您的位置: 首页  > 学术论文 > 理论前沿 > 市场规制法学 > 市场规则法专论

算法消费者价格歧视反垄断法属性的误读及辨明

喻玲    2020-10-17  浏览量:58

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

正文:

一、问题的缘起:
大数据“杀熟”与两个“污名化”
数字经济风起云涌,以算法为代表的智能技术加速与经济社会各领域深度融合,重塑商业形态, 已成为引领经济社会发展的先导力量,也成为各国构筑竞争新优势的重要抓手。而由算法引发的反垄断问题已成为全球主要反垄断辖区所普遍关注的问题,如算法合谋案例业已出现、大数据“杀熟” 反垄断调查不绝于耳。算法消费者价格歧视(Algorithmic Consumer Price Discrimination, ACPD)自2018年年初以大数据“杀熟”之名被媒体曝光后,公众对其的批判之声此起彼伏。所谓大数据“杀熟”,是指经营者以大数据为“原料”借助算法技术而实施的对具有购买经历的消费者(熟客)采取的 不利的个性化价格策略。其在外观上往往呈现定价不透明,抑或“千人千价”(同样商品或服务对不同消费者收取不同价格),更甚者还表现为熟客较新客的价格更贵。作为一种经济行为,“杀熟”的本质是经营者基于数据信息分析技术而实现的“一级价格歧视”,此一行为在实践中早已有之,如保险 行业向来没有统一定价之传统,其福利效果不具确定性。从交易传统上看,大数据“杀熟”明显有违“由亲向疏、从近到远”排列的熟人社会行为规则;从社会效果上看,“杀熟”二字体现着公众对该行为的否定性评价,折射着消费者因此产生公平交易权、知情权被侵害的感知。
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(Reserve Price)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
定价是市场中最为关键的要素。在工业经济时代,价格变化频率受到定价模型的复杂程度、定价工具及信息的制约,市场定价以价值定价法(Value Pricing)为基准,具有显著的“千人一价”特征,市场从未实现最优定价。步入数字经济时代后,大数据及算法的运用使得最优定价成为可能。与人工定价相比,算法定价的优势有三:(1)降低了复杂定价的成本。在匿名交易时,经营者通常无从判断买家的支付意愿,而借助数据收集、数据分析、机器学习等技术,使经营者具备了以较低成本在较大范围内收集、检测海量与消费者相关的数据的能力。通过大数据分析,经营者便能达到比消费者本人更了解自己的程度。因此,定价算法对在线零售等市场至关重要,如果没有它,那么很难想象京东网上商城能够存在或自营商品达到如此大的规模。(2)降低了频繁改价的成本。定价的算法运行是一个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,使算法能够不断地调整和优化价格。借助算法让经营者拥有了频繁改变价格和实时收集反馈数据的能力,可自动对数以亿计的项目开展动态价格管理,帮助卖家及时回应需求变化,最终将定价成本降至最低。以亚马逊为例,数据显示平台卖家普遍运用算法进行定价,且有 40% 的卖家在产品销售期内至少更改 20 次产品的价格。(3)显著提高了定价决策的质量。借助算法,卖家定价在变得高效、动态和个性化时, 定价规模和精准度也获得了空前提高。当市场定价从传统市场的“千人一价”向“千人千价”转向时,  厂商利用具有“挖掘隐藏利润”功能的个性化定价,可得以优化定价策略,破解定价难题。
(二)定价算法的类别
目前,常用的定价算法方法有四:一是启发式:适用基于特定规则的简便定价软件,视环境情况决定价格,即基于算法在特定时刻具备的关于市场的信息,如自动与竞争对手的价格相匹配,抑或在库存较少时将价格提高 10%。二是分析式:根据市场状况进行定价的软件,其定价规则依据对历史数据的统计分析而定,并保持相对静态。三是自主式:同样是根据市场状况进行定价的软件,其中的基础算法可通过历史数据进行初始化,但会不断进行性能评估并据观测到的结果自行更新。四是拍卖式:实现拍卖的软件被广泛用于互联网广告位的销售,以及 ebay 等零售拍卖网站。除了启发式定价算法外,其他三个定价算法均需要运用机器学习。
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
由目标观之,ACPD 以追逐支付意愿最大化为目标。所谓支付意愿,既包括购买欲望,也包括所能承受的心理价格(保留价格)。前者通常体现在消费者对商品的浏览时间、关键字的使用、搜索频率及与商品和服务属性相近的已购内容;后者通常体现在供应需求的比例、消费者的消费水平及消费者的比价习惯。同样的商品消费者的支付意愿是不同的,这取决于消费者的偏好、预算及其从本次交易中所能获得利益的大小。
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)。
(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。
1. 有大量产品需要定价的领域,如在线零售、网络广告等
网络空间广告销售基本采用拍卖式定价算法,其定价过程相对透明直接,广告商通过相互竞价,出价最高者获得更有利的广告展位,同时价格还受到点击量与访问量的影响,因而该算法还具有一定的自主式特征。
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
这些领域提供价值短期(perishable)商品,算法定价的目标在于保证商品在过期前以整体利润最大化的价格售出。例如,在机票销售中,航空公司在主要航线机票的价格竞争中需要考虑如何在起飞前销售全部机票的同时收回成本,且兼顾与其他对手的价格竞争,所以航空公司会提前销售机票,并使用复杂的自主定价算法来动态调整起飞日期之前的价格,以使其收入最大化。又如,滴滴出行的定价算法明显继承了优步(Uber)自主式算法的精髓——溢价程序,通过分析消费者当前所处区域内的商品供求关系,基于一定的溢价费率,使司机与乘客达成最大满意度的价格,实现供求持续平衡,最大化平台服务的收入,其操作规则为,车费由平台的算法决定,不受司机影响。通常来说,旅程的最终价格因距离和时间的不同而不同,当供应不足时(通过增加候车的等待时间来表示),费率会成倍增 长(即溢价定价);当需求下降时,费率会恢复到基本费率。当价格上涨时,对价格敏感的消费者即会放弃乘车需求,从而减少了特定时间段内的需求总量,同时,高价格会将司机吸引到停车需求激增的地区。
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)。
尽管 ACPD 适用的场景多样,但消费者对其的评价却不一:(1)有些场景,即使一些消费者可能因此得到了更低的价格,但消费者往往出于不喜欢“不公平”的个性化价格对其“用脚投票”,如在线零 售。最典型的实例就是亚马逊早期的动态价格(Dynamic Pricing)经济实验。该实验表明,消费者不喜欢动态的个性化价格,即使其后果是让一些消费者得到了更低的价格,最终实验以“压倒性的反对” 而失败。(2)有些场景,尽管学界对不同消费者群体交叉补贴的公平性多存质疑,但消费者对此却 以“服务成本不同”为由,欣然受之,如保险产品。(3)有些场景,哪怕服务成本相同,但因受众的个体 差异,消费者往往对此报以认可,如火车票和电影票。学生通常会得到火车票或电影票的折扣,但乘火车或去剧院的费用并不取决于消费者是否为学生。(4)有些场景,消费者对其爱恨交加,慕其便利,又厌其贪婪,态度不一,如网约车。以滴滴出行为例,消费者的投诉包括限制普通车型和不溢价司机的派单频率,内置导航的默认优选路线设定,溢价程序终止运行后的价格不回调等。概言之,消费者在貌似“压倒性地反对”算法价格歧视的同时,又接受或享受着特定形态的价格歧视福利,其或肯定或否定的反应都具有极强的非理性色彩。由是可知,基于单一场景的现有研究结论并不具有在ACPD 所有场景下推广的合理性,对 ACPD 竞争法属性的误读仍需作进一步厘清。

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。
从市场供应侧的效率观之:(1)具有市场扩张效应,利于稳定地满足市场需求,增加了社会总福利。实施算法驱动个性化定价的厂商多为超级平台,其所处的市场结构多为寡头垄断市场,甚至完全垄断市场。以寡头垄断市场为例,厂商一般将设定略高于平均生产成本的价格,并销售低于均衡点的产品数量(如图 3-1 所示)。消费者剩余用三角形 A 表示,生产者剩余用矩形 B 表示。根据定义, 社会福利等于消费者剩余与生产者剩余的总和,C代表垄断产生的无谓损失。由于厂商收取的价格较高,导致一部分有购买产品需求的消费者不再购买,这些流失的交易收益构成了垄断的无谓损失。如果此时厂商实施价格歧视,利用大数据和算法识别预测每个消费者的支付意愿,向每个消费者收取略低于其支付意愿的不同价格,那么需求曲线左侧支付意愿高的消费者将支付更高的价格,在需求曲线的中间或右侧支付意愿较低的消费者将支付更低的价格(如图 3-2 所示)。这时销售的数量是 QC 与完全竞争市场一样;但不同的是,完全竞争市场中的全部盈余给了消费者,个性化定价下全部盈余流向了生产者。个性化定价允许垄断者增加从 QC 到 QM 的销售数量,消除统一定价下的无谓损失, 增加了整体社会福利,故也被称为“市场扩张效应”。(2)利于改善既有产品或推动新产品的开发。借助数据分析、学习消费者搜索历史,搜索引擎不仅可识别某个特定查询最相关的结果,还可让这些数据为消费者提供额外的“增值”服务,如利用过去的购买信息和浏览历史,在线零售平台可以为消费者提供个性化的购物建议,在线内容推送平台可以为读者推荐可能感兴趣的文章。(3)利于降低生产成本与降低产品价格。确定最优价格需要耗费大量的时间,但借助算法厂商也许几秒钟内就能完成这项任务,而借助深度学习技术厂商能够在试验和反馈后立即优化其商业策略。厂商通过改善资源配置、简化业务流程实现生产成本的降低,其结果往往是消费者支付更低的价格,从而提高静态效率;这也触发了一种良性机制,使其能在不断增压下持续进行创新,提高动态效率。(4)利于降低市场的进入门槛。算法定价可大幅节约定价成本,帮助市场新进入者快速了解市场运作方式,方便其进入。最典型的就是零售领域,只要购买算法软件,零售商即可获得进入新市场所需的特定知识,市场在位厂商亦无需相关产品、行业、专业知识即可快速扩张其产品线。从此点观之,算法定价有助于增加提供特定产品零售企业的数量,导致更激烈的竞争。另外,统一定价模式下存在即使消费者愿意支付超出边际成本的价格消费者也得不到服务的情形,而价格歧视能完美地解决此问题,故而价格歧视具有减少消费者异质性造成的无谓损失的积极效果。
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(na?ve)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(Financial Conduct Authority,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。
企业运用算法定价的优势有二:(1)降低定价成本与运营成本。如前所述,使用算法定价显著降低了企业复杂定价与频繁更新价格的成本。统计数据显示,库存成本能占到传统商贸企业运营成本的 60% 以上,对消费者需求、竞争对手库存的实时了解,使得这些企业能够及时有效地管理库存;比价算法的存在可以把在线商户从沉重的广告支出中解脱出来,将广告支出转化为“更低价”,降低企业运营成本,拉近其与终端消费者的联系。(2)增加企业利润。从定价博弈分析观之,即使在无共谋的情况下,ACPD 一般也会导致更高的价格,企业利润因此提高。理由是,企业定价频率存在差异,算法自身的更新频率远低于算法设定价格的频率,ACPD 事实上为企业提供了一种可信的、短期承诺机制。一旦企业以某种算法设定价格,就相当于为其他竞争者提供了短期价格承诺,其他竞争者将对此市场价格变化做出快速反应,这导致企业之间的定价博弈非常接近于“领导—追随模型”(Stackelber,斯塔克尔伯格模型)。该模型代表了一种定价机制,即一家企业(领导者)率先制定或改变价格之后,竞争企业(跟随者)快速跟进,制定相同或相似的价格,或者做出方向相同的调整。该模型下的厂商之间存在行动次序的区别,价格决定依据以下次序:第一步价格领导者设定一个价格;第二步价格跟随者观察到该价格,并据此决定自己的价格。为了确保自己的交易机会,价格领导者在决定价格时须充分了解跟随者会如何行动(知道其反应函数),合理预见自己设定的价格对后者的决策影响,科学地把价格设置在以价格跟随者的反应函数为约束的利润最大化水平。由于这种承诺是可信的,低频定价者的价格不必过低,但也不可能咄咄逼人,所以定价算法促进了更高级别的价格均衡。来自美国哈佛大学和密歇根大学的联合经济实验的结论也印证了上述结论。为了检验定价算法对竞争的真实影响,该实验以 5 家大型在线零售商为对象,以“每小时 1 次”为频率,持续记录价格的变化, 结果显示:其一,企业定价技术具有差异性。两家公司采用了小时定价技术;一家采用了每日定价技术;其余两家采用了周定价技术,每周日早上更新价格。其二,高频定价公司具有追随任何低频定价竞争对手提供价格的能力。其三,产品零售价格高低与定价频率负相关,即每周更新价格的企业比每日更新价格的企业售价高出 30%,每日更新价格的企业比每小时更新价格的企业售价高出 10%。其四,受到高频定价企业价格竞争的冲击,低频定价企业会随之降低价格,但价格始终未低于消费者保留价格水平。
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
虽然直觉上消费者认为价格歧视是不公平的,但是从消费者对价格公平感知的研究中可以发现这些评价往往并不一致。无论如何,人们通常会主观地认为,行为是道德上不可取或不公平的这一事实本身并不构成法律强制干预的理由,执法机构执法不公的污名是公众推定大数据“杀熟”具有不正当性的结果,这种推定系合法性分析缺失的必然结果。合法性构成了权力关系的道德与规范层面的总和,合法性是社会服从的前提和基础,也是法律得以实施的前提和基础。权力要合法,必须满足三个条件:一是符合已经确定的规则;二是相关规则能被共享的信仰证明具有正当性;三是附属者或附属者中的最重要成员对具体权力关系表示同意。作为行政机构的行为,行政执法必须满足行为权力来源合法、行为具有法律效力两要素。而判断这二者的法律依据既是行政执法的权力来源, 又是行政执法的效力标识。法律若想不成为专断,还需要满足一项条件,即这种法律乃是指平等适用于人人的一般性规则。这种一般性(generality)很可能是法律所具有的抽象性的一个最为重要的方面。因此,在法律适用的执法层面,理当侧重形式理性,即“只要权力的取得和实施与已制定的法律相一致,就是合法的”。有批评者认为,这种“凯尔森式”的处理合法性与正当性关系的方式实质上是“正当性萎缩成合法性”,但法律是由规范组成的系统,没有符合法律性做支撑,正当性很可能沦为“粉饰太平而任意涂抹的道德口红”,寻求正义之路将筚路蓝缕。
在我国,从 ACPD 的外观观察,其潜在的法律风险是《反垄断法》第 17 条第(六)款禁止的差别待遇。该款规定禁止具有市场支配地位的经营者,无正当理由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。依此规定,动用《反垄断法》禁止 ACPD 须满足三个前提条件:一是当事人在相关市场内具有市场支配地位;二是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;三是从事该行为无正当理由。对于究竟什么是“正当理由”,则需根据行为是否为法定、对社会公共利益的影响、对经济运行效率与经济发展的影响、与经营者正常经营及实现正常效益的相关性、对经营者业务发展与创新方面的影响等因素作出综合判断。
概言之,动用《反垄断法》禁止 ACPD 的基础在于确认行为主体在案件所涉相关市场具有市场优势地位,且行为符合《反垄断法》第 17 条第(六)款规定的各项构成要件。从执法实践的焦点来看,其核心是对行为的排除或限制竞争效果进行综合判断。以引发大数据“杀熟”争议的携程机票事件为例, 如果执法机构不能将相关市场界定为“中国在线旅游平台(OTA)”,那么携程在此市场上是否具有优势地位就无从判断,携程“杀熟”对消费者福利、社会整体福利、负面影响亦无法证成,携程“杀熟”具 有不合理性就难以成立。
(二)价值选择:保护竞争与必要妥协
伴随知识经济时代和新兴的信息社会的到来,技术创新,特别是与信息技术相关的技术创新,成了推动全球经济增长的重要动力,创新成为竞争者之间的角力场。人们认识到创新是一件难问出处、不拘形式的事情。步入算法时代,算法逐渐取代了人类社会中的各项事务性和决策性工作,人类在社会中的存在逾发受到算法左右,甚至可能沦为“无用的阶级”。新的技术、新的商业模式将创新引入颠覆性(disruptive)创新的高地,冲击出一块又一块反垄断执法的盲区,持续挑战着传统反垄断规则的可适用性,考验着执法机构的智慧与决心。数字革命重新引发了关于在反垄断法适用中如何保护创新的讨论,并对反垄断执法机构提出了竞争与创新关系如何界定、评估创新效果时应该使用何种概念、分析创新福利效果时适用何种分析框架等难题。
首先,从分配正义的角度看,对经济行为进行政府干预本身就是一种事实上的不平等,而竞争是打破分配不公最为有效的手段,因为市场经济的本质就是市场决定资源配置的经济,市场配置资源是最有效率的形式。“规制措施实质上就是再分配,并且是政治过程的结果,以满足消费者或者产业压力集团的自我利益,规制会影响资源配置效率。”进而言之,从有效性的角度看,市场是不完美的, 政府也不见得就是完美的,在规制市场的过程中,政府失灵可能是一种成本高昂的替代。因此,尽管竞争理论学界在政府干预程度上认识尚有分歧,承认一方市场的自我纠错能力必然会造成政府干预市场的权威受限,但毕竟此处受限的权威已然是各国政府的普遍选择,并趋近于经济学界普遍认可的“政府干预只有在特定情境下才有存在价值”的评价。在市场经济中,竞争扮演着关键角色,是市场经济的驱动力,它可为商品的生产者和销售者搭建起基本交易规则,激励生产者为消费者提供质优价廉的商品;它不断淘汰低效和边际生产者,将资源更有效地配置给可以创造更高附加值的商品;它促进了产品创新与多样化,满足了消费者的不同偏好;它避免了市场被某特定企业长期霸占,在自由的市场中,再大的企业也是流水的兵。诚如经济学家所言,只要市场由一只“看不见的手” 控制,竞争必定是执行其决策的利器。也就是说,保护竞争不应仅是竞争立法的床头明月,更应是彰显在每一次的反垄断执法实践中的精兵利器。
其次,从算法定价市场运行的实际情况看,竞争机制并未偏航,动态市场能够自发纠错。从五花八门的算法定价实践中,我们可以管窥市场机制并未失灵,即算法定价企业之间的竞争并未被窒息,市场仍有自发纠错的能力。理由有三:一是消费者拥有市场决定权。这种决定权表现在消费者可以 “用脚投票”将其认为不公平的价格歧视驱除出市场,优步和亚马逊运用算法个性化定价的尝试就是实证。二是消费者拥有反制的能力。ACPD成功的关键就在于厂商根据消费者的个人数据和消费数据来评估消费者的支付意愿,预测其保留价格,贴近该价格定价,挖掘消费者剩余。经济实验表明,只要消费者通过应用程序隐私设置及采取其他类似的防御措施来隐藏过去的行为,那么厂商必须“吐出 更多的利润”方可诱导消费者披露信息(即个性化增强服务),从而抵消其利用信息的能力。这一结果亦表明,积极使用个人隐私措施的消费者与不使用个人隐私措施的消费者之间存在分配效率上的差异。三是存在市场化的解决机制。近年来,百思买(BestBuy)表格、比价网站、消费者端算法等数字比较工具(Digital Comparison Tools, DCTs)发展迅速,有越来越多的人借助 DCTs 货比三家,避开个性化高价,寻找价廉物美的商品。较之于其他政策工具,DCTs 的优势在于:一则,可节约搜寻成本,以便捷的登录方式、友好的界面,使过去艰难的搜索、比较(如计价复杂的家政服务)变得更容易和更 有吸引力,为人们节省了大量的时间和精力;二则,可促进厂商竞争,透明的价格、信息快速流动的市场,使厂商竞争加剧,消费者走出了信息偏在的困境(如过去难以比价的金融服务),获得更加质优价廉的产品;三则,可增加社会总福利,因为 DCTs 往往是免费为消费者提供比较服务,让消费者从中得到比其他主体要多的好处,这些差异“待遇”刺激了该产业的蓬勃发展,更促进了交易总量的增加。以 DCTs 为代表的市场化解决机制在尚未出现市场失灵的领域无疑是更具优势的问题解决方案之一。
最后,从各国反垄断法立法的传统、目标及法律文化的角度观察,其形态虽各异,但对创新领域竞争政策和工具的选择却惊人的相似。依托超级平台完成的 ACPD 催生了许多新的不同的反垄断问题和经济问题,世界各主要竞争执法机构对此反应迅速,投入了更多资源来解决这些问题,并形成了以下趋同之处。(1)从干预的强度看,即干预政策的选择看,轻手管制(light-touch)的理念日益为执法机构、司法机构所接受。如欧盟普通法院在“思科案”判决中所言:“消费通信行业是近来年快速增长的行业,其特点是创新周期短,再大的市场份额可能都是短暂易逝的。在这种动态的情况下,较高的市场份额并不一定代表真实的市场的量,也不应该认定为对竞争的持久损害。(2)从干预的目标看,各执法机构“关注的重点是如何保护数字经济中的竞争,我们的任务是保持市场开放,以确保市场的可竞争性,企业有机会持续通过新想法获得成功”。(3)从干预的工具与方案看,OECD 倡导的“以竞争政策为龙头,以消费者保护政策、隐私政策、反歧视政策为抓手”的综合治理方案为各国普遍接受。这与近年来流行的“回应性规制”(Responsive Regulation)十分契合,“回应性规制”强调在选择不同强度的规制工具时,应关注工具的“渐次性”,即只有在低度干预措施无法产生预期效果时,才能依次向上采取更高干预强度的措施。由是观之,上海市场监管部门采取约谈携程的方式并无不妥,媒体对其“监管缺位”的指责确有不当。(4)从干预的实践看,以我国为例,近年来,数字经济实现了新跃升、数字经济结构持续优化,客观地说,这与我国政府长期以来对数字经济的治理一直秉持鼓励创新、包容审慎的原则,为数字经济的活跃发展提供了宽松的环境息息相关。
(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。
从操作规则层面看,反垄断执法机构干预算法定价行为必须遵循个案分析(Case by Case Analysis)的基本路径。一则,其核心是经济效果分析。经济分析绝非虚幻的风景,它可为反垄断法的规范解释和制度运用的科学性提供有力的支撑和独到的分析工具。不以经济效果分析为基础的判断因缺少科学性,其结论难以令人信服,“反垄断法解释和适用很可能掉入简单的语义循环和逻辑重复之中。”二则,其审查具体内容包括:(1)审查算法驱动下消费者与厂商交互行为的复杂性。消费者处理这种复杂性的能力千差万别,仅仅基于价格歧视模型分析,很难得出消费者是“菜鸟”还是“精明”消费者 的判断。借助算法技术辨明如果消费者是成熟型消费者,那么消费者不易被差别定价伤害,反之,则容易受到伤害。该领域是否存在 DCTs可以帮助消费者避开该伤害?(2)审查价格歧视对消费者剩余分配效果、转移效果影响,对竞争或潜在竞争的影响。(3)审查消费者公平性感知度。价格歧视的非正义主要源自消费者的不公平感知,除非消费者公平感知良好,否则该行为的任何收益都会被抵消。定价公平的感知对消费者满意度和可能的行为起着关键影响,当消费者感觉不公平,他们可能会表现消极,这将导致价格歧视产生更多无谓的损失,因此,要减少价格歧视对市场的负面影响, 就必须测量消费者对公平的感知度。(4)审查定价算法的透明度。实验表明,消费者对不透明的规则更易感到不公平,如果企业能够提高定价算法的透明度,向消费者说明最终价格的决定过程,以及这种定价规则的必要性和合理性,那么消费者的抵触情绪将会得到控制。因此,执法机构可以通过约谈或者出台相关文件的形式,要求实施价格歧视的平台对定价过程的合理性进行说明。
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。

作者简介: 作者单位:江西财经大学法学院

版权声明: 《法学》2020年第9期