数据、算法驱动型不正当竞争行为的规制路径

翟巍

摘要：在数字经济视野下，数据与算法共同构成数字经济迭代发展的支点。虽然数据、算法本身属于价值中性的技术手段，但经营者出于自私逐利目的，有可能实施数据、算法驱动型不正当竞争行为，以致损害公平与正当的市场竞争秩序。基于反不正当竞争法视角，为了系统性规制数据、算法驱动型不正当竞争行为，公权力机关有必要将“可持续发展的社会整体效益”设定为多元利益衡量基准，并细化厘定数据、算法驱动型不正当竞争行为的方式要件、结果要件。在这一前提下，公权力机关还应当进一步建构关于数据、算法驱动型不正当竞争行为的类型化界分与规制机制，系统性区分非效能竞争风险类型与阻滞竞争风险类型的不正当竞争行为，以实现更加精准与高效地发现、甄别与处置数据、算法驱动型不正当竞争行为的目标。

关键词：数字经济 数据算法 反不正当竞争法 社会公共利益

一、绪言：数字经济视野下的反不正当竞争法变局

数据与算法共同构成数字经济发端、衍生、演进的二元“端点”，两者的相互加持、融合构成数字经济迭代演进的内在驱动力。迄今为止，数据概念尚缺乏统一定义。基于信息论视角，信息可以依据语义、句法、结构以及语用（pragmatic）的区分标准被进行类型化;而数据通常是指一种“能够以适合交流、评估或处理的形式化方式对信息予以重新解读的表现样态”。①从狭义层面界定，数据一般是指科学实验或测量的结果。从广义层面界定，数据是指“任何信息”或“通常与存储于计算机的信息结合使用的信息表现形式”。而算法概念是数学与计算机科学领域的一项涉及长序列程序的专有术语，关于该概念的定义多元驳杂。②在一般意义上，算法概念可以被界定为：“一系列简单或被明确定义的操作，而这类操作依据特定顺序施行，以执行特定类型任务或解决特定问题。”③通常而言，每种类型的互联网软件都包含至少一种算法。

在以亚当·斯密（Adam Smith）为开山鼻祖的古典经济学视野下，获得数据、算法等技术手段加持的互联网市场竞争可被厘定为一种自然秩序，它是一种超现实的与超社会的均衡力量。④具体来说，在传统古典经济学视野下，互联网市场的“竞争”属于一种行为样态，它可被厘定为一种回归自然秩序的动态演变的进程;而在新古典经济学视野下，互联网市场的“竞争”则被视作一种市场结构，它可被假定为一种以市场结构来呈现的特殊的静态市场状态。⑤在数字经济时代，由于“竞争”能够最优化流转配置产品、服务、技术、数据、流量等资源，因而竞争性市场是互联网行业得以高质量、可持续发展的必要前提;如果数字市场保持良好竞争生态格局，那么数字经济的诸种正向潜力就能获得最大程度释放。⑥

虽然数据、算法本身属于适用中性与价值中性的技术手段，但由于经营者兼具“经济人”与“理性人”特征，因而他们可能滥用数据、算法技术手段，逾越法律与商业道德界限，施行流量劫持、恶意不兼容等新型不正当经营模式、业态、行为，最终侵蚀其他市场参与方的合法权益。就概念界定而言，所谓数据、算法驱动型不正当竞争行为就是指经营者利用数据、算法技术手段施行的违反法律与商业道德的竞争行为。这类竞争行为导致互联网市场竞争机制的扭曲与阻滞后果，其违法性应当根源于“行为本身的违法性”，而并非根源于传统侵权法视角下的“法益的受损害性”。⑦

由于传统反不正当竞争法律制度发端于工业经济时代，这导致在数字经济迭代演进之际，该项制度在规制数据、算法驱动型不正当竞争行为层面日益呈现滞后性、僵化性与不匹配性，尤其是在实现“鼓励数据、算法驱动型创新”与“规制数据、算法驱动型不正当竞争行为”二元目标之间存在错位与张力关系。鉴于此，市场监管总局在2021年8月17日发布《禁止网络不正当竞争行为规定（公开征求意见稿）》（本文以下简称为《公开征求意见稿》）。《公开征求意见稿》的制定依据为《反不正当竞争法》《电子商务法》《行政处罚法》等法律。依据功能定位视角，《公开征求意见稿》包含《反不正當竞争法》第2条（“一般性法条”）与第12条（“互联网专条”）在互联网领域施行的具象化、实操化规定，它还专门针对数据、算法驱动型不正当竞争行为设定颇具创新理念的类型化规制条款。

基于前述，本文拟在评判《公开征求意见稿》相关条款利弊得失的基础上，从域外借鉴与本土建构的二元视角梳理、厘定我国数据、算法驱动型不正当竞争行为的违法性判定标准，希冀建构关于这类不正当竞争行为的类型化界分与规制机制，并探讨反不正当竞争法视野下数据、算法驱动型不正当竞争行为规制机制的构造路径。

二、数据、算法驱动型不正当竞争行为的规制基准

由于反不正当竞争法律制度固有的谦抑性、守成性与滞后性，经由数据、算法驱动的科学技术、组织业态、经营模式的迭代创新不可避免引发新型法律应对困境及其衍生问题，其中最受关注的悬而未决问题即为：“如何厘定反不正当竞争法的规制界限与实施原则，进而设立用于厘定数据、算法驱动型不正当竞争行为的多元法益权衡基准”。

（一）反不正当竞争法的规制界限与实施原则

依据作为反不正当竞争法“母国”的德国学界主流观点，虽然“保护不受扭曲的正常运作的竞争机制”（die Aufrechterhaltungeinesunverf?lschtfunktionierendenWettbewerbs）是反垄断法与反不正当竞争法的共同目标，但这两部竞争法律在保护模式上各有侧重，它们规制领域的分野相对清晰。其中，反垄断法注重于规制数据、算法驱动型的限制竞争行为，以确保竞争的自由性（Freiheit），而反不正当竞争法侧重于规制数据、算法驱动型的不正当竞争行为，以确保竞争的正当性（Lauterkeit）。⑧

在数据、算法驱动型的不法行为规制领域，我国《反不正当竞争法》与《反垄断法》存在叠加适用与竞合适用的情形。譬如，无论平台经营者是否具有市场支配地位，其实施的没有正当理由对竞争对手截取流量、不予直链的行为均可构成违反《反不正当竞争法》第12条的恶意不兼容形态的不正当竞争行为。如果具有市场支配地位的超大型平台经营者实施这类截取流量、不予直链行为，那么该企业亦同时构成违反我国《反垄断法》第17条的滥用市场支配地位行为。

在一般情形下，《反不正当竞争法》与《反垄断法》处于各别施行态势。在此情形下，我国执法、司法机关有必要采行渊源于德国的嵌合适用机制，以实现这两部法律实施效果的互补性与交融性。该项嵌合适用机制基本内容为：执法、司法机关在适用《反不正当竞争法》与《反垄断法》之中一部法律规制一项数据、算法驱动型经营行为时，以不影响这部法律独立性为前提，必须关注另一部法律对该项经营行为的“评价”（Wertungen）。⑨具体来说，市场监管总局有必要关注业已生效的国务院反垄断委员会《关于平台经济领域的反垄断指南》涉及数据、算法驱动型垄断行为的规定，修订完善《公开征求意见稿》相关条款，以确保最终生效的《禁止网络不正当竞争行为规定》与《关于平台经济领域的反垄断指南》之间达致规制指向协同性与实施效果融合性。⑩

在数据、算法驱动型的不法行为规制领域，《反不正当竞争法》亦应受到适用中性原则（谦抑性原则） 的约束。所谓适用中性原则是指：反不正当竞争法不应当成为“主动”引导、塑造、重构经济政策与市场架构的制度性工具，亦不应“主动”介入新旧科学技术、组织业态、经营模式之争，它应当主要承担“被动”规制损害市场公平竞争行为的功能。

从历史解释视角分析，人类历史上最早出现的1896年《德国反不正当竞争法》（UWG）的主要属性是具有被动规制特征的“特殊性私法”（Sonderprivatrecht），后来反不正当竞争法律才被逐步予以公法化。?这一历史流变事件构成各国《反不正当竞争法》适用中性原则的产生渊源。从法理逻辑上分析，弗里德里希·奥古斯特·冯·哈耶克（Friedrich August von Hayek）主張“竞争构成一种发现过程”（Der WettbewerbalsEntdeckungsverfahren）。?依据哈耶克这一法理逻辑，竞争是一种极端复杂的自发性市场秩序（die spontaneMarktordnung），即使通过最全面的通信机制与最强大的计算机处理技术亦难以获得厘定竞争行为产生效果所需的全面知识，因而竞争行为产生的结果难以被预判，而只能在市场竞争发展过程中而不断地被发现。?基于此，反不正当竞争执法、司法机关有必要对新型的数据、算法驱动型的竞争行为持包容、审慎、科学的规制态度，通过动态观察、类案汇总与延后判断的方式逐步厘定这类新型竞争行为的后果，并对由数据、算法技术手段引发的新旧科学技术、组织业态、经营模式之争保持超然与中立的态度。

譬如，德国汉堡州法院在“白名单”案件中认为，被告普遍免费提供具有收费白名单功能的广告屏蔽软件的行为不构成违反《德国反不正当竞争法》（UWG）第3条与第4条的不正当竞争行为。?在该案中，德国汉堡州法院对“提供具有收费白名单功能的广告屏蔽软件”这一新颖的算法驱动型经营模式就采取了宽松与宽容态度，并未主动介入该新颖经营模式与原告既有的“免费提供新闻+广告盈利”经营模式之间的竞争，而是力图在鼓励网络技术创新、保护消费者利益、维护竞争者利益多元目标之间实现动态平衡。?

基于上述，市场监管总局有必要在《公开征求意见稿》中增设强化适用中性原则（谦抑性原则）的条款，针对具有技术创新特征的数据、算法驱动型的竞争行为采取宽容、包容、审慎、科学的规制态度。

（二）多元法益权衡的“基点”与“圭臬”：可持续发展的社会整体效益

对于数据、算法驱动型不正当竞争行为而言，这类行为的核心构成要件为行为的“不正当性”。依据《反不正当竞争法》第2条，此处所述的“不正当性”等同于“违反法律和商业道德”，并且该“不正当性”又可被进一步细化阐释为“扰乱市场竞争秩序，损害其他经营者或者消费者的合法权益”。

然而，在应用《反不正当竞争法》第2条（“一般性法条”）评估数据、算法驱动型竞争行为因“违反商业道德”而呈现的不正当属性时，存在双重实践困境。

一方面，正如最高人民法院近期起草的《关于适用〈中华人民共和国反不正当竞争法〉若干问题的解释（征求意见稿）》规定，《反不正当竞争法》第2条规定的“商业道德”是指特定商业领域普遍认可和遵循的行为规范。然而，在互联网行业普遍认可和遵循的涉及数据、算法使用的行为规范（如行业惯例）并不必然具有正当性，这类行为规范依旧可能掺杂行业私利因素。因此，只有在综合使用社会公共利益、市场可持续发展等多元评估指标的前提下，经过验证程序确定相关行为规范具有合法性与合理性后，才能将其定性为具有正当性的商业道德。?值得关注的是，有域内学者认为，由于竞争是市场的本质属性，因而依据“竞争效应分析”路径，如果一项经营行为导致负向的竞争效应，那么该项经营行为就可被厘定为违反“商业道德”的不正当竞争行为。?这一理论观点存在“逆向泛道德化”“去道德化”倾向，它将“商业道德”的价值观内核剔除，将主观的“商业道德”混同于客观的“负向竞争效应”，因而它严重背离反不正当竞争法“确保竞争正当性（Lauterkeit）”的立法本义。?

另一方面，《反不正当竞争法》第2条关于“扰乱市场竞争秩序，损害其他经营者或者消费者的合法权益”的文本表述隐含市场竞争秩序、其他经营者合法权益、消费者合法权益三项并列的法益，而这三项法益的利益光谱并非必然重合与契合，甚至可能出现相互抵牾、冲突的情形。?譬如，在网络语音电话服务诞生之初，该服务曾被认为系经营者在不具备电信运营商资质的情形下提供电信服务，因而它涉嫌构成损害电信市场固有竞争秩序与电信运营商合法权益的不正当竞争行为，但这一服务无疑有利于消费者行使自由选择权，并降低通话成本，提升通话便捷度。?基于此，市场监管总局应当通过修订《公开征求意见稿》方式明确规定，在依据《反不正当竞争法》第2条判定一项数据、算法驱动型竞争行为是否具有“不正当性”时，需要对市场竞争秩序、其他经营者合法权益、消费者合法权益这三项并列法益予以个案衡量，而做出这类利益衡量结果的“基点”与“圭臬”应是社会公共利益的最高形式：可持续发展的社会整体效益。

其原因在于，社会公共利益为利益衡量的支点与根基，缺乏社会公共利益的指向，就无法进行妥当的利益衡量。21依据部门法属性分析，反不正当竞争法隶属于经济法体系，二者之间的线性隶属关系表现为：“反不正当竞争法→竞争法→市场微观规制法→经济法”。鉴于经济法的根本价值导向为“可持续发展的社会整体效益”，22因而在依据《反不正当竞争法》进行多元法益的权衡取舍时，需要以上位法统摄性的根本价值导向作为评判的“基点”与“圭臬”。

举例而言，若一项数据、算法驱动型竞争行为导致市场竞争秩序、其他经营者合法权益、消费者合法权益这三项法益之间出现相互抵牾、冲突的情形，那么应当以该项行为是否契合“可持续发展的社会整体效益”作为判定其正当与否的最终基准。进一步而言，在现代国家法律制度架构下，维护可持续发展的社会整体效益是任何国家活动得以实施的普遍性前提。因而国家公权力主体必须主动保护与促进社会公众的长远福祉，并着力解决社会公众所关注的问题。23由于这一原因，反不正当竞争执法、司法机关在对意蕴模糊的“可持续发展的社会整体效益”予以具象化与明晰化时，可以参照、借鉴由国家制定、施行的以促进社会公众长远福祉为导向的宏观战略规划、发展目标、产业政策、监管政策等。

三、数据、算法驱动型不正当竞争行为的违法性判定标准

《公开征求意见稿》第13条规定：“经营者不得利用数据、算法等技术手段，通过影响用户选择或者其他方式，实施流量劫持、干扰、恶意不兼容等行为，妨碍、破坏其他经营者合法提供的网络产品或者服务正常运行。”从行为构成要件层面，该总则性条款沿袭《反不正当竞争法》第12条的文本表述，设立了数据、算法驱动型不正当竞争行为的方式要件与结果要件，从而厘定这类行为的违法性判定标准。

（一）设置“相对方做出商业决策理性能力受妨碍”方式要件及评判标准

依据《公开征求意见稿》第13条规定，“影响用户选择或者其他方式”构成判定数据、算法驱动型不正当竞争行为的方式要件。然而，“影响”本就属于中性词汇，它可以涵盖正面、负面及居中效应，因此将“影响用户选择或者其他方式”作为判定数据、算法驱动型不正当竞争行为的方式要件失之宽泛与模糊，这很有可能误伤“对用户履行充分告知义务并能够提升用户福祉”的数据、算法驱动型正当竞争行为，甚至侵犯用户依据主观意愿自主选择商品、服务的权利。基于此，市场监管总局有必要修订《公开征求意见稿》第13条，以更加精准与审慎的“相对方做出商业决策理性能力受妨碍”要件置换“影响用户选择或者其他方式”要件。

在评估相对方（包括消费者、经营者）做出商业决策理性能力是否受到经营者数据、算法技术手段的妨碍时，市场监管总局可以考虑借鉴欧盟的“参照型消费者”（Referenzverbraucher）标准，在《公开征求意见稿》中植入“参照型消费者”“参照型经营者”标准。24根据“参照型消费者”与“参照型经营者”标准，反不正当竞争执法、司法机关在评判一项数据、算法驱动型竞争行为是否使作为相对方的消费者、经营者做出商业决策理性能力受妨碍时，不应拘泥于个案中具体消费者、经营者的反馈情况，而应依据反不正当竞争规制普适性与公正性的要求，聚焦于分析“一个具有平均水准的知情度、注意力、明智性的普通消费者、经营者”将如何对这项数据、算法驱动型竞争行为予以反馈，其做出商业决策理性能力是否受到妨碍。进一步而言，反不正当竞争执法、司法机关可以采用极端型个案抽样、强度抽样、同质型抽样等社会科学研究方法，通过科学抽取样本并进行分类、汇总以及整合分析的方式，在极端复杂个案中量化厘定“参照型消费者”与“参照型经营者”的各项指标。25

在评估相对方做出商业决策理性能力是否受到妨碍时，市场监管总局还可考虑在《公开征求意见稿》中引入《德国反不正当竞争法》（UWG）最新增设的第5b 条中的“基本信息”（WesentlicheInformationen）标准，26设定经营者应当告知相对方的“基本信息白名单”，然后依据经营者告知义务的履行情况反向推定相对方做出商业决策理性能力是否受到妨碍。譬如，依据《德国反不正当竞争法》（UWG）第5b 条第2款关于积极性义务的规定，如果一个经营者向消费者提供来自不同供给主体的商品、服务信息的搜索渠道，那么无论消费者最终在何处达成交易，该经营者均有义务向消费者提供以下信息：其一，用于设定“向消费者展示的商品、服务搜索结果排名”的主要参数;其二，与其他参数相比较，确定排名的主要参数占据的相对权重。此外，《德国反不正当竞争法》（UWG）第5a 条第2款亦从禁止性义务角度厘定经营者的信息告知义务。依据该条规定，在考虑到所有情形的前提下，经营者不得向消费者隐瞒重要信息，否则构成不正当竞争行为。此处所述的“重要信息”包括以下两类：（1）消费者根据相关情况作出明智商业决策所需要的信息;（2）如果信息被扣留，那么可能会诱使消费者做出他（她）本来不会做出的商业决策。27

综上所述，市场监管总局有必要在《公开征求意见稿》中设定与经营者告知义务紧密关联的“基本信息”标准，为经营者适格履行告知义务厘定明晰化与实操化的合规指南。一旦经营者背离“基本信息”标准，向相对方提供不全面、不充分、不真实信息，抑或借助算法推荐、算法压制等手段不当过滤信息流，从而影响相对方做出商业决策，那么在这类情形下，可反向推定相对方做出商业决策的理性能力受到妨碍与侵蚀。

反不正当竞争执法、司法机关在在评估经营者是否利用数据、算法技术手段使“相对方商业决策理性能力受妨碍”时，还需要特别关注基于数据与算法的机器学习（MaschinellesLernen）对消费者、企业用户做出商业决策的理性能力的影响。机器学习属于人工智能的一项关键技术。从技术层面而言，人工智能就是大数据、计算资源与机器学习的组合体。28在機器学习模式下，机器可以在大量样本数据的基础上开发可以应用于“新的、未知的场景与数据”的规则与模式。29由于机器自身缺乏预设的世界观、道德观、价值观，因而机器学习可能挑战人类现有的规范与直觉，开发出不当影响消费者、企业用户商业决策理性能力的规则与模式。举例而言，在机器学习进程中，机器可能自发通过对特定模式的异构数据（譬如，在互联网或社交媒体上的人类活动数据、信用卡与银行数据、评级数据、旅游数据）的分析，针对特定群体设定不正当的歧视性影响策略。

鉴于上述，在监管机关的管理、引导下，经营者为了确保自身开启的机器学习方式不会导致“相对方商业决策理性能力受妨碍”，有必要采取以下两项措施：

其一，经营者应当未雨绸缪，将“公平对待”（GerechteBehandlung）预设为机器学习的目标，以确保机器学习的循环正向发展。30举例来说，基于近期国家网信办发布的《互联网信息服务算法推荐管理规定（意见稿）》规定，算法推荐理应以“倡导向上向善，抵制逐利作惡”为价值取向。31这一意见稿规定可被视作我国监管机关针对基于数据、算法的人工智能、机器学习的迭代演化进程设定正向价值观导向的探索性规定。

其二，鉴于机器算法具有高度复杂性、短促重新校准周期与高度自动化的特征，32经营者应当开发必要技术与工具，提升机器学习全链条、各环节的透明度与可控性，确保机器学习的可解释性与可验证性（Erkl?rbarkeit und ?berprüfung），抑或由独立与权威的第三方机构通过外部监管方式，确保机器学习的可解释性与可验证性。33

（二）廓清“妨碍、破坏”结果要件的评判标准体系

基于《公开征求意见稿》第13条，数据、算法驱动型不正当竞争行为的结果要件为：“妨碍、破坏其他经营者合法提供的网络产品或者服务正常运行”。对该结果要件的内容分析可知，“妨碍、破坏”的直接客体是“其他经营者合法提供的网络产品或者服务得以正常运行的利益”，这类产品或者服务得以正常运行的利益通常表现为其他经营者在正常运行产品、服务过程中所享有的经营权益（动态竞争利益），而非纯粹的与静态的物权或债权权益。

总体而言，虽然市场监管总局在《公开征求意见稿》第13条设定的“妨碍、破坏”结果要件重点关注动态竞争利益的维护，这契合了有别于民法侵权模式的反不正当竞争规制模式的特征，但该结果要件在行为损害后果的价值定性、程度定量与利益衡量层面失之模糊与偏颇，因而市场监管总局有必要引入非价值中性标准、显著性标准与双层级利益衡量标准，以廓清“妨碍、破坏”结果要件的内容，补白与补强其固有评判功能。

1.非价值中性标准

互联网领域数据、算法驱动型正当或不正当竞争行为的最终结果都呈现为社会整体福利的增益或减损，而反不正当竞争法规制不正当竞争行为的目的就是“最大限度地提高社会整体福利”。34不容忽视的是，基于效能竞争原则（Prinzip des Leistungswettbewerbs），每个人都可以在竞争中自由地超越对手。35因此，在互联网市场竞争领域，经营者利用数据、算法技术手段对其竞争对手造成“妨碍、破坏”是常态化现象，它属于市场竞争的应有之义与固有结果;只要在《反不正当竞争法》视角下这种“妨碍、破坏”是“中性”（neutral）的，并未以违反法律或商业道德的方式侵害动态竞争利益，那么这种“妨碍、破坏”就不应受到《反不正当竞争法》的苛责与规制，亦不应承担否定性法律后果。36在马达庆案裁定中，最高人民法院就曾表达类似观点：“对于同一交易机会而言，竞争对手间一方有所得另一方即有所失。利益受损方要获得民事救济，还必须证明竞争对手的行为具有不正当性。只有竞争对手在争夺商业机会时不遵循诚实信用的原则，违反公认的商业道德，通过不正当的手段攫取他人可以合理预期获得的商业机会，才为反不正当竞争法所禁止。”37

虽然《反不正当竞争法》受到适用中性原则（谦抑性原则）的约束，但这一原则并非绝对无界限适用，由于《反不正当竞争法》本身属于内化于经济体制的制度性工具，因而它必须主动维护其所属经济体制蕴含的价值观。38举例来说，《德国反不正当竞争法》（UWG）属于维护该国“社会市场经济体制”的制度性工具，而我国《反不正当竞争法》属于维护“社会主义市场经济体制”的制度性工具。在网络空间领域，数据流转与算法推荐担当起信息生成与编发的“编辑”角色。然而，“技术中性”的数据流转与算法推荐并不必然意味着“价值中性”。经营者可能出于“流量至上、私益至上”的考量，将数据流转与算法推荐异化为推行低俗价值观的技术手段。39基于前述，如果经营者利用数据、算法手段妨碍、破坏其他经营者合法提供的网络产品或者服务正常运行，并且这种数据与算法手段已经蜕变为有悖于社会主义价值观的技术手段，那么经营者的妨碍、破坏行为应当受到我国《反不正当竞争法》的否定性评价。

2.显著性标准

依据《德国反不正当竞争法》（UWG）第3a 条规定，不正当竞争行为是指：任何违反旨在规范市场行为以维护市场参与者利益的法定条款的行为，并且这类违反行为可能“显著”影响消费者、其他市场参与者或竞争对手的利益。40这条规定在厘定不正当竞争为的结果要件中植入显著性标准（Spürbarkeit），它是对德国旧版《德国反不正当竞争法》（UWG）第3条（“最低限度法条”）的承继。41

综合而言，在数据、算法驱动型不正当竞争行为规制层面，设定不正当竞争为结果要件中的显著性标准能够产生以下两项正向效应：其一，提升反不正当竞争规制门槛，将轻微损害法益的竞争行为排除在规制对象范畴以外，从而节省反不正当竞争执法、司法资源;其二，有利于鼓励数据、算法驱动的颠覆式创新行为;虽然这类行为可能妨碍、破坏其他经营者合法提供的网络产品或者服务正常运行，但这种妨碍、破坏行为呈现了新旧技术、模式的对撞，有利于实现整体经济发展效益与社会公众福祉。

进一步而言，设定显著性标准有助于在具有“准公共领地”属性的互联网平台实现各方经营者动态竞争利益之间的平衡。事实上，迄今最成功的互联网商业模式并非渊源于企业自身数据生成行为，而是发端于利用第三方数据提供服务的行为。42譬如，搜索引擎、社交网络、在线翻译、电子邮件等服务提供商仅仅生成少量的自身数据，但却搜索、管理、翻译或发送海量的第三方数据，Youtube、Facebook、Ebay等平台都是基于第三方数据而提供服务的互联网平台。43基于此态势，一方面，互联网平台企业由于创设、维护、革新互联网平台，理所当然地应当从所属互联网平台获得合理的动态竞争利益;另一方面，由于互联网平台属于吸附大量公共数据资源、流量资源的“准公共领地”，而并非互联网平台企业独占流量池的“私家花园”，因而除互联网平台企业以外的其他企业亦应当有权合理共享集聚于互联网平台的公共数据资源、流量资源。

在互联网平台竞争实践中，互联网平台企业与其他企业之间长期存在双向干扰、妨碍行为。一方面，互联网平台企业可能通过阻断流量、搜索降权等方式，在其所属平台内遏制其他企业的动态竞争利益，其典型案例为阿里巴巴“二选一”案;44另一方面，其他企业亦可能通过数据爬取、“搭便车”等方式遏制互联网平台企业在自身所属平台内的动态竞争利益。其典型案例包括大众点评诉百度案、微博诉超级星饭团案、淘宝天猫诉帮5买案。45在当前平台数据权属未定与平台治理规则未明的状态下，设定数据、算法驱动型不正当竞争行为结果要件中的显著性标准，既可避免互联网平台企业、其他企业在争夺动态竞争利益中动辄得咎，并因此导致其难以进行突破式、颠覆式创新，又可在具有“准公共领地”属性的互联网平台划定违法“红线”，确保各方经营行为的干扰、妨碍效应遵循商业道德与比例原则的要求。

基于显著性标准的正向效应与利益平衡功能，我国立法机关有必要在《反不正当竞争法》第2条及第12条中植入显著性标准，市场监管总局亦可考虑基于经营者举证减责与免责视角，在《公开征求意见稿》第13条中增设显著性标准。依据显著性标准，当且仅当一项数据、算法驱动型竞争行为能够显著妨碍、破坏其他经营者合法提供的网络产品或者服务正常运行时，该项网络竞争行为才可能构成不正当竞争行为。反不正当竞争执法、司法机关在个案中评判妨碍、破坏行为是否具有“显著性”时，有必要统筹衡量以下各项指标：（1）被妨碍、破坏行为违反的相关法律的制定宗旨;（2）妨碍、破坏违法行为的类型与严重程度;（3）预估的妨碍、破坏违法行为对竞争的影响。46

3.双元层级利益衡量标准

在我国互联网不正当竞争案件审判中，“非公益不干扰”原则已经成为一项得到较为普遍遵循的原则。依据该项原则，经营者非因特定社会公共利益的必要，不得直接干预竞争对手的经营行为;相关典型案例包括百度与360插标不正当竞争案、猎豹浏览器屏蔽优酷网视频广告案、“极路由”视频广告屏蔽不正当竞争案。47依据“非公益不干扰”原则，由于社会公共利益的价值位阶高于个体利益，因而社会公共利益构成经营者妨碍、破坏其他经营者个体利益（例如，其他经营者合法提供的网络产品或者服务正常运行的利益）的“正当性”依据。

不过，“非公益不干扰”原则存在基本内容粗糙与“一刀切”标准僵化的弊端，它并不适用于应对具体案件中多元利益冲突的极端复杂性与变动不居性。依据双元层级利益衡量标准，在个案情形下经营者因特定社会公共利益的必要，利用数据、算法技术手段妨碍、破坏其他经营者合法提供的网络产品或者服务正常运行时，其所依凭的社会公共利益并非必然优位于个体利益，而且这一妨碍、破坏效果还可能触发不同类型社会公共利益之间的抵牾与冲突。

（1）第一层级：社会公共利益与个体利益之间的衡量

基于广义界定，社会公共利益（ ?ffentliches Interesse）是指涉及公众诉求与社会福利的相关利益。48  依据主流的利益衡量逻辑，在社会公共利益（ ?ffentliches Interesse）与个体利益（Individualinteresse）产生悖反的情形下，虽然社会公共利益通常应当获得优先考虑，但社会公共利益并非绝对优位于个体利益，有权机关应当依据渊源于法治国原则（Rechtsstaatsprinzip）的比例原则（Verh?ltnism??igkeitsprinzip）权衡二者的位阶序列。49比例原则包括正当目的性（LegitimerZweck）、适当性（Geeignetheit）、必要性（Erforderlichkeit）、衡量性（Angemessenheit）四项子标准。一般来说，所有类型的社会公共利益都被视为符合正当目的性标准。50因此，若经营者基于社会公共利益的需要，利用数据、算法手段直接干预竞争对手的经营行为，则其已经符合正当目的性标准。51依据适当性标准，经营者利用数据、算法手段实施的干预效果必须至少能够促进正当目的（社会公共利益）的实现;依据必要性标准，与经营者利用数据、算法手段实施的干预效果相比较，应当不存在其他的可以实现同样正当目的（社会公共利益）而却更加柔性、温和的行为方式;依据衡量性标准（狭义比例原则），“经营者利用数据、算法手段实施的干预行为的效果”与“希冀实现的正当目标（社会公共利益）”之间应当呈现适当的比例关系，若一项干预行为所损害的其他经营者的法益（譬如，基本权利内核部分）显著大于该项干预行为所实现的社会公共利益，那么该项干预行为不符合衡量性标准要求。52

（2）第二层级：不同类型社会公共利益之间的衡量

从部门法定位角度分析，反不正当竞争法律制度不是保护所有类型社会公共利益的“統一法”，而是仅仅保护基于不受扭曲的竞争机制的社会公共利益的“专门法”;具言之，反不正当竞争法律制度并不保护劳动保障、公共卫生、环境保护等领域的社会公共利益。53

譬如，《关于适用〈中华人民共和国反不正当竞争法〉若干问题的解释（征求意见稿）》将“行为扰乱市场竞争秩序”厘定为《反不正当竞争法》第2条规制“损害经营者利益的行为”的前置要件。54而依据《德国反不正当竞争法》（UWG）第1条规定，该部法律仅是旨在保护基于不受扭曲的竞争机制的普遍利益（das Interesse der Allgemeinheit）。55因此，如果经营者利用数据、算法技术手段妨碍、破坏其他经营者合法提供的网络产品或者服务正常运行，而且这一妨碍、破坏效果触发不同类型社会公共利益之间的抵牾与冲突，那么当且仅当这一妨碍、破坏效果有利于实现基于不受扭曲的竞争机制的社会公共利益，并且在契合比例原则的情形下，该妨碍、破坏效果才可获得正当性与合理性。

四、数据、算法驱动型不正当竞争行为的类型化界分与规制机制

基于反不正当竞争法视野，唯有建构关于数据、算法驱动型不正当竞争行为类型化界分与规制机制，才能更加高效与精准地识别、归类与处置此类样态繁杂与变异频仍的不正当竞争行为。不过，最高人民法院近期发布的《关于适用〈中华人民共和国反不正当竞争法〉若干问题的解释（征求意见稿）》尚缺乏针对数据、算法驱动型不正当竞争行为的类型化区分，也没有设定针对这些行为的系统化司法规制标准。56虽然市场监管总局发布的《公开征求意见稿》第三章与第四章依据“场景性差异”标准列举了在若干不同场景下发生的数据、算法驱动型不正当竞争行为，但该《公开征求意见稿》未进一步整合分析基于不同发生场景的数据、算法驱动型不正当竞争行为之间的趋同性或异质性。

从反不正当竞争法学理视角分析，不正当竞争行为对正常市场秩序的损害风险分为“非效能竞争风险”（Gefahr des Nichtleistungswettbewerbs）与“阻碍竞争风险”（Gefahr des Behinderungswettbwerbs）。57基于此，数据、算法驱动型不正当竞争行为可以被相应区分为两项基本类型：非效能竞争风险类型与阻碍竞争风险类型。所谓非效能竞争风险类型的不正当竞争行为是指：经营者利用数据、算法手段，显著妨碍消费者对产品、服务的优劣做出理性判断，从而使消费者丧失固有的在市场领域决定产品、服务优胜劣汰的裁判功能。58所谓阻碍竞争风险类型的不正当竞争行为是指：经营者利用数据、算法手段，阻碍其他经营者提供高性价比的产品、服务，从而阻滞正常的市场竞争机制的运行。59

（一）非效能竞争风险类型不正当竞争行为的规制机制

非效能竞争风险类型不正当竞争行为可被细分为误导型不正当竞争行为与侵犯型不正当竞争行为两类。前者系基于信息不对称态势而施行的不正当竞争行为，而后者系基于力量不对称态势而施行的不正当竞争行为。

1.误导型不正当竞争行为的基本特征与评判标准

不容忽视的是，市场竞争最重要的特征之一就是“为生产商满足客户的当前和未来需求揭示必要的信息”;进一步而言，竞争过程本身使经营者具有实施信息搜集活动的动机与动力，一方面，经营者可以借此获得丰富盈利;另一方面，如果经营者未能成功搜集信息，那么其将迅速丧失竞争力。60举例来说，互联网平台企业经由对于平台用户行为的正向跟踪、反向跟踪与深入分析，不但可以开发出新型经营模式，而且能够对平台用户所生成的私人数据实施商业开发。61

不过，维护“求真信条”（Wahrheitsgebot），防止误导行为是反不正当竞争法的基本关注点之一。62因而，经营者不得逾越反不正当竞争法设定的合法界限，滥用数据、算法手段，针对消费者制造“信息茧房”“信息誤导”效应，以致影响消费者做出理性决策。譬如，依据《德国反不正当竞争法》（UWG）第5条第1款的界定，被禁止的“误导型经营行为”（ irreführendegesch?ftlicheHandlungen）是指经营者通过提供虚假信息或其他欺诈性信息，损害消费者或者其他市场参与者的交易决定权的行为。63又如，依据市场监管总局《公开征求意见稿》第15条，禁止经营者实施利用技术手段误导、欺骗消费者的不正当竞争行为。

若经营者利用数据、算法手段向消费者提供产品、服务信息，则反不正当竞争执法、司法机关有必要依据前后承续的“三层级”评判标准体系，以判断该提供信息行为是否构成误导型不正当竞争行为。这一评判标准体系包括：（1）首先，厘定相关产品、服务的普通消费者群体;（2）其次，评判具有平均水准的知情度、注意力、明智性的普通消费者群体将如何理解经营者提供的信息;（3）再次，比较前述普通消费者群体对信息的主观理解与事实真相的差异程度。64

譬如，最近上海市长宁区人民法院互联网审判庭在判决中确认，由于“负面压制”条款的目的违背诚实信用的基本法律原则，并严重违反《消费者权益保护法》与《反不正当竞争法》的基本原则，因而该条款内容违法无效。65所谓“负面压制”行为是指经营者利用数据、算法等技术手段，导致涉及某品牌或某企业的负面新闻在搜索引擎上不被社会公众所知晓或者不容易被社会公众所知晓，从而达到误导他人或社会公众的商业目的。66由于这类“负面压制”行为具有极强的隐蔽性与技术性特征，因而具有平均水准的知情度、注意力、明智性的普通消费者群体难以有效识别与认知该行为，极易被该行为误导，所以这类“负面压制”行为应当构成典型的误导型不正当竞争行为。

不容忽视的是，借鉴德国反不正当竞争司法判例可知，一项经营行为是否构成误导型不正当竞争行为，既不应取决于该项经营行为所提供的信息的客观含义，又不应取决于经营者自身希望其经营行为所提供的信息被如何理解。67决定一项经营行为是否构成误导型不正当竞争行为的核心判定标准是“接受该项经营行为所提供信息的社会公众的看法”。68譬如，在“基于算法的产品比较”案件中，被告在“U.net ”域名下经营着一家基于算法的产品比较网站，并在其网站主页上标示以下宣传语：“新一代产品测试：基于算法的产品比较”。用户可以通过访问被告网站的方式获得基于算法的产品比较信息。原告认为，由于被告寻求向产品被评估的销售商收取报酬，因而被告没有遵守实施“测试”所需要的中立性、客观性与专业性。69原告还主张，由于被告没有解释它根据何种标准在何种范围内进行“测试”，因而被告在实施产品比较行为时缺乏确定的调查计划，相关调查不具有客观属性。70不过，德国科隆地方法院（LG K?ln）在2019年5月21日判决中认为，虽然被告将“基于一项算法的产品评级”称为“测试”（Test），并且为了进行产品比较而使用算法，但这一行为本身并不具有误导性。71也就是说，获得基于算法的产品比较信息的社会公众并不会被误导做出非理性的商业决策。

基于上述，如果经营者利用数据、算法等技术手段，向消费者提供“客观正确”的信息，但该信息会引发社会公众的错误想法，那么这一提供“客观正确”信息的行为亦可能构成误导型不正当竞争行为。72    与之相对应，如果经营者利用数据、算法等技术手段，向消费者提供“不真实”的信息，但社会公众能够轻易识别这类信息的不真实性，那么这一提供“不真实”信息的行为并不一定构成误导型不正当竞争行为。73此外，在反不正当竞争实践中，如果经营者开发、使用的算法会导致其自身出现决策偏差后果（系统性失真），以致违反商业道德，那么无论经营者是否出于故意，他们都必须依据“始作俑者负责原则”（Verursacherprinzip），识别与分析算法产生的偏差风险，并采取减轻或消除算法偏差风险的措施。74

2.侵犯型不正当竞争行为的基本特征与评判标准

依据《德国反不正当竞争法》（UWG）第4a 条第1款的界定，“侵犯型经营行为”（ aggressive gesch?ftlicheHandlungen）是指经营者通过干扰（Bel?stigung）、胁迫（N?tigung）或不被允许的施加影响方式，显著妨害消费者或者其他市场参与者交易选择自由的行为。75从域内外横向比较视角考察，《公开征求意见稿》第三章（第13-16条）所禁止的“利用技术手段实施妨碍干扰等不正当竞争行为”主要属于“侵犯型不正当竞争行为（侵犯型经营行为）”范畴。这类侵犯型不正当竞争行为的共同特征是：经营者利用施加压力的方式，迫使消费者做出相应商业决策，因而严重损害消费者的自主决策权。76

举例而言，如果经营者并非从便利消费者与服务消费者的角度设定新型商业模式，而是希望通过强行重塑消费者购物习惯的方式攫取商业暴利，那么经营者这类行为就涉嫌构成侵犯型不正当竞争行为。假设餐厅经营者强行以扫码点餐取代人工点餐，或者要求消费者必须下载经营者的专属 APP 才能扫码结账，这类行为就会造成消费者个人信息被过度索取，因而其涉嫌构成“二选一”形态的侵犯型不正当竞争行为。77

值得注意的是，《公开征求意见稿》列举了“干扰”这一形态的网络不正当竞争行为。然而，在网络领域效能竞争过程中，作为竞争对手的经营者之间相互实施干扰行为是常态化现象，并非所有的干扰行为都会违反公认的商业道德。借鉴德国反不正当竞争实践可知，只有“干扰”（Bel?stigung）系以“不合理的方式”（in unzumutbarer Weise）予以实施时，该行为才可构成侵犯型不正当竞争行为。所谓“不合理的方式”的评估标准是：大部分中等程度敏感的市场参与主体（如受影响的经营者、消费者）都认为是无法忍受的方式。78

从反不正当竞争法理逻辑分析，虽然以下三类经营行为带有主动介入性质，但它们不应构成侵犯型不正当竞争行为：其一，经营者仅是利用数据、算法等技术手段向消费者提供合同要约的行为，这不构成侵犯型不正当竞争行为，其原因在于，这种纯粹提供合同要约的行为不会对向对方主体施加任何压力;其二，经营者具有正当理由（譬如，经过消费者同意），利用数据、算法等技术手段实施的主动介入性质的经营行为;其三，经营者为了履行法定义务，利用数据、算法等技术手段实施的主动介入性质的经营行为。79

（二）阻碍竞争风险类型不正当竞争行为的规制机制

阻碍竞争风险类型的不正当竞争行为是指：经营者利用数据、算法手段，阻碍其他经营者提供富有效率的产品、服务，从而阻滞公平与有效的市场竞争机制的运行。由于经营者实施该类不正当竞争行为，阻碍其他经营者提出更具竞争性的供给，因而这类行为损害基于有效竞争机制的社会公众福祉。80就实施后果而言，经营者施行阻碍竞争风险类型的不正当竞争行为，其实际损害或可能损害的是竞争对手的竞争地位或竞争行动自由 ， 而其损害的对象涵盖竞争对手的销售、采购、廣告、生产、融资、人员等各项竞争要素。81

不过，由于自由竞争的本质就是经营者之间进行互相阻碍，因而经营者阻碍竞争对手的行为不一定构成不正当竞争行为。在判断一项数据、算法驱动型的阻碍行为是否构成阻碍竞争风险类型不正当竞争行为时，需要以厘定该项阻碍行为的整体属性为“抓手”，综合评估该项阻碍行为的实施原因、目的、手段、次生情况、效果等要素，而其核心评估标准应是该项阻碍行为所追求的目标。具体来说，如果经营者实施一项数据、算法驱动型的经营行为，其目的不是为了单纯追求自身绩效，也不属于由于追求自身绩效而附带性、反射性影响竞争对手发展的情形;相反，这一经营行为的目的就是为了达到限制竞争对手的自由竞争空间的实效，那么该项经营行为可被推定为具有不正当的目标。82需要注意的是，反不正当竞争执法、司法机关在评判经营者实施阻碍行为所追求的目标时，也可考虑采取客观推定原则;也就是说，执法、司法机关可以聚焦于考察“经营者行为对竞争对手的发展机会的影响”，并据此反向推定经营者的目标，而不必拘泥于分析难以厘定的“经营者实施阻碍行为时的真实意图”。83

在反不正当竞争法律实践中，恶意不兼容行为属于典型的阻碍竞争风险类型的不正当竞争行为。譬如，个别平台企业意识到“二选一”行为的违法违规风险，因而它们不再使用直接与明显的方式采取“二选一”行为，而是利用搜索降权、排名后置、阻断流量等隐秘的数据、算法手段变相强迫平台内商家接受“二选一”要求，进而阻碍作为竞争对手的其他平台企业有效提供平台服务，这种行为就构成阻碍竞争风险类型的不正当竞争行为。84

在互联网市场竞争领域，纵使一项借助数据、算法手段实施的不兼容行为是由经营者主观上故意为之，也不能直接推导出该不兼容行为构成恶意不兼容行为的结论。不过，如果经营者故意借助数据、算法手段实施一项不兼容行为，并且该项行为不符合诚实信用原则与公认的商业道德标准，那么该项行为就涉嫌构成恶意不兼容形态的不正当竞争行为。85

我国《反不正当竞争法》第12条第2款第3项所禁止的恶意不兼容形态的不正当竞争行为的主观要件是经营者具有“恶意”。《公开征求意见稿》第16条则进一步详细罗列了认定恶意不兼容形态的不正当竞争行为的多元参考指标体系。86在反不正当竞争执法实践中，执法机关通常可以依据防护性标准与经济性标准客观评判一项数据、算法驱动型的经营行为是否构成恶意不兼容行为。87依据防护性标准，如果一个经营者不利用数据、算法手段实施不兼容行为，它将无法正常提供其网络产品与服务，抑或它的合法权益将受到侵害，那么该经营者实施的不兼容行为就具有正当性与合法性;反之，该经营者实施的不兼容行为就具有违法嫌疑，涉嫌构成恶意不兼容形态的不正当竞争行为。依据经济性标准，如果一个经营者不利用数据、算法手段实施不兼容行为，它将额外负担过于高昂的设施改造成本与维护成本，那么该经营者实施的不兼容行为就具有正当性与合法性;反之，该项行为就涉嫌构成恶意不兼容形态的不正当竞争行为。

除上所述，依据作为《公开征求意见稿》第三章总括性法条的第13条，该条所规制的数据、算法驱动型的妨碍干扰不正当竞争行为包括“流量劫持、干扰、恶意不兼容等行为”。由此引申出一个基本法律问题：在执法实践中哪些数据、算法驱动型的妨碍干扰行为可被纳入除“流量劫持、干扰、恶意不兼容”以外的“等行为”范畴。市场监管总局在《公开征求意见稿》第13条中设定“等行为”这一兜底表述，无疑是为了克服反不正当竞争法律固有的僵化性与滞后性，确保该条规定能够弹性规制将来出现的新型数据、算法驱动型的妨碍干扰不正当竞争行为。

由于在若干情形下，《公开征求意见稿》第四章“禁止利用技术手段实施其他网络不正当竞争行为”（第18-21条）所列举的拦截与屏蔽信息、“二选一”等若干行为同样符合数据、算法驱动型的妨碍干扰不正当竞争行为的构成特征，所以它们在个案情形下亦可被归属于《公开征求意见稿》第13条所述的“等行为”范畴。不过，根据《公开征求意見稿》第1条所设定的“鼓励和支持创新”与“促进数字经济规范持续健康发展”二项制定宗旨，将来执法机关在评判哪些数据、算法驱动型的妨碍干扰行为可被纳入除《公开征求意见稿》第三章与第四章所明确列举行为以外的“等行为”范畴时，应当秉承谦抑性与审慎性原则，采取限缩性解释标准，以避免导致遏制创新的后果。其原因在于，市场竞争本来就以损害他人利益为常态，仅凭行为造成损害的后果尚不足以推定一项商业行为构成不正当竞争行为。88

在数字经济时代，由数据、算法驱动的创新型商业模式层出不穷，而这些创新型商业模式可能对现有市场上经营者合法提供的网络产品或服务产生妨碍干扰的颠覆性影响，导致这些网络产品或服务的供给链、价值链被迫“中断”，甚至完全消解这些网络产品或服务所在的市场。89如果将来执法机关泛化解释“等行为”这一表述，就可能将“由数据、算法驱动的创新型商业模式对合法提供的网络产品或服务产生的颠覆性影响”混同于具有“非中性”与“不正当性”特征的反竞争影响，进而将创新型商业模式行为定性为不正当竞争行为，最终误伤乃至扼杀互联网领域的创新机制。

五、结语：补强反不正当竞争司法诉讼之维

在数字经济时代，掌控大型或超大型互联网平台的经营者可能滥用先进算法与大数据资源，实施呈现复合性、技术性与隐蔽性特征的数据、算法驱动型不正当竞争行为。

由受到数据、算法驱动型不正当竞争行为侵害的海量消费者、经营者各自单独提起维权诉讼，无疑不具有经济可行性与现实可操作性。其原因有二。一方面，受到数据、算法驱动型不正当竞争行为侵害的单一个体通常缺乏提起反不正当竞争诉讼的经济实力与举证能力;具体来说，受到这类不正当竞争行为侵害的广大消费者、经营者常常面临“信息黑箱”与“无知之幕”，他们缺乏法定权限与技术手段，难以发现与获取证明这类不正当竞争行为存在的确凿性证据。另一方面，司法资源的有限性亦决定法院无法充分应对由受到数据、算法驱动型不正当竞争行为侵害的各个单一个体提起的海量反不正当竞争维权诉讼案件。综合而言，唯有在《反不正当竞争法》中增设检察公益诉讼条款，才能破解当前公益诉讼机制在反不正当竞争层面的运行阻滞困境，进而设定契合规制数据、算法驱动型不正当竞争行为需求的新型公益诉讼机制。

由于检察机关本就属于可以依法行使检察公益诉讼职能的司法机关，并且该机关业已积累丰富的民事、刑事公益诉讼经验，因而如果依法将检察机关设定为反不正当竞争公益诉讼的起诉人，使其可以依据法定权限向数据、算法驱动型不正当竞争行为涉及的各当事方搜集案件材料并固定案件证据，这无疑将有效化解受到这类不正当竞争行为侵害的广大消费者、经营者难以举证的实践困境。

综上所述，数据、算法驱动型不正当竞争行为既扭曲数字市场竞争机制，又损害社会公众福祉。在反不正当竞争法体系下建构数据、算法驱动型不正当竞争行为的规制机制，不仅有助于防范经营者滥用数据、算法手段损害竞争对手、消费者以及其他市场主体的合法权益，而且能够避免数字市场竞争机制的扭曲与阻滞后果，从而促进数字经济的高质量迭代发展。

Abstract： In the context of the digital economy， data and algorithms together constitute the fulcrum of the iterative development of the digital economy. Although data and algorithms themselves are value-neutral technical means， in order to pursue profits， operators may implement data and algorithm-based acts of unfair competition， which will damage the fair and legitimate market competition order. According to the Anti-Unfair Competition Law， in order to regulate data and algorithm-based acts of unfair competition， it is necessary for public authorities to set the overall social benefits of sustainable development as a benchmark for multiple interests and determine the patterns and results of data， algorithm-based acts of unfair competition. Under this premise， the public authorities should also construct a mechanism for distinguishing and regulating data and algorithm-based acts of unfair competition， distinguishing non-efficiency competition risk type from blocking competition risk type， in order to more accurately and efficiently discover， screen and regulate data， algorithm-based acts of unfair competition.