大数据算法定价行为的法律探析

董成惠 黄 琼

（广东海洋大学 法政学院， 广东湛江 524009）

平台经济大数据算法定价行为是指通过算法软件的网络技术搜集消费者在线消费信息、市场供求信息和竞争对手商品及其价格信息等市场数据信息，利用算法技术进行个性化定价及最优目标广告推荐的个性化促销， 并通过计算机深度自主学习，根据市场竞争状况与其他经营者自动达成定价共谋，实时灵活制定最佳价格，实现利润最大化的商业经营目标。 就技术层面而言，大数据算法是为解决特定问题的一系列计算处理逻辑规则，由智能系统根据特定的任务指令对输入的数据变量执行计算、 处理和自动任务分配并输出特定结果的运用软件技术。 经济合作与发展组织 （OECD，2017）在2017 年召开的以“算法与共谋”为主题的研讨会上发布了题为《算法与共谋：数字时代的竞争政策》报告， 详细论述了大数据算法在促进社会经济发展过程中可能存在的法律和社会问题。[1]自此，大数据算法的法律问题日渐成为国内外学者关注的重点，大数据算法相关司法案例也引发了民众的广泛热议。算法定价行为涉嫌价格歧视和价格垄断协议， 对平台经济的监管提出了新的挑战。 结合算法定价存在的法律问题，疏理算法定价行为的基本法理，对完善算法定价立法与监管具有重要意义。

一、大数据算法定价行为概述

（一）算法定价技术的内涵

算法主要用于互联网领域特别是平台经济领域，目前对算法并没有形成权威的定义。 欧几里得（Euclidean） 的求最大公约数方法是算法理念的基础，但9 世纪时的波斯数学家Al-Khwarizmi 首先提出了算法（Algorithm）的概念。OECD 在2017 年6 月发布的论坛报告中引用了Wilson ＆ Keil （1999）关于算法的定义，认为算法作为一种精确而简单的操作列表，是机械地、系统地运用于一套指令或具体操作，指令的初始状态是输入数据，最终状态是输出结果。 英国竞争与市场管理局在算法报告中引用了Cormen et al.的算法定义，认为算法是以某个值或一组值为输入，以产生的某个值或一组值作为输出（孟昌和曲寒瑛，2021）。[2]因此，平台经济的大数据算法定价行为是通过算法软件的实时灵活制定最佳价格的行为，以实现利润最大化的商业经营目标。

算法使平台经济经营者明显提高了自身的商业决策水平，并由智能系统自动制定和实施利润最大化的商业决策。 网络平台经营者不仅拥有自己的商业信息，而且掌握着消费者的个人信息，这些数据信息是其进行电子商务活动和制定价格的基础。人工智能和计算机自主学习技术的进一步发展，将算法提升到了一个新的高度，即可以通过计算机自主学习并自动解决复杂问题，如进行市场预测和制定价格策略等。 算法作为一种智能化的决策软件，其算法决策的质量取决于算法技术水平及其运行所依据的数据质量。 从输入角度看，算法通过网络技术搜集市场数据， 包括消费者在线消费行为数据、市场变化信息数据和竞争对手信息数据，降低了信息的不完全性；从输出角度看，数字商务企业可以采用算法来实施最优目标性广告和个性化定价，根据市场竞争状况来灵活制定价格，对商品和商家进行算法排名，最终实现利润最大化目标（周围，2020）。[3]因此，算法是一种智能化的决策制定和执行软件。

（二）算法定价行为的类型

算法定价的形成受多种因素影响，根据价格形成机制，算法定价既可以结合消费者偏好进行个性化定价，也可以利用消费者对商品和服务认知不足所产生的错误感知来定价，还可以通过计算机系统深度自主学习调整定价，并与其他经营者自动达成价格共谋或是价格协议。 算法定价具体可分为以下三种类型：

第一， 个性化定价。 这种定价是基于消费者偏好的定价模式，主要基于消费者的消费能力、行为、偏好， 即根据消费者的消费意愿实施的差异化价格。 个性化定价如果是基于提供不同的商品或服务所采取的差别定价机制，且定价公平合理，则有利于提高市场效率，有助于市场资源优化配置，是算法个性化定价的最优模式。 如果这种个性化定价不是基于个性化商品或服务而是基于不同消费者的消费能力、行为和偏好，对同一种商品或服务对不同消费者采取不同的定价，则这种大数据杀熟的个性化定价就构成了价格歧视，损害了高价消费者的公平交易权。

第二， 诱导性定价。 这种定价是基于消费者错误认知的个性化定价。 在实践中，消费者的支付意愿受到消费者感知或理解的影响，但主要取决于商品和服务的市场供需、质量、营销和价格政策等信息。 由于消费者与经营者间的信息不对称， 加之消费者因信息搜索成本高很难对商品和服务的质量及其价格进行比较甄别，而经营者可以利用大数据算法技术分析和处理、识别各类信息，并通过算法技术对消费者进行精准的广告投递和宣传，诱导消费者作出购买决定，从而最大限度地攫取消费者剩余，但根本上对消费者构成了价格欺诈。

第三， 共谋或协同定价。 这种定价模式是基于经营者间通过算法技术达成的价格共谋或价格协议的定价模式。 算法价格共谋根据其共谋方式可分为公开共谋和默契共谋；根据其技术特征又可以分为通信型共谋、“中心辐射”型共谋、预测代理型共谋（戚聿东等，2021）。[4]在市场竞争中，共谋是一种常见的反竞争行为，算法价格共谋或算法定价协同主要是指由多个经营者通过互联网络和大数据智能算法共同协商维持一个较高的价格或固定价格以获取垄断利润。 公开价格共谋是指通过公开协议、协商、合同或其他协同一致的行为达成的共谋行为，传统的价格协议一般就是公开共谋的形式。 大数据算法定价默契共谋不存在直接联系和联络文本，是指仅通过隐蔽的信号传递和计算机的深度自主学习就能最终达成一致的价格行为。 智能算法为经营者提供了定价共谋的新工具， 相较于传统的价格协议，算法价格共谋是一种新形式的价格共谋或价格协议方式，更加隐蔽也更容易达成。 算法定价行为中，不论是个性化定价、诱导性定价还是算法定价共谋，都可能会损害其他经营者的竞争利益和侵犯消费者权益，应依法对其进行规制。

（三）算法定价行为的特征

1.技术性

算法定价与传统定价不同之处在于其人工智能大数据的技术性。 传统企业定价需要通过人工搜集整理定价信息，但能收集到的信息量有限，与竞争对手及消费者息息相关的定价信息很难及时、全面、有效地收集到，且投入成本高、时间长，受客观条件限制很难为消费者及时制定出个性化价格决策，也不能实时通过参照其他竞争对手的价格调整定价，难以实现价格协议或默契。 算法定价一般分为以下三个步骤：（1） 大数据算法系统通过智能技术对消费者、竞争对手及其他与定价相关的市场数据信息进行采集；（2） 通过智能算法深度学习或自主学习对所采集的消费者和竞争对手的相关定价信息进行大数据分析和处理，并从中获取定价决策所需的有用信息；（3） 根据大数据算法的处理结果实现最佳定价。 大数据算法系统能够对消费者消费信息、商品市场状况、竞争对手的价格信息等市场数据信息进行收集处理，并根据对竞争对手价格的预测结果自动调整定价策略，最终与其他经营者自动达成价格共谋，或根据消费者需求和购买力形成个性化定价。

因此，大数据算法的应用为价格共谋提供了非常便利的条件，而这种算法定价机制是基于大数据信息共享和算法技术相结合的基础而实现的。 智能大数据算法定价技术除了对比与预测竞争对手的定价外， 还可以推测消费者购买力和购买意愿，而消费者的支付意愿成为其最终定价的关键因素，也是算法个性化定价的技术核心。 当算法个性化定价与算法定价共谋相结合时，根据消费者的需求及竞争对手信息形成的定价，对消费者和经营者而言都将是最佳价格。 传统定价不论从宏观上的价格共谋还是微观上的个性化定价决策，都很难像智能大数据算法那样“量体裁衣”地实现对消费者的精准定价。 因此， 平台经济的经营者通过大数据算法定价技术对其信任且依赖的老顾客开出高价进行“大数据杀熟”，而对新顾客则开出优惠价以吸引其消费，进行“大数据杀青”。

2.自主性

智能大数据算法通过计算机程序的自主学习，可以基于竞争对手的定价、 消费者的消费能力、习惯等各种数据信息，最终形成最优定价，并在满足一定条件下能够自动执行。 在整个算法定价过程中，主要由算法软件系统依据消费者的支付能力、支付意愿并结合竞争对手的定价制定策略，通过对消费者购买意愿进行检测，根据消费者需求和购买力自动完成定价。 因此，算法定价的特殊性在于其定价机制是由计算机根据系统程序自我学习、自我评估、自我优化最终形成的。 如在亚马逊电商平台上，2011 年Profnath & Bordeebook 作为两家图书销售公司，通过各自的算法对“《The Making of a Fly》”一书实施自动定价，Profnath 将其价格定为Bordeebook价格的0.9983 倍，企图通过低价促销而获利。 同时，Bordeebook 将其价格上涨至Profnath 价格的1.270589 倍，希望通过高价销售直接增加图书利润。因算法定价系统每隔几小时自动采集数据并实施“循环定价”，最终导致该图书到达畸高价格（李丹，2020）。[5]虽然自主学习算法定价在经营活动中仍需借助大量的辅助机制或特定市场条件才能完成，但算法定价潜在的系统性风险仍然引发了各国反垄断执法机构的广泛关注。 自主学习算法所形成的共谋一般仅由算法系统基于预先设定的变量控制规则和函数运算结果形成，并与其他经营者的算法结成相互依赖的关系或实施一致行为，而无需达成公开或正式的协议即可实现排除、限制竞争的目的。 大数据算法定价通过大数据信息处理及指令和系统程序进行深度学习和自主学习，微观上通过对消费者个性化定价实现差异化价格歧视，宏观上通过算法定价共谋达成价格垄断协议。 这种行为因缺乏客观协商行为及明示合作的表征，故很难以传统《反垄断法》对其进行规制。 因此，对算法定价行为的认定，应明确其行为认定的客观标准而非主观标准，不以其是否存在主观故意为要件，而是以其是否通过算法系统自动达成价格共谋和实现个性化价格歧视的结果来判断其行为是否构成违法。

3.隐蔽性

虽然传统经营者不会对外公开其达成价格共谋的过程和内容， 但需要参与经营者通过会议决定、邮件联系、电话联络等特定的方式达成协议，因此容易为共谋行为留下证据。 智能算法定价不同于传统方式，主要是通过虚拟网络空间的软件系统运行，其对信息的收集、处理和推送都是“悄无声息”的。 相关系统自主学习及处理程序中的信息传递、交换和推送，经营者均无需直接参与，甚至不用了解其运作机制， 其目的仅在于获取算法运用的结果。因此，算法定价运用具有隐蔽性。以信号算法为例，该系统无需经营者之间进行直接沟通，就可以通过可解码的编码形式快速地将价格信息或价格合谋要约进行互传和接收。 但这种算法定价模式的价格信号并不能够被经营者直接“读取”，需要特定算法系统和程序才能进行解码。 随着人工智能技术的快速发展，算法共谋不需要经营者间的任何意思联络就能够通过实时观察、跟踪竞争对手等算法技术自动识别出竞争对手的商业敏感信息，智能算法定价共谋过程可以不再依赖人为因素。 因此，通过大数据算法系统，经营者可以隐蔽地、不需彼此的意思联络与共谋意愿表示就自动达成价格共谋。 大数据算法的应用改变了价格共谋的方式，且更具隐蔽性，经营者从事算法共谋的违法成本更低（乔榛和刘瑞峰，2022）。[6]

二、大数据算法定价法律关系的法理分析

（一）算法定价法律关系主体资格的认定

确认算法定价法律关系主体资格有利于明晰算法定价法律关系主体的权利义务及相应责任。 学界一般认为，算法定价主体的经营者或算法服务提供者都应具有市场支配地位，特别是互联网平台因其基础性、技术性及无地域性，在交易过程中更容易获得市场支配地位，被作为其是否应成为算法定价法律责任主体资格认定的依据。 在数字经济时代，互联网平台企业是实施大数据竞争行为的重要主体，是算法定价规制的对象，但算法定价的适格主体因不同的算法定价类型而不同。

首先， 垄断经营者算法定价适格主体的认定。根据中国《反垄断法》的规定，对于歧视性价格垄断行为的经营者必须具有市场支配地位，但对其“市场支配地位”的认定，除了依据《反垄断法》第22 条第3 款规定对经营者在相关市场具有能够“控制商品价格、 数量或者其他交易条件或者能够阻碍、影响其他经营者进入相关市场能力”的市场地位进行认定外，还应根据《反垄断法》第23 条规定充分考虑经营者的“财力”“技术条件”“市场控制力”“市场依赖度”“市场壁垒”等其他因素对市场支配地位的影响，全面综合评估经营者的市场支配地位，不能仅仅局限于其“市场份额”，而应具体依据《禁止滥用市场支配地位行为规定》执法。

其次，《价格法》关于算法定价适格主体的认定。目前，学界对算法定价违法行为的规制，主要从《反垄断法》角度去探讨其规制路径。 但由于对大数据杀熟价格歧视行为的主体规定了必须满足“市场支配地位”的条件，以至于不少经营者因不具备“市场支配地位” 主体资格而难以追究其相关法律责任。中国《价格法》第14 条第1 款明确规定经营者不得相互串通，操纵市场价格，损害其他经营者或者消费者的合法权益，即禁止价格协议行为和操控价格行为；第5 款规定经营者不得在提供相同商品或者服务时对具有同等交易条件的其他经营者实行价格歧视。 据此，不论算法大数据杀熟价格歧视行为还是算法价格共谋行为，均可以依据《价格法》追究其法律责任。《价格法》作为价格法律体系的基本法，对所有的价格违法行为都可以依法适用，而《反垄断法》只能规制价格垄断行为，相关价格垄断的条款只是《价格法》的特别条款。 目前不论是学界还是市场监管的执法实践，主要是从《反垄断法》的角度去规制算法定价歧视和价格共谋行为，而《价格法》往往被束之高阁，没有发挥其对不正当价格违法行为的规制作用。

再次， 算法定价的侵权对象。 算法定价法律关系的另一方主体，主要是其他经营者或竞争对手以及消费者。 其他经营者主要是指被算法定价垄断行为或算法定价不正当竞争行为损害竞争利益的经营者，受侵权的经营者可以根据《电子商务法》《反垄断法》《价格法》 相关规定进行维权。 消费者是指算法定价违法行为中利益受损的受害人，可以根据《消费者权益保护法》《电子商务法》《民法典》《个人信息保护法》《反垄断法》《价格法》《互联网信息服务算法推荐管理规定》《禁止滥用市场支配地位行为规定》《禁止垄断协议行为规定》等法律法规进行维权。

最后，关于算法定价技术设计者责任主体资格的认定。 可以根据算法定价技术设计者对算法技术设计的主观恶性及技术危害性来确定其是否应作为责任主体。 如果算法技术的设计者开发算法定价技术仅仅是为了资源精准配置以提高经济效率，并对技术运用过程中可能出现滥用设置了防火墙，即不具有主观恶性，就不应该承担相应的责任。 反之，如果算法技术设计者主要是为经营者利用算法定价进行“大数据杀熟”进行价格歧视和价格共谋获取不正当利益，那么就应当承担相应责任。

（二）算法定价法律关系客体的认定

对于平台经济经营者或算法服务提供者，算法是最核心的技术，也是算法定价中最重要的法律关系客体。 与消费者、经营者、商品和服务相关的市场数据信息是算法运行的基础。 平台经济经营者通过算法技术大规模采集、分析、处理和运用市场数据信息是数字经济时代市场竞争的核心。 因此，算法定价法律关系客体主要包括以下两项基本要素。（1）数据信息。 经营者和消费者所涉及的商品或服务定价相关数据信息，是数字经济时代市场竞争的基本生产要素，也是算法定价的基础。 在算法定价法律关系中，可以把算法定价法律关系客体的数据或信息分为经营者数据与消费者数据，而算法定价是经营者通过算法技术对经营者和消费者数据信息进行综合处理的结果。 算法定价的基础是数据，包括与经营者、商品和服务、生产销售有关的一切技术、市场、品质、价格等商业信息以及与消费有关的个人信息。 在互联网经济活动中，数据成为最重要的生产要素。 因此，大数据时代算法定价所运用的数据既可以作为重要的新型投入要素影响经营者市场支配力，也可以作为决定价值产品关键性因素决定经营者市场支配力 （叶明和张洁，2021）。[7]（2）算法技术。 算法定价是数字经济时代市场竞争的基本技术和核心，对于平台经济的发展具有举足轻重的作用。 算法技术本质上只是一种工具，但可以提高生产力，促进社会进步。 实践中，数据与算法技术相辅相成，经营者通过算法对大数据进行分析处理，以实现商业利益最大化。 但算法技术的运用是一把双刃剑，应通过立法监管，防止经营者滥用算法技术进行价格歧视、价格欺诈和价格共谋。

消费者数据信息属于个人所有， 根据相关法律规定， 个人数据权更多地表现为人格权而非财产权，如个人数据信息的隐私权、安全权等。 如果赋予个人以数据信息财产权可能会与数据平台经济企业的财产权产生冲突。 因此，个人数据信息的财产权或数据权有待进一步研究和确定。 在“新浪微博诉脉脉案” 中（参见北京海淀法院〔2016〕京73 民终588 号民事判决书)，法院认定被告脉脉软件非法抓取、使用新浪微博平台用户信息，通过脉脉用户手机通讯录中联系人手机号与原告新浪微博用户信息形成对应关系等，构成了不正当竞争行为。 该案的司法判决认为，企业擅自收集用户及相关企业数据信息行为构成了不正当竞争。 有观点认为公开的数据属于公共资源。 在美国“hiQ 诉Linkedln 案”中，法院对于访问公开数据的行为和公共数据的属性进行了分析认定。 其主要观点包括：（1）hiQ 公司访问公开数据行为具有合法性，其合法性判断主要基于两方面，即“访问合法”与“抓取合法”，而访问权限则是抓取权限的前提。 （2）确认了公开数据具有公共属性。该案法官认为，现实中未经许可而进入他人住宅的行为通常是违法的，但商店类公共场所在营业时间则任何人都可进入。在hiQ 案中，法院将Linkedln 禁止hiQ 访问其网站的行为类比为商店老板禁止公众在公共人行道上查看标识（曾雄，2017）。[8]

因此，“个人数据权说”具有局限性，对于公开的数据，数据具有高度的开放性和无地域性、共享性。但相较于传统财产法上对所有权的认定，数据产品强调的是对数据的实际控制和以算法为基础的开发利用。 因公开的数据具有公共属性，其访问的合法性毋庸置疑，而其抓取的合法性有利于实现数据的共享和互惠，这是数字经济平台和大数据算法的物质基础，也是其合法化的正当理由。 因此，经授权平台企业可获得用户信息的控制权和处理权，即平台企业经授权即享有消费者的数据权，但应依法依约定使用这些数据权，进行数据生产和开发创造新价值（李晓珊,2022）。[9]目前，经营者围绕算法数据信息采集及分析、处理和使用等展开的算法竞争行为日益增多，特别是算法定价行为，甚至沦为不正当价格行为和价格垄断行为，成为法律规制的主要对象。因此，算法定价的法律规制主要是围绕数据信息保护与算法技术运用这两项基本要素展开。 如何正确界定数据信息与算法技术的法律地位及其使用权限，既是规制大数据竞争行为的新课题，也是规制算法定价的核心。

（三）算法主体的权利与义务关系

大数据激发了市场经济的活力，成了重要的生产要素， 数据权也成为网络平台经营者的基本权利。 客观上，经营者与消费者对相关数据信息存在严重的信息不对称，消费者依据《民法典》《个人信息保护法》拥有相应的个人信息权，并根据《消费者权益保护法》对经营者的部分信息享有知情权。 消费者的数据权主要是个人信息权，包括敏感信息和生活信息。 敏感的个人信息涉及个人隐私，属于人身权的范畴，依《民法典》《个人信息保护法》受法律保护，任何人不得侵犯。 生活信息主要是指日常生活、社会、经济活动过程中的一些非敏感、非隐私个人信息，如网络购物、网络社交等信息。 消费者可以授权经营者收集处理其生活信息。 生活信息被平台经济经营者收集整理后的大数据成为具有商业价值的数字产品，但相关的数据权和数据产品已经不属于消费者。 经营者可以使用其数据产品进行经营活动， 但消费者的相关数据信息权应该被尊重，未经同意不能擅自收集进行商业使用，其隐私权应该受得保护。 因此，平台经济经营者在算法定价过程中，不应侵犯消费者的个人信息权，更不能侵犯消费者的隐私权。

另外，对平台经济经营者而言，算法个性化定价为其提供了有效的价格竞争策略，促进了市场竞争和商业创新，但算法定价使经营者更容易达成价格共谋，导致其以不正当竞争或价格垄断行为损害其他经营者和消费者利益。 因此，经营者的数据权不是绝对权利，而是隐含着对消费者个人信息权和基本消费权益的尊重和保护义务。 未经消费者同意， 经营者不得擅自收集处理消费者个人信息，不得侵犯消费者敏感个人信息权和隐私权，不得滥用算法权利牟取不正当利益和非法利益。 经营者应依法行使大数据算法定价权，遵守商业伦理道德。

三、大数据算法定价的利弊评析

（一）促进科技创新，提升社会和经济效益

算法的应用促进了新经济、新业态模式的创新和发展，成为推动经济社会持续健康发展的重要引擎。 一方面，算法的运用降低了交易成本，提供了新商业模式和商业体验，满足了不同层次消费者的个性化需求，提升了社会和经济效益；另一方面，算法技术改变了资源的配置模式，“无形之手”的社会资源分配模式正逐渐被“数字之手”取代。 数字平台成为新经济新业态的中心，是连接用户服务内容和数字产品价值创造的桥梁（朱巧玲和杨剑刚，2022）。[10]

第一， 降低交易成本。 通过算法定价能降低卖家调价成本和买家比价成本，促进价格透明。 线下交易中，交易价格是通过人工对实体店铺进行比较后达成的，但其受客观条件限制，成本较高。 智能算法定价可以通过系统自动搜索同类商品价格并与其联动比较，最后实现智能调价，从而降低了卖家的调价成本。 此外，智能算法定价通过算法将一系列同类商品推送给消费者，让消费者通过对比商品的价格和质量进行有效选择。 因此，智能算法能够增加商品和服务价格的透明度，价格比较使经营者通过提高产品质量或者用降价来促成竞争和交易。 欧盟委员会2018 年的研究报告指出：“在被调查的电子商务零售商中，有53%的零售商追踪竞争对手的定价，其中67%的零售商专门采用为此设计的软件来实现对竞争对手定价的自动追踪，其中有78%的零售商基于竞争对手价格追踪软件来调整自己的定价。 ” 由于智能算法定价能够降低经营者的经营成本，也可以为消费者提供个性化服务，以至于经营者对其都趋之若鹜，通过算法定价进行价格歧视和价格共谋的行为日益增多，给算法定价的法律监管提出了新挑战。

第二， 产生巨大社会和经济效益。 算法定价作为数字经济的核心技术，有助于数字经济运行并产生巨大社会和经济效益。 算法提供了大量有益的经济和社会发展机会，可以促进创新服务，允许产品和服务的个性化，支持优化库存，降低搜索成本。 如果互联网、电子商务没有算法，数字经济将无法运作。

第三，激励创新。 在新业态新模式经济背景下，诸多产业政策都在激励数字经济创新，数字经济创新已经离不开算法创新。

第四， 提升消费者福利。 智能算法不仅具有自主学习能力，还可以通过对消费者搜索、消费、浏览的历史等数据学习，辅以对其他同类消费者消费数据的类比学习，模拟消费者的决策过程，预测出消费者潜在的需求及相应购买力，进而制定相应的商品价格，同时根据消费者搜索关键词进行联想并将相关商品直接推送给消费者。 由于智能算法能够自动调价、预测消费者需求并自动匹配商品，因此算法个性化定价得以实现。

第五，满足多元化消费需求。 算法个性化定价有利于满足消费者不同消费层次及类别的需求，有利于社会发展多元化，有利于提升社会总体福利水平。

（二）大数据算法定价的反竞争性

在数字经济时代，个性化定价为企业获得了更大竞争优势，但由于企业获得数据和识别消费者支付意愿的能力不同，算法定价对竞争的影响取决于经营者算法个性化定价的形式及其市场力量，以至于个性化定价可能会导致更激烈的竞争。 当企业普遍采取个性化定价时，拥有更多数据信息和更好算法技术的企业就容易获得市场优势甚至是市场支配地位，如果这种市场优势被滥用，就会破坏公平的市场竞争秩序从而抑制竞争。 因此，个性化定价既可能促进竞争，也可能抑制竞争（喻玲和兰江华，2021）。[11]另外，算法技术中计算机通过自主学习不断探寻价格和利润的临界点，自动调整价格从而达成隐蔽的价格共谋，这会导致市场经营者之间缺乏竞争动力，从而抑制企业创新。 算法定价对有意降价的企业形成威慑，阻断了其通过降价来谋求更高市场份额的低价竞争意图，也使新进入市场的经营者无法通过价格优势来获利。 因为一旦经营者采取低价策略就会被其他经营者迅速锁定，并通过自行降价方式采取更低价格将其排挤出市场。

在地位不对等的市场竞争状态下，智能算法系统技术可以通过预测产品销量、消费者偏好甚至是消费趋势进行个性化定价，通过算法系统的自主学习自动调整价格与其他经营者达成价格共谋，通过推送广告诱导消费者消费。 占据市场优势地位的经营者通过算法定价吸引并绑定消费者，从而获得最大利益，而处于弱势地位的经营者难以与其展开竞争。 平台经济经营者相对线下或线上未使用算法定价的竞争对手，通过使用智能算法能够快速有效调整价格，增强平台的竞争力。 可以认为，大数据算法扩展了经营者实施价格竞争策略的多样性，但也破坏了相关市场的公平竞争秩序，导致市场调节机制中的价格信号功能被严重削弱。 因此，算法定价的反竞争性已经成为各国平台经济监管的重点。

（三）算法定价对传统产业的冲击

随着数字平台经济的不断发展，由生产、分配、交换和消费所构成的传统社会再生产体系被数据技术革新所冲击，数字技术与资本密切结合，大数据和数字算法技术成为新的价值创造核心，创造了新的生产模式和业态，而传统生产方式和产业则受到巨大冲击，日渐衰落。 在数据平台经济发展过程中，平台经济经营者利用资本与技术的结合，以算法为载体进行权力的延伸和渗透，在推动新生产方式数字化扩张的同时， 也影响了经济社会的正常秩序。首先，算法技术冲击了传统企业和产业。 算法技术的运用提高了平台经济经营者的价格决策水平，增强了其竞争力，但冲击了传统企业和产业，加大了社会经济运行的摩擦成本，降低了整个行业的经济运行效率。 其次，平台经济经营者滥用算法技术获取了竞争优势。 从微观经济学角度分析，算法的个性化定价不仅实现了经营者的利润最大化，也满足了部分消费者的消费需求，但那些不能使用互联网购物的消费者和不能使用算法定价的经营者则无法从中受益；从中观经济学角度分析，算法技术的高效益加快了行业向数字化转型升级的步伐，但在未能全面实现数字经济的转型期，传统产业有其存在的必要性，同时面临严重的生存压力。 从宏观经济学角度分析， 算法技术有利于资源的优化配置，可以为国家的宏观经济调控提供技术支持。 算法作为数字经济新业态新模式，其对传统产业的冲击是不言而喻的，在新的数字经济法律秩序尚未完全构建前， 算法对传统产业的冲击只能通过完善治理机制、遵守商业伦理道德和创造更公平的营商环境来规避。

（四）算法定价对利益平衡机制的破坏

大数据算法是数据经济的核心技术， 能激发市场经济活力，促进知识创新与科技进步。 算法作为一种解决问题的工具，数字平台经济的发展促进了算法技术的迭代和演进，其智能化、个性化、自动化将生活、生产、经营等社会经济活动和数字平台绑定在一起，通过算法技术影响社会资源和信息的控制与分配，形成了一种新的社会权力，即算法权力。大数据算法定价及广告推荐实现了资源的精准配置，但算法定价常被经营者滥用，成为其牟取暴利的工具。 因此，算法权力的滥用会引发一系列社会、经济和法律问题， 甚至可能破坏市场经济机制运行。算法定价有利于促进科技创新，有利于提高社会经济效益及消费者福利，但算法定价技术在信息采集处理、个性化定价及广告推送等三个阶段多个环节可能对消费者实施侵权。 如虽然法律未禁止经营者使用识别技术采集消费者人脸、声音等个人生物识别信息，但如果经营者擅自偷摄、偷录消费者生物识别信息，就可能侵犯消费者隐私权。 如果经营者利用消费者个人信息获取商业利益，其个性化定价和广告推荐就会与消费者的公平交易权、 知情权、自主选择权等权益发生冲突。 因为消费者按约向经营者提供个人信息，但经营者不仅未能保障消费者个人信息安全，还利用这些信息向消费者推送误导性广告，严重损害了消费者权益。

四、完善大数据算法定价治理机制

（一）算法定价技术的理性思考

算法定价技术具有促进竞争和妨害竞争的双面性，既可以用于服务消费者，也有可能损害消费者权益，既可以提高交易效率，也可能因算法定价共谋、价格欺诈、价格歧视等不正当价格行为妨害竞争。 因此，界定算法定价技术创新和反竞争行为的边界是全球相关监管机构亟待解决的难题。 在2016 年经合组织召开的以“价格歧视”为主体的圆桌会议上， 美日俄等国家的竞争执法部门就表示，由于数据企业可以通过算法技术准确预测消费者的支付意愿进行个性化定价，以至于在数字经济发展中算法技术常被经营者滥用，实施价格歧视破坏市场公平竞争秩序，损害消费者利益。 因此，实现算法参与主体权益平衡是规制算法歧视的核心要义。出于维护市场竞争秩序、 保护消费者权益的目的，规制算法共谋的《反垄断法》成为理论界和实务界关注的焦点。 在国内，关于互联网络平台算法违法的案例很多，但由于中国关于算法监管的法律机制不健全，这些案例都没有以“大数据算法”之名进行审理。 算法并非滥用的根源，只不过是为经营者牟取暴利的工具（Cento & Veljanovski，2022）。[12]经营者如果滥用算法定价技术， 会使其偏离工具理性，进而破坏市场主体间的利益均衡，导致消费者对算法市场定价机制出现信任危机。

此外，在数据保护法和反价格歧视法的交叉点上存在着偏差。 人工智能、大数据、算法技术的发展和广泛应用，潜移默化地改变着世界和影响着人们的生活。 因此，建立大数据算法定价治理机制刻不容缓。 对于算法定价的监管，《关于平台经济领域的反垄断指南》（以下简称《指南》）结合平台经济特征，对平台经济经营者的差别化定价是否构成滥用市场支配地位进行了监管指引。 《指南》第13 条规定，平台可基于在合理期限内吸引新用户这一正当理由以低于成本的价格销售产品或服务； 第17 条规定，平台经济经营者可基于正当理由针对新用户在合理期限内开展优惠活动。 可见，在平衡经营者数字权与消费者权益保护上，《指南》肯定了平台可以“通过差别化定价吸引新用户方式扩展平台规模”，体现了对平台经济创新的支持，这也是《反垄断法》合理性原则的体现。应借鉴国外相关处理手段和立法经验，设立专门研究机构加强算法立法，为规范算法定价行为、确保经济社会持续健康发展作出贡献。

（二）健全大数据算法定价监管机制

对算法价格违法行为的监管， 可以在传统的价格违法行为认定基础上，结合不同类型算法价格行为特点构建大数据算法定价监管新机制。

第一，完善算法定价软法监管机制。 遵循“鼓励创新”“包容审慎”监管政策以及“合理规则”为主、“本身违法原则”为辅的规制原则，比照2021 年国家互联网信息办公室、工业和信息化部等部门发布的《互联网信息服务算法推荐管理规定》，优先适用“软法”监管模式，由监管部门制定《互联网信息服务算法定价管理规定》，并通过市场研究、专家意见、公众咨询、竞争倡导和企业人员培训、约谈等“软执法”方式进行治理，在传统《反垄断法》规制框架下，对大数据算法定价等新技术制定专门的监管政策，构建数字经济平台监管规则软法体系，探索一套切实可行的算法定价监管新机制，对算法定价中的价格歧视和价格共谋等违法行为进行认定和执法，引导数字平台经济算法运用良性发展。

第二， 增强监管机构对算法定价的监管意识。相比国外近些年来对算法定价行为的监管，目前中国对算法定价的执法监管还处于初级阶段。 应通过线上、线下讲座等方式，培养算法监管专业人员，针对性地对监管人员进行教育、培训、宣传算法相关专业及法律知识，提高监管主体对算法定价违法行为危害性的认识，增强监管执法效率，实现对算法定价行为的有效监管。

第三，建立大数据算法定价专门监管机构。 算法定价的技术特性及其广泛运用，使得对算法技术的监管成为必然。 因此，应设立“算法技术监管”专门机构，加强对各大数字平台企业智能算法的技术监管。 通过专业技术监管，增强监管部门对技术监管意识，解决算法技术运用带来的一系列问题。 如美国联邦贸易委员会成立了“技术调研办公室”，主要是应对智能算法可能引发的竞争风险。

第四，培养算法定价专业技术监管人才。 目前，中国不仅缺乏数字化技术和平台经济专业知识监管人才，更缺乏算法定价方面的专业法律人才。 由于大数据智能算法定价具有技术性、自主性、隐蔽性等特点，因此应加速培养既懂专业技术又掌握相关法律的监管人才，切实提高对算法定价的专业监管能力。

第五，加强算法定价的事前监管。 算法技术具有双面性， 合理使用算法技术有利于降低交易成本，实现资源优化配置，提高运行效率。 但滥用算法定价技术则会限制或排除竞争，破坏公平的市场竞争秩序，损害消费者利益。 必须加强对经营者算法定价的事前监管，防止其滥用价格共谋破坏市场竞争秩序。 特别是预测类共谋和自主学习类共谋，通过事前监管完全可以及时中止或防止这些违法行为的发生。

第六，建立算法监管体系。 《互联网信息服务算法推荐管理规定》第23 条提出，应根据算法推荐服务的内容类别、用户规模等对算法推荐服务的提供者实施分级分类管理； 第33 条则规定了算法推荐的违法行为处罚措施。 对算法定价的监管应结合算法推荐的监管，并辅之相应的技术监管，建立事先预防、事中控制、事后追责的算法定价监管体系。

五、总结

在以算法为核心的数字经济时代，平台经营者通过智能算法对消费者实施了“大数据杀熟”的歧视性定价、价格欺诈及价格共谋等违法行为，不仅损害了消费者福利， 还侵犯了消费者的知情权、个人信息权、隐私权及公平交易权，并通过不正当竞争手段挤压了相对弱势经营者的竞争空间。 算法个性化定价对不同消费者的实施效果不同，在算法定价不同阶段消费者受到的侵权程度也不同。 由于算法定价具有技术性、自主性和隐蔽性特征，消费者很难了解算法定价的真实情况，且平台经济经营者根据算法定价结果向消费者推荐相关的产品与服务，致使消费者未能充分行使知情权，只能被动接受经营者提供或推送的商品或服务，特别是在算法定价共谋的情况下，消费者的知情权和选择权更难得到保障，其公平交易权必然受到侵害。 算法定价对消费者的侵权客观存在，消费者很难通市场机制去反制超级平台的算法定价侵权行为。 因此，在鼓励企业科技创新的同时，应以保护消费者利益和维护市场公平竞争秩序为导向， 规范算法定价的运用，切实加强对算法定价违法行为的监管。