雷 希

內(nèi)容提要:算法個性化定價的監(jiān)管實踐與理論分析未能遵循規(guī)制對策與問題相匹配的規(guī)制原理。該原理要求注意算法個性化定價與算法合謀定價、欺詐定價、歧視定價、個性化推薦的區(qū)別。同時基于危害性差異我們也應(yīng)將算法個性化定價進一步分為三類：超高價格、超低價格和一般價格。超高價格或超低價格場景下的算法個性化定價危害可借助既有的法律框架得以消減。雖然一般價格場景下的算法個性化定價既沒有損害消費者權(quán)益，也不會排除或限制競爭，但會從分配不公平和程序不公平兩個角度誘發(fā)消費者不信任，動搖數(shù)字市場經(jīng)濟秩序。政府、經(jīng)營者和消費者應(yīng)以信任受損機理為基本遵循，合力共筑消費者信任，以實現(xiàn)創(chuàng)新發(fā)展和消費者利益保護的動態(tài)平衡。

大數(shù)據(jù)“殺熟”已引起社會的廣泛關(guān)注，社會各界曾強烈呼吁政府通過加強立法工作治理大數(shù)據(jù)“殺熟”現(xiàn)象，堵住監(jiān)管漏洞。(1)參見《全國人大代表楊松：建議立法規(guī)制大數(shù)據(jù)殺熟、平臺二選一等》，載https://www.thepaper.cn/newsDetail_forward_11533557，最后訪問時間：2022年1月5日?！秱€人信息保護法》第24條被普遍解讀為禁止大數(shù)據(jù)“殺熟”，(2)參見王利明：《〈個人信息保護法〉的亮點與創(chuàng)新》，載《重慶郵電大學(xué)學(xué)報(社會科學(xué)版)》2021年第6期；王利明、丁曉東：《論〈個人信息保護法〉的亮點、特色與適用》，載《法學(xué)家》2021年第6期。各地出臺的地方性法規(guī)及規(guī)范性文件也對此作出了規(guī)定。(3)如《上海市數(shù)據(jù)條例》《深圳經(jīng)濟特區(qū)數(shù)據(jù)條例》《浙江省電子商務(wù)條例》等。大數(shù)據(jù)“殺熟”又被稱為算法價格歧視、個性化定價或差異化定價等，是公眾對經(jīng)營者利用算法為終端消費者個性化定價的一種俗稱，即通過收集、清洗、處理和分析消費者消費習(xí)慣、消費能力等個人信息對消費者畫像，預(yù)測消費者最高保留價格，并以此就同一商品向條件相同的消費者設(shè)定高低不同的價格。大數(shù)據(jù)“殺熟”并非學(xué)術(shù)用語，其主觀色彩過于濃厚。如果用大數(shù)據(jù)“殺熟”指稱這類行為則易形成框架效應(yīng)(framing effect)，導(dǎo)致立場先行，(4)See Ariel Ezrachi，Maurice E.Stucke,Virtual Competition:The Promise and Perils of the Algorithm-Driven Economy,Harvard University Press,2016,pp.111-113.不利于對此進行中立評價。(5)筆者于“中國知網(wǎng)”搜索相關(guān)CSSCI論文發(fā)現(xiàn)：一般而言，采用大數(shù)據(jù)殺熟或算法歧視這類表述的文章，基本假定算法個性化定價攫取消費者剩余，限制競爭，應(yīng)該予以規(guī)制；而采用中立性表述的文章一般認(rèn)為算法個性化定價危害性較為復(fù)雜，需要結(jié)合不同場景進行分析。鑒于概念的使用還未有共識，且國內(nèi)外不少學(xué)者也以算法個性化定價來指稱該類行為，因此本文采用算法個性化定價來代替大數(shù)據(jù)“殺熟”這一用語。

國內(nèi)外監(jiān)管機關(guān)和理論界基于保護消費者、彌補市場失靈的目的，基本認(rèn)可政府應(yīng)采取措施規(guī)制算法個性化定價。(6)參見喻玲：《算法消費者價格歧視反壟斷法屬性的誤讀及辨明》，載《法學(xué)》2020年第9期；Organisation for Economic Co-operation and Development (OECD),Price Discrimination:Background Note by the Secretariat,DAF/COMP(2016)15.但難點在于應(yīng)該如何規(guī)制算法個性化定價、既有法律框架是否足以解決算法個性化定價帶來的挑戰(zhàn)。對該類問題的理論研究，既是回應(yīng)社會重大關(guān)切的現(xiàn)實之需，也是數(shù)字經(jīng)濟發(fā)展之求。

一、既有監(jiān)管與理論的特點歸納及缺陷分析

我國目前對算法個性化定價的監(jiān)管思路呈現(xiàn)出一刀切禁止的特點，國內(nèi)理論研究則呈現(xiàn)出一般化分析的特點。一刀切禁止的監(jiān)管思路和一般化的理論研究均存在不足，有待進一步完善。

(一)監(jiān)管一刀切禁止的特點與缺陷

有關(guān)算法個性化定價的國內(nèi)監(jiān)管呈現(xiàn)出一刀切禁止的特點，即以統(tǒng)一適用的禁止性規(guī)范規(guī)制涉及算法個性化定價的所有問題。例如，2021年國家市場監(jiān)督管理總局、中央網(wǎng)信辦、國家稅務(wù)總局提出必須“嚴(yán)肅整治”算法個性化定價。國務(wù)院反壟斷委員會制定的《關(guān)于平臺經(jīng)濟領(lǐng)域的反壟斷指南》第17條，被認(rèn)為是對算法個性化定價這一熱點問題的回應(yīng)。(7)參見《促進平臺經(jīng)濟規(guī)范有序創(chuàng)新健康發(fā)展 ——〈國務(wù)院反壟斷委員會關(guān)于平臺經(jīng)濟領(lǐng)域的反壟斷指南〉解讀》，載http://gkml.samr.gov.cn/nsjg/xwxcs/202102/t20210207_325970.html，最后訪問時間：2022年1月5日?！秲r格違法行為行政處罰規(guī)定(修訂征求意見稿)》將算法個性化定價視為“新業(yè)態(tài)中的價格違法行為”，明確將按銷售總額比例罰款。類似一刀切禁止性的規(guī)定還有不少。(8)例如《商務(wù)部辦公廳開展“2021年全國網(wǎng)上年貨節(jié)”活動的通知》、文化和旅游部《在線旅游經(jīng)營服務(wù)管理暫行規(guī)定》、國家市場監(jiān)督管理總局聯(lián)合商務(wù)部共同提出“社區(qū)團購‘九不得’”、國家互聯(lián)網(wǎng)信息辦公室《數(shù)據(jù)安全管理辦法(征求意見稿)》等。結(jié)合違法懲戒機制，這種一刀切禁止的監(jiān)管思路具有較強的威懾力。

一刀切禁止的思路有很強的民意及輿論基礎(chǔ)。如2019年北京市消協(xié)的調(diào)研結(jié)果顯示，絕大多數(shù)被調(diào)查者(83.74%)認(rèn)為算法個性化定價侵犯了消費者公平交易權(quán)，類似比例的被調(diào)查者(81.41%)要求政府加強監(jiān)管以減少此類行為。(9)參見《北京市消協(xié)發(fā)布大數(shù)據(jù)“殺熟”問題調(diào)查結(jié)果》，載http://www.bj315.org/xxyw/xfxw/201907/t20190727_19494.shtml，最后訪問時間：2022年1月5日。除此之外，一刀切禁止還可以為將來的靈活規(guī)制預(yù)留充足時間，(10)有研究發(fā)現(xiàn)，政府強監(jiān)管的初始意愿越強烈，互聯(lián)網(wǎng)企業(yè)演化到算法個性化定價的速度越慢。參見邢根上、魯芳、羅定提：《政府監(jiān)管下的電商大數(shù)據(jù)“殺熟”演化仿真分析》，載《湖南工業(yè)大學(xué)學(xué)報》2021年第2期。在短時間內(nèi)也可以為市場注入一劑強心針。

但一刀切禁止的處理方法只能是一時的應(yīng)對之策。相較于包容審慎監(jiān)管，一刀切禁止所能獲得的效益小于增加的成本。(11)參見潘定、謝菡：《數(shù)字經(jīng)濟下政府監(jiān)管與電商企業(yè)“殺熟”行為的演化博弈》，載《經(jīng)濟與管理》2021年第1期。更為重要的是，算法個性化定價的經(jīng)濟效果較為復(fù)雜，對經(jīng)營者、消費者及社會也會帶來一定程度的正面效應(yīng)。英國競爭與市場監(jiān)管局(CMA)2021年發(fā)布研究報告指出，算法個性化定價盡管有時會損害消費者利益，甚至侵蝕整體經(jīng)濟效率，但有時也能夠增加消費者福利。(12)See Competition & Markets Authority (“CMA”),Algorithms:How They Can Reduce Competition and Harm Consumers,Jan.19，2021,pp.8-9,available at https://www.gov.uk/government/publications/algorithms-how-they-can-reduce-competition-and-harm-consumers,last visited on Jan.5，2022.一味禁止個性化定價，會使得個案處理欠缺靈活性，(13)參見宋亞輝：《社會性規(guī)制的路徑選擇：行政規(guī)制、司法控制抑或合作規(guī)制》，法律出版社2017年，第164-165頁。從長遠來看甚至還會損害消費者權(quán)益(14)See Alex Schofield,Personalized Pricing in the Digital Era,18 Competition Law Journal，35,40 (2019).。一刀切禁止的實效也不容樂觀。CMA調(diào)查發(fā)現(xiàn)天然氣與電力市場辦公室(Ofgem)2009年禁止區(qū)域差異化定價的決定并未產(chǎn)生促進競爭的效果，相反還弱化了競爭。(15)See CMA,Energy Market Investigation,Final Report,Jun.24，2016,available at:https://assets.publishing.service.gov.uk/media/5773de34e5274a0da3000113/final-report-energy-market-investigation.pdf,last visited on Jan.5，2022;OECD,Personalised Pricing in the Digital Era-Note by the United Kingdom,p.12,DAF/COMP/WD(2018)127.

綜上，對算法個性化定價的監(jiān)管不宜采用一刀切禁止的思路。(16)參見李毅、李振利：《數(shù)字經(jīng)濟背景下對消費者實行個性化定價違法邊界的研究》，載《社會科學(xué)》2020年第2期。近期出臺的《個人信息保護法》《互聯(lián)網(wǎng)信息服務(wù)算法推薦管理規(guī)定》和《浙江省電子商務(wù)條例》等規(guī)定僅禁止“不合理”的算法個性化定價，試圖從一刀切禁止的監(jiān)管策略轉(zhuǎn)變?yōu)楹侠矸治觥５@些規(guī)定并未明確“不合理”的概念，這就要求監(jiān)管者進行個案分析。然而由于監(jiān)管能力與監(jiān)管成本的約束，監(jiān)管者在個案的實際判斷中可能仍會偏向于一刀切處理。這意味著，盡管部分監(jiān)管規(guī)范的表述由禁止轉(zhuǎn)為合理分析，但其實踐效果沒有發(fā)生變化，市場活力可能仍會受挫。

(二)理論一般化分析的特點與缺陷

國內(nèi)對算法個性化定價的研究呈現(xiàn)出“一般化”的特點，也就是將所有危害都?xì)w因于算法個性化定價這個一般性概念上，未區(qū)分不同情形下算法個性化定價的危害差異。具體表現(xiàn)為：其一，有的研究斷言算法個性化定價不僅可能攫取消費者剩余，而且還可能扭曲市場競爭機制，排除限制競爭。(17)參見李丹：《算法歧視消費者：行為機制、損益界定與協(xié)同規(guī)制》，載《上海財經(jīng)大學(xué)學(xué)報》2021年第2期。其二，有的研究從不同部門法角度討論算法個性化定價的危害性，意圖為一般性禁止算法個性化定價提供具體條文依據(jù)。例如從消費者保護法的角度，有觀點認(rèn)為算法個性化定價侵犯消費者知情權(quán)、選擇權(quán)或公平交易權(quán)；(18)參見王佳琪：《大數(shù)據(jù)“殺熟”的法律應(yīng)對》，載《人民法院報》2019年6月11日，第002版。從反壟斷法的角度，有觀點認(rèn)為算法個性化定價構(gòu)成剝削性差別待遇；(19)參見楊東、臧俊恒：《數(shù)字平臺的反壟斷規(guī)制》，載《武漢大學(xué)學(xué)報(哲學(xué)社會科學(xué)版)》2021年第2期。從行政行為法和行政作用法視角，也有學(xué)者討論規(guī)制算法個性化定價的理論正當(dāng)性(20)參見李帥：《共享經(jīng)濟信息不對稱環(huán)境下的決策算法規(guī)制——以區(qū)塊鏈共識模型為規(guī)制思路》，載《財經(jīng)法學(xué)》2019年第2期。。前述部門法視角的討論仍舊將所有可能的危害籠統(tǒng)地歸咎于算法個性化定價，未能進行場景化和類型化分析。當(dāng)然，確實也有學(xué)者嘗試進行類型化分析。有的主張“對于不同類型的個性化定價算法應(yīng)做區(qū)分處理”(21)周圍：《人工智能時代個性化定價算法的反壟斷法規(guī)制》，載《武漢大學(xué)學(xué)報(哲學(xué)社會科學(xué)版)》2021年第1期，第108、110頁。，有的認(rèn)為應(yīng)“基于消費者細(xì)分的視角”堅持個案分析(22)參見喻玲、蘭江華：《算法個性化定價的反壟斷法規(guī)制：基于消費者細(xì)分的視角》，載《社會科學(xué)》2021年第1期。。這些觀點雖然意識到算法個性化定價在不同條件下呈現(xiàn)出不同效果，但也僅是一般性地提及個案分析中應(yīng)考慮的原則，尚未落實如何分類規(guī)制。

一般化分析兼具進步之處與不足之處。其進步之處包括：一是明確算法個性化定價可能的危害性，解決了規(guī)制必要性問題；二是提出算法個性化定價的綜合規(guī)制進路，并試圖深入到各部門法領(lǐng)域進行研究。

缺陷之處則體現(xiàn)在三個方面。第一，既有研究未能意識到算法個性化定價并非獨立概念，其外延并非獨一無二，而是包含多種具有不同危害性的子類行為。一般化分析將算法個性化定價視為一個整體進行研究，遇到具體場景時便會暴露出解釋力不足的問題。第二，一般化分析容易混淆算法個性化定價子類行為的危害，可能產(chǎn)生規(guī)制錯配的問題。例如，有觀點將特定類型算法個性化定價對消費者權(quán)益的損害視為算法個性化定價共有的特征，進而主張通過援引“維護消費者利益”這個一般條款而適用《反壟斷法》規(guī)制所有算法個性化定價。(23)參見承上：《人工智能時代個性化定價行為的反壟斷規(guī)制——從大數(shù)據(jù)殺熟展開》，載《中國流通經(jīng)濟》2020年第5期。然而，有些類型的算法個性化定價既不損害消費者權(quán)益，也不排除限制競爭，此時如果《反壟斷法》介入勢必會導(dǎo)致規(guī)制錯配。第三，一般化分析未能遵循問題與對策相匹配的規(guī)制原理，未能厘清不同場景下的算法個性化定價的危害差異，未能據(jù)此構(gòu)建規(guī)制進路。

二、基于危害差異的類型化研究

針對上述缺陷，改進方法是圍繞算法個性化定價不同子類行為的危害差異進行類型化處理，從而為具體規(guī)制路徑的建構(gòu)奠定基礎(chǔ)。

(一)理據(jù)與功能分析

以危害性差異為基礎(chǔ)進行類型化研究不僅可用規(guī)制理論來論證其正當(dāng)性，而且也因其多重價值而具有必要性。

第一，類型化研究根源于規(guī)制路徑應(yīng)與問題相匹配的基本原理。算法個性化定價的規(guī)制路徑選擇具有鮮明的實用主義色彩，無論如何設(shè)計規(guī)制路徑(是自由放任，抑或照搬或準(zhǔn)用既有法律規(guī)定，甚或是重建)，都必須遵循對策與問題相匹配的規(guī)制原理。(24)參見宋亞輝：《網(wǎng)絡(luò)市場規(guī)制的三種模式及其適用原理》，載《法學(xué)》2018年第10期。否則可能產(chǎn)生規(guī)制失敗、規(guī)制錯配等問題。(25)參見〔美〕史蒂芬·布雷耶：《規(guī)制及其改革》，李洪雷、宋華琳、蘇苗罕、鐘瑞華譯，北京大學(xué)出版社2008年版，第277頁及以下。

第二，基于危害差異解構(gòu)算法個性化定價具有多重價值。首先，解構(gòu)算法個性化定價可以彌補一刀切禁止和一般化分析的缺陷。類型化的思考有助于我們清楚地掌握算法個性化定價的多種類型，避免將不同危害混為一談；更有助于對算法個性化定價進行規(guī)范分析，探尋不同法律在算法個性化定價場景下的適用空間。其次，類型化的分析可以輔助判斷是否存在規(guī)制失敗，進而便于查漏補缺。最后，類型化分析相較于個案分析具有節(jié)省成本、提高法律確定性的作用。個案分析的優(yōu)點是可以基于個案具體情況靈活選擇不同的規(guī)制進路，但缺點在于耗時耗力，且無法給市場主體穩(wěn)定的行為預(yù)期。通過類型化分析，事先明確各類算法個性化定價的規(guī)制路徑，能夠發(fā)揮法律規(guī)則的行為指引作用。

(二)解構(gòu)算法個性化定價

算法個性化定價存在多種表現(xiàn)形式，各種表現(xiàn)形式的危害存在差異，應(yīng)據(jù)此探尋算法個性化定價的類型。但在此之前，有必要厘清算法個性化定價與相關(guān)概念的差異。因為盡管算法個性化定價的內(nèi)涵與相關(guān)概念的內(nèi)涵不同，危害性也迥異，但目前的研究存在概念混淆的問題，有礙規(guī)制路徑的構(gòu)建。

1.厘清算法個性化定價內(nèi)涵

第一，應(yīng)注意區(qū)分算法個性化定價與個人信息保護問題、“信息繭房”困境。按照行為機制，利用算法技術(shù)實施個性化定價的行為可以分為信息采集、信息推送、個性化定價三個階段。(26)參見前引〔17〕,李丹文。這三個階段的行為表現(xiàn)及危害性各不相同。信息采集階段主要涉及個人信息知情同意、用戶畫像、隱私侵權(quán)等問題，信息推送階段的主要危害在于信息繭房，算法個性化定價是發(fā)生在第三個階段的行為。然而，有些研究混淆了上述三個階段的危害。例如，有觀點認(rèn)為算法個性化定價因為違背了消費者對數(shù)據(jù)及隱私的實質(zhì)期待而是不公平的；(27)See Christopher Townley,Eric Morrison，Karen Yeung,Big Data and Personalized Price Discrimination in EU Competition Law,36 Yearbook of European Law，683,710-711 (2017).也有觀點將信息個性化推送歸類為“大數(shù)據(jù)殺熟”，(28)參見鄭智航、徐昭曦：《大數(shù)據(jù)時代算法歧視的法律規(guī)制與司法審查——以美國法律實踐為例》，載《比較法研究》2019年第4期。還有觀點試圖通過解釋《電子商務(wù)法》第18條第1款關(guān)于個性化推送的規(guī)定以解決算法個性化定價問題(29)參見付麗霞：《大數(shù)據(jù)價格歧視行為之非法性認(rèn)定研究：問題、爭議與應(yīng)對》，載《華中科技大學(xué)學(xué)報(社會科學(xué)版)》2020年第2期。。本文認(rèn)為，在建構(gòu)算法個性化定價的規(guī)制路徑時，不能混淆算法個性化定價與信息采集階段的個人信息保護問題、信息推送階段的“信息繭房”問題。用《個人信息保護法》第24條禁止算法個性化定價可能有違《個人信息保護法》的規(guī)制邏輯，不僅可能會使得相關(guān)規(guī)定泛化，(30)參見文銘、莫殷：《大數(shù)據(jù)殺熟定價算法的法律規(guī)制》，載《北京航空航天大學(xué)學(xué)報(社會科學(xué)版)》，2021年9月18日網(wǎng)絡(luò)首發(fā)。還會造成規(guī)制錯配。這是因為算法個性化定價的成因并非個人信息保護不足，(31)參見李三希、武玙璠、鮑仁杰：《大數(shù)據(jù)、個人信息保護和價格歧視——基于垂直差異化雙寡頭模型的分析》，載《經(jīng)濟研究》2021年第1期?！秱€人信息保護法》可提高個人信息保護水平，但很難對算法個性化定價形成有效規(guī)制。

第二，應(yīng)注意區(qū)分算法個性化定價和其他價格違法行為，比如算法合謀定價、算法欺詐定價、算法歧視定價。首先，個性化定價與合謀定價差異明顯。個性化定價的特點在于價格存在較大差別，而合謀定價的特點在于價格一致，兩者表現(xiàn)形式不同。盡管算法可能輔助經(jīng)營者就同一消費者達成統(tǒng)一動態(tài)價格，但尚未有足夠證據(jù)證明這已成為現(xiàn)實。(32)See OECD,Personalised Pricing in the Digital Era-Note by the European Union,pp.6-7,DAF/COMP/WD(2018)128.算法合謀定價行為可由《價格法》第14條第1項或《反壟斷法》予以規(guī)制。其次，個性化定價并非欺詐定價，這是因為欺詐需要有誤導(dǎo)性陳述，而個性化定價并不會使消費者陷入雙重錯誤。那些認(rèn)為算法個性化定價構(gòu)成價格欺詐的觀點，(33)參見鄒開亮、劉佳明：《大數(shù)據(jù)“殺熟”的法律規(guī)制困境與出路——僅從〈消費者權(quán)益保護法〉的角度考量》，載《價格理論與實踐》2018年第8期。混淆了個性化定價與欺詐定價。算法欺詐定價可由《民法典》以及《消費者權(quán)益保護法》第20條和第55條予以規(guī)制。最后，算法歧視定價是平等權(quán)語境下的概念，體現(xiàn)為針對性別、種族等身份方面的歧視定價，可通過“反歧視法律數(shù)字化轉(zhuǎn)型”得以解決。(34)參見李成：《人工智能歧視的法律治理》，載《中國法學(xué)》2021年第2期。

2.解析算法個性化定價外延

根據(jù)危害性差異，可將算法個性化定價的外延解構(gòu)為三個非空的子類：超高價格、超低價格和一般價格。這三類行為囊括了算法個性化定價的所有類型。

(1)超高價格

超高價格是指明顯高于商品或服務(wù)市場價值的價格。市場交易本應(yīng)是平等互惠互利的。超高價格的潛在危害在于導(dǎo)致交易顯失公平，侵害消費者福利。經(jīng)營者利用數(shù)據(jù)與算法探知消費者的價格極限，向高支付意愿的消費者收取超高價格，過度剝奪了這部分消費者剩余，使得交易難以對消費者產(chǎn)生增益。超高價格還使得消費者與經(jīng)營者之間的付出與收益不成比例，損害了實質(zhì)公平。例如在浙江省紹興市柯橋區(qū)法院審理的胡女士訴上海攜程商務(wù)有限公司侵權(quán)糾紛一案中，胡女士通過“攜程”訂購房間的價格為2889元，而通過線下預(yù)定則僅為1377.63元，(35)參見史洪舉：《以司法裁判向大數(shù)據(jù)殺熟說不》，載《人民法院報》2021年7月17日，第02版。此時價差達到了一倍，應(yīng)屬于超高價格。

(2)超低價格

超低價格是明顯低于商品或服務(wù)市場價值的價格。利用算法設(shè)定過低價格可能排除限制競爭、擾亂正常經(jīng)營秩序。經(jīng)營者通過差異化定價向高支付意愿的消費者收取較高利潤，以此補貼低支付意愿的消費者，利用低價留住這部分消費者，或吸引新消費者。當(dāng)經(jīng)營者持續(xù)地以超低價格銷售商品或提供服務(wù)，便很可能會產(chǎn)生擾亂正常經(jīng)營秩序的效果。在經(jīng)營者處于市場支配地位時還會產(chǎn)生排除限制競爭的效果。利用算法設(shè)置超低價格的行為在經(jīng)濟生活中確有可能發(fā)生。(36)See Ariel Ezrachi,Maurice E.Stucke,Virtual Competition:The Promise and Perils of the Algorithm-Driven Economy,Harvard University Press,2016,pp.119,297.例如，“多多買菜”“美團優(yōu)選”等社區(qū)團購便被爆出采取補貼的方式低價競爭，甚至個別產(chǎn)品遠低于出廠價。(37)參見吳睿鶇：《警惕社區(qū)團購“燒錢大戰(zhàn)”戕害市場競爭秩序》，載《中國消費者報》2020年12月15日，第001版。對這些社區(qū)團購平臺而言，利用算法設(shè)置個性化的超低價格具有很大的吸引力。

(3)一般價格

除超高價格和超低價格之外的價格，都是一般價格。大部分算法個性化定價都是這種價格。(38)參見施春風(fēng)：《定價算法在網(wǎng)絡(luò)交易中的反壟斷法律規(guī)制》，載《河北法學(xué)》2018年第11期。正如歐盟2018年調(diào)研報告所指出的，實踐中算法個性化定價的平均價差基本不超過1%，最大價差也低于4%。(39)See European Commission (EC),Consumer Market Study on Online Market Segmentation Through Personalised Pricing/Offers in the European Union,p.219,June 2018,available at https://ec.europa.eu/info/sites/info/files/aid_development_cooperation_fundamental_rights/aid_and_development_by_topic/documents/synthesis_report_online_personalisation_study_final_0.pdf,last visited on Jan.5,2022.這意味著算法個性化定價普遍價差幅度不大，并非明顯低于或高于市場價值。由此衍生的相關(guān)問題是：一般價格場景下的算法個性化定價是否具有危害性，是否因?qū)儆诮?jīng)營者自主定價范圍而可采取“自由放任”的態(tài)度。

三、一般價格的危害性再審視

超高價格與超低價格的算法個性化定價危害較為明確，而一般價格的危害比較模糊，有必要再審視一般價格場景下算法個性化定價的危害，從而明確是否需要規(guī)制以及如何規(guī)制。

(一)一般價格危害性的“去偽”

既有研究采用一般化的分析，認(rèn)為算法個性化定價兼具侵犯消費者權(quán)益、剝削消費者剩余以及扭曲市場競爭的危害性。然而，一般價格場景下的算法個性化定價并不具有前述危害。

1.一般價格的危害不在于損害消費者權(quán)益

一般價格場景下算法個性化定價并不具有損害消費者權(quán)益的危害性。第一，消費者法定權(quán)利未受侵害。不少觀點曾主張算法個性化定價損害了消費者知情權(quán)和自主選擇權(quán)，應(yīng)予禁止。(40)參見陳兵：《法治經(jīng)濟下規(guī)制算法運行面臨的挑戰(zhàn)與響應(yīng)》，載《學(xué)術(shù)論壇》2020年第1期；雷雨田：《運用大數(shù)據(jù)不宜“看人下菜碟”》，載《經(jīng)濟日報》2021年3月16日,第09版?！督咕W(wǎng)絡(luò)不正當(dāng)競爭行為規(guī)定(公開征求意見稿)》也從這一角度提出了應(yīng)規(guī)制算法個性化定價。然而，這類觀點違背了法律條文的通常含義，為學(xué)者所批判。(41)參見楊成越、羅先覺：《算法歧視的綜合治理初探》，載《科學(xué)與社會》2018年第4期。實際上，《消費者權(quán)益保護法》第8條規(guī)定的知情權(quán)，只是知悉商品或服務(wù)“真實情況”的權(quán)利，不包括經(jīng)營者與其他消費者的交易價格。經(jīng)營者與其他主體的交易情況，有時甚至可能構(gòu)成商業(yè)秘密。第9條明確了消費者享有自主選擇權(quán)，“有權(quán)進行比較”，但比較的對象是商品，而不是成交價。《消費者權(quán)益保護法》第20條和《價格法》第13條規(guī)定的經(jīng)營者“明碼標(biāo)價”義務(wù)，(42)有觀點便認(rèn)為算法個性化定價違背“明碼標(biāo)價”要求。參見劉佳明：《大數(shù)據(jù)“殺熟”的定性及其法律規(guī)制》，載《湖南農(nóng)業(yè)大學(xué)學(xué)報(社會科學(xué)版)》2020年第1期。只要求經(jīng)營者明確標(biāo)示價格，不要求經(jīng)營者在不同時間針對不同人的報價均保持一致，否則便可能違背《價格法》第11條規(guī)定的經(jīng)營者自主定價權(quán)?！痘ヂ?lián)網(wǎng)信息服務(wù)算法推薦管理規(guī)定》第21條從保護公平交易權(quán)的角度規(guī)制算法個性化定價，這種思路得到了一些學(xué)者的認(rèn)可。但本文認(rèn)為，公平交易權(quán)的規(guī)制路徑或可適用于超高價格的場景，但在一般價格場景下，經(jīng)營者并未向消費者收取不公平高價，并未侵害消費者公平交易權(quán)。

第二，消費者剩余并不必然減少。有研究表明，有時算法個性化定價會導(dǎo)致整體福利提高而適度降低個體消費者剩余，有時算法個性化定價會刺激競爭進而有利于消費者。(43)See Mark Armstrong,Recent Developments in the Economics of Price Discrimination,in Richard Blundell et al.ed.,Advances in Economics and Econometrics:Theory and Applications,Ninth World Congress,Cambridge University Press,2013,pp.114-115,120-126.一般價格場景對消費者剩余而言兼具積極和消極影響，很難精確判斷其具體效果。(44)See Pascale Chapdelaine,Algorithmic Personalized Pricing,17 New York University Journal of Law and Business,1,29 (2020);William W.Fisher III,When Should We Permit Differential Pricing of Informatioin?55 UCLA Law Review,1,20-37 (2008);王文君：《算法個性化定價的反壟斷法反思》，載《甘肅政法大學(xué)學(xué)報》2021年第5期。盡管可以確定，若能實現(xiàn)經(jīng)濟學(xué)意義上的一級價格歧視，則一定會損害消費者權(quán)益，(45)參見方師師：《用大數(shù)據(jù)方法破解“大數(shù)據(jù)殺熟”》，載《光明日報》2021年4月30日，第02版。但就當(dāng)下實踐與方法而言，尚無證據(jù)證明經(jīng)營者能夠?qū)崿F(xiàn)真正的一級價格歧視。

第三，即便一般價格場景下特定消費者權(quán)益一定程度上受損，也無需政府干預(yù)。首先，一般價格場景下的算法個性化定價符合商業(yè)慣例，在現(xiàn)實生活中是比較常見的。只要不構(gòu)成欺詐、不公平價格等情形，法律一直采取的是放任態(tài)度，任由市場自發(fā)調(diào)節(jié)。其次，消費者可采取措施自我保護?！皻⑹臁笨考夹g(shù)，“反殺熟”靠智慧。(46)參見文陽：《“殺熟”靠技術(shù)，“反殺熟”靠智慧》，載https://static.cdsb.com/micropub/Articles/202103/44ea81710cd04a6604253c6b25fb4403.html，最后訪問時間：2022年1月5日。通過增加搜索次數(shù)、遲延支付等方式將自己包裝成謹(jǐn)慎的消費者，消費者大概率可避免被經(jīng)營者收取相對高價。質(zhì)疑觀點可能會認(rèn)為這會增加消費者交易成本，但多次搜索不過是消費者自我保護的體現(xiàn)，也是《消費者權(quán)益保護法》第13條對消費者的期待。

2.一般價格的危害性不在于排除限制競爭

一般價格場景下的算法個性化定價危害不在于排除限制競爭，不應(yīng)由《反壟斷法》規(guī)制。第一，并未違反《反壟斷法》的具體規(guī)定。《反壟斷法》第17條第1款第6項關(guān)于差別待遇的規(guī)定，被有的學(xué)者認(rèn)為可用于規(guī)制一般價格場景下的算法個性化定價——“沒有正當(dāng)理由，對條件相同的交易相對人在交易價格等交易條件上實行差別待遇”。然而，對該條進行規(guī)范分析可以發(fā)現(xiàn)，遭受差別待遇的對象是“交易相對人”，其僅指經(jīng)營者，并不包括終端消費者。首先，參與立法起草審議的立法工作者指出，差別待遇被《反壟斷法》禁止的原因在于該行為會“致使有的交易相對方處于不利的競爭地位”(47)安建主編：《中華人民共和國反壟斷法釋義》，法律出版社2018年版，第51頁。，這意味著“交易相對人”僅指經(jīng)營者，而不包括消費者。其次，《反壟斷法》第14條關(guān)于壟斷協(xié)議的規(guī)定也使用了“交易相對人”的表述，這里的“交易相對人”通常不包括終端消費者。根據(jù)一致用法推定的解釋原則，詞語應(yīng)被推定在同一法律文本中具有相同的含義，(48)參見王利明：《法學(xué)方法論》，中國人民大學(xué)出版社2012年版，第381頁；Antonin Scalia，Byran A.Garner,Reading Law:The Interpretation of Legal Texts,Thomson/West，2012，p.186.那么《反壟斷法》第17條第1款第6項規(guī)定的“交易相對人”也不應(yīng)包括終端消費者。最后，反對觀點主張采用目的性擴張解釋，通過援引目的條款中的“維護消費者利益”將第6項擴張適用于針對終端消費者的差別待遇。也有觀點提出可從剝削性濫用的角度規(guī)制一般價格場景下的算法個性化定價。(49)參見郝俊淇：《平臺經(jīng)濟領(lǐng)域差別待遇行為的反壟斷法分析》，載《法治研究》2021年第4期。但如前所述，一般價格場景下的算法個性化定價并不損害消費者權(quán)益，援引一般條款或剝削性濫用條款難以成立。

第二，一般價格場景下的算法個性化定價不具有排除限制競爭的實質(zhì)危害性。直接以終端消費者為客體的差別待遇，一般而言不具有排除限制競爭的效果。(50)參見丁茂中：《論差別待遇的合理性分析標(biāo)準(zhǔn)》，載《上海對外經(jīng)貿(mào)大學(xué)學(xué)報》2018年第5期。所謂“排除限制競爭”，是指排除限制企業(yè)之間的競爭。一般價格場景下的算法個性化定價顯然不具有排除限制競爭效果。

第三，《反壟斷法》的內(nèi)在邏輯也決定了一般價格場景下的算法個性化定價不應(yīng)由《反壟斷法》規(guī)制?！斗磯艛喾ā返膬?nèi)在邏輯在于恢復(fù)市場競爭，使市場機制運行正常，不能也不應(yīng)該涉足即使是正常市場機制也無法解決的領(lǐng)域。與格式合同附隨條款因缺乏關(guān)注而易形成壟斷均衡一樣，(51)參見馬輝：《格式條款信息規(guī)制論》，載《法學(xué)家》2014年第4期；解亙：《格式條款內(nèi)容規(guī)制的規(guī)范體系》，載《法學(xué)研究》2013年第2期。一般價格場景下的算法個性化定價同樣難以被消費者關(guān)注，這意味著即使由《反壟斷法》調(diào)整并恢復(fù)至自由競爭市場，也仍然會出現(xiàn)此類算法個性化定價行為。

(二)一般價格危害性的“存真”

一般價格場景下的算法個性化定價不損害消費者利益，也不扭曲市場競爭，是否意味著其不具有危害性？自由主義學(xué)派可能會主張一般價格應(yīng)該得到尊重，因為這是經(jīng)營者行使自由定價權(quán)的必然結(jié)果，是市場經(jīng)濟的核心特征。(52)參見梁正、曾雄：《“大數(shù)據(jù)殺熟”的政策應(yīng)對：行為定性、監(jiān)管困境與治理出路》，載《科技與法律》2021年第2期。例如美國代表及工商業(yè)咨詢委員會(BIAC)在經(jīng)濟合作與發(fā)展組織(OECD)“數(shù)字時代的個性化定價”圓桌會上都明確提出若不涉及反競爭效果、不公平或欺詐的行為，算法個性化定價便不構(gòu)成競爭或消費者權(quán)益保護問題，此時應(yīng)避免過度執(zhí)法可能帶來的問題。(53)See OECD,Personalised Pricing in the Digital Era-Note by the United States,DAF/COMP/WD(2018)140;OECD,Personalised Pricing in the Digital Era-Note by BIAC,DAF/COMP/WD(2018)123.但與會的英國代表提出，除了競爭與消費者權(quán)益保護問題外，算法個性化定價還可能會嚴(yán)重影響消費者對數(shù)字經(jīng)濟的信心。(54)See OECD,Personalised Pricing in the Digital Era-Note by the United Kingdom,DAF/COMP/WD(2018)127.會前OECD秘書處提供的背景材料同樣指出：個性化定價的實施是不透明的，存在著減少市場信任的風(fēng)險，可能抑制消費者在數(shù)字市場的參與。(55)See OECD,Personalised Pricing in the Digital Era:Background Note by the Secretariat,DAF/COMP (2018) 13.社會輿論普遍認(rèn)為算法個性化定價會透支消費者信任，引發(fā)信任危機。(56)參見周菊：《大數(shù)據(jù)“殺熟”是透支消費信任》，載《中華工商時報》2018年3月2日，第003版；劉麗、郭蘇建：《大數(shù)據(jù)技術(shù)帶來的社會公平困境及變革》，載《探索與爭鳴》2020年第12期。那么一般價格場景下的算法個性化定價是否會損害消費者對數(shù)字市場的信任？本文給出的是肯定回答。

1.消費者信任經(jīng)營者

數(shù)字市場上，消費者對經(jīng)營者具有實然和應(yīng)然的信任。首先，“信任”的經(jīng)典含義是指A方愿意將自己軟肋暴露給B方并期待著B方會為A方利益行事，而不管A方是否有能力對B方進行監(jiān)督或控制。(57)See Roger C.Mayer,James H.Davis，F(xiàn).David Schoorman,An Integrative Model of Organizational Trust,20 The Academy of Management Review，709,712 (1995).這一定義已得到普遍認(rèn)可。(58)See Ellen Garbarino，Olivia F.Lee,Dynamic Pricing in Internet Retail:Effects on Consumer Trust,20 Psychology and Marketing，495,500 (2003).其次，消費者對經(jīng)營者的信任，直接體現(xiàn)在消費者依據(jù)《網(wǎng)絡(luò)安全法》和《個人信息保護法》同意向經(jīng)營者提供可能對消費者不利的信息，同意的結(jié)果使得消費者的弱勢地位更為明顯。這種同意行為意味著消費者信任經(jīng)營者不會利用這些信息對消費者不利。再次，消費者對具有強大算力的經(jīng)營者的信任，還體現(xiàn)在消費者對這些類似于“專家系統(tǒng)”的經(jīng)營者的信任，相信他們發(fā)揮著第三方監(jiān)管的作用。(59)參見李飛翔：《“大數(shù)據(jù)殺熟”背后的倫理審思、治理與啟示》，載《東北大學(xué)學(xué)報(社會科學(xué)版)》2020年第1期。最后，從應(yīng)然層面來看，消費者對經(jīng)營者的信任是數(shù)字經(jīng)濟發(fā)展所必然要求的。尤其在網(wǎng)絡(luò)時代，信任發(fā)揮著類似于“公地資源”(60)謝堯雯：《網(wǎng)絡(luò)平臺差別化定價的規(guī)制路徑選擇——以數(shù)字信任維系為核心》，載《行政法學(xué)研究》2021年第5期，第27-28頁?；颉皵?shù)字經(jīng)濟的貨幣”(61)許可：《數(shù)字經(jīng)濟視野中的歐盟〈一般數(shù)據(jù)保護條例〉》，載《財經(jīng)法學(xué)》2018年第6期，第74頁。的重要作用。

2.主觀不公平感會減損消費者信任

算法個性化定價會破壞消費者對特定經(jīng)營者的信任，其內(nèi)在邏輯在于算法個性化定價會引發(fā)消費者主觀不公平感，這種不公平感會削弱消費者的信任。

第一，調(diào)查問卷清楚表明消費者對算法個性化定價的主觀感受。2019年北京市消協(xié)發(fā)布相關(guān)調(diào)查報告，數(shù)據(jù)顯示有82.54%的被調(diào)查者認(rèn)為算法個性化定價將嚴(yán)重透支消費者信任、降低企業(yè)聲譽，81.41%的被調(diào)查者認(rèn)為算法個性化定價會損害消費者權(quán)益。(62)參見前引〔9〕。2020年南都反壟斷研究課題組發(fā)布的《互聯(lián)網(wǎng)平臺競爭與壟斷觀察報告》顯示，1300多名受訪者中有73%反對算法個性化定價。(63)參見黃莉玲、李玲、黃慧詩：《南都發(fā)布〈互聯(lián)網(wǎng)平臺競爭與壟斷觀察報告〉市場競爭失序產(chǎn)生壟斷要大力監(jiān)管》，載《南方都市報》2020年12月23日，第A07版。此外，有學(xué)者在調(diào)查美國1500戶家庭后發(fā)現(xiàn)，約有91%的受訪者對算法個性化定價表示強烈反感，87%的受訪者認(rèn)為這種行為是錯誤的，76%的受訪者會因為他人支付相對低價而懊惱。(64)See Joseph Turrow,Lauren Feldman,Kimberly Meltzer,Open to Exploitation:America’s Shoppers Online and Offline,A Report Annenberg Public Policy Center of the University of Pennsylvania,June 2005,available at https://repository.upenn.edu/asc_papers/35,last visited on Jan.5,2022.一項針對近300名學(xué)生的調(diào)研顯示，受訪者傾向于認(rèn)為算法個性化定價嚴(yán)重影響消費者對公平的感知。(65)See Kelly L.Haws,William Bearden,Dynamic Pricing and Consumer Fairness Perceptions,33 Journal of Consumer Research,304,309 (2006).另一項調(diào)研顯示，78%的消費者甚至不希望得到基于上網(wǎng)痕跡提供的個性化折扣。(66)See Joseph Turrow,Jennifer King,Chris J.Hoofnatle,Amy Bleakley,Michael Hennessy,Americans Reject Tailored Advertising and Three Activities That Enable It,Sept.29，2009,available at https://ssrn.com/abstract=1478214,last visited on Jan.5，2022.在對荷蘭上千位消費者進行問卷調(diào)查后，有研究發(fā)現(xiàn)超過80%的消費者認(rèn)為算法個性化定價是不公平的、不可接受的，應(yīng)予禁止。(67)See Joost Poort,Frederik Zuiderveen Borgesius,Does Everyone Have a Price? Understanding People’s Attitude Towards Online and Offline Price Discrimination,8 Internet Policy Review，1,2 (2019).歐盟委員會2018年進行的針對2萬多消費者的調(diào)查結(jié)果同樣證實了這一結(jié)論。(68)See EC,Consumer market study on online market segmentation through personalised pricing/offers in the European Union,June 2018,available at https://ec.europa.eu/info/sites/info/files/aid_development_cooperation_fundamental_rights/aid_and_development_by_topic/documents/synthesis_report_online_personalisation_study_final_0.pdf,last visited on Jan.5，2022.

綜上，算法個性化定價容易引起消費者反感，讓消費者感受到不公平。那么，消費者的不公平感從何而來？實際上，差異化價格并非新奇之事，為何有些差異化定價能被消費者接受，而算法個性化定價卻會讓人感到不公平？下述理論分析能夠提供答案。

第二，消費者的不公平感主要源于分配不公平和程序不公平。傳統(tǒng)上被消費者接受的差異化價格，大體可分為七種類型。(69)一是基于特定身份群體的折扣價，比如老人、學(xué)生、兒童；二是基于數(shù)量的折扣價，也就是所謂的量多優(yōu)惠；三是忠誠折扣，即重復(fù)多次購買而可以享受熟人優(yōu)惠；四是新客折扣，這在雙邊平臺市場的合理性更為明顯；五是根據(jù)使用峰值、谷值與平值而差異定價，常見的如分時電價；六是基于時間的折扣，比如飛機票價的優(yōu)惠；七是基于消費者討價還價能力而形成的差異價格。這些特殊類型的價格差異能被社會接受的原因主要包括：一是存在被社會習(xí)慣所認(rèn)可和接受的實質(zhì)正當(dāng)理由，典例就是學(xué)生優(yōu)惠票或飛機票價的動態(tài)變化，如鄭某訴攜程案涉及的就是機票動態(tài)變化。(70)參見上海市第一中級人民法院(2020)滬01民終13989號民事判決書。二是定價政策公開、透明，消費者要么能夠參與定價過程，要么有更多自由選擇的空間，此時消費者更容易認(rèn)可價格差異，典例如量多優(yōu)惠。

前述理由，有助于反向理解為何算法個性化定價被消費者認(rèn)為是不公平的。算法個性化定價引致的消費者不公平感可分為兩類：分配不公平(distributive unfairness)和程序不公平(procedural unfairness)。(71)See Jennifer Lyn Cox,Can differential prices be fair?10 Journal of Product & Brand Management，264,265-267 (2001).首先，算法個性化定價違背了分配公平卻無正當(dāng)理由。一般價格場景下的算法個性化定價呈現(xiàn)出“千人千價”“最懂你的人傷你最深”的特點。而且通常而言，算法個性化定價總是對“熟人”收取更高價格，這違背了“人熟為寶”的傳統(tǒng)商業(yè)道德。(72)參見楊燕明：《“數(shù)據(jù)殺熟”：剎住技術(shù)歪心思》，載《人民法院報》2020年9月19日，第002版。其次，算法個性化定價透明度低且沒有退出機制，違背了程序公平。消費者無法了解自己是否被個性化定價，也不清楚個性化定價的機制，甚至沒有辦法選擇退出個性化定價，這會加劇消費者的不公平感，損害消費者信任。(73)See Mariateresa Maggiolino,Personalized Prices in European Competition Law,Jun.12，2017,Bocconi Legal Studies Research Paper No.2984840,available at https://ssrn.com/abstract=2984840,last visited on Jan.5，2022.

第三，質(zhì)疑觀點可能會主張如果算法個性化設(shè)定的價格是一般價格，此時因為消費者自愿同意接受該價格，再加上經(jīng)營者也沒有實施欺詐行為，所以應(yīng)該認(rèn)定價格是公平的。這是傳統(tǒng)定價理論對公平價格的理解，即商品的公平價格是購買者在真空狀態(tài)下的獨立判斷。但行為經(jīng)濟學(xué)指出，消費者具有從眾心理，他們對商品價值的判斷大多是基于他人支付的價格。換言之，公平價格的判斷并非消費者在真空狀態(tài)下的獨立判斷。當(dāng)消費者意識到他人支付的價格更低時，消費者便會認(rèn)為自己所支付的價格并非公平價格。理查德·塞勒提出的“交易效用”(transaction utility)理論可以很好地解釋為什么消費者會認(rèn)為一般價格場景下算法個性化定價是不公平的。因為交易效用取決于商品成交價與參考價之間的差別，當(dāng)消費者以他人的成交價為參考價而發(fā)現(xiàn)自己成交價更高時，交易效用將受損，不公平感油然而生。(74)See Richard H.Thaler,Mental Accounting and Consumer Choice,4 Marketing Science，199 (1985).需要注意的是，信任是觀念層面的概念，信任的損害不要求是實際損害，只要消費者主觀感受到價格不公平即可。(75)See Ellen Garbarino，Olivia F.Lee,Dynamic Pricing in Internet Retail:Effects on Consumer Trust,20 Psychology and Marketing，495,500 (2003).

3.消費者信任受損的危害性

一般價格場景下的算法個性化定價盡管并不會損害消費者權(quán)益，也不會扭曲市場競爭，但會導(dǎo)致消費者對特定經(jīng)營者的信任受損，進而會產(chǎn)生如下危害：

第一，算法個性化定價會使消費者對整個數(shù)字經(jīng)濟的信任度下降。例如原英國公平交易局(OFT)在2013年的報告中提出，算法個性化定價會降低消費者對網(wǎng)絡(luò)交易市場的信任。(76)See UK Office of Fair Trading (OFT),Personalized Pricing:Increasing Transparency to Improve Trust,OFT 1489,May 2013,available at https://webarchive.nationalarchives.gov.uk/20140402165101/http:/oft.gov.uk/shared_oft/markets-work/personalised-pricing/oft1489.pdf,last visited on Jan.5，2022.在OECD“數(shù)字時代的個性化定價”圓桌會議中，英國CMA進一步闡述了個性化定價對消費者信任以及數(shù)字經(jīng)濟發(fā)展的影響：“消費者信任的缺乏不僅與實施個性化定價的企業(yè)相關(guān)，而且還與整個網(wǎng)絡(luò)經(jīng)濟有關(guān)?！?77)OECD,Personalised Pricing in the Digital Era-Note by the United Kingdom,pp.9-10,DAF/COMP/WD(2018)127.2021年CMA再次強調(diào)消費者對網(wǎng)絡(luò)市場的信任會遭受損害從而損害整體經(jīng)濟效率。(78)參見前引〔12〕,CMA文，第8頁。消費者對特定經(jīng)營者的不信任會波及整個數(shù)字市場，一方面是因為消費者認(rèn)為算法個性化定價在數(shù)字經(jīng)濟時代較為普遍，(79)例如北京消協(xié)超過3000份的調(diào)查問卷結(jié)果顯示88.32%的被調(diào)查者認(rèn)為算法個性化定價很普遍。參見前引〔9〕。另一方面也因為算法個性化定價的行為主體、(80)普通公司也可實現(xiàn)算法個性化定價。See Micheal Levine,Price Discrimination Without Market Power,19 Yale Journal on Regulation，1(2002).影響程度和波及范圍具有普遍性?？偠灾槍蝹€經(jīng)營者的不信任會波及整個網(wǎng)絡(luò)市場。(81)See The National Association of Citizens Advice Bureaux,A price of one’s own-an investigation into personalized pricing in essential markets,pp.18-19,available at https://www.citizensadvice.org.uk/Global/CitizensAdvice/Consumer%20publications/Personalised%20Pricing%20Report%202018.pdf,last visited on Jan.5，2022.

第二，消費者信任受損會破壞市場秩序，阻礙網(wǎng)絡(luò)經(jīng)濟蓬勃發(fā)展。具體到我國近期的國家政策，這還可能會影響國內(nèi)、國際雙循環(huán)的構(gòu)建，影響到新產(chǎn)品和新科技的更新?lián)Q代。行為經(jīng)濟學(xué)發(fā)現(xiàn)，消費者具有損失厭惡的特征，會避免陷入使他們后悔的交易中?？梢灶A(yù)見的是，具有損失厭惡特征的消費者在信任受損后將更謹(jǐn)小慎微，更不愿意參與到網(wǎng)絡(luò)交易中。(82)See Andrew M.Odlyzko,Privacy,Economics,and Price Discrimination on the Internet,International Conference on Electronic Commerce,Jul.27，2003,available at https://ssrn.com/abstract=429762,last visited on Jan.5，2022.行為經(jīng)濟學(xué)的實證研究也證實了消費者在感受到不公平后會結(jié)束交易。(83)See Domen Malc,Damijan Mumel,Aleksandra Pisnik,Exploring Price Fairness Perceptions and Their Influence on Consumer Behavior,69 Journal of Business Research，3693(2016).信任受損之后，消費者將會減少他們的需求，最終會損害消費者剩余。(84)See OFT,The Economics of Online Personalised Pricing,pp.83-87,May 2013,available at https://webarchive.nationalarchives.gov.uk/20140402154756/http:/oft.gov.uk/shared_oft/research/oft1488.pdf,last visited on Jan.5，2022.總而言之，消費者信任受損會沖擊網(wǎng)絡(luò)經(jīng)濟市場秩序。

綜上，基于危害差異及概念邏輯，本文將算法個性化定價分為三個非空子類：超高價格、超低價格、一般價格。

四、規(guī)制算法個性化定價的策略

本部分將圍繞各類算法個性化定價的危害及其損害機理提出具體規(guī)制進路。

(一)危害性的識別方法

在提出具體規(guī)制進路之前，有必要先解決如何識別不同種類的算法個性化定價這一實踐難題。算法個性化定價的理論分類是方便且容易的，但因算法行為具有隱蔽性特征且難以從外部對其進行觀察，所以要識別具有不同危害性的行為在實踐中并非易事。盡管如此，我們?nèi)匀豢梢赃\用區(qū)塊鏈技術(shù)可溯源與可追蹤的特點，從數(shù)據(jù)輸入、代碼計算與算法輸出三個層面來識別危害性。

識別算法個性化定價與算法合謀定價、欺詐定價、歧視定價，首先，可以通過直接訪問數(shù)據(jù)和代碼來分辨不同的損害。直接訪問數(shù)據(jù)和代碼有助于監(jiān)管者更精確地認(rèn)知算法邏輯，做出更有效的監(jiān)管。比如某些情況下，數(shù)據(jù)本身就能表明是否存在種族與性別歧視問題。但直接訪問數(shù)據(jù)和代碼需要公司的高度配合，這需要考慮公司的激勵問題，以及政府干預(yù)的限度問題。其次，在無法直接訪問數(shù)據(jù)和代碼時，可以從數(shù)據(jù)輸入和算法輸出兩個角度來間接了解算法的運作機制。一般而言可以通過“抓取審核”(scraping audit)的方式或通過應(yīng)用程序接口(API)來識別不同的危害性。最后，在沒有現(xiàn)實數(shù)據(jù)時還可以采用創(chuàng)建虛擬角色測試的方式，如歐盟2018年、北京消協(xié)2019年都曾采用此種調(diào)研方法。

識別算法個性化定價的三種子類行為無涉算法，這是因為價格的高低只是算法輸出的結(jié)果，不需要深入算法內(nèi)部即可從外部觀察并區(qū)分這三種子類行為。算法個性化定價子類行為的判斷標(biāo)準(zhǔn)，與線下世界對超高價格、超低價格、一般價格的判斷標(biāo)準(zhǔn)是類似的。超高價格的判斷可以借鑒反壟斷法關(guān)于超高價格的判斷標(biāo)準(zhǔn)，(85)參見梅夏英、任力：《關(guān)于反壟斷法上不公平高價制度的法律適用問題》，載《河北法學(xué)》2017年第4期；蘇華：《不公平定價反壟斷規(guī)制的核心問題——以高通案為視角》，載《中國價格監(jiān)管與反壟斷》2014年第8期。也可以借鑒合同法關(guān)于顯失公平客觀要件的判斷標(biāo)準(zhǔn)，甚至還可以借鑒《最高人民法院關(guān)于適用〈中華人民共和國合同法〉若干問題的解釋(二)》第19條關(guān)于30%價差的相關(guān)規(guī)定。超低價格判斷因素與超高價格的判斷因素類似，可以從《價格法》《反壟斷法》相關(guān)的規(guī)定中汲取相應(yīng)的考慮因素，例如判斷定價是否低于平均可變成本，另外30%的價差或可以作為參考因素。

(二)基于危害性差異的分類規(guī)制

1.超高價格和超低價格的規(guī)制路徑

超高價格與超低價格具有嚴(yán)重危害，因此法律基本持禁止態(tài)度。

第一，超高價格的危害性在于剝奪消費者剩余，損害公平交易，可適用《反壟斷法》第17條第1款第1項、《民法典》第151條、《互聯(lián)網(wǎng)信息服務(wù)算法推薦管理規(guī)定》第21條或《消費者權(quán)益保護法》第10條和第16條予以規(guī)制。具體來說，若經(jīng)營者具有市場支配地位，利用消費者畫像收取超高價格，則可能違反《反壟斷法》關(guān)于不公平高價的規(guī)定。當(dāng)經(jīng)營者不具有市場支配地位時，則可以適用《民法典》第151條調(diào)整經(jīng)營者利用消費者處于危困狀態(tài)、缺乏判斷能力等情形設(shè)定超高價格致使顯失公平的行為。《消費者權(quán)益保護法》第10條規(guī)定了消費者有權(quán)獲得價格合理的公平交易條件，第16條要求經(jīng)營者承擔(dān)不得設(shè)定不公平交易條件的義務(wù)?！痘ヂ?lián)網(wǎng)信息服務(wù)算法推薦管理規(guī)定》第21條同樣是基于消費者的公平交易權(quán)介入規(guī)制。

第二，超低價格的危害性在于擾亂市場競爭秩序，在經(jīng)營者處于市場支配地位時還會產(chǎn)生排除限制競爭的效果，可通過《反壟斷法》和《價格法》進行調(diào)整。當(dāng)經(jīng)營者具有市場支配地位時，若算法個性化定價屬于超低價格，低于平均可變成本，便可能會違反《反壟斷法》第17條第1款第2項而構(gòu)成掠奪性低價。若不具有市場支配地位，經(jīng)營者利用算法設(shè)定超低價格的行為仍然可能違反《價格法》第14條之規(guī)定。2021年7月國家市場監(jiān)督管理總局發(fā)布的《價格違法行為行政處罰規(guī)定(修訂征求意見稿)》提高了這一新型價格違法行為的罰款力度，相信能夠有效應(yīng)對其危害性。

第三，超高價格和超低價格的危害性還可以通過事前規(guī)制的方法予以調(diào)整。比如可以設(shè)定價格區(qū)間限制(price caps)，即利用算法設(shè)定的個性化價格應(yīng)保持在合理的區(qū)間范圍。英國金融行為監(jiān)管局(Financial Conduct Authority)曾采用這種方式。(86)See Financial Conduct Authority,Price Discrimination in Financial Services:How Should We Deal With Questions of Fairness?p.9,July 2018,available at:https://www.fca.org.uk/publication/research/price_discrimination_in_financial_services.pdf,last visited on Jan.5，2022.這種規(guī)制方法具有一定的正當(dāng)性，得到了學(xué)者的支持。(87)See Oren Bar-Gill,Algorithmic Price Discrimination When Demand is a Function of Both Preferences and (Mis)perceptions,86 University of Chicago Law Review，217,243 (2019).

2.一般價格的多元共治路徑

政府原則上不應(yīng)介入規(guī)制一般價格場景下的算法個性化定價，因為市場機制會逼迫經(jīng)營者進行競爭從而實現(xiàn)競爭均衡，而且即便在壟斷性市場上利用算法設(shè)定一般價格也不會損害消費者權(quán)益，不會扭曲市場競爭。不過算法個性化定價可能會弱化消費者信任、破壞市場秩序，此時政府需要介入規(guī)制以重建市場信任。而重建市場信任是個系統(tǒng)工程，需要政府、經(jīng)營者與消費者共同努力，形成多元共治的規(guī)制格局。

(1)一般價格場景的政府介入規(guī)制路徑

為維系消費者對經(jīng)營者及數(shù)字經(jīng)濟的信任，政府應(yīng)介入調(diào)整一般價格場景下的算法個性化定價行為，需要注意如下三點：

第一，堅持包容審慎的監(jiān)管原則，具體包括依法監(jiān)管、科學(xué)監(jiān)管、積極有效監(jiān)管等內(nèi)涵。首先應(yīng)盡可能減少對市場的干預(yù)，充分發(fā)揮市場的調(diào)節(jié)作用。市場可能會自發(fā)催生比價網(wǎng)站，通過算法技術(shù)幫助消費者反“殺熟”。(88)參見喬榛、劉瑞峰：《大數(shù)據(jù)算法的價格歧視問題》，載《社會科學(xué)研究》2020年第5期。其次，政府要靈活運用多種規(guī)制工具重建消費者對數(shù)字經(jīng)濟的信任，例如可以通過行政指導(dǎo)等軟性規(guī)制方法強化對算法個性化定價的監(jiān)管。(89)參見《盒馬、京東等10平臺簽署承諾書：不利用大數(shù)據(jù)“殺熟”》，載http://news.winshang.com/html/068/3405.html，最后訪問時間：2022年1月5日。最后，包容審慎監(jiān)管并不意味著不監(jiān)管和弱監(jiān)管，因為消費者信任類似于“公地資源”，若不施加干預(yù)可能會出現(xiàn)“數(shù)字信任公地悲劇”。(90)參見前引〔60〕，謝堯雯文。

第二，政府應(yīng)圍繞信任損害機制重建信任，主要可以從維護程序公平的角度設(shè)計具體監(jiān)管方法。首先，政府可以要求經(jīng)營者提高數(shù)據(jù)與算法的透明度，從而維護消費者對數(shù)字市場的信任。設(shè)定經(jīng)營者強制告知規(guī)則是提高透明度的有效方案，(91)英國議會上議院在2016年也曾建議政府采取這種強制告知規(guī)則。See House of Lord,Online Platforms and the Digital Single Market,p.76,Apr.20，2016,available at https://publications.parliament.uk/pa/ld201516/ldselect/ldeucom/129/129.pdf,last visited on Jan.5,2022.例如可以在個人數(shù)據(jù)保護規(guī)范中強制要求經(jīng)營者告知算法個性化定價的基本原理和主要運行機制(92)See Frederik Zuiderveen Borgesius,Joost Poort,Online Price Discrimination and EU Data Privacy Law,40 Journal of Consumer Policy,347,358-360 (2017).。需要注意的是，提高透明度的同時務(wù)必要提防經(jīng)營者通過共享用戶個性化數(shù)據(jù)而實現(xiàn)算法共謀。(93)See Terrell McSweeny,Brian O’Dea,The Implications of Algorithmic Pricing for Coordinated Effects Analysis and Price Discrimination Markets in Antitrust Enforcement,32 Antitrust，75 (2017).其次，政府可強制要求經(jīng)營者為消費者提供便利的退出機制。如果能為消費者提供更方便的退出機制，他們將對算法個性化定價持更為積極的態(tài)度。(94)See Gerhard Wagner，Horst Eidenmüller,Down by Algorithms:Siphoning Rents,Exploiting Biases,and Shaping Preferences:Regulating the Dark Side of Personalized Transactions,86 University of Chicago Law Review，581,592 (2019).我國《互聯(lián)網(wǎng)信息服務(wù)算法推薦管理規(guī)定》第16條和第17條強調(diào)了強制告知和退出機制的作用，美國眾議院立法小組2021年6月提出的《過濾氣泡透明度法案》(Filter Bubble Transparency Act)以及歐洲議會最新通過的《數(shù)字服務(wù)法》亦強調(diào)透明度和退出機制的重要性。

第三，政府應(yīng)加強消費者教育，讓消費者正確認(rèn)識算法個性化定價。當(dāng)前消費者對算法個性化定價的認(rèn)知仍停留在感性層面，普遍認(rèn)為算法個性化定價就是“殺熟”。在這種感性的認(rèn)知下，消費者信任很難建立。推動消費者理性看待算法個性化定價是政府維系數(shù)字經(jīng)濟信任的重要環(huán)節(jié)。政府可以通過公開市場調(diào)研報告等手段增強消費者的信任，或者可基于信任機制重構(gòu)算法解釋權(quán)，使算法個性化定價更能得到接受與認(rèn)可。(95)參見丁曉東：《基于信任的自動化決策：算法解釋權(quán)的原理反思與制度重構(gòu)》，載《中國法學(xué)》2022年第1期。

(2)一般價格場景的經(jīng)營者自我規(guī)制路徑

消費者信任是經(jīng)營者的一種商譽，對經(jīng)營者的經(jīng)營活動具有重要價值，因此經(jīng)營者也應(yīng)該強化自我規(guī)制。從實際效果來看，經(jīng)營者自我規(guī)制也是治理算法個性化定價誘致信任危機最為便捷的方式。經(jīng)營者可從如下三個方面調(diào)整經(jīng)營行為：

第一，從矯正程序公平的角度而言，經(jīng)營者不僅要提高算法個性化定價的透明度，還要主動為消費者提供更為便利的退出機制。經(jīng)營者還可以設(shè)計流程讓消費者切身參與到個性化定價過程中，減少其程序不公平感。(96)See Timothy J.Richards,Jura Liaukonyte,Nadia A.Streletskaya,Personalized Pricing and Price Fairness,44 International Journal of Industrial Organization,138(2016).第二，從矯正分配公平的角度而言，經(jīng)營者可以告知消費者個性化定價的正當(dāng)理由，減少消費者的不公平感。例如在網(wǎng)約車場景下，平臺提供個性化的配車服務(wù)或加速配車服務(wù)可以主動告知消費者為此需要提高價格，這種情形下的差異化定價更容易讓消費者接受。同時，經(jīng)營者還可以從折扣和優(yōu)惠的角度表述算法個性化定價，提高消費者的接受度。第三，經(jīng)營者可通過減少交易的相似性減輕消費者的不公平感。(97)See Lan Xia,Kent Monroe,Jennifer Cox,The Price is Unfair! A Conceptual Framework of Price Unfairness Perceptions,68 Journal of Marketing,1,8 (2004).消費者是通過比對相似交易下其他消費者支付的價格而獲得不公平感的，那么在差異化經(jīng)營模式下，消費者不公平感會逐漸減少。

(3)一般價格場景的消費者自我保護路徑

數(shù)字經(jīng)濟是未來經(jīng)濟發(fā)展的方向，會給消費者帶來許多意想不到的益處。算法個性化定價會給消費者帶來便利，有時也能提高消費者剩余。我們不能一味強調(diào)消費者的弱勢地位并要求政府和經(jīng)營者給予幫助和保護，實際上消費者也可以在算法個性化定價的治理體系中發(fā)揮重要作用。從消費者角度來看，重建市場信任需要消費者努力做到以下兩個方面：第一，消費者應(yīng)更理性地看待算法個性化定價。算法個性化定價形成的超高價格和超低價格確實會損害消費者權(quán)益，但并非所有的算法個性化定價都會如此。一般價格場景下的算法個性化定價并未侵害消費者權(quán)益，因此消費者不應(yīng)將所有算法個性化定價同等對待。第二，消費者應(yīng)提高自我保護意識，在交易時應(yīng)更為慎重，盡量減少對單一軟件的依賴，同時還可以通過多次搜索瀏覽比價以強化自我保護。盡管要求經(jīng)營者自我規(guī)制是更直接的解決路徑，但多舉措齊頭并進才能實現(xiàn)更好的規(guī)制。對消費者個體而言，提高自我保護意識能屏蔽掉多數(shù)風(fēng)險。此外，還可以通過算法賦能消費者，用大數(shù)據(jù)方法來破解算法個性化定價。(98)See Michal S.Gal,Niva Elkin-Koren,Algorithmic Consumers,30 Harvard Journal of Law & Technology,309,310 (2017).

五、結(jié) 論

規(guī)制算法個性化定價應(yīng)遵循對策與問題相匹配的規(guī)制法原理，不僅要將算法個性化定價與諸如算法欺詐定價、歧視定價、合謀定價等其他算法危害行為區(qū)分開，避免混淆，還要根據(jù)危害差異將算法個性化定價進行細(xì)分(超高價格、超低價格和一般價格)。超高價格和超低價格場景下的算法個性化定價可通過《反壟斷法》《民法典》《價格法》和《消費者權(quán)益保護法》等法律事后規(guī)制，也可通過設(shè)定價格區(qū)間限制進行事前調(diào)整。一般價格場景下的算法個性化定價之危害性既不在于損害消費者權(quán)益，也不在于排除限制競爭，而在于讓消費者產(chǎn)生價格不公平的感受，進而削弱消費者信任,放任其發(fā)展甚至可能會破壞市場秩序?；诰S系消費者信任、重建市場信心的需要，政府、經(jīng)營者和消費者應(yīng)合力推動一般價格場景下算法個性化定價的治理：政府應(yīng)堅持包容審慎監(jiān)管，強制經(jīng)營者履行告知義務(wù)，強制經(jīng)營者建立消費者自由退出機制；經(jīng)營者要緊抓消費者信任的損害機理，圍繞分配公平和程序公平兩個層次調(diào)整經(jīng)營行為；消費者則要理性對待、提高警惕，利用自己的智慧反“殺熟”。