数字经济时代个性化定价的法律规制——以利益平衡为视角

（原标题：数字经济时代个性化定价的法律规制——以利益平衡为视角）

一、问题的提出

近年来，日新月异的数字技术，让大数据不断融入经济价值创造过程，并持续重构经济社会形态及个人生活，成为数字经济时代的“黄金与石油”。主要依靠处理大量用户数据[1]的新商业模式在商业实践中逐渐成为主流。[2]通过算法，平台可以处理数以万计条数据，构建消费者的个人档案。[3]特别地，通过对消费者个人数据的挖掘，平台可以“连接”不同的信息，以便尽可能详细地形成用户“画像”，从而预测消费者的支付意愿，进而为不同的消费者设定不同的价格，形成个性化定价（Personalized pricing）。这种个性化定价在数字市场被视为一种新的商业实践，有其存在与发展的合理性，对消费者乃至数字市场既有积极影响，例如产生增加社会总需求、改善分配效率和促进竞争等一系列积极效应；但也可能产生消极影响，例如侵犯消费者个人隐私，使之成为超级平台任意收割的“韭菜”；还可能进一步挤压市场其他经营者的价格空间，影响公平的市场竞争秩序。我国近年来在外卖配送、出行服务等平台频频爆出“大数据杀熟”现象[4]，引发公众广泛争议，某种程度上亦说明了个性化定价的消极影响。鉴于个性化定价可能的消极影响，监管部门已经着手采取相关措施对其进行规制。

例如，我国国务院反垄断委员会于2021年2月7日颁布的《国务院反垄断委员会关于平台经济领域的反垄断指南》（以下简称《平台反垄断指南》）第十七条明确对“大数据杀熟”问题做出了规定，禁止平台经济领域经营者基于大数据和算法，根据交易相对人的支付能力、消费偏好、使用习惯等，实行差异性交易价格或者其他交易条件。市场监管总局于2021年7月2日颁布的《价格违法行为行政处罚规定（修订征求意见稿）》第十三条亦规定了新业态中的价格违法行为，明确禁止电子商务平台经营者“利用大数据分析、算法等技术手段，根据消费者或者其他经营者的偏好、交易习惯等特征，基于成本或正当营销策略之外的因素，对同一商品或服务在同等交易条件下设置不同价格”。但同时，也有不少学者认为以“大数据杀熟”为代表的个性化定价本身并不违法，且有其存在的合理性，只是需要采用多元方法、多种法律对其进行必要的规制。如果一味地将禁止个性化定价，反而是一种因噎废食的做法。[5]追本溯源，关于个性化定价的争议可归因于其所带来的各种利益冲突。虽然目前学界对个性化定价的研究给予了较多关注，并产生了一系列成果。国内相关研究侧重于从个性化定价的行为机制[6]、违法性[7]、规制制度[8]等方面展开，以顺应“痛打大数据杀熟”“叫停算法价格歧视”等社会现实舆论的呼声。然而个性化定价的深层次利益冲突并未得到系统性解答，有必要从利益平衡角度予以理论方面的解疑释结。是以，如何反思规范个性化定价的必要性与具体场景，以修补既有相关研究与经济实践存在的割裂，在技术创新与保障个体利益乃至公共利益之间求得平衡，成为一个亟待解决的问题。

鉴于传统经济时代的价格歧视问题随着大数据算法技术的发展已进一步成为尖锐的时代课题，厘清个性化定价的法律性质、个性化定价的可能影响及其规制路径等问题具有重要的研究意义。因此，本文以利益平衡为研究视角，首先厘清个性化定价的法律性质及其双重效应，并以此为基础进一步阐明个性化定价可能带来的利益冲突及其影响，最后就如何解决这种利益冲突问题提出相应的建议，以期能裨补助益于个性化定价这一商业模式的良性发展，更好维护和推动数字经济的发展。

二、个性化定价的法律性质及其双重效应

对于同一商品，消费者之间存在着不同的支付意愿。所谓个性化定价，就是经营者考虑到不同顾客的支付意愿存在现实差异，针对同一商品，进行差异化定价的策略。数字经济时代，为获得更多利润，经营者通过大数据算法驱动的定价模式来预测消费者支付意愿，进而为不同的消费者设定不同的价格，以实现个性化定价。传统经济时代，一级价格歧视更多存在于理论研究之中，但随着大数据及算法技术的发展，经营者得以借助个性化定价技术行为实现“千人千面千价格”的个性化定价策略，让一级价格歧视在现实中成为可能。[9]可以说，在大数据分析及算法运用常态化的数字经济背景下，个性化定价技术正让一级价格歧视逐渐由理论跃进现实，成为经营者的常规商业策略。在消费者眼中，经营者运用技术进行个性化定价无疑会损害消费者的合法权益，可能致使消费者知情权和公平交易权受到侵害，有悖公平诚信的基本原则。但在经济学家眼中，统一定价的时代已经过去[10]，个性化定价则是大势所趋[11]。就个性化定价的本质而言，个性化定价可以视作传统的价格歧视在数字市场应用的结果，无限接近一级价格歧视。

（一）个性化定价的法律性质

从经济学角度来看，个性化定价是价格歧视的一种混合表现，是市场主体行使自主定价权的结果，是市场正常运行的产物。按照庇古的思路，传统经济学理论一般把价格歧视（差别定价）分成三种类型。[12]其中，三级价格歧视涉及商家对不同类型的消费者收取不同的价格。当商家还可以根据消费者购买量的不同，收取不同的价格时，发生二级价格歧视。最后，?级价格歧视意味着商家可以对每一单位商品都收取消费者愿意支付的最高价格，将消费者剩余全部收归己有。[13]早期，一级价格歧视被认为事实上是不可能的：商家没有足够的信息来准确区分每个消费者的产品或服务价格。[14]然而，正如2015年白宫的一份报告所发现的那样，大数据分析和算法计算能力的提高正在促进从二级/三级价格歧视向一级价格歧视的转变。[15]虽然平台还无法充分“预测”消费者个人的支付意愿，但是借助大数据分析经营者可以将消费者细分成比以往更小的群体。这意味着现在更容易确定每个群体为特定产品付费的预期意愿，并相应地调整价格。[16]可以说，虽然完美的个性化定价仍不现实，但大数据分析倾向于在数字市场出现不同形式的价格歧视。后者可以描述为上述不同程度的价格歧视的混合体，以及不同形式的个性化。

从法学角度来看，对于个性化定价的法律性质，当前我国学界并无统一看法，但总体而言，主要可归纳为以下两类。一是从个性化定价的客观特征出发，有学者认为，个性化定价是经营者为追求利益最大化，通过大数据手段，对消费者实时数据进行抓取、整理、挖掘后，对消费者差别定价，且这种差别定价不反映成本差别的价格歧视现象。[17]可以说，个性化定价就是价格歧视在数字经济时代的一种新的表现形式，带有一定的垄断色彩。[18]二是强调实施个性化定价经营者的主观目的，有学者将个性化定价定义为价格欺诈，即经营者基于大数据技术故意对消费者设置更高价格，使消费者在对商品或服务价格陷入误解的情况下作出购买选择，可能构成价格欺诈。[19]对此应扩大理解消费者知情权，经营者应基于诚信原则要求，对消费者予以必要告知；否则，其价格歧视行为即构成消极价格欺诈。[20]

本文认为，从主客观相结合的角度看，个性化定价更宜被认定为算法价格歧视[21]，如果经营者具有市场支配地位，则可能够构成反垄断法上的价格歧视。具体而言，考察我国现行价格相关法律法规可知，《价格法》并未禁止经营者基于消费个人数据和算法技术进行精准“画像”以实施差别定价的行为。如果经营者无价格欺诈的意思或行为，仅是简单地利用算法技术实施差别定价，形式上仍然符合“明码标价”的基本要求，则很难构成价格法意义上的价格欺诈[22]。而相比于价格欺诈对经营者主观故意的要求，不管是《价格法》还是《反垄断法》对价格歧视的主观要件并无要求[23]。虽然《反垄断法》将价格歧视行为的主体范围限缩到具有市场支配地位的经营者，但考虑到诸如美团、滴滴等头部平台经营者在各自行业领域相对于消费者或交易方企业，具有明显的相对优势地位，该类平台完全有能力利用这种优势地位实施价格歧视行为。如果能认定该类经营者具有市场支配地位，且其个性化定价行为对市场产生的消极效应大于积极效应，实质上损害了消费者利益和市场竞争，就可能构成反垄断法上的价格歧视，理当受到反垄断法的规制。但是，需要注意的是，反垄断法规制的是此类滥用市场支配地位地位的价格歧视行为，并非个性化定价模式本身。如果具有市场支配地位的经营者实施个性化定价，该行为没有侵害市场竞争秩序，那么就不属于滥用垄断地位行为。《平台反垄断指南》第十七条条明确将基于大数据算法的个性化定价纳入反垄断法价格歧视的规制范畴，也是以平台经营者具有市场支配地位为先决条件。

（二）个性化定价的双重效应

从表面上看，以追逐消费者支付意愿为定价核心的个性化定价无限接近一级价格歧视。而价格歧视一词本身多带贬义色彩，容易让人对其产生不公平、不合理的消极否定态度。但从利益平衡的视角看，个性化定价事实上是经营者的定价策略，是中性的，有其存在与发展的合理性。对消费者乃至数字市场既有积极影响，也可能产生消极影响。

1.个性化定价的积极效应

个性化定价作为一种常见的定价策略，其满足了不同消费者需求的多样性，一定程度上减省了消费者的信息获取成本，对消费者利益乃至社会公共利益具有一定的积极效应。总的来说，个性化定价可能带来以下三个方面积极效应：

一是增进社会总需求，扩大产出。统一定价情形下，由于经营者收取的价格较高，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。而通过个性化定价，经营者可以为这部分消费者设置具有吸引力的价格以达成交易，进而消除无谓损失，增进社会总需求。总需求的增长将进一步扩大社会产出，促进社会经济发展。当然，这种促进效果不可能是无限止的，随着经营者对消费者群体进行不断地细分，产出增长的潜力最终将受限于消费者总体数量。[24]是以，如果个性化定价不是完美的[25]，其在一定程度上是有利于消费者的。

二是提高分配效率，实现分配正义。正如前文所述，经营者凭借大数据算法技术对个体消费者基于其支付意愿进行个性化定价。在这种情形下，每个消费者的购买需求都可按照其保留支付意愿得到满足。反之，在统一定价情形下，那些支付意愿较低的消费者的需求可能就得不到满足，导致社会产量减少，并进一步破坏了分配效率。从此点观之，个性化定价从整体上有助于提高分配效率，使不同层次支付意愿的消费者需求均能得到满足。当然，这种情况下分配效率的提高也间接产生了“富人被索取高价，穷人享受低价”的局面，导致前者的福利更差。但是，考虑到不同消费者贫富差距的现实，看似公平的统一定价实质上会加重穷人的负担，并进一步扩大贫富差距[26]。相比之下，以“满足不同层次支付意愿”为经营逻辑的个性化定价却能够减贫富差距的不平等，赋予消费者事实上的实质性平等。

三是降低进入门槛，促进竞争。只要拥有用户数据和算法，经营者即可大幅节约定价成本，获得进入新市场所需的定价策略。换言之，个性化定价能帮助市场新进入者快速了解市场定价方式，方便其进入。同时，当经营者可以实施个性化定价时，意味着其可以识别不同消费者的支付意愿，经营者可以设定更低的价格以吸引消费者；当竞争对手也采取相同策略时，个性化定价将导致整个行业价格降低。[27]从此意义上言，个性化定价有助于降低整体价格，导致更激烈的竞争。

2.个性化定价的消极效应

个性化定价可能产生的消极效应主要体现在以下两个方面:

一是直接损害消费者利益。经营者实施个性化定价，最直观的可能损害后果就是对消费者收取高价，造成消费者利益的直接损失。例如，统一定价情形下，某一商品定价100元，高支付意愿消费者的保留价格为120元，经营者通过个性化定价对这一部分消费者定价115元，那么高支付意愿消费者直接损失15元。质言之，经营者利用个性化定价导致部分消费者被迫支付更高的价格，从而直接损害消费者利益。同时，个性化定价可能会进一步引发消费者对在线市场定价机制的信任问题，而这将会导致搜索成本增加、市场运行效率降低。[28]此外，经营者欲实施个性化定价，必然涉及对大量消费者个人信息的收集和挖掘，在这个过程中，可能侵犯消费者的隐私权。而个性化定价基于大数据分析和定价算法对消费者支付意愿做出预测，亦可能导致歧视性、偏见性的预测结果。[29]

二是损害竞争竞争对手，影响竞争秩序。如前述，虽然个性化定价可能促进竞争，但是个性化定价也可能有助于经营者增强其市场力量，从而抑制竞争。一方面，具有市场支配地位的经营者可以利用个性化定价直接损害竞争对手，例如对潜在消费者提供低价，从而排挤竞争对手。另一方面，假使经营者不具有市场支配地位，但是相比其他经营者，其具有大数据优势地位，这本身就会形成市场进入门槛。当企业普遍采取个性化定价时，因为其他潜在竞争对手囿于缺乏数据和技术支撑，不能进行个性化定价，那么这就使得市场可能会集中于大数据优势的经营者，有助于经营者将数据优势转化为竞争优势。这种市场力量的集中亦可能不利于公平的市场竞争秩序。

三、核心要义：个性化定价的利益冲突

个性化定价涉及消费者、经营者及其竞争对手三方利益主体，这些主体各自身处不同环节，具有不同的利益诉求，客观上必然会产生利益冲突。事实上，从某种程度而言，围绕个性化定价的广泛争议或质疑，也可归因于其所带来的种种利益冲突。

（一）市场主体之间的利益冲突

1.消费者与经营者之间的利益冲突

从个性化定价的外观观察，其潜在的最直观利益冲突就是经营者利益和消费者利益之间的冲突。基于经济利益的考量，经营者与消费者之间存在天然的利益矛盾——经营者往往是希望能够更好地实现其商品的经济利益，获得最大化的经济回报；相反，花费最小的代价获取商品则是消费者最理想的选择，如此双方的利益追求冲突在所难免。虽然双方之间存在天然的信息不对称问题，但是传统工业经济时代，经营者并没有足够的信息来准确区分每个消费者的产品或服务价格，只能通过统一定价来满足大多数消费者的需求。因此经营者在追求市场利益的同时保留了一定的消费者剩余，经营者市场利益与消费者利益之间得以共存。而在数字经济时代，基于经营者的数据优势与技术优势，经营者与消费者之间的信息不对称问题被无限放大。经营者利用大数据算法技术对消费者进行个性化定价，一定程度上可以实现“千人千面千价格”，在满足消费者需求的同时使消费者剩余最大程度上向经营者转移，实现其市场利益最大化[30]。尽管通过个性化定价能够提升交易数量，增进社会总福利。但是也有学者指出，这部分增加的福利将以利润的形式流向经营者，而支付意愿较高的消费者原本在统一定价下可享有的消费者剩余灰灭无余，消费者整体受到损害。[31]简言之，个性化定价直接导致了经营者和消费者之间严重的利益冲突，具体表现在经营者市场利益和消费者剩余利益之间的冲突。

此外，为实现个性化定价，经营者必然要大量收集和挖掘消费者个人信息。在这个过程中，亦会带来经营者的大数据算法自主决策权与消费者的隐私权、个人信息价值挖掘与个人主体信息自决权等基本权利之间的冲突问题。同时，经营者的个性化定价自主定价权还可能与消费者知情权、公平交易权产生冲突。

2.经营者之间的利益冲突

虽然不同经营者其经营策略及运作方式可能略有不同，但是争夺更多消费者以促成更多交易，扩大自身竞争优势是各经营者的主要争点所在。因此，数字经济时代，各经营者之间的利益冲突主要表现在对消费者（用户）的争夺上。理论上来讲，在争夺的过程中，各经营者之间虽然存在利益冲突，但正如前文所述，个性化定价一定程度上也有助于增加提供特定产品经营者的数量，导致更激烈的竞争。因此，这种个性化定价所带来的利益冲突可能不仅不会导致不良后果，反而有助于消费者自主选择能够提供更低定价的交易主体，有助于刺激市场的竞争，最终有助于数字经济的发展、有助于消费者福利的提升。然而，在不同经营者市场力量不同的影响下，各经营者之间的利益冲突也可能产生消极影响——产生排斥竞争对手的效果，进而破坏市场的公平竞争秩序。例如，对于某一在线旅游产品，高支付意愿的消费者可以接受最高3000元的价格，而低支付意愿的消费者可以接受最高2000元的价格。如果存在一个具有垄断地位的在线旅游平台可以实施个性化定价，那么其就可以在保障高支付意愿的消费者粘黏性情况下吸引到更多的低支付支付意愿的消费者，原本那些在统一定价下可能流失的低支付意愿消费者就不会流失[32]，产生排斥潜在竞争对手的效果。同理，假使该在线旅游平台不具有市场支配地位，但是相比其他经营者，其具有数据优势地位，能够对利用大数据技术对消费者进行个性化定价，而其他潜在竞争对手囿于缺乏数据和技术支撑，不能进行个性化定价，那么这就使得拥有数据优势的经营者可以将其转化为竞争优势，同时也加重了其他经营者进入该市场的壁垒，从而排斥其他经营者的竞争，引发“第一线损害”[33]的效果。

在“贫者愈贫，富者愈富”的马太效应影响下，这种排他效果在数字市场中愈发显著。具有市场垄断地位的经营者能够获取更多信息，从而形成数据优势而更好的差别定价，无形之中形成了新的市场壁垒，加大了其他经营者进入相关市场的困难、甚至无法进入。而“数字市场竞争的正向网络效应和特殊的用户归属策略会进一步提高消费者的转换成本”[34]，对消费者产生锁定效果，进而加重其他经营者的进入障碍。

（二）个体与公共之间的利益冲突

就直观而言，个性化定价涉及的利益冲突一般表现为个体利益间的冲突，但从深层次矛盾来看，这种个体利益冲突实际上反映了个体利益与公共利益的冲突。有研究表明，当经营者实施个性化定价时，消费者剩余和社会福利既可能同时增加，也可能同时减少，还有可能消费者剩余减少，而社会福利增加。[35]因此，个性化定价涉及个体利益与公共利益的冲突主要体现在以下两点：

其一，是部分受歧视消费者的利益与社会整体利益之间的冲突。例如，某一商品原本统一定价为1500元，高支付意愿消费者群体的保留价格为2000元，低支付意愿消费者群体的保留价格为1000元。此时，如果经营者实施个性化定价对前者定价2000元，对后者定价1000元，那么每个消费者都可以其支付意愿的保留价格购得其所需产品，社会产量增加，配置效率提高，社会总福利增加[36]。但是对于在原本统一定价下可以以1500元购得商品的高支付意愿消费者而言，其多付出了500元的利益。是以，在个性化定价情形下，支付意愿较低的消费者（常常是贫困群体）福利可能更好，而那些支付资源较高的消费者福利则可能会更差，造成后者的利益与社会总福利之间的冲突。[37]

其二，是经营者的市场利益与消费者公众利益乃至促进数字经济发展的社会整体公共利益之冲突。例如，某一商品原本统一定价为30元，高支付意愿消费者群体的保留价格为40元，低支付意愿消费者群体的保留价格为35元。此时，如果经营者实施个性化定价对前者定价40元，对后者定价35元，那么消费者剩余严重减损。因为在此情形下，相比于统一定价，个性化定价只是将消费者剩余以利润的形式全部流向经营者，消费者整体利益受到损害。[38]但是，经营者利润的增加不意味着社会总福利的增加。相反，因为消费者整体利益受到伤害，个性化定价反而可能导致消费者普遍失去对经营者的信任，对社会经济产生不利影响，[39]甚至阻碍数字经济的良性发展。

四、个性化定价法律规制的平衡进路

针对数字经济的规制，应该把握好个性化服务带来的经济福利增加和消费者剩余保护之间的平衡问题。[40]承上所述，个性化定价的利益冲突，意味着其可能产生一定的消极影响，有必要进行规制，但这并不说明要否定乃至禁止个性化定价。这是因为尽管个性化定价可能带来一些消极影响，但是与此同时，个性化定价也具有许多积极效应，有其存在的合理性与必要性。故对待数字经济时代的个性化定价，关键是要关注如何更好发挥其积极效应，预防和缓解其消极影响，妥善化解经营者与消费者，经营者之以及及个体与社会公共之间的矛盾，实现个性化定价的多方利益平衡。总体上，现有针对以大数据杀熟为代表的个性化定价的法律规制往往出现“打地鼠式”的规制困境，缺乏系统性的协同规制。对此，应秉持包容审慎的规制理念，注重保护创新，在遵循现有法律框架前提下，通过法律的调整适用，辅以多元化的监管措施，构建一个系统性的利益平衡机制。使得个性化定价模式中不同主体之间的利益冲突得以消弭，重新达成一个平衡状态。

（一）制度选择：现有法律制度的调适

有学者指出，“价格歧视本质上是一种基于垄断地位实施的限制竞争行为, 因此各国和有关国际组织在对价格歧视的立法规制上都采用将其置于反垄断法或限制竞争法的立法体例”[41]。通过考察我国现行关于价格歧视的法律规定可知，除了《价格法》将价格歧视作为经营者不当价格行为之一作一般性规定外，其他立法以价格歧视排除与限制竞争、侵害竞争秩序为基点，不是泛泛地将经济意义上的价格歧视全部作为规制对象。如果经营者不具有垄断地位而实施了价格歧视，其最多属于价格法上价格歧视而不属于竞争法意义上的价格歧视。对此，应区分垄断和非垄断不同状态下的个性化定价，进行不同的处理。

1.垄断状态下反垄断法的适当介入

承上述，只有当经营者具有垄断地位时，其实施的个性化定价行为才可能由经济学意义上的价格歧视转化为反垄断法意义上的价格歧视。此情形下，个性化定价涉及的利益冲突部分会体现在个性化定价实施者的限制竞争行为。申言之，保护市场公平竞争是反垄断法的立法目的之一，而经营者实施限制竞争行为以谋取垄断利益势必会影响市场竞争秩序，可能会损害市场公共利益。倘若此消极影响逾越了法律的界限，那么就需要反垄断法予以介入，以对数字经济领域的个性化定价行为施以必要规制，进而平衡好经营者的个体利益与市场公共利益。当然，反垄断法本身并不禁止个性化定价行为，反垄断法的介入须是在个性化定价涉及的利益冲突产生反竞争效果时，以事后救济的方法来促使各方利益恢复至平衡状态。

总体上，就当前引起社会广泛热议的“美团杀熟”等事件来看，要判定相关事件是否违反反垄断法存在较大困难，特别是应如何认定相关当事人是否存在市场支配地位。而这也解释了为什么实践中“大数据杀熟”的例子很多，但司法、执法案例一个也没有。针对垄断状态下个性化定价可能带来的反竞争效果，反垄断法的介入应当始终秉承适度规制、审慎规制的基本原则，确保在经营者的垄断利益与促进公共竞争的公共利益可能或已经发生冲突时介入，以防止对于公平竞争利益的过度保护反过来侵害经营者的合法垄断利益，破坏个性化定价模式本身的利益均衡状态。这就要求在适用反垄断法规制个性化定价时需要充分考量数字经济领域的特殊性，如数字市场中市场份额的计算、数据的使用方式对市场支配地位的影响、技术工具对市场支配地位的影响等，以便更科学地认定经营者的市场支配地位。当然，通过反垄断法路径化解个性化定价中的利益冲突问题，如何解决数字经济领域的相关市场边界模糊、市场支配地位认定难等困境，仍需进一步思考。不过，这并不意味着面对个性化定价，反垄断法需要畏手畏脚、投鼠忌器。在相关利益平衡机制尚不完善的情况下，反垄断法更应确保及时、有效发挥作用，才能真正平衡个性化定价模式中各方主体利益，避免该定价模式产生消极影响。总之，考虑到个性化定价的两面性，动用反垄断法规制个性化定价仍须遵循《反垄断法》的基本分析框架，以经济效果为依据，坚持竞争导向、立足个案事实、结合经济分析、开放福利选项，以包容审慎的态度维护自由公平的市场竞争秩序。

2.非垄断状态下法律的调整适用

依据我国现行《反垄断法》，如果经营者不具有垄断地位而实施了个性化定价行为，那么该行为就无法落入反垄断法规制范畴。在此情形下，对于个性化定价利益冲突产生的不良后果，更多地应从经营者利用大数据技术手段实施的价格违法行为方面进行规制。如前文所述，个性化定价的实现有两个基本要求：一是获取分析消费者的个人数据；二是差别定价。

首先，对于消费者个人数据获取和利用的规制，可以《个人信息保护法》 中的个人信息处理规则为依托，对个性化定价的利益冲突进行协调。就个性化定价而言，其核心是对数据的收集和利用，在这一过程中可能引发诸如前文所述的侵犯消费者个人隐私权、个人主体信息自决权等利益冲突。对此，应切实规范个人信息收集、处理、利用活动，用法律武器切实保障好公民个人信息，促进个人信息合理利用。虽然我国《个人信息保护法》明确规定了处理个人信息应当具有“明确、合理目的”的必要原则，但如何理解“明确、合理目的”等应如何理解，还需以利益平衡为理念进一步细化落实，避免在强调对消费者个人信息保护的同时，扼杀了经营者的创新空间。这是因为外部干预对市场虽有吹糠见米之成效，但却也可能带来非即时性的不良后果。如果不赋予经营者适当的创新空间，个性化定价行为极易被误判，其有可能带来的好处会为社会所忽略。是以，在适用个人信息保护法时，不能僵化不变，而应结合情势变化灵活发挥作用，辨明个性化定价对经济生活的具体影响，为经营者处理和利用个人信息留下适当空间，平衡好信息共享与隐私保护、个人信息价值挖掘与个人主体信息自决权等之间的利益冲突。协调好信息流通与保护的关系，使技术进步真正带来社会福祉。

其次，对于差别定价，鉴于差别定价是经营者一种常见的价格策略，符合市场规律，是经营者利益和消费者利益的博弈结果。从经济利益角度出发，经营者与消费者之间存在天然的利益矛盾，因此如何平衡二者的利益冲突向来是消费者保护的中心话题。而《消费者权益保护法》和《电子商务法》可以说是为平衡经营者利益与消费者利益而做出的制度安排，意在规范经营者经营行为和推进消费者保护之间达成一个平衡状态。为实现这一目标，《消费者权益保护法》主要选择了基于保护弱势消费者之需求赋予消费者适当权利的方式，而《电子商务法》则出于规范电子商务行为的考虑选择了对经营者施加一定义务的方式。这些制度设计一定程度上促进和维护了消费者和经营者之间的利益平衡，也在一定程度上有效遏制了经营者损害消费者利益的现象。不过总体而言，这些制度设计目前并不能防止和消除个性化定价的消极影响，这也意味着可能需要对消费者和经营者的权利义务边界进行调整，以在各方之间实现理想的利益平衡。

对此，一方面或许可以通过对《消费者权益保护法》第十条规定的“价格合理”施以合理的立法或司法解释，激活“公平交易权”，规范有失公平、有违诚实信用的“大数据杀熟”乱象，以缓和消费者与经营者之间之间的利益冲突，防止个体利益冲突结出“恶之果”。另一方面，鉴于我国《电子商务法》本就是应运而生的法律，顺应了数字经济的新特点与诉求，较好地对数字经济灵动性风险的作出了有效回应，特别是该法第十八条第一款的“定制搜索结果”直接与个性化精准服务相关。对此，是否可以通过对《电子商务法》第十八条第一款规定的“定制搜索结果”施以合理的法律解释，将定价价格明确纳入定制搜索结果[42]，以消释其适用的模糊性与不确定性问题。激活消费者的“知情权”，以更好满足保护消费者合法权益之立法目的。[43]当然，为实现利益平衡之目的，我国不管是在对消费者的公平交易权还是消费者的“定制搜索结果”作出解释时，都应充分权衡相关利益主体的不同诉求，并在此基础上达成充分的利益博弈。

当然，关于非垄断状态下个性化定价法律的调整适用的讨论同样也适用于垄断状态下个性化定价的法律规制，只是处于垄断状态下的个性化定价可能违反反垄断法，需要反垄断法的特别介入，与一般法律适用处于竞合关系。

（二）措施建构：多元平衡措施的协同规制

通过立法规制个性化定价固然重要，但科技是不断进步发展的，立法不可能时刻反映技术变化，便出现了立法的滞后性，这是不可避免的。囿于立法的滞后性，相比于立法改进的繁琐和巨大成本，采用监管性的措施更具灵活性和及时性。

1.个性化定价之信息平衡，解决“数字鸿沟”问题

个性化定价的高技术性和不透明使经营者与消费者乃至监管者之间形成了“数字鸿沟”。因此，个性化定价规制的一个重要手段就是提高个性化定价决策的透明度，让政府和社会公众对算法决策行为进行有效监督，以矫正个性化定价自动化决策过程中出现的信息失衡。

第一，加强算法审查与算法透明。算法决定了经营者动态定价的决策结果，为避免在算法训练和运行过程中产生歧视性后果，经营者有必要以公平性为标准进行算法审查。对此，我国可以借鉴域外相关制度经验[44]，要求经营者可以自行或者聘请第三方机构进行算法审差，具体审查范围上兼顾对算法本身及对应数据集[45]，以预防算法歧视。此外，鉴于算法的技术性和复杂性，还应明确算法有限度的公开，包括大数据算法采集的具体信息和运算规则，实现对算法监管透明化。需要指出的是，这里强调的有限度的公开是指仅对监管机关公开，以消除监管者信息的不对称。尽管有学者提出，针对个性化定价，应增加大数据算法对消费者的透明。[46]但是考虑到大数据算法的技术性和复杂性，消费者很难识别出纷繁复杂的算法结果，而且大多数算法作为经营者的商业秘密，并不适宜对外公开。[47]当监管机关要求经营者公开其算法时，监管机构应采取严格的保密措施，确保相关算法的公开仅限于监管者，把握好算法“透明”与“不透明”之间的平衡，以在公共利益保护与商业秘密利益乃至科技创新之间达成平衡。

第二，提高个性化定价透明度。从实践来看，个性化定价早已存在于保险、航空等行业，以三级价格歧视形式惠及弱势消费者类别，并已被“受歧视”消费者普遍接受。[48]尽管如前所述，早期卖方没有足够的信息来把握每个消费者的产品或服务保留价格，只能将消费者细分成不同的群体，但实质上这种差别定价与个性化定价是近似相同的。有所区别的是，对于早期这些领域的“价格歧视”，消费者并未强烈反对是因为他们知道歧视的原因，这被认为是社会可以接受的。相比之下，在数字市场中，消费者可能不知道个性化定价考虑的参数，即使收取的价格实际上可能使消费者的福利最大化。如果消费者至少在某种程度上参与了价格制定机制，他们更可能接受各种形式的价格歧视。[49]换言之，消费者本身并不反对价格歧视，他们不喜欢的是价格设定机制缺乏透明度，而个性化定价则缺乏透明度。对此，出于平衡“数字鸿沟”的考虑，经营者在实施个性化定价策略时，应提示消费者其所提供的价格是个性化的，公开其定价的规则，并对主要的定价参数进行说明，且消费者应该能够在个性化定价和非个性化定价之间进行选择。[50]监管机构亦可以要求实施个性化定价的经营者进行合理性说明，具体方式上可采取约谈或者出台相关文件的形式，以提高消费者议价能力和市场参与度。

2.个性化定价之行为救济，避免权利失衡格局

如前述，个性化定价的利益冲突可能对消费者产生消极影响，而这种不良冲突之所以会发生，实质上是经营者滥用权利所导致的经营者权利与消费者权利之间出现失衡，对消费者权利造成侵害。对此，可以考虑通过以下两种措施矫正经营者与消费者之间的权利失衡格局：

第一，规范数据搜集和利用，防止经营者权利滥用。如前述，个性化定价的核心机制通过收集大量用户数据，借助数据分析技术区分其客户。对于数据的收集和利用，虽然我国法律明确要求必须经过授权，但是囿于“隐私悖论”[51]和经营者“同意或退出”式强制性做法，实践中消费者对经营者所给予的授权选项往往是予以接受。这种做法最直观的法律风险就是可能造成消费者的个人数据被经营者不当收集，经营者的数据自主挖掘权与消费者隐私权、知情权产生冲突。对此，为更好平衡经营者的数据搜集和利用行为可能带来的利益冲突，监管机构应对经营者予以必要的引导和教育，特别是对于个性化定价，应督促经营者采用更为明显的方式告知消费者数据收集情况，更好保障消费者的知情权。以期能够取得消费者普遍的理解和信任，促进大数据市场的良性发展。此外，考虑到通过数据融合，经营者即使是访问匿名数据也可能足以实施个性化策略，推断“少量＂客户群的预订价格，并使用此信息来区分其客户。[52]因此，欲更为有效地对数据搜集和利用进行规范，监管机构还应进一步权衡数据的最终使用效果，而不是简单地仅将数据类型作为考量因素。

第二，完善消费者选择退出机制，以维护消费者的自主权和独立性。承上述，经营者在进行个性化定价时，应向受个性化定价策略影响的消费者进行明确的、有意义的、突出的提示，消费者“选择进入”。当然，仅强调经营者的透明度义务可能还不够，为避免经营者因消费者“不知情同意”授权而永久获益，经营者还需提供“选择退出”的选项——若消费者在此过程中认为受到不公平歧视，可以随时选择退出个性化定价，要求经营者提供不针对其个人特征的选项。[53]换言之，消费者不仅有权在受到某种形式的价格歧视时被告知，而且，如果愿意，他们也有权得到统一定价。这样的权利不会暗示消费者总是可以以非个性化的价格购买。这只是意味着，如果经营者希望向按下“退出按钮”的消费者提供要约，那么它就必须是非个性化的价格要约。单击“退出”按钮将向经营者发送信号，邀请他们提出这样的报价。经营者有兴趣收到这样的通知，因为这是有价值的反馈。总之，完善消费者选择退出机制，可以督促经营者在个性化定价的每个环节都注重合理、合法使用个人数据，主动避免个性化定价消极影响的发生，也可以使消费者从其首选经营者提供的更具吸引力的非个性化报价中受益，更好平衡消费者与经营者之间的利益。

五、结语

关于数字革命及其如何影响人类生活的讨论通常落入两个极端之一。乌托邦极端主义描绘了光明的未来，其中个人将摆脱模拟世界的许多无意义的琐事，从而将时间花在生活中比起更换洗涤剂更重要的事情上。反乌托邦的视线进入另一个层面，呈现出一个黑暗的未来，其中个体由一些超级强大的平台企业进行远程控制。本文的目的是在讨论个性化定价时避免这两个极端。毫无疑问，个性化定价所带来的利益冲突，意味着其可能产生一些消极影响，损害消费者福利及社会利益，但这并不是说要一味地禁止个性化定价。对此，应以利益平衡为理念，妥善化解围绕个性化定价定价所产生的利益冲突，发挥其积极效应，减少其消极影响，在技术进步与个体利益及公共利益之间寻找一个平衡点。

为达此目的，要脱离单维度规制路径，鼓励规制的多元共治，从宏观法律制度的调适和微观监管措施的协同两个层面构建一个系统性的利益平衡机制。具言之，一是可以从消费者权益保护法、电子商务法、反垄断法和个人信息保护法四个方面，结合情势变化予以适当调适，对个性化定价进行利益平衡。二是以更具灵活性的监管措施实现对个性化定价的协同治理，从加强算法审计与算法透明、提高个性化定价透明度、规范数据搜集和利用、赋予消费者退出选择权四个方面对个性化定价予以必要引导和规范，在推动数字经济更好发展的同时维护消费者基本权益和社会公共利益，更好地让技术赋能经济，造福社会。

---

注释：

[1]需要说明的是，这里的用户数据除了传统的个人数据之外，如性别、年龄和教育水平，还包括购买历史、地理位置、访问网站历史以及搜索查询历史等其他数据，其他数据亦是平台的重点收集部分。个人数据一方面可以直接从用户那里收集（即当后者登录平台时），另一方面也可以通过 cookie或从数据交易购买。See Miller, A. What do we worry about when we worry about price discrimination? The law and ethics of using personal information for pricing. 19 Journal of Technology Law and Policy 41(2014), pp.43–104.

[2]See Marco Botta1＆Klaus Wiedemann, To discriminate or not to discriminate? Personalised pricing in online markets as exploitative abuse of dominance.50 European Journal of Law and Economics 381 (2020),p.382.

[3]See OECD Secretariat. (2015). Data-driven innovation. big data for growth and well-being. Report published on 6.10.2015. Retrieved May 1, 2021 from http://www.oecd.org/sti/data-driven-innovation-97892 64229358-en.htm.

[4]据相关调查统计结果显示，56.92%的受访对象表示有过被“大数据杀熟”的经历，88.32%的受访对象认为“大数据杀熟”现象普遍或很普遍。2020年9月15日，央视财经频道更是直接点名在线旅游平台的“大数据杀熟”现象。2020年12月14日，美团被曝光“大数据杀熟”，登上热搜，引发舆论热议；同月18日，深陷大数据杀熟漩涡的美团股价下跌2.32%，市值蒸发近400亿港元。参见北京市消费者协会官网：《北京市消协发布大数据“杀熟”问题调查结果》，资料来源：http://www.bj315.org/xxyw/xfxw/201907/t20190727_19494.shtml，2021年4月21日访问；新浪网：《央视点名在线旅游大数据杀熟：10月1日起明令禁止 客户可主张3倍赔偿》，资料来源：https://tech.sina.com.cn/roll/2020-09-16/doc-iivhuipp4581744.shtml，2021年4月21日访问；证券时报网：《被疑大数据杀熟，美团再上热搜，市值蒸发400亿！新华网评：不顾吃相，要改！》，资料来源：https://news.stcn.com/sd/202012/t20201218_2643854.html，2021年4月21日访问。

[5]参见喻玲、兰江华：《算法个性化定价的反垄断法规制：基于消费者细分的视角》，载《社会科学》2021年第1期。

[6]相关论述详见乔榛、刘瑞峰：《大数据算法的价格歧视问题》，《社会科学研究》2020年第5期；李丹：《算法歧视消费者:行为机制、损益界定与协同规制》，载《上海财经大学学报》2021年第2期。

[7]相关论述详见邹开亮、刘佳明：《大数据“杀熟”的法律规制困境与出路——仅从〈消费者权益保护法〉的角度考量》，载《价格理论与实践》2018 年第 8 期；李毅、李振利：《数字经济背景下对消费者实行个性化定价违法边界的研究》，载《社会科学》2020 年第2期；付丽霞：《大数据价格歧视行为之非法性认定研究: 问题、争议与应对》，载《华中科技大学学报（社会科学版）》2020年第2期。

[8]相关论述详见施春风：《定价算法在网络交易中的反垄断法规制》，载《河北法学》2018年第11期；承上：《人工智能时代个性化定行为的反垄断规制——从大数据杀熟展开》，载《中国流通经济》 2020年第5期；张恩典：《反算法歧视：理论反思与制度建构》，《华中科技大学学报(社会科学版)》2020年第5期；山茂峰、郑翔：《算法价格歧视反垄断规制的逻辑与进路》，载《价格理论与实践》2020年第5期。

[9]See Ariel Ezrachi & Maurice E. Stucke，The Rise of Behavioural Discrimination. 37 Eur Competition Law Review 485(2016), pp.485-492.

[10] Shota Ichihashi, Online Privacy and Information Disclosure by Consumers, Retrieved May 12, 2021 from http: //dx.doi.org/10.2139/ssrn.3112905.

[11]Julia Angwin，Dana Mattioli. Coming Soon：Toilet Paper Priced Like Airline Tickets,Retrieved May 12, 2021 from http://www.wsj.com/articles/SB100008723963904449149045776173331 30724846.

[12]Pigou A. The economics of welfare, fourth edition. London: Macmillan，1920.

[13]参见（英）西蒙·毕晓普、迈克·沃克：《欧盟竞争法的经济学：概念、应用和测量》，董红霞译，北京：人民出版社2016版，第262页。

[14]See Damien Geradin & Nicolas Petit, Price Discrimination under EC Competition Law: Another Antitrust Doctrine in Search of Limiting Principles, 2 Journal of Competition Law and Economics 479 (2006), pp.479-531.

[15]See White House. Big data and differential pricing. (2015),Retrieved May 30, 2021 from https://obamawhitehouse.archives.gov/sites/default/files/whitehouse_files/ docs/Big_Data_Report_Nonembargo_v2.pdf.

[16] See OECD Secretariat. Personalised pricing in the digital era.(2018), Retrieved May 30, 2021 from http://www.oecd.org/daf/competition/personalised-pricing-in-the-digit al-era.htm.

[17]参见高富平、王苑：《大数据何以“杀熟”？》，载《上海法治报》2018年05月16日B06版。

[18]参见施春风：《定价算法在网络交易中的反垄断法律规制》，载《河北法学》2018年第11期。

[19]参见朱程程.：《大数据杀熟的违法性分析与法律规制探究——基于消费者权益保护视角的分析，载《南方金融》2020年第4期。

[20]参见邹开亮：《大数据“杀熟”的法律定性及其规制——基于“算法”规制与消费者权益保护的二维视角》，载《金融经济》2020年第7期。

[21]高重迎、施春风、李侠、承上等学者认为，经营者通过对消费者产生的数据进行收集、整理与挖掘，然后基于利润最大化的算法实现价格歧视，这就是杀熟现象（个性化定价）的本质所在。

[22]在个性化定价中，经营者已将商品或服务的价格清晰明了地呈现给消费者，履行了其公示价格的义务。经营者利用线购物消费环境相对独立封闭这一特性，隐瞒了不同消费者之间所支付的价格差异，但这种行为很难谈得上违反了“明码标价”的义务，最多就是侵犯了消费者的知情权。

[23]我国《价格法》第十四条第五款规定，不得“提供相同商品或者服务，对具有同等交易条件的其他经营者实行价格歧视”。《反垄断法》第十七条第六款规定，“禁止具有市场支配地位的经营者从事下列滥用市场支配地位的行为：没有正当理由，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。”这两条都是行为禁止，对主观要件并无要求。

[24]参见喻玲、兰江华：《算法个性化定价的反垄断法规制：基于消费者细分的视角》，载《社会科学》2021年第1期。

[25]考虑到经营者掌握消费者个人数据的有限性和大数据算法技术的局限性，算法定价无法充分“预测”消费者个人的支付意愿，实现完美的个性化定价即一级价格歧视。

[26]如同一件商品，卖1000元对富人和穷人来说是相同的形式成本，但实质成本（又称替代成本，即人们为了支付这个价格必须放弃的所有其他东西）却完全不同。就替代成本而言，统一价格对社会中的穷人比对富人更昂贵。

[27]See Corts，Third-Degre Price Discrimination in Oligopoly:Al-Out Competition and Strategic Commitment，29 Rand Journal of Economics 306(1988), pp.306-323.

[28]See T. Miettinen＆R. Stenbacka, Personalized Pricing Versus History-based Pricing: Implications for Privacy Policy, 33 Information Economics and Policy 56(2015),pp.56-68.

[29]See B. Mittelstadt, P. Allo, M. Taddeo, et al. The Ethics of Algorithms: Mapping the Debate. Big Data & Society, 2016, pp.1-2.

[30]例如，对忠诚消费者收取高价来获取高额利润，对部分潜在消费者收取相对低廉价格来获取最大销量，实现市场利益，而被大数据算法判断为“忠诚”等级的消费者却因此付出高价。

[31]See Ramsi Woodcock, Personalized Pricing as Monopolization, 51 Connecticut Law Review 311(2019), pp. 311-373.

[32]因为如果禁止对消费者采取个性化定价策略，那么经营者要么对两类消费者均以2000元的价格销售，要么就定价3000元，但只有高支付意愿消费者会买。此时，如果经营者统一定价的利润最大化价格是 3000元，则其针对不同消费者实施的个性化定价就会产生排除竞争对手的效果。因为在原本统一定价的情况下，经营者为实现利润最大化定价3000元，那么只愿意付 2000元的消费者会找其他经营者购买。而如果垄断者可以进行个性化定价，那么这些支付意愿低的消费者就不会流失，潜在的市场进入者也会由于缺乏足够的激励而被排除在市场之外。

[33]价格歧视的买方之间的竞争关系称为第二线竞争， 卖方之间的竞争关系称为第一线竞争， 所以相应的损害分别称为第二线损害、第一线损害。第二线损害、第一线损害是价格歧视反垄断评价的专有名词。

[34]周围：《人工智能时代个性化定价算法的反垄断法规制》，载《武汉大学学报（哲学社会科学版）》2021年第期。

[35]See Dirk Bergemann & Benjamin Brooks & Stephen Morris, The Limits of Price Discrimination, 105 American Economic Review 921(2015), pp.921-957.

[36]H.R. Varian, Intermediate Microeconomics: A Modern Approach, New York: W.W. Norton & Company, 2006.

[37]参见喻玲：《算法消费者价格歧视反垄断法属性的误读及辨明》，载《法学》2020年第9期。

[38]See Ramsi Woodcock, Personalized Pricing as Monopolization, 51 Connecticut Law Review 311(2019), pp. 311-373.

[39]See UK OFT, Online Targeting of Advertising and Prices: A Market Study, OFT1231, 2010, pp. 32-33.

[40]参见李建培、廉涛、张晚烛：《差别定价院最新研究进展及政策启示》，载《管理学刊》2021年第2期。

[41]郭宗杰：《价格歧视立法问题研究》，载《暨南学报（哲学社会科学）》2003年第5期。

[42]一般而言，经营者应消费者请求向其提供的搜索结果往往包含对商品或服务的相关描述，包括但不仅限于商品的质量和大小、服务的时长与种类，等等，而价格作为消费者考量的重要因素也应涵盖在其中。参见付丽霞：《大数据价格歧视行为之非法性认定研究: 问题、争议与应对》，载《华中科技大学学报（社会科学版）》2020年第2期。

[43]参见葛江虬：《解释论视角下<电子商务法>定制搜索结果 条款的规范目的及限制适用》，载《法律科学（西北政法大学学报）》2021年第3期。

[44]例如美国计算机协会发布的《关于算法透明性与可责性的声明》即主张建立算法可审计原则，由第三方独立机构对算法进行预先审查，要求从事算法活动的企业必须如实记载算法模型、基础数据和决策环节，便于第三方机构审查。See ACM US Public Policy Council，Statement on Algorithmic Transparency and Accountability，12 January 2017，Retrieved May 30, 2021 from https://www.acm.org/binaries/content/assets/public-policy/2017_usacm_statement_algorithms.pdf.

[45]参见李成：《人工智能歧视的法律治理》，载《中国法学》2021年第2期。

[46]参见郑智航、徐昭曦：《大数据时代算法歧视的法律规制与司法审查———以美国法律实践为例》，载《比较法研究》2019年第4期。

[47]参见朱建海：《“大数据杀熟”的法律规制困境及其破解路径》，载《重庆邮电大学学报（社会科学版）》2021年第1期。

[48]See Marco Botta1＆Klaus Wiedemann, To discriminate or not to discriminate? Personalised pricing in online markets as exploitative abuse of dominance, 50 European Journal of Law and Economics 381(2020), p.388.

[49]See TJ Richards, J Liaukonyte & NA Streletskaya, Personalized pricing and price fairness, 44 International Journal of Industrial Organization 138(2016), pp.138–153.

[50]See Oren Bar-Gill, Algorithmic Price Discrimination When Demand Is a Function of Both Preferences and (Mis)perceptions, 86 University of Chicago Law Review 217 (2019), pp.217-254.

[51]“隐私悖论”指的是尽管人们高度关注隐私，大多数人还是愿意用他们的个人信息来换取可感知的利益。See Spyros Kokolakis,“Privacy At titudes and Privacy Behaviour:A Review of Current Research on the Privacy Paradox Phenomenon”, Computers and Security,2017,64(C), pp.122-134.

[52]Paul Ohm, “Broken Promises of Privacy: Responding to The Surprising Failure of Anonymization”,UCLA Law Review,2010,57(6), pp.1701-1778.

[53]参见李丹：《算法歧视消费者：行为机制、损益界定与协同规制》，《上海财经大学学报》2021年第2期。

本文系未央网专栏作者:小未 发表，内容属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！