高支付意愿、低支付意愿

个性化定价的直接目标是将消费者分为高支付意愿消费者和低支付意愿消费者。相对于统一价格，企业通过个性化定价向高支付意愿群体收取更高的价格，向低支付意愿群体收取更低的价格，从而获得更多消费者剩余(4)See L.Stole，“Price Discrimination and Imperfect Competition”, ed. by M.Armstrong and R.Porter, Handbook of Industrial Organization: Volume III, North-Holland, 2007, pp.2221-2299.。支付意愿主要取决于消费者的偏好、预算以及消费者预期从该交易中获得的利益大小(5)See Oren Bar-Gill，“Algorithmic Price Discrimination: When Demand Is a Function of Both Preferences and (Mis)Perceptions”, The University of Chicago Law Review, Vol. 86, No. 2, 2019, p.218.。过去，受制于识别工具和数据的匮乏，企业无法识别每一个消费者的支付意愿，充其量只能将消费者分为不同的群组进行定价，例如分成学生、白领、老人等消费者群体并给予不同的优惠。步入数字经济时代，大数据和算法的使用使得企业能够对消费者个人数据与消费数据进行准确识别，针对消费者个体单独提供个性化的价格，大大增强了企业攫取利润的能力。

2. 品牌偏好细分：忠诚消费者、非忠诚消费者

按照消费者是否具有对特定企业产品的偏好，可以将消费者分为忠诚消费者和非忠诚消费者。品牌偏好可能受到消费者对产品的喜爱程度、与企业的距离、购买习惯的影响。企业对非忠诚消费者的争夺更激烈，对忠诚消费者的争夺更弱，因此企业倾向于提高忠诚消费者的价格，降低非忠诚消费者的价格(6)See Mark Armstrong，“Recent Developments in the Economics of Price Discrimination”, in R. Blundell & W.K. Newey & T. Persson (eds.), Advances in Economics and Econometrics: Theory and Applications: Ninth World Congress: volume II, Cambridge University Press, 2006, pp.97-141.。对消费者来说，其得到的最终价格取决于企业实施价格歧视的状况：当两家企业互相将对方的客户标记为非忠诚消费者时，由于竞争加剧，价格歧视最终会导致企业对所有消费者都降低价格；当两家企业将特定消费者同时标记为忠诚消费者或非忠诚消费者时，价格歧视将导致一些消费者价格上涨，一些消费者价格下降(7)See Mark Armstrong，“Recent Developments in the Economics of Price Discrimination”, in R. Blundell & W.K. Newey & T. Persson (eds.), Advances in Economics and Econometrics: Theory and Applications: Ninth World Congress: volume II, Cambridge University Press, 2006, pp.97-141.。

3. 消费反制能力细分：成熟消费者、天真消费者

根据消费者是否采用匿名、比价工具等反制措施，消费者又可以分为成熟消费者和不成熟消费者。不成熟消费者受制于个性化定价，不会采取任何躲避和反制措施。而成熟消费者了解企业个性化定价的策略，会伪装成是低支付意愿消费者，以享受优惠价格。成熟消费者与不成熟消费者之间的差异是使用互联网的人在经验上不平等的表现之一，其主要成因在于消费者数字文化程度的差异。如果成熟消费者数量较多，企业将设计更为复杂或不透明的定价方案。例如，企业可能通过将低价产品与昂贵的担保或运费捆绑在一起，使用一些伎俩，以低价迷惑粗心大意的消费者，然后卖给他们不同的商品，或者将重要细节隐藏在复杂合同的小字里。当这些伎俩奏效时，个性化定价的正当性可能会被质疑(8)See US Executive Office of the President of United States，“Big Data and Differential Pricing”, 2015, p.6.。企业也可以不那么注重静态利润最大化，而是选择在后期通过战略定价来增强市场力量。这类策略包括使用算法来区分成熟消费者与不成熟消费者，以及筛选出具有高支付意愿的消费者。企业根据消费者的特征和行为信息对消费者进行细分，使得企业能够识别和占领利润更高的细分市场领域，并降低消费者向竞争对手付费的意愿。这种做法可以使进行价格歧视的企业从有利可图的细分市场中积累更多的市场力量，但可能对消费者造成损害，特别是如果这些企业瞄准的是弱势消费者或利用消费者的行为偏好时(9)See Oxera，“When Algorithms Set Prices: Winners and Losers”, https://www.oxera.com/wp-content/uploads/2018/07/When-algorithms-set-prices-winners-and-losers.pdf, Last visit on Sept. 19, 2019, p.26.。

三、算法个性化定价：反垄断法属性与规制逻辑

(一)算法个性化定价的反垄断法属性

从外观上看，以保留价格定价为核心的个性化定价属于一级价格歧视。从语义上看，价格歧视一词本身带有贬义，容易让人对该行为产生偏见(10)喻玲：《算法消费者价格歧视的反垄断法属性之误读与辨明》，《法学》2020年第9期。。但从经济学的角度看，价格歧视实际上是厂商的定价策略，是中性的，对社会整体既有积极影响，也有消极影响。从积极效果来看，消费者可从以下三个方面受益：(1)扩大产出，满足更多消费者需求。通过价格歧视，企业可以为本来不会购买的消费者设定更低的价格来提高交易数量，如果价格歧视不是完美的，这种歧视将增加消费者福利(11)See OECD，“Price Discrimination”, DAF/COMP(2016)15, 2016, p.10.。(2)促进竞争。当企业可以实施价格歧视时，企业将为那些偏好竞争对手产品的消费者设定更低的价格，以便抢走这些交易；当竞争对手也采取相同策略时，价格歧视将导致整个行业价格下降(12)See Corts，“Third-Degree Price Discrimination in Oligopoly: All-Out Competition and Strategic Commitment”, RAND Journal of Economics, Vol. 29, No. 2, 1988, pp.306-323.。(3)创造动态激励。价格歧视增加的利润可以激励企业投资于有助于他们获得更大利润的事业，例如通过鼓励创新和降低成本的投资来提高动态效率，这可能有利于消费者(13)See OECD，“Price Discrimination”, DAF/COMP(2016)15, 2016, p.10.。

价格歧视的消极效果也是明显的，总体上有三类(14)See OECD，“Price Discrimination”, DAF/COMP(2016)15, 2016, p.8.：(1)损害竞争。主导企业利用价格歧视直接损害竞争对手，例如对忠诚客户索取高价，对其他客户提供低价，从而排挤竞争对手，这也可能会因限制了竞争而对消费者产生间接损害。(2)直接伤害消费者。企业利用其市场力量实施价格歧视，导致消费者被迫支付更高的价格或接受更低质量的产品，从而损害消费者利益。(3)对公平或其他政策目标的损害，因不同司法辖区认知、理解不同而存在差别。正因为同时存在积极效果和消极效果，反垄断执法机构一般对价格歧视行为采取合理分析原则，根据其最终效果是积极还是消极的来判断其是否应受到反垄断法规制。

个性化定价属于经济学意义上的价格歧视，但未必属于反垄断法意义上的价格歧视。个性化定价是否构成反垄断法意义上的价格歧视，仍需要遵循滥用市场支配地位行为的分析框架，借助经济效果考量，才能完成。

(二)算法个性化定价的反垄断法规制逻辑

1. 算法个性化定价实践中消费者细分的伦理效果解读

虽然伦理效果并不是传统上进行干预的理由，但在反垄断价值目标趋于多元的当下(15)张守文：《反垄断法的完善：<定位、定向与定则>》，《华东政法大学学报》2020年第2期。，有必要对算法个性化定价的伦理效果进行解读，考量其对诚信、公正、正义是否造成破坏，这有助于判断是否有必要干预，以及是否存在正当理由。

其一，个性化定价是否属于欺诈。从道德上来看，个性化定价符合我们对欺诈的认知。康德认为，店主有道德义务向所有顾客平等收费，“经销商不应该向没有经验的购买者多收费，这是善良道德的要求……这样孩子就可以像其他人一样从他那里购物”(16)Immanuel Kant，Groundwork of the Metaphysics of Morals, Cambridge University Press, 1998, p.60.。从这一点来看，个性化定价应该受到谴责，因为它利用了消费者的信任，破坏了社会的诚信基础。可以说，“大数据懂你但不一定爱你”，“最懂你的人伤你最深”。其二，区别对待是经营自由还是歧视。有人认为，定价上的区别对待属于企业经营自由的范畴。除非有令人信服的理由对其进行监管，否则应该允许企业自由经营，这种自由主义观点认为，商品的价值应完全由交易双方对商品对他们的效用的主观判断所决定(17)See Bigwood R.，Exploitative contracts, Oxford University Press on Demand, 2003, pp.179-182.。从市场自由出发，企业应该自由选择自己的定价方法，包括有权向不同的客户提供不同的价格。这种观点为个性化定价提供了有力的辩护。然而，当个性化定价超越公平、造成歧视时，经营自由的观点就难以立足了。对于个性化定价的不公平，克鲁格曼有一个精辟的总结：“个性化定价是不可否认的不公平：有些人仅仅因为他们是谁而支付更多。”(18)See Krugman, p.Reckonings，“What Price Fairness?”, The New York Times, Oct. 4, 2000. https://www.nytimes.com/2000/10/04/opinion/reckonings-what-price-fairness.html, last visit on Dec. 10, 2019.可以预见，如果人们反复因为个人属性而遭受不利，可能会造成一个扭曲市场：一类消费者得到最好的产品和服务，另一类消费者习惯性地被忽视、服务不足和收费过高。从长远来看，这可能会造成更广泛的不公平和歧视。其三，保留定价是加剧贫穷还是财富均衡。当个人支付意愿取决于财富时，以保留定价法为核心的个性化定价会带来财富均衡，因为穷人往往能够得到更低的价格。但是，当支付意愿与需求挂钩时，个性化定价可能造成新的道德困境。例如，在数据分析足够精准的情况下，企业将能够为忘记女儿生日的父亲设定惩罚性价格，或者引诱迫切期待剧情走向的消费者高价解锁最新剧集(19)See Owen Bennett，“AI-facilitated Price Discrimination and The EU Acquis Communautaire: Will the Law Cope with a Pricing Revolution?” 2017, p.5.https://www.academia.edu/35823318/AI_facilitated_price_discrimination_and_the_EU_acquis_communautaire_will_the_law_cope_with_a_pricing_revolution, last visit on Dec. 10, 2020.，这种情况下个性化定价反而增加社会负担。此外，个性化定价还存在另一种不可避免的效果，即财富最终流向生产者。因为个性化定价赋予了企业在不提升质量的情况下从单个消费者身上获取更多利益的能力，尽管更多消费者获得了交易机会，但消费者几乎都受到了价格剥削，生产者因此更加富有。

总之，从诚信角度来看，虽然个性化定价不构成欺诈、显失公平等情形，但损害了消费者对经营者的信任，长此以往可能造成消费者减少交易或谨慎达成交易，形成猜忌、不信任的文化；从公平角度来看，个性化定价扭曲价格秩序，造成了消费者的不公平感知；从正义角度来看，个性化定价给予贫者更低的价格，富者更高的价格，可能有利于减少贫困，但同时这也是一种使生产者富裕、消费者贫穷的方式，这种立场显然也不符合社会价值取向。个性化定价不可避免地造成对诚信、公平、正义等价值的破坏，有必要进行干预，但这并不意味着需要禁止个性化定价，而是要减少这方面的不利影响，反垄断规制的适用与否仍然要以经济效果为依据。

2. 算法个性化定价实践中消费者细分的经济效果解读

(1)增进社会总需求。通过贴近消费者的保留价格进行定价，算法个性化定价促成了低支付意愿的消费者的交易，市场交易总量由高支付意愿加上低支付意愿参与的交易组成，总量显著高于传统市场交易总量，即市场产生扩张效应。同时，通过与支付意愿低于统一价格却高于边际成本的消费者进行交易，个性化定价减少了无谓损失，能够达到增加社会总需求的效果，而总需求的增加是社会繁荣的根本(20)王福重：《人人都爱经济学》，人民邮电出版社2008年版，第113页。，当然，这种增加可能是有限的。随着垄断者将消费者分成越来越细的群体，产出增长的潜力变得有限，因为总产出显然受到该产品潜在消费者数量的限制。

(2)改变分配效率。“在西方文明中，竞争一直既是上帝又是魔鬼。它许诺并提供了财富与经济进步；它也改变财富的分配，动摇共同体的根基，向道德规范发起挑战。”(21)[美]戴维 J·格伯尔：《二十世纪欧洲的法律与竞争》，中国社会科学出版社2004年版，第1页。作为资源优化配置的最佳机制，市场主要通过价格对稀缺资源进行分配，在这个过程中，既要注重效率，又要保障公平。与统一定价相比，个性化定价的优势在于：第一，减少了福利交换不公。在统一定价模式下，如果同一件商品对某消费者具有更高价值，那么该消费者在支付同样价格的情况下将获得更多福利剩余。在个性化定价模式下，每一个消费者最终支付的价格等于产品对他们的价值，通过交易他们获得的剩余相等(22)See Etye Steinberg，“Big Data and Personalized Pricing”, Business Ethics Quarterly, 2019, p.5.。即个性化定价提供了一种更好的、平等对待消费者福利的方式。第二，促进了资源平等分配。考虑资源占有情况的现实差异，统一定价看似公平但实质上会造成不公平的负担，并加剧现有资源不平等。如同一件商品，卖1000元对富人和穷人来说是相同的形式成本，但实质成本(替代成本，人们为了支付这个价格必须放弃的所有其他东西)却完全不同，即就替代成本而言，统一价格对社会中的穷人比对富人更昂贵(23)See Ziv Ben-Shahar，“The Ethics and Regulation of Personalized Pricing” (unpublished thesis, Macalester College, 2017), archived at http://perma.cc/HDF7-DXAR, last visit on Dec. 10, 2019, p.13.。相比之下，“富人被索取高价，穷人享受低价”，为技术逻辑的个性化定价却能够给予消费者更相似的实质性成本、减少资源分配的不平等(24)See Ziv Ben-Shahar，“The Ethics and Regulation of Personalized Pricing” (unpublished thesis, Macalester College, 2017), archived at http://perma.cc/HDF7-DXAR, last visit on Dec. 10, 2019, p.13.。

(3)对消费者剩余的影响。个性化定价有可能增加消费者剩余，这也是经济学家赞同实施个性化定价的主要原因(25)See Ramsi Woodcock，“Personalized Pricing as Monopolization”, Connecticut Law Review, Vol. 51, No.2, 2019, pp.311-373.。在市场扩张效应的作用下，个性化定价满足了更多低支付意愿消费者的需求，更多的消费者将从市场中获益，这能够提高消费者总剩余。也有学者认为个性化定价将减少消费者剩余，因为个性化定价向消费者收取尽可能高的价格，导致消费者剩余获得的好处降到最低(26)See Ramsi Woodcock，“Personalized Pricing as Monopolization”, Connecticut Law Review, Vol. 51, No.2, 2019, pp.311-373.。然而，该观点成立的前提是企业能够完全识别消费者支付意愿。在实际市场中，由于数据获取、识别、预测技术的不完善，以及消费者反制措施的干扰(27)See Hal R. Varian，“Price Discrimination”, in 1 HANDBOOK INDUS. ORG. 597, 1989, p.33.，价格只能趋近于而不能完全等于支付意愿。因此，经营者无法完全转移消费者剩余，在实践中消费者剩余可能增加也可能减少。经济学家还发现，个性化价格会给消费者带来搜索成本，对于精明的消费者来说，仅仅是对个性化定价的怀疑就可能增加搜索成本，使其需要四处对比以确保获得最佳交易，而这将带来市场运行的低效率和更高的交易负担(28)See Topi Miettinen & Rune Stenbacka，“Personalized Pricing Versus History-Based Pricing: Implications for Privacy Policy”, Information Economics and Policy, Vol. 33, 2015, pp.56-68.。企业也可能投资于更好进行价格歧视的技术，这些成本将转嫁给消费者，并减少总盈余。因此，消费者剩余是上升还是下降，要根据个案进行分析，其主要取决于市场竞争水平、价格歧视的复杂性(以及消费者理解价格歧视的可能性)、企业进行价格歧视的成本(29)See UK OFT，“The Economics of Online Personalised Pricing”, OFT1488, 2013, p.11.。

(4)对市场竞争的影响。一方面，个性化定价对竞争有一定的促进作用。在企业识别品牌偏好，并将消费者细分为忠诚消费者和非忠诚消费者的情况下，个性化定价可能会导致更激烈的竞争，这被称为强化竞争效应(30)See UK OFT，“The Economics of Online Personalised Pricing”, OFT1488, 2013, p.25.。这种情况主要发生在寡头垄断市场中，由于可以识别消费者偏好，企业倾向于降低价格互相争夺彼此的用户，这造成更激烈的竞争，并降低整体价格(31)See L. Stole，“Price Discrimination and Imperfect Competition”, in Handbook of Industrial Organization: Volume III, in M. Armstrong, and R. Porter (eds.), North-Holland, Amsterdam, 2006, p.19.。此外，个性化定价对降低市场进入壁垒也有作用，由于算法定价大大降低了设定和更改价格的成本，这使得市场新进入者能够快速了解市场运作方式、方便其加入，也有助于增加提供特定产品零售企业的数量，从而促使竞争更激烈(32)See Oxera，“When Algorithms Set Prices: Winners and Losers”, https://www.oxera.com/wp-content/uploads/2018/07/When-algorithms-set-prices-winners-and-losers.pdf, Last visit on Sept. 19, 2019, p.5.。另一方面，个性化定价也可能抑制竞争。正如价格歧视被认为可以帮助企业提高价格、“创造更大的垄断”一样(33)See Elhauge，“Tying, Bundled Discounts, and the Death of the Single Monopoly Profit Theory”, 123 Harvard Law Review, Discussion Paper No. 629, 2009.，个性化定价也有助于企业增强其市场力量。同时，由于企业获得数据和识别消费者支付意愿的能力是不同的，当企业普遍采取个性化定价时，市场可能会集中于拥有更多数据和更好算法的企业，这种市场力量的积累可能有损竞争。可见，个性化定价对竞争既可能促进，也可能抑制，这主要取决于企业进行个性化定价的形式。

(三)算法个性化定价的反垄断法规制的限度

算法个性化定价所带来的影响是复杂的：从消费者剩余来看，高支付意愿消费者支付了更高价格，低支付意愿消费者从中收益；从经济福利来看，其上升或下降取决于扩张效应与分配效应何者占据主导；从竞争效果来看，消费者可能的反应决定了竞争是得到了促进还是受到了抑制，我们无法得出一个普遍性的结论。但可确定的是，市场机制并没有失灵，算法个性化定价市场的竞争依然存在，消费者运用市场化的解决机制(如比价工具)去反制超级平台的力量依然存在(34)喻玲：《算法消费者价格歧视的反垄断法属性之误读与辨明》，《法学》2020年第9期。，在此市场条件下，以事后惩戒为主的干预措施尚不是首选方案，而以消费者利益保护为导向、能够降低算法个性化定价负面影响的低度干预措施更具生命力。

四、他山之石：算法个性化定价的反垄断规制比较

(一)英国：侧重经济分析与“原则监管”

英国是对个性化定价关注较早的国家，在英国公平交易办公室(OFT)时期，英国就先后出台了数个文件、报告对个性化定价相关问题予以规定(35)See UK OFT，“Personalised Pricing - Increasing Transparency to Improve Trust”, OFT 1489, 2013, p.2.。2014年，英国竞争和市场管理局(CMA)成立后也先后发布多个报告不断深化OFT对此问题的研究(36)See UK CMA，“Digital Comparison Tools: Summary of Final Report”, 2017. See also UK CMA, Pricing Algorithms: Economic Working Paper on the Use of Algorithms to Facilitate Collusion and Personalised Pricing, CMA94, 2018.。OFT在2013年调研后认为“个性化定价更有可能损害消费者福利”，但CMA在调研了定价算法的应用场景、剖析了算法可能导致的影响、考察了算法共谋、模拟了算法个性化定价后认为“个性化定价在很多情况下是有益的”，推翻了OFT的论证依据。在规制对策上，CMA提倡运用算法审计(Auditing algorithms)、呼吁消费者进行主动回击(Using countermeasures)等方式对此进行柔性监管。在2018年，英国上议院通信委员会委托伦敦政治经济学院教授安德鲁·默里进行专门研究，并于2019年发布了《数字世界的监管》报告，提出了“基于原则监管(A principles-based approach)”的监管方式(37)See UK House of Lords Communications and Digital Committee，“Regulating in a Digital World”, HL Paper 299, 2019.。“基于原则监管”由十大原则构成：平等原则、问责原则、开放原则、保护隐私原则、伦理设计原则、儿童识别原则、尊重人权和平等原则、教育和提高认识原则、民主问责制、比例原则。这十项原则旨在指导在线监管的制定和实施，为在线市场提供如同线下的保护，根植于这些原则，互联网将敞开对创新和创造力的开放之门，而一种新的道德行为文化也将嵌入到数字服务的设计中(38)See United Kingdom House of Lords, Regulating in a Digital World: “Select Committee on Communications 2nd Report of Session 2017-19”, HL Paper 299, p.22.。

(二)美国：依靠现有法律框架与加强算法审查

随着大数据在各行各业的应用越来越广泛，2016年白宫发布名为《个性化定价的是与非》的报告，开宗明义地表明了自己对算法个性化定价技术运用的态度——不反对、不惩戒但加强监管(39)See US Executive Office of the President of United States，“Big Data and Differential Pricing”, 2015, pp.6-7.。其基本政策为：(1)区分“差别性对待(Disparate treatment)”和“差别性影响(Disparate impact)”。“差别性对待”意味着经营者将民族、宗教或其他消费者特征作为衡量需求的一个因素，这可能有益于买卖双方；“差别性影响”意味着某些做法对受保护的群体产生了不利影响，这主要归因于大数据选中的一些变量与受保护的群体相关。因此，只要通过大数据检查“决定价格的特定算法”是否与民族、性别或种族等变量相关联，就可以很直接地对“差别性影响”进行统计测试，达到预防歧视的效果。(2)用鼓励竞争替代限制个性化定价。通常来说，支付意愿更低的消费者，可以获得更优的价格，但这是以竞争状况保持不变为前提。如果竞争条件改变，那他们也可能支付更高价格。因此，政策应该侧重于鼓励竞争、创造更健康的市场环境。(3)考虑到技术和商业实践的快速变化，对高风险市场应当提供政策倾斜并继续观察。在就业、保险或信贷等基于风险定价的高风险市场，弱势群体通常因风险更高而更为不利，但现行法律(如FCRA和“民权法案”等)的反歧视条款依然可以适用于这些场景，因此，“让子弹继续飞”(持续的观察)是明智的。(4)规范数据收集行为。政策面临的挑战是：既要促进大数据应用，以抑制过度的冒险行为、帮助解决逆向选择问题，同时又要防止不公平地歧视消费者。报告认为，隐私的财产权保护路径较为可行：消费者比企业更有动力确保他们的信息的准确性，从而促进定价的公平性(40)See US Executive Office of the President of United States，“Big Data and Differential Pricing”, 2015, p.18.。

(三)德国、法国：谨慎修法与加强执法

鉴于社会各界对算法是否以及在何种程度上可能对市场的竞争功能产生有害影响存在较大争议，2019年11月，德国联邦卡特尔局(BKartA)与法国竞争管理局共同发布了《算法与竞争》的研究报告(41)See German Bundeskartellamt & French Autorité de la Concurrence，“Algorithms and Competition”, 2019.。在两机构看来，应对算法定价带来的挑战最有效的方法是增强反垄断执法的有效性。其主要经验包括：(1)增强收集信息工作的有效性。BKartA的惨痛教训是：在针对德国汉莎航空公司算法定价的一项反垄断指控中，BKartA事先认为该案件的焦点是确定价格上涨是定价算法之恶还是人为干预的结果，但在耗费大量执法资源后，BKartA发现这个“焦点”系假问题(42)BKartA, Case Summary of 29.05.18, Case B9-175/17, 2018.。当然，这个教训并不能成为其他情境下执法机构无需调查算法的结论。尽管到目前为止只有少数案件涉及到对算法内部工作原理的分析。(2)增强执法工作的针对性。调查算法内部运行原理难度相差很大，执法机构可以利用其现有的调查职权，例如索取资料、搜查和询问，以取得必要的信息；执法机构还可以根据实际情况，要求企业保存其算法开发和使用的可审计记录或通过企业内部文件来获得信息。(3)执法的具体工作可以概述为二：一是借助潜在的证据，初步推定存在垄断行为，如与算法角色及其上下文相关信息、与算法功能相关信息；二是获取和分析相关证据信息，确定违法行为。算法的奇妙之处在于，算法具有揭示与其功能相关的其他事实的功能，因此，算法分析越深，证据输出越多。具体的分析可以结合不同的调查方法进行，但务必重点分析与算法源代码相关的环境信息和交互信息，比较算法真实的(过去的)输入/输出，在算法生成的输出上模拟或比较其与其他(更容易解释的)算法和方法行为的区别。

(四)小结

由于世界主要国家和地区对市场干预理论、竞争政策地位、既有规制工具的可适用性等问题的认识存在差异，对算法个性化定价问题是否规制存在不同认识，如英国、德国、法国认为应该注重收集证据、加强执法，美国则认为不需要专门针对个性化定价进行规制，而是从隐私保护和数据收集规范的角度纠正现有的不利影响。在规制机构上，各国普遍认为不需要设立新的专门机构，而是加强现有监管机构应对数字经济风险的能力。伴随定价算法应用场景的多元化发展及各国(地区)对该问题的经济效果研究持续深入，人们对算法定价“杀熟”的肤浅认知逐步被“需要基于不同运用场景进行个案分析、权衡利弊的规制思路”所替代，各主要竞争执法机构在强调更新监管工具、加强算法监管的同时，主张保障消费者信息畅通和选择自由，以完善市场机制并克服个性化定价的不足。

五、算法个性化定价的反垄断规制制度改进：基于消费者细分视角

我国近年来不断完善互联网治理相关法律、行政法规、部门规章，已经构建起一套较为系统完备的网络监管法律体系，但对于定价算法的讨论和规制，仍旧处于起步阶段，对其运行的基本原理和使用场景的探讨，以及相应反垄断法上的更新、应对仍待深入(43)施春风：《定价算法在网络交易中的反垄断法律规制》，《河北法学》2018年第11期。。因此，现阶段有必要加强定价算法的法律规范，强化对算法本身的法律监管。在这个过程中，有必要借鉴和学习其他国家在定价算法规制方面的经验：一是注重保护创新，这体现在贯彻审慎包容的监管政策，并遵循现有法律框架，谨慎修法、立法，加强执法；二是要扎根于经济效果分析，辨明个案中个性化定价对经济生活的具体影响，充分收集证据，避免“错杀”对消费者有利的个性化定价；三是注重保障消费者利益，这体现在侧重赋予消费者反制能力、保护消费者信息畅通和选择权有效行使；四是要加强对算法运行机理的研究和规范，加大算法技术领域的监管和执法力度，重点关注高风险领域，以灵活应对数字技术发展挑战。

只有建立起一套针对数据、算法、互联网平台的网络监管法律体系，明确这一领域的监管原则和监管方法，构建起适应数字经济发展的竞争规则，才能促进数字市场和平台经济的健康规范发展，这亦是治理现代化改革在市场监管领域的体现。

(一)科学判断消费者细分策略背后的市场失灵

个性化定价的两面性要求准确适用反垄断法，因而需要依托“市场失灵识别技术”，对具有高频创新和动态竞争特点的数字市场进行持续监管，将算法与大数据的运用置于法治框架内，让消费者、生产者共享技术商业化应用的成果。

1.政策路径：算法审计与算法透明

尽管个性化定价的本质是区别对待，但通过减少基于人身属性的歧视可提高其公平性。个性化定价的不公平很大程度上来源于算法，算法的公平性决定了个性化定价的公平性。因此，监管机构有必要进行算法审计，将公平性标准纳入算法评价体系，避免算法对某些群体作出有悖常理或歧视性的决策。公平性审查主要采取排除敏感参数的做法，例如，为了防止决策过程中出现种族歧视或性别歧视，就需要检验决策中是否隐含了种族或地域这些性别的信息(44)See K. A. Taipale，“Data Mining and Domestic Security: Connecting the Dots to Make Sense of Data”, Columbia Science and Technology Law Review, Vol. 5, No. 2, December 2003.。算法审查可督促算法开发者持续、有意识地控制和减少歧视风险，在算法构建的各个阶段检查、监测偏见可能性，并将训练算法的数据中与歧视有关的信息剔除。算法审计还需注意两个问题：其一，对算法系统进行审查的难点之一是它们的“技术黑箱”特性(45)See OECD，“Algorithms and Collusion: Competition Policy in the Digital Age”, 2019, back cover.，这种不透明性阻碍了发现歧视。为此，有必要要求企业使用的算法系统能够支持审计和解释。这种做法已有先例，例如在欧盟，法律要求投资公司使用的某些算法交易系统必须具有可解释性(46)Article 1 and 2, Commission Delegated Regulation (EU) 2017/589 of 19 July 2016 Directive 2014/65/EU.。其二，算法系统通常受到商业秘密、知识产权的保护，这种保护使得监管机构和研究人员更难调查此类系统。为此，当企业以商业秘密进行抗辩，监管机构可以进行初步审查，在算法系统符合商业秘密的情形下，采取严格的保密措施，例如限制审查的人员、方式、地点，签订保密协议等，以在算法“透明”的公共利益和“不透明”的商业秘密、隐私和其他利益之间达成平衡。

2.法律路径：优化举证责任分配

个性化定价是经济学意义上的价格歧视，但未必是反垄断法意义上的“价格歧视”。从实践来看，目前引起热议的“携程杀熟”事件、“天猫杀熟”事件，在违法行为构成要件的认定上存在较大困难，尤其是相关市场界定、市场支配地位认定方面，这也是至今尚未出现针对个性化定价司法、执法案例的主要原因。造成这种现象既有数字市场的特殊性、复杂性造成传统分析框架不适用的原因，也有技术垄断背景下执法机构以及私人原告与企业存在严重信息不对称、证据困境加剧的原因。在这种情况下，可适度放宽条件，优化举证责任分配规则。具体而言，应适用更灵活的反垄断分析范式，即当私人原告或者执法机构能够提供关于价格上涨、产出下降等反竞争效果证据，则可成立对市场力量的推定，不需要再对相关市场和市场支配地位承担举证责任。实际上，市场支配地位只是用于评估被告行为反竞争效果的大小，本质上属于反竞争效果的间接证据。正如IFD案中的法官所说：“间接证据只是反竞争效果的‘替代品’，直接证据足以将举证责任转移给被告，被告必须在这一点上提出一个合理的辩护，否则将面临对其行为的处罚”。(47)FTC v. Indiana Federation of Dentists, 476 U.S. 447(1986).在国内，最高院在360诉腾讯案中也提出了类似观点：“如果通过排除或者妨碍竞争的直接证据，能够对经营者的市场地位及被诉垄断行为的市场影响进行评估，则不需要在每一个滥用市场支配地位的案件中，都明确而清楚地界定相关市场。”过度谨慎的执法政策以及过分苛刻的举证要求反而会造成规制成本过高，在不同案件中采用更灵活的分析范式和更合理的举证责任分配规则，才能达到“证据搜集的边际收益等于边际成本”(48)See Posner R. A.，“An Economic Approach to the Law of Evidence”, Stanford Law Review, 1999, 51(6):1477-1546.的最优搜索结果。

(二)准确识别并保护消费者细分策略背后的消费者利益

除了法律和政策路径之外，还需依托“利益识别技术”，准确识别消费者细分策略背后的消费者利益，运用差异化、针对性的干预手段，对个性化定价的实际风险进行监管和防范，充分发挥个性化定价优势的同时遏制其不利影响，维护市场的健康发展。

1.竞争法治文化路径：竞争文化宣传与算法个性化定价教育

第一，加强数据收集和使用的规范性。当消费者不能很好地理解价格是如何确定的，以及他们的数据是如何被使用时，他们的信任就岌岌可危。数据披露在电子商务中是不可避免的，尽管消费者愿意分享他们的个人信息以获得预期的利益，但收集个人信息时使用的不透明和复杂的方法使他们对卖家使用信息的方式及其潜在的问题产生了怀疑，这种令人困惑的状态被称为“隐私悖论”(49)See Kokolakis S.，“Privacy Attitudes and Privacy Behaviour: A Review of Current Research on the Privacy Paradox Phenomenon”, Computers and Security, 64, 2017, pp.122-134.。“隐私悖论”指的是尽管人们高度关注隐私，大多数人还是愿意用他们的个人信息来换取可感知的利益。当然，其前提是消费者了解数据收集的方式和用途，否则36%至49%的消费者会排斥这种做法(50)See European Commission，“Consumer market study on online market segmentation through personalised pricing/offers in the European Union”, ISBN 978-92-9200-929-8, 19 July 2018.。也有调查显示，多数消费者认为如果经营者收集用于个性化定价的个人数据的同时给予他们放弃的选项(51)See Vijay Victor1, Maria Fekete-Farkas2, Zoltan Lakner3，“Consumer Attitude and Reaction towards Personalised Pricing in the E-Commerce Sector”, Journal of Management and Marketing Review, 4(2), 2019, p.146.，他们会更乐意接受。因为这种做法会在定价过程中给消费者带来更多包容感，从而增加他们对经营者的信任。

我国目前法律虽然明确要求数据收集和使用必须经过授权(52)《中华人民共和国网络安全法》第41条：网络运营者收集、使用个人信息，应当遵循合法、正当、必要的原则，公开收集、使用规则，明示收集、使用信息的目的、方式和范围，并经被收集者同意。，但是实践中经营者所给予的授权选项往往隐藏在长达几十页的说明中，并且往往采取“同意或退出”式强制性做法。这种做法不但有损消费者信任，还有可能招致不当收集数据的法律风险。因此，有必要教育、引导企业更为规范地收集数据，尤其对适用于个性化定价的数据收集上，应该采用更为明显的告知方式，给予消费者真正的“选项”，唯有如此方能够取得消费者的理解和信任，以培养更多忠诚用户、促进企业长久发展。

第二，提高消费者对个性化定价的认识。公众对个性化定价的反对态度是可以预见的。如果消费者因反对而减少购买，显然不利于市场的繁荣。然而，公众对于个性化定价并非是一种原则上的反对，就像“隐私悖论”一样，如果消费者了解到个性化定价是有益的，他们并不会抵制。从定价原理上看，个性化定价并非新鲜事物，其早已存在于保险、航空等行业，尽管早期受到技术条件、数据获取能力的限制，这些企业只能将消费者划分为不同的消费群体进行定价，无法精确到每一个人，但该种定价方式的理念与个性化定价是一样的。不同的是，早期消费者并未强烈反对这些领域的“个性化价格”。细品之，其原因有二：一是保险、航空的定价较为透明，消费者在购买之前就已经了解到价格是个性化的，他们可以自由选择是否购买，购买过程并未超出他们的心理预期；二是经过多年沉淀和发展，人们逐渐了解到了保险、航空公司这种定价方式有着风险补偿、管理易腐产品的益处(53)风险补偿：保险产品根据客户风险进行定价，使企业能够在更有可能发生保险事故的地方收回成本；管理易腐产品：航空等交通运输行业需要动态改变价格以保障在起飞前出售全部机票以收回成本。，提高了消费者的可接受度。因此，通过教育消费者提高他们对个性化定价的认知，了解个性化定价的利弊影响，或能改变其抵触的心理，从而减少无谓损失。

2.技术路径：赋予消费者反制能力

第一，打造算法消费者。算法消费者是应对个性化定价、保护消费者利益的有效方式。算法消费者(Algorithmic Consumers)即消费者不直接做出购买决策，而是将这些任务外包给比价网站提供的比价算法，从而最大限度地减少他们在购买决策中的直接作用(54)See Michal S. Gal & Niva Elkin-Koren，“Algorithmic Consumers”, Harvard Journal of Law & Technology, 30(2), 2017, p.312.。诸如Travelocity、Expedia、PriceGrabber等比价网站可以显示类似商品的实时价格，便于消费者进行比较和决策。越来越多的人使用这些比较工具，它们让消费者更容易购物，并提高市场竞争，促进更低价格、更高质量、更好的创新和效率。算法消费者的出现还会影响市场需求和交易条件，这在一定程度上是因为算法消费者可以显著降低搜索和交易成本，帮助消费者克服偏见，做出更理性的选择，增强买方力量。可以说，算法消费者是对抗算法定价成本最低、最有效的方式。有鉴于此，竞争执法机构和消费者协会有必要进行宣传、引导，提高消费者对个性化定价以及消费者端算法的认识，鼓励他们使用基本的数字比较工具以获得更有利的价格。此外，为了更好地为消费者赋能，还可以激励第三方开发相应的数字工具，以提高消费者在数字市场的自主能力。

第二，提高个性化定价透明度。鉴于消费者的不信任和恐惧部分可以解释为缺乏对价格的正确认知，并且信息不对称是数字经济中一个重要的市场失灵，提高个性化定价透明度可能是一条有效的治理路径。执法机构应该通过约谈或出台相关文件的形式，要求采取个性化定价的平台对定价过程进行合理说明，提高个性化定价透明度，保障消费者知情权。个性化定价透明度有三个等级：(1)低度透明，告知消费者他们接受的价格是个性化的。(2)中度透明，告知特定消费者群体个性化定价的主要参数。(3)高度透明，不仅告诉消费者价格是个性化的，还显示向其他消费者提供的价格，以便特定消费者进行对比(55)See Ezrachi A. and Stucke M.E.: Virtual Competition: The Promise and Perils of the Algorithm-Driven Economy, Harvard University Press, 2016, p.25.。在我国，价格透明度应至少达到第二个层级，即进行个性化定价的企业，必须告知特定消费者其所提供的价格是个性化的，并对引起价格变化的主要参数进行说明。价格透明度的提高有助于消费者更好地了解市场动态，只要信息畅通，他们可以“用脚投票”，转向有利于自身的卖家。这也可以提高消费者议价能力和市场参与度，以提升消费者福利，减少消费者不公平感知。

结 语

本文以消费者细分为视角剖析了算法个性化定价的基本原理与主要实践，辨明了规制个性化定价的制度基础，并结合域外相关理论和治理经验，探究了个性化定价反垄断治理的政策改进方案。研究表明：(1)作为保留定价手段的消费者细分，是算法个性化定价的必然。作为概念意义的“算法”本身并不是新生事物，生物本身就是算法，生命是不断处理数据的过程(56)[以色列]尤瓦尔·赫拉利：《未来简史：从智人到神人》，林俊宏译，中信出版社2017年版，第75页。；在解决新问题的过程中的计算结果则成为人们对交易诸如“贵”“便宜”判断的参考，即无需佐证的“常识”。随着算法个性化定价技术的发展和消费者意识的觉醒，从支付意愿较强的消费者身上压榨利润的行为变得越来越艰难，个性化定价将侧重于提供优惠，从而与少数支付意愿较弱的消费者达成帕累托最优交易。(2)作为竞争行为的算法定价本身并非恶事物，经济学家认为，只要稀缺不可避免，选择就不可避免，区别对待就不可避免，歧视也就不可避免。任何事物诞生之初必然伴随着问题与不足，与创新同时来临的未必是福利，也可能是名为改变的“阵痛”。(3)大部分时候只要给予消费者足够的信息，提升消费者的数字素养，并保障消费者选择的自由，消费者就能够避免损害其利益的“陷阱”、提升其自身福利。只有市场机制无法发挥作用，“有形之手”的干预才是必要的，并且要以恢复市场调节机制为目标。因此，执法机构要克服执法冲动，尊重市场作为最基础的资源配置手段的主导地位，给予创新市场足够的成长空间。

“在信息爆炸的时代，个性化将颠覆一切传统商业模式，未来的商业应用将由个性化技术驱动。”(57)苏萌、柏林森、周涛：《个性化：商业的未来》，机械工业出版社2012年版，封面。尽管本文以个性化定价为研究对象，但研究的结论可推广至个性化商品、个性化新闻、个性化广告、个性化搜索引擎、个性化求职等其他个性化技术应用领域。我们期待着我国数字平台的治理能够实现从“事后救济向事先预防”的转向，更期盼着《反垄断法》实施效果将大大提升，数字经济健康发展更上层楼。