数据驱动竞争规制的基本认知与方法论

杨 明

(北京大学法学院，北京 100871)

“竞争”是市场体系的最本质特征，主体间的利益争夺本质上都是围绕发展和保持消费者而展开的。(1)Anthony I. Ogus. Regulation： Legal Form and Economic Theory[M]. Oregon: Hart Publishing, 2004： 22；罗歇·布特.法国竞争法概要[J].陈鹏,译.法学家,1999(3)： 123.随着经济发展进入数字时代，市场竞争逐渐展现出流量争夺的样态，即所谓“流量为王”。数据与流量是本质相同的概念，只不过在竞争法意义上，前者与主体行为有关，而后者主要被用于衡量市场势力(market power)。数字经济区别于传统经济的关键是，数字技术改变了人们对知识和经验的应用能力，从而不断加快创新的速度。因此，技术对人类社会的影响实际上最终会落足到“行为”的维度上来，每一个主体都不得不在数字化生存的背景下重构自己的决策理性。基于数据优劣势的不同，经营者会采取不同的竞争策略，因而在法律规制的问题上会有不同路径之分(反不正当竞争或反垄断)。应当看到，竞争行为的最终结果都指向社会整体福利的变化，所以无论何种规制路径，均涉及“竞争效应分析”这一问题。有鉴于此，以“生产者剩余”“消费者剩余”为参数对福利变化进行量化分析的研究方法，是数据驱动竞争规制的重要方法论支撑。

一、 什么是数据驱动的竞争

所谓数据驱动，顾名思义，是一个用以描述决策过程或行为的概念，具体是指，通过数据收集，从数据中提取模式和事实，进而运用这些事实做出推断，并最终影响决策。(2)Kelsey Miller. Data-Driven Decision Making： A Primer for Beginners[EB/OL]. (2019-08-22)[2019-11-05]. https：//www.northeastern.edu/graduate/blog/data-driven-decision-making/.因此，“数据驱动”最本质的特征在于人们进行决策或采取行为时不仅是依靠经验和直觉，还会是基于大数据分析内生性与人的行为之间的密切联系。当数字技术发展到一定阶段，大数据决策的方法自然就会被广泛地引入到市场竞争之中。(3)根据《布莱克法律词典》的定义，“竞争”是指：“The effort or action of two or more commercial interests to obtain the same business from third parties”, see Bruan A. Garner. Black’s Law Dictionary[M]. 7th ed. St. Paul: West Group, 1999： 278.由此可见，竞争本质上就是人的行为。可能有人会产生疑问，数据分析活动并不是新兴事物，但为何近年来才有了“数据驱动竞争”这一标签式的称谓，笔者认为，这要归功于人类社会在信息技术领域实现的巨大飞跃，使得“数据的搜集、分析和发布速度也实现了实时化”，(4)唐·泰普斯科特.数据时代的经济学： 对网络智能时代机遇和风险的再思考[M].毕崇毅,译.北京： 机械工业出版社,2016： 130.从而更加有利于人们在开展竞争的同时进行预测和决策的建模。数据分析前加个“大”字，非常精准地勾勒出了人的行为的技术内涵。

市场的基本要义是“竞争”而非“数据驱动”，因而数据利用最终还是以对人的分析为要旨，无论数据分析如何影响市场主体的决策过程，其本质上仍然是服务于企业追求利润最大化的工具。对此，可能有人存在不同的看法，认为数据驱动决策不仅是对人(例如竞争对手、消费者)的分析，还应包括对物(例如自然界、机器)的分析，从而支撑和引导创新活动。但在笔者看来，这一理解实际上是错误地将对人的分析和对物的分析对立起来了，对物的分析本质上就是人的行为，之所以对物进行分析，最终是为了满足人的决策需要。我们所分析的数据驱动竞争，是指市场主体如何利用大数据分析来进行决策或者说行为选择，而不是指分析的对象是人还是物(当然都包括人和物)，数据驱动竞争最终仍然表现为市场主体的行为，在这一点上与传统竞争形态没有本质的区别，只是决策时的量化程度不一样(企业主张决策的科学性得以提升，但实际上也包含有偏见或歧视)。

市场主体竞争能力的大小，与市场环境紧密程度相关。但在特定的产业结构中，即便是同质竞争者，彼此间也会显示出竞争能力的明显差异。这是因为不同主体从市场中获取信息并加以处理的能力不同，所以他们在做决策时的信息充分程度存在差异，由此产生的决策自然就会带来不同的效用。市场环境包含诸多因素，例如市场准入、供给与需求、竞争者的数量(包括潜在的竞争者)、竞争者的谈判能力、竞争者彼此之间的行为影响等因素。这些因素看起来均为客观条件，但实际上所有方面均与市场主体的行为选择相关，即便是市场准入(涉及规模经济、市场进入障碍)也不例外，这些因素对主体来说都是信息认知的结果。通常情况下，市场主体之间的竞争是基于风险和不确定性进行决策的，而市场主体判断的基础又在于他们各自的信息处理能力。因此，信息的价值对市场竞争的重要性不言而喻。

“经济现象与任何配置稀缺资源的人类行为都有关”，(5)尼克·威尔金森.行为经济学[M].贺京同,那艺，等译.北京： 中国人民大学出版社,2012： 3.不同主体的行为交叉在一起，就形成了资源争夺的市场格局。于是，我们就不难理解，“各经济单位必须对市场机遇有一定的了解”，(6)斯蒂格勒通过梳理《国富论》归纳了亚当·斯密所认为的“竞争的条件”，此处所引即为其中之一。具体请参见库尔特·勒布,托马斯·盖尔·穆尔.斯蒂格勒论文精粹[M].吴珠华,译.北京： 商务印书馆,2010： 367.这就是为何古典经济学时期以来市场格局就被视为竞争的条件。由此推知，竞争是立足于主体之间的互动，以及他们与消费者之间的互动而追求利润最大化的活动。主体通过竞争，努力争取到相对于对手来说更为优势的地位。鉴于主体之间的竞争激烈程度取决于市场的不完全程度，因而竞争者都会尽可能地向对手释放令其“不快”的信息，期望令对手做出“错误”的决策。当然，主体如果具有较强的信息搜集和处理能力，就能在一定程度上降低自己的风险和不确定性。正因为如此，著名经济学家乔治·斯蒂格勒(George J. Stigler)早在20世纪60年代就提出“从搜寻信息的角度来看经济组织的某些重要方面，会呈现出新的意义”。(7)George J. Stigler. The Economics of Information[J]. Journal of Political Economy, 1961, 69(3)： 213.这是极富洞察力的，同时我们也能看到，古典经济学时期以来，经济学家们在分析竞争市场(资源的竞争性分配和最大化产出)的时候，都将针对信息和决策(行为)的研究置于重要地位，而决策的偏差能够一定程度地反映出对市场的无知。(8)完全用“决策的偏差”来度量“对市场的无知”有些时候会存在偏颇，比如企业可能会在“是否提供异质性商品或服务”的问题上出现偏差，但就此认为“企业对市场是无知的”并不妥当。直至当今之数字化生存时代，市场主体以“期望效用最大化”来指导行为选择的经济理性与以前并没有发生本质变化，区别在于搜集、加工及处理信息的技术能力有了质的飞跃，这更加彰显了信息搜寻的作用。在技术的支撑下，信息可以更加微观地以数据的形式存在，这对主体决策的价值甚至使得数据成为更有价值的、最重要的稀缺资源。

无论何时，主体要在市场竞争中实现最大收益，就一定要谨慎决策。数据驱动并未改变市场竞争所包含的预测与行动的经济内涵，其只是在数字技术的支撑下使得行为选择能以一种更加社会化的方式进行分析，从而使传统经济学多了一些理性的选择，也增加了传统经济学均衡模型的类型。计算技术促使数据更加精准、更加广泛可及，诚如演化生物学家爱德华·威尔逊(Edward O. Wilson)所言，“科学家们试图将信息抽象……并且能以最小量的努力提供最大量的信息”，(9)Edward O. Wilson. Consilience： The Unity of Knowledge[M]. New York： Alfred A. Knopf, Inc., 1998： 58.故而主体在运用标准经济学模型进行大量的有关个体与行为的预测时，能够得到更多的经验上的准确性与心理上的合宜性，从而对行为作出明确的数字预测。(10)尼克·威尔金森.行为经济学[M].贺京同，那艺，等译.北京： 中国人民大学出版社,2012： 7-8.

二、 数据驱动对竞争的影响

预测是大数据分析的核心生命力，一个有趣的例子是，2009年谷歌(Google)的6个工程师在《自然》杂志上发表文章，宣称能预测冬季流感的传播。他们通过对比500万美国人搜索最频繁的词条和美国疾控中心在2003年至2008年间季节性流感传播时期的数据，设计了流感预测系统(GFT，Google Flu Trends)。(11)Jeremy Ginsberg, Matthew H, Mohebbi， et al. Detecting Influenza Epidemics Using Search Engine Query Data[J]. Nature, 2009(457)： 1012-1014.虽然有学者专门在《科学》杂志上发表文章来反驳谷歌工程师，希望引起世人对“大数据分析中的陷阱”的警示，但毋庸置疑的是，在计算技术的支持下，数据搜集、分析越来越实时化以及可行动化，甚至去专业化，因此大数据分析对社会经济生活的深度介入已呈趋势化。(12)唐·泰普斯科特.数据时代的经济学： 对网络智能时代机遇和风险的再思考[M].毕崇毅,译.北京： 机械工业出版社,2016： 130.

数据利用是为了更多地披露信息，因而能促使人们的行为更有效率，提高行动力的水平，使人们获得更多的技能，规避风险及激励改进，故大数据分析的核心是实现决策的量化和科学性。随着计算技术的不断发展，人们寻求量化和认知世界的道路越走越宽，甚至深入到社会生活的方方面面，与所有人都关系密切的经济往来活动自然会积极迎合这种技术趋势。作为交易主体的经营者，努力提高行为控制的量化水平和科学性，已经在商业活动中越来越依赖大数据进行决策、参与市场竞争。因此可以说，“数据驱动竞争”非常贴切地揭示了当下及未来市场竞争的决策特质。

竞争意味着经营者努力在相关市场中获得比较优势，“由于一个竞争企业是价格接受者，它的边际收益等于市场价格，对于任何一个既定价格而言，竞争企业实现利润最大化的产量，可以通过观察价格与边际成本曲线的交叉点来确定”，(15)N. Gregory Mankiw. Principles of Economics[M]. 8th ed. Boston: Cengage Learning, 2018： 273.但由于市场中存在信息不对称的现象，经营者只能通过搜集和利用大规模数据来克服信息不对称的问题，只不过在过去，获取信息成本非常高。互联网技术和计算技术的发展改变了这一状况，经营者变得有能力对市场各侧进行匹配，虽然他们不得不为此而雇用高技能员工，但是考虑到交易范围的大大扩张，信息成本同比仍然是降低的。“数据驱动型匹配的工具包括： 付费广告、商业搜索和自然搜索”，(16)伯廷·马腾斯.线上平台经济政策面面观： 上[J].刁琳，译.比较，2017(2)： 114.产品或服务的提供者依靠数据搜集、分析来发现用户的偏好以及挖掘潜在的消费者，尤其是在“赢者通吃”的平台经济、聚合经济时代，搜索与匹配的数据驱动过程将直接决定经营者之间的竞争样态以及竞争结果。当数据的数量足够多和质量佳时，经营者就能不断改进对消费者偏好的估算结果，(17)Andrey Fradkin. Search Frictions and the Design of Online Marketplaces[C/OL]. (2015-08-13)[2019-11-11]. https：//pdfs.semanticscholar.org/b75a/56c4047b3df9d6ec84e49b24c6a2058346a6.pdf. DOI： 10.4108IEAI.8- 8- 2015.2260850.再配上完美的算法，他们之间的交易就能在近乎完全信息基准的条件下进行。由此可知，怎样降低搜索成本成为数据驱动背景下开展市场竞争的核心问题。

数据驱动型竞争的另一个显著特征是，传统的市场竞争关系被重构，在过去看来完全不相干的主体之间，或主动或被动地展开了直接竞争。大数据时代，在外部性激励与内生性动力的作用下，产业发展越来越呈现出边界模糊化(即通常所谓的产业融合)的态势，制造业与服务业之间原本属于泾渭分明的上、下游产业关系，但在大数据时代有了直接竞争的可能。尤其是在“三网融合”的背景下，数据驱动带来的最直接的变化就是，不同产品和服务的营销具有了相同的知识基础。在数字技术的推动下，原有的模块化分工的产业结构被打破，不同产业彼此间的互动不再有技术障碍，产业融合因而具备了最为核心和基础的原动力。也正是有了外部性激励，促进产业融合的内生性动力开始积极发挥作用，从而引导企业采取不同于既有产业结构下的市场行为。企业的内生性动力根本上是为了获取市场竞争优势，即企业力图通过产业融合所产生的聚合效应与协同效应来实现自身效益的最大化。

技术实质和内生性动力揭示了数据驱动竞争条件下“跨界竞争”的理论基础，观察当下的产业实践可以发现，越来越多的数字产品或数字内容的制造商开始进入搜索与匹配服务市场，对此，我们可以进一步从生产活动的角度来分析。经济学上通常用生产函数来反映现有技术条件下的最大产出，所谓生产函数，是指“一定技术条件下投入与产出之间的关系”，(18)Robert S. Pindyck, Daniel L. Rubinfeld. Microeconomics[M]. 9th ed. Essex: Pearson Education Limited, 2018： 212.很显然，成本是主体决定生产投入及具体行为选择的根本元素，包括劳动、资本、信息、经营者的才能等具体生产要素。数据驱动环境中的产业，诸如信息产业、互联网内容产业，具有“高固定成本、低边际成本”(19)Carl Shapiro, Hal R. Varian. Information Rules： A Strategic Guide to the Network Economy[M]. Boston: Harvard Business School Press, 1998： 3.的基本特点，具有市场优势地位的经营者，凭借其在市场势力、用户和数据方面的优势，通过投资、并购等一系列资本运作，能够不断巩固市场控制力，从而使其他潜在的市场进入者面对的是极高的进入门槛。随着数据驱动竞争在社会经济生活中所占据的比重越来越高，整个市场竞争结构发生了显著变化： 一方面，具有数据优势的经营者有能力“赢者通吃”并长期维持竞争优势；另一方面，在高投入的数据挖掘成本的“逆向激励”下，一些经营者更愿意“搭便车”。这两方面的市场竞争样态都引发了人们的担忧。

三、 数据驱动竞争规制的分析对象

数据驱动给了经营者降低信息成本的能力，有助于其确定最适合的供给曲线，但同时，“信息成本下降的代价是其他风险上升”，(20)伯廷·马腾斯.线上平台经济政策面面观： 下[J].刁琳，译.比较，2017(3)： 136.消费者并不关心信息的供给方是谁，而这却是进行数据搜集、分析的企业最为在意的。如前所述，数据驱动型竞争的一个很重要的特点是产业融合，与传统产业多采取并购方式来实现多元化经营不同，数字经济时代的经营者通过平台化就能完成商业模式的规模化。由于不同类型的产品和服务的搜索、匹配方式实质上是相同的，数据搜集和分析的结果极易外溢到其他领域，故而数据支撑下的平台化能够为数量庞大的消费者提供相匹配的交易信息，从而促进交易。经营者的“交叉网络外部性”(21)所谓交叉网络外部性(Cross-group Externalities)，是指“双边市场中一边市场用户获得的网络外部性收益会随着另一边用户数量的增加而增加”。See Mark Armstrong.Competition in Two-sided Markets[J]. The RAND Journal of Economics, 2006, 37(3)： 668.越显著，被吸引到平台上来的消费者就越多。

大数据把过去分散的且数量庞大的信息串联起来，因而促使数据驱动竞争中平台化交易的信息成本得以大大降低。平台凭借着数据搜集、分析和精准推送可以迅速扩张，也恰恰是在数据方面的投入，体现了数据驱动型产业对高固定成本投入的要求。由于不同经营者的资本投入不同，因而决定了他们对数据处理的能力存在很大差异，高投入才能拥有高专业水准的数据搜集与分析、算法设计的技术人员；同时，数据驱动型产业又是低边际成本的，经营者一旦拥有较强的数据能力，即在信息不完全和信息不对称的情况下而居于竞争优势地位，且这种优势会越来越固化。搜索与匹配能力方面的差异决定了市场竞争中主体间的相互关系，数据占优势的经营者甚至会“影响整个供应链的结构”，(22)有关供给与需求结构的论述，参见Andrei Hagiu, Julian Wright. Marketplace or Reseller?[J]. Management Science, 2015, 61(1)： 186-188.因为经营者的定价能力与之密切相关。数据搜索与匹配能力上的差距被越拉越大，以及固定成本投入方面的劣势，导致一些经营者在道德风险方面实施逆向选择，从而使得在掌握数据上占优势的主体面临更大的事后风险和不确定性。

需要明确的是，本文所讨论的数据驱动竞争规制问题，是在“现行立法并未对数据资产进行产权赋权”这一前提下展开的，如果数据资产实现了产权化，竞争者彼此间行为边界的划定则会表现为基于剩余控制权(23)关于剩余控制权的含义，参见Sanford J. Grossman, Oliver D. Hart. The Costs and Benefits of Ownership： A Theory of Vertical and Lateral Integration[J]. Journal of Political Economy, 1986(94)： 716.的市场控制，从而使得市场竞争呈现出不同的产业结构。而在产权赋权之前，数据主要还是被视为决策的工具，从而影响市场主体的竞争策略。因此，如何在竞争法语境下展开数据驱动竞争规制的讨论和判断，应是当下关注的焦点。如前所述，数据驱动竞争与传统竞争在实质上没有差异，竞争者通过影响对手和消费者的行为选择，以获取相应的收益。只不过在前者之中，数据日益成为市场势力的主要来源，并通过商业模式的运行以实现竞争优势的固化。因而不难理解，如果竞争者利用大数据来影响对手或消费者的行为选择而产生了反竞争效果，就会触发竞争法的规制。

总而言之，一方面，数据优势者追求固化和扩张市场势力的行为若产生了排除竞争或导致竞争不充分的后果，即应施以反垄断规制之干预；另一方面，数据劣势者未经允许获取、利用数据的行为，应当受到反不正当竞争的规制。两种规制路径看起来相去甚远，既有的司法经验也似乎告诉我们，两者在方法论上差异甚大，但笔者认为，反垄断与反不正当竞争的本质是相通的，尤其是反不正当竞争规制需要适用“一般条款”时体现得十分明显。数据驱动竞争中的“搭便车”行为，例如数据阻断、数据剽窃等行为，常常难以在《中华人民共和国反不正当竞争法》(以下简称《反不正当竞争法》)明确列举的不正当竞争行为中找到“影像”，若动用《反不正当竞争法》第二条来规制，就会面对“是否违反公认的商业道德”的判断难题。因此，如何尽可能地将“公认的商业道德”客观化，是反不正当竞争规制必须解决的问题。笔者认为，引入竞争效应分析是有效的方法，竞争是市场的本质属性，如果被诉行为导致了负向的竞争效应，即有理由认为其违反“公认的商业道德”。正是因为均以竞争效应为评价基础，两种竞争法规制能有相同的方法论支撑，区分只在于导致负向的竞争效应的行为主体不同。

我们在探讨数据驱动竞争规制时，从方法论统一的角度分析，能够提炼出两种规制路径均要分析的一般性问题。归纳起来，包括以下两个研究对象。

第一，竞争者与消费者之间的利益关系。这里的消费者可能是终极消费者，也可以是处在产业链下游的买方企业。另外，消费者尽管是市场竞争的接受方，但由于其行为选择会反过来影响竞争者的经营策略，故消费者应被视为决策人而同样属于市场竞争的参与者。如前所述，竞争就是经营者以发展和巩固消费者为目标的理性决策及其实施，因此为了吸引消费者在同质竞争者中选择自己，经营者会努力向消费者释放有关需求和效用的信息，力图让其相信选择某个特定经营者，这样就能够实现效用最大化，进而让消费者形成消费偏好或路径依赖。如果这一过程为真，那么消费者的搜寻成本也就降低了，但问题在于供需两侧处理大数据的能力是不均衡的，经营者通过数据分析完全能够做到“投其所好”地向消费者传递信息，使得消费者相信自己的决策实现了效用最大化。“大数据杀熟”就是典型的例子，经营者利用对竞争对手和消费者的数据优势实施了影响消费者决策的经营策略，而实际上消费者搜寻成本降低所依赖的信息并不真实。有鉴于此，只要消费者存在正的搜寻成本，经营者就能利用自己的市场势力来作用于他们，从而导致价格离散的现象。(24)Paul Belleflamme, Martin Peitz. Industrial Organization： Markets and Strategies[M]. Cambridge: Cambridge University Press, 2010： 158.在同质产品市场是这样，在异质产品市场上更是如此。笔者认为，基于搜寻成本与价格离散之间的关系可知，对于价格较高(占消费者预算较大)或消费频率较高的商品和服务，搜寻带来的收益更高，(25)关于“搜寻成本与价格离散之间的关系”的讨论，参见Paul Belleflamme, Martin Peitz. Industrial Organization： Markets and Strategies[M]. Cambridge: Cambridge University Press, 2010： 165-166.而正是基于这一点上，经营者利用大数据传递错误效用信息的激励也更大。

第二，竞争者为商业争夺所付出的成本。市场主体之间所开展的竞争，不仅最终通过主体的定价策略体现出来，也关系到产品的质量、创新和整体经济效益，因此，衡量竞争行为是否产生反竞争效果，需要充分考虑该行为是否对市场整体结果产生了影响。如前所述，数据驱动竞争的产业特点是，竞争者需要耗费高昂的固定成本搜集数据、研发技术甚至购买版权和专利权以获得用户基数，但由此获得的网络外部性与规模效应，会使其边际成本相对较低。因此，数据优势者与数据劣势者会在竞争激励上存在显著的差异，但两者的相通之处在于，竞争者令其对手为商业争夺付出了额外的成本。此处所谓“额外”，是指这部分成本的支出无法为竞争者带来生产者剩余，因此，“排除竞争”和“搭便车”均应予以规制。具体而言，针对数据优势者的排除竞争行为进行评估时，不仅应关注这些行为可能带来的市场集中度增加与潜在竞争者数量减少所导致的生产者剩余减少以及消费者剩余减少，还需关注行为人因网络外部性与规模效应增强而造成竞争对手的固定成本增加(也即意味着生产者剩余减少)；而针对数据劣势者的“搭便车”行为进行评估时，实际上就是要回答，竞争者要制止他人模仿其基于数据搜集、处理所“开发”的商业模式是否是“高成本、低收益”的。网络用户数量巨大，且每个用户对模仿者数据“搭便车”行为的效用评价不同，因此，在总需求不变的前提下，相关产品或服务对消费者的总效用(也即是消费者剩余)不变，那么效应评估的关键就在于，被诉行为是否导致商业模式开发者的生产者剩余减少。

综上所述，反不正当竞争规制与反垄断规制的关键在于，分析“数据驱动竞争给消费者和竞争者带来的福利变化”与“竞争者所遭受的损失”之间的量化关系，从而判断被诉行为对社会整体福利的影响。还有一点值得注意的是，市场主体的创新能力与其规模息息相关，因此，对数据优势者排除竞争行为的评估，还需关注该行为是否会导致经营者本身创新能力的增强，而不能仅仅关注“低产出与高价格”的静态剩余损失。

四、 方法论中的核心问题： 社会福利考量

由前文可知，无论何种形式的数据驱动型反竞争行为，侵扰性、导致信息匹配偏差、诱导甚至操纵消费者，等等，其经济效应最终都指向了社会福利问题。(26)伯廷·马腾斯.线上平台经济政策面面观： 上[J].刁琳，译.比较，2017(2)： 135.这使得反垄断规制与反不正当竞争规制的内在相通性更加清晰，因此，竞争法规制的目的可统一表述为旨在最大限度地提高社会整体福利。所谓社会福利考量，就是判断竞争行为是否会产生“增量社会剩余(incremental social surplus)”(27)即增加的社会总剩余。总剩余等于生产者剩余和消费者剩余之和。See N. Gregory Mankiw. Principles of Economics[M]. 4th ed. Mason: Thompson South-Western, 2007： 147-148.的结果，经济学中以“剩余”来指个人或群体能够从市场的正常运作中获取的利润，社会剩余可理解为消费者与生产者都从市场交换中获得收益，因而分别表述为消费者剩余和生产者剩余。总而言之，竞争效应分析的结果是以社会整体福利的变化来体现的，即社会福利考量是竞争法规制之方法论中的核心问题；根据福利变化的结果是否表现为净损失，从而得出是否应当施以竞争法规制的结论。

具体的竞争法规制实践，自然是上述方法论在特定场景中的详细展开，不过，社会福利考量是有基本分析框架的，结合数据驱动竞争规制，笔者认为，个案中的社会福利考量涉及以下几方面的内容。

第一，被诉行为对消费者剩余的影响。所谓消费者剩余，是指购买者愿意为某种商品支付的金额与他们实际支付的金额之间的差值。(28)N. Gregory Mankiw. Principles of Economics[M]. 4th ed. Mason: Thompson South-Western, 2007： 139.竞争者提供的产品或服务不变时，消费者愿意支付的对价是不变的。因此，笔者认为，在分析消费者剩余受到的影响时，应从归纳影响消费者选择的各因素入手，包括消费者的个人因素与产品因素，例如消费者收入、消费偏好、产品价格、产品质量、产品特征等因素，继而对被诉行为分别进行短期效应与长期效应的分析，从而观察其是否改变了消费者愿意支付的对价。例如，在数据驱动的产业竞争中，可以从数据使用方式的角度出发，分析数据优势者的价格歧视能力是否因排斥行为而增强；如果数据不仅被用于改善匹配度,还被用于调整定价，以及不仅使产品与消费者进行匹配，也将价格与消费者的效用进行匹配，那么这种价格歧视将导致消费者剩余减少。另外，在长期效应分析中还需考虑，随着数据搜集的常态化和全面覆盖，消费者拥有的具有搜集价值的新信息越来越少，导致消费者信息租值不断降低，消费者剩余随之亦减少。

第二，被诉行为实施者的生产者剩余变化。所谓生产者剩余，是指生产者销售商品得到的金额减去其生产成本后的剩余金额。(29)N. Gregory Mankiw. Principles of Economics[M]. 4th ed. Mason: Thompson South-Western, 2007： 144.笔者认为，分析被诉行为对实施者生产者剩余的影响，主要考虑该行为对消费者需求弹性的影响，即该行为是否增加了实施者对消费者的吸引能力，使得消费者愿意支付的对价增加，同时还应注意分别进行短期效应与长期效应的分析。例如，如果被诉行为是数据劣势者“搭便车”，该行为通常会令被告对消费者的吸引力增加，那么消费者愿意支付的对价就会增加，从短期看，这会增加被告的收益，但从长期看，被告生产者剩余的变化取决于原告对被诉行为所做出的反应(即应对策略的选择)，因而有可能最终是下降的；而如果被诉行为是数据优势者的排斥行为，该行为将减少竞争者的数量，减少产出，降低消费者的价格需求弹性，因而无论短期内还是长期来看，数据优势者的生产者剩余都将增加，此时就需要结合消费者剩余变化的长期效应，总体评价被诉行为将导致社会福利如何变化。

第三，原告的生产者剩余变化。无论是反不正当竞争规制抑或反垄断规制，首先是厘清作为原告的竞争者的利润来源点，进而在短期效应分析方面，计算其因被诉行为所遭受的损失(即直观的原告生产者剩余减少)。如前所述，数据驱动竞争的实质是流量竞争，因而在计算原告损失时，不仅需要完善的证据制度以消除证明损失与被诉行为之间存在因果关系的体系性障碍，更需要用方法论上的开放性，提升因果关系证明的科学性。对此，笔者认为，鉴于数据驱动的产业特征，量化分析的方法势必会有更加常态化的运用。长期效应的分析则会复杂一些，我们不妨采用思想实验的方式进行分析，例如如果放任被诉行为而不予规制，原告势必会采取应对策略以避免其生产者剩余的减少，包括技术对抗、提高价格、减少供给、既降低生产要素又提高市场价格，甚至退出市场，很明显，原告的生产者剩余长期看是下降的。

第四，被诉行为是否导致了“竞争不充分”的结果。关于这一点，我们不妨同样展开思想实验： 假设在一定时期内，数据驱动竞争市场的消费者数量是恒定的，所以在该时期内，特定数字产品或服务的需求量亦是不变的，只是在供给者之间存在“此消彼长”的变化而已，即竞争者之间是策略性替代的。(30)策略性替代是与策略性互补相对应的概念，参见Paul Belleflamme, Martin Peitz. Industrial Organization： Markets and Strategies[M]. Cambridge: Cambridge University Press, 2010： 67-70.那么，从静态竞争的视角来看，特定产品或服务的总需求量在供给者之间如何分配，主要由用户针对不同供给者的意愿支付价格来决定，通过测算消费者的访问时间及费用支出(比如会员充值)，即可判断出被诉行为是否促使竞争更加充分；再从动态竞争的视角来看，即在竞争场景中又加入了“时间”维度，由于经营者之间是序贯决策的，(31)所谓序贯，是指按时间顺序排列。也就是说，某一经营者完全有可能抢在竞争对手之前确定价格和产量，此即所谓“应当先发制人还是后发制人”的问题，通过分析被诉行为是否影响了消费者的用户习惯，从而能够判断出被告是否具有替代优势及其替代优势具体为何，并最终得出是否导致竞争不充分的结论。

总而言之，数据驱动竞争不仅是当下数字产业、平台经济的现状，也是未来信息社会的产业基本样态，因而，理解数据驱动竞争的本质与竞争法规制的方法论，极具意义。更何况，脸书(Facebook)与WhatsApp Messenger(简称WhatsApp)合并、微软(Microsoft)与领英(LinkedIn)合并等事件所引发的关注和争议，已经将数据驱动竞争的规制问题推至越来越突出的位置，理论和方法层面均亟待持续供给。本文初衷即源于此，希冀对现实需求有所裨益，并求教于方家。