互联网大数据产业相关市场界定方法探析

汤嫣然

摘   要：相关市场的界定是反垄断执法的前提和基础，而传统的相关市场界定方法主要针对的是实体产业。对属于非实体产业的互联网大数据产业独有特点，如双边市场与交叉网络效应、特殊的成本结构、数据的非对抗性、用户的多归属性、“免费”模式以及用户锁定效应等，传统相关市场界定方法难以有效规制，必须进行调整、综合运用多种界定方法或创新的相关市场界定方法来对大数据产业相关市场作出准确的判定。

关键词：互联网;大数据;相关市场

DOI：10.3969/j.issn.1003-9031.2020.07.005

中图分类号：D912.29     文献标识码：A          文章编号：1003-9031（2020）07-0032-07

大数据作为计算机技术的研究素材，被大家称作是现今信息时代的“石油”，其重要性与日俱增。与此同时，国外的脸书（Facebook）案、领英（LinkedIn）案，国内的携程收购艺龙案、滴滴收购优步中国案等与大数据垄断相关的案例越来越多，各大互联网企业已从昔日抢占用户资源转向抢占数据资源，但现有的法律规定已无法对新出现的大数据市场竞争法问题进行有效规制，完善有关数据的竞争法规制对于数据市场的公平竞争秩序尤为重要。因此，本文围绕大数据的内涵与特点、现有的竞争法规制来探讨有关大数据相关市场界定的问题。

一、大数据的涵义

在使用傳统认定相关市场的测试方法来界定大数据产业相关市场时，会遇到不少问题。一般来说，数据是指以声音、图像、文字、符号等形式所表达出来的客观事实，是用于表示客观事物的未经加工的原始素材。虽然数据只是一种原始材料，但经过先进的数字技术处理，基础数据能被数字化和具体化。如我们在使用线上服务时，网络平台就会收集我们使用时的行为信息数据，紧接着这些数据会被分析和处理，计算出每位用户的偏好或是某个群体的偏好，从而作出更精准的广告投放或商品推荐，以获得更大的收益。如今，在线上运行的各种服务性平台无一不在时刻“生产”着数据，从某个角度来说，处在现今这个数据时代，数据随处可得。在厘清了数据的概念之后，我们需要进一步理解大数据的“大”。根据国际数据公司（IDC）归纳的大数据的特点，可以用“4V”来概括，分别是容量大（Volume）、速度快（Velocity）、价值大（Value）、多样性（Variety）。

二、大数据产业市场的特点

（一）交叉网络效应

交叉网络效应，是指企业在面向不同消费群体时，消费群体之间产生关联性，这种关联性往往会影响企业的平台交易。在现今的新型互联网市场中，最常见的消费群体是平台使用者（即消费者）及广告商，这两个消费群体的相关联性体现在消费者数量的多少与广告商投入广告的多少是相互影响的。

有学者认为，基于大数据的多归属性，数据驱动型市场的进入壁垒会比较低，网络效应会被削弱，创新企业以其新颖性能够迅速霸占市场，甚至打败比自己拥有更多数据的老牌企业。如美国社交网络的领导企业由Friendster到Myspace再到Facebook，不断进行新旧交替，也只需要十年左右的时间。数据并不是市场新进入者的必备条件，只要新进入者有优秀的创意、作品和策略，仍然可以打败王牌经营者，取得新的霸主地位，同时也能因为快速增加的用户而迅速获得一定规模的数据。因此，反对对数据进行反垄断法规制的学者认为，数据驱动型市场的低进入壁垒使得即使是在社交网络等网络效应较强的市场，足够优秀的创新型企业也能够横扫市场，网络效应并不足以阻止创新企业获得市场领导地位。

相反地，有学者却认为交叉网络效应在提高市场进入壁垒中起到明显的作用。双边市场多出现在互联网服务行业，如搜索引擎领域，搜索服务的提供商所面对的是使用搜索功能的用户，和在搜索平台上投放广告的广告商两个市场。在交叉网络效应作用下，拥有更多用户的企业可以收集更多的数据，以提升产品或服务质量，吸引更多用户，这是“使用者反馈”;同时，这些企业也在不断收集更多用户数据，用于改善广告的定位投放，以吸引更多广告商，然后再投资在产品研发中，获得更好的产品或服务来吸引更多用户，这是“获利反馈”。当数据积累到一定规模，涉及范围越大，种类越多，算法计算结果也就更准确，进而吸引更多用户得到更多数据。这两种反馈模式在不断相互影响和共同作用，导致新的小企业和已经拥有大量用户的企业很难进行竞争，新进入者将会面临巨大的市场壁垒。总的来说，大数据的使用将不可避免地造成规模经济，再与双边市场交叉网络效应相互影响、相互促进，最终出现“赢家通吃”的局面。

（二）特殊的成本结构

大数据产业成本结构的特殊性主要表现为前期的高昂投入和后期趋于零的边际成本，此种非常规的成本结构很容易会造成数据的集中。互联网经营者前期往往需要对数据库、服务器、工程师等平台核心部分进行高昂的投入，并积累数据，不断完善和更新软件，而此时的收入往往是很低的。但这种商业模式一旦运转起来，不断增加的数据就可以通过算法不断改进产品质量，边际成本就会逐步趋于零。这种成本结构具有规模经济和范围经济的特点，可能会导致数据集中于少数几家大企业。另外，数据需要达到一定的规模才具有经济价值，而有效处理数据需要雄厚的资本作为支撑，在大数据市场中存在着资金壁垒、技术壁垒、人才壁垒等，相应的也就存在“先入优势”和“赢家通吃”等现象。

（三）数据在现实中具有排他性

数据的非排他性是指一个经营者获得数据并不会阻碍其他企业获得类似数据，只要能提供线上产品或服务的经营者都可以获取用户的使用数据。同时，数据也具有用户多归属性的特点，同一个人的数据可以被很多类似的具有竞争关系的企业获得，用户的要求能够同时被多个中间人处理。数据的非排他性和用户多归属性使得数据并不具有竞争的意义，数据不会成为经营者取得市场支配地位的原因，从而大数据市场不存在垄断行为。

但在现实中不排除个别企业会采取如独家控制、签订排他协议、技术壁垒等限制措施来阻止竞争对手收集数据，实现数据的排他性所有。如社交软件Facebook明确规定，其他平台不能收集在Facebook上的用户数据，除非得到Facebook的同意。除此以外，经营者为了维持自己的已得优势，多采用会员制、积分制等策略来减弱数据的多归属性。对于用户来说，这些策略的确在某种程度上限制了他们的选择，为了方便使用往往会习惯性地选择某一个平台作为常用平台。经营者采取的各种限制措施而使得数据具有了排他性，并且有可能会利用数据的排他性在大数据市场获得或保持支配地位。经营者通过合法的手段获得支配地位并不违法，但如果经营者是通过非法的手段来限制数据被其他企业正常使用或在市场中流通，是属于违法的垄断行为。除此以外，在获得支配地位后若实施诸如独家控制、禁止用户进行数据移植等排他性行为，很有可能会构成滥用市场支配地位。总而言之，对于因数据排他性而出现的非法获取市场支配地位或滥用市场支配地位的行为，反垄断法应该对其进行针对性的规制。

（四）大数据的“免费”模式

在传统市场交易中，垄断经营者一般是通过控制产品、服务的价格或数量进行垄断，获得利益的。但在大数据市场中，经营者通过招揽广告商、收取广告费来获得利益，并不向用户直接收取费用。大数据市场之所以能够长期实现“免费”模式，主要是因为大数据产品具有后期边际成本趋近于零的特点，为大数据市场“免费”模式的持续实行提供了可能性。

数据价值并不仅仅取决于数据本身，还依赖于算法和相关技术，因为大数据经过分析、脱敏等处理后，获得的对于某一研究对象有研究意义的数据，数据技术及数据算法对数据价值发挥了重要作用。同时，数据价值是具有生命周期的，数据的价值会随着时间流逝而逐渐降低，这是因为基于陈旧数据的分析与研究结果对即时更新的互联网产业作用并不是很大。因此，数据的价值不仅仅在于数据的规模大小，数据的有效性、处理数据的手段和方法等也是需要被考虑的因素。

（五）“用户锁定”效应

“用户锁定”效应是指该平台或软件的用户对技术的过分依赖使得该用户转换到另一个平台或软件时转移成本过高，以至于用户对此平台或软件形成了“路径依赖”。此处提到的转移成本是指用户在前一平台或软件上投入的沉没成本及转换到新的平台或软件上所付出成本的总和。这种转移成本过高而造成的依赖可以体现在经济上、时间上甚至精力上。如QQ软件中充值的Q币，或与QQ好友之间长期确定的联系方式，以及使用QQ时所养成的使用习惯等都会使用户对QQ软件产生依赖性，增加用户转移到新的平台或软件的成本（难度）。此外，“先进入”的经营者能够根据前期不断收集的数据来分析得出用户的喜好、特点，然后推出更符合用户需求的产品和服务，在用户选择该大数据产品后，受制于习惯、转移成本等因素，会对该产品产生依赖，用户锁定效应就会愈加明显，而与之竞争的经营者吸引用户的难度就越大。当更多的用户被吸引并且依赖之后，就会出现“赢家通吃”的现象，企业也就可以在大数据市场形成垄断地位。

三、传统相关市场界定方法的局限性

传统的相关市场界定方法有需求替代认定法、供给替代认定法、SSNIP测试法（假定垄断者测试）、SSNDQ测试法（产品性能测试）、盈利模式测试法、GUPPI测试法（综合涨价压力指数）等。但因为大数据产业具有其自身独有的特点，在运用传统方法对其界定相关市场时，存在着一定的局限性。

一般的产品或服务都有相应的对价，传统的反垄断分析方法是以此对价为基础的分析工具。但对于数据而言，往往只是经营者自己获取、自己使用，并不会用于交易，因此也就不具有对价。在这种情况下，利用传统的分析工具是难以对数据界定相关市场的。如在Facebook收购瓦次普（WhatsApp）一案中，欧盟委员会拒绝为大数据界定一个相关市场，因为当事方没有一家企业向第三方提供数据。数据暂未在交易市场上频繁流通主要是因其法律地位（所有权归属）问题、用户隐私问题、定价问题等尚未被解决，因此直到目前为止数据市场也未曾被单独认定为一个相关市场。

此外，数据产业市场的边界并不明确。数据可以根据不同的标准被分为许多种类，且没有较为权威的标准。因不同标准区分出的种类可能会出现重叠，难以为数据产业划出清晰的市场边界。如数据可以根据收集的对象区分为线上数据和线下数据，线上数据进一步区分为搜索数据、社交数据和电商数据。但这三种数据互相之间的界限并不清晰，如腾讯通过微信应用程序收集到的信息一方面属于社交数据，但不排除也属于电商数据的一种。除此以外，法国与德国竞争执法部门联合发布的《竞争法与数据》报告中也对数据进行三种分类：以信息类型为标准将数据分为个人数据与企业数据;以数据的构成为标准将其分为结构型数据和非结构型数据;以收集数据的方法为标准则分为用户主动提供、通过观察获得和通过现有数据推断获得。

在分析了数据产业相关市场界定存在的问题之后，以下将会针对大数据产业的特点对三种主要的相关市场界定方法进行详细分析。

（一）供给替代认定法的局限性

根据2009年国务院反垄断委员会公布的《关于相关市场界定的指南》第六条规定，“供给替代是指根据其他经营者改造生产设施的投入、承担的风险、进入目标市场的时间等因素，从经营者的角度确定不同商品之间的替代程度”。对于传统的实体产业来说，它们的用途、功能、消费者群体等因素各不相同，不同產品之间的边界是清晰的。但在大数据产业市场中，经营者往往面对的是双边市场，若是把双边市场都归入到数据市场界定的相关市场中，有可能导致相关产品的市场边界被无限地扩大，这无疑会增加大数据反垄断执法的难度。同时，大数据产业市场是一个平台市场，平台的经营者大都会提供两种以上的产品或服务，用户可能会同时选择两种不同种类的产品或服务，在使用供给替代认定法时就意味着整个平台的所有产品或服务都会被纳入到同一个产品市场中进行考虑，在认定时会提高大数据产品经营者市场支配地位认定的概率，对经营者来说是不公平的。

（二）需求替代认定法的局限性

根据2009年国务院反垄断委员会公布的《关于相关市场界定的指南》第五条规定，“需求替代是根据需求者对商品功能用途的需求、质量的认可、价格的接受以及获取的难易程度等因素，从需求者的角度确定不同商品之间的替代程度。”但如果需求替代认定法用于认定大数据相关市场，会被大数据本身的用户锁定效应和外部性特点所影响，得出不准确的结论。这是因为在大数据产业市场中，用户关注的重点不再是产品的价格，而是用户的数量以及该公司的发展前景。用户的数量越多，共同使用的社交对象也就越多，数据的数量也会越多，产品据此提升的空间也就越大。因此，用户在选择时更倾向于选择用户数量多，且发展前景良好的产品。

此外，大数据具有的用户锁定效应。当用户习惯了某个产品的使用，就会对该产品产生依赖，用户转移使用其它产品的可能性小。因此，需求替代认定法用于界定大数据相关市场的作用不大。

（三）SSNIP测试法在界定数据产业相关市场的局限性

SSNIP测试法是指假定垄断者小幅度涨价导致其销售量降低，但仍获利的情况下，将该目标产品纳入到相关市场之内，直到其涨价而销售量不再降低时停止测试，此时所得的市场就是该产品的相关市场。在传统相关市场界定中，反垄断法是不会规制免费行为的，但对于大数据产业市场来说，其面对的是双边市场，一边是对于用户的免费模式，一边是对广告商收取费用以补贴免费模式。在界定相关市场时，SSNIP测试法的局限性就体现出来了。首先，在免费模式下用户对价格是非常敏感的，若把免费的行业服务改变为收费模式，如微信和支付宝开始收取提现手续费，用户极有可能会全部转向其他可替代的产品。其次，无论是大数据产品涨价的前后，都难以计算出免费产品的市场价值。最后，大数据产品具有边际成本趋于零的特点，很难对其按照一般的计算方法得出盈利额，因而很难判断在提价之后经营者是盈利还是亏损。

四、大数据产业相关市场界定方法的调整与创新

（一）对常用的传统相关市场界定方法的调整

SSNIP测试法是目前为止最常被用于界定相关市场的方法，我们可以针对大数据产业的特点，对SSNIP测试法做出适当的调整。首先，针对大数据产业的网络外部性和用户锁定效应，可以加大涨价的幅度，抵消大数据产业网络外部性和用户锁定效应的影响，至于具体的涨价幅度应在反垄断部门对已有案件进行总结的基础上做出科学、合理的规定。其次，针对大数据产业用户的着眼点是在产品质量而不是价格的特点，在进行分析时，应对产品的不同性质、产品口碑好坏、产品使用效果等影响因素综合评价。最后，针对大数据产业的“免费”模式，可以对SSNIP测试法中一律提高价格的方法进行适当改进。如在“奇虎诉百度滥用市场支配地位”一案中，广东高院在使用SSNIP测试法对相关市场进行界定时，不再是刻板地小幅度持续提高目标商品价格，而是将产品价格从零到小幅度收费，来看消费者是否转向其他具有替代性的产品，以此界定该产品的相关市场。“奇虎360诉腾讯QQ”一案中，广东高院也采取了类似的做法。

（二）综合运用各种界定相关市场的方法

除了对SSNIP 测试法做出调整，还可以将界定相关市场的多种方法综合起来灵活运用。一是明晰现今大数据产业主要的盈利模式。向互联网企业提供维护、升级系统的业务，如IBM、SIP、Oracle等公司;基础设施服务的提供，为用户提供大数据基础设施部署，如数据堂、聚合数据等公司;数据产品的服务模式，包括可视化、精准营销、情报挖掘等，如阿里的数加平台、Talkingdate、 DateEye 等;为用户提供行业洞察服务，使用户获得行业最新资讯，如智慧城市等。二是明确分析经营者盈利模式。通过对经营者盈利模式的分析，能够分清各个企业不同的盈利模式，消除传统的以价格为核心的界定方法对于大数据免费模式市场的局限性，在界定相关市场时能够有更准确的判断。三是结合SSNDQ测试法来进行综合判断界定市场。如使用降低产品质量的方法，如果因为产品质量下降而导致用户流失到其他类似产品，那么流出的产品就可以纳入到相关市场中。但对于大数据产品的“质量”定义应该不同于一般的实体产品，如软件的稳定性、bug的数量、更新的次数、用户数量等也应当属于产品质量的评判标准。

（三）界定大数据产业相关市场的创新界定方法

根据大数据产业市场的“免费”模式，可以创新一个与售价无关的、基于成本上涨的假定垄断者测试。这里面的“成本”指的是用户使用该产品的成本，该“成本”并不仅限于金钱成本，还包括其他如时间成本、精力成本、隐私成本、安全成本等。如一个用户选择一个数据产品或服务，可能会考虑以下因素：（1）金钱成本。使用此软件，是否需要加入会员？如果不是会员，我能使用这个产品的多少功能？（2）时间成本。使用此软件，下载时间要多长？是否需要经常耗费时间进行更新？使用时需要等待的广告时间有多长？（3）精力成本。使用此软件，是否需要学习复杂的操作才能使用？（4）隐私成本。此软件的使用权需要用多大的隐私权去交换？需要同意哪些隐私条款才能进行使用？（5）安全成本。使用此软件是否安全？相关信息是否有可能遭到泄露？定位是否会暴露所在位置？用户在选择大数据产品时大都会对以上这些问题进行考虑，我们可以假定这些“成本”上涨，若此时用户选择其他替代性软件，则属于该产品的相关市场中，直到“成本”上涨时用户不会选择其他替代产品为止。

五、结语

近几年大数据垄断的相关案例频发，如谷歌、Faceboook等数据巨头公司都有类似的大数据壟断“擦边球”行为。从欧盟在类似案例中对于相关市场界定的实践来看，传统的相关市场界定方法并不能很好地判断大数据产业相关市场的范围。我国大数据产业得到重视的时间虽然较晚，但却在高速发展中。与之相比，我国现在关于大数据产业的反垄断规制较为落后，特别是作为反垄断执法与司法的核心相关市场界定。在现有相关市场界定方法尚不能很好界定大数据相关市场的情况下，可以尝试在改进SSNIP测试法（假定垄断者测试）的基础上，综合运用盈利模式测试法、SSNDQ测试法（产品性能测试法）甚至使用创新的基于成本上涨的假定垄断者测试法来界定相关市场。

（責任编辑：夏凡）

参考文献：

[1]曾彩霞，朱雪忠.欧盟对大数据垄断相关市场的界定及其启示——基于案例的分析[J].德国研究，2019（1）：111-124.

[2]雷琼芳.论大数据垄断的法律规制[J].湖北经济学院学报（人文社会科学版），2019（1）：86-88.

[3]沈亮亮.算法在市场竞争中的应用与法律难题——从大数据杀熟谈起[J].太原学院学报（社会科学版），2019 （3）：26-31.

[4]牛喜堃.数据垄断的反垄断法规制[J].经济法论丛，2018（2）：370-394.

[5]杨利华.双边市场条件下第三方支付相关市场的界定——基于互联网行业的反垄断法分析[J].当代法学，2018（6）：79-89.

[6]詹馥静，王先林.反垄断视角的大数据问题初探[J].价格理论与实践，2018（9）：37-42.

[7]邹开亮，刘佳明.大数据产业相关市场界定的困境与出路[J].重庆邮电大学学报（社会科学版），2018（5）：34-39.

[8]陈兵.大数据的竞争法属性及规制意义[J].法学，2018（8）：107-123.

[9]贾晓燕，封延会.网络平台行为的垄断性研究——基于大数据的使用展开[J].科技与法律，2018（4）：25-33.

[10]韩伟.如何从反垄断法角度审视人工智能[J].网络法律评论，2016（2）：3-15.

[11]邹开亮，刘佳明.大数据企业合并的反垄断审查初探[J].石家庄学院学报，2018（2）：116-119.

[12]曾雄.数据垄断相关问题的反垄断法分析思路[J].竞争政策研究，2017（6）：40-52.

[13]殷继国.大数据市场反垄断规制的理论逻辑与基本路径[J].政治与法律，2019（10）：134-148.

[14]王嘉仪.计算机算法运用中的价格垄断问题[D].上海：上海外国语大学，2018.

[15]施俊.大数据平台滥用市场支配地位的法律规制研究[D].蚌埠：安徽财经大学，2018.

[16]叶明.互联网对相关产品市场界定的挑战及解决思路[J].社会科学研究，2014（1）：13.

[17]胡丽.反垄断法视域下网络空间“相关地域市场”的界定——兼评“奇虎诉腾讯垄断案”中全球市场的认定[J].河北法学，2014（6）：45.

[18]Maurice E.Stucke，Allen P.Grunes.Big Data and Competition Policy[M].Oxford University Press，2016.

[19]D Daniel Sokol，Roisin Comerford.Antitrust and Regulating Big Data[J].George Mason Law Review，2015（23）：1148-1149.

[20]Caillaud B，B Jullien.Chicken and Eggs：Competition among Intermediation Service Providers[J].Rand Journal of Economics，2003（34）：280-320.

[21]Graef，Inge.Market Definition and Market Power in Data：The Case of Online Platforms[J].World Competition，2015（38）：500-510.