中圖分類號：F260；F49 文獻標識碼：A 文章編號：1000-176X（2025）05-0066-14

一、問題的提出

隨著數字經濟的迅猛發(fā)展，數據作為關鍵生產要素被視為國家的基礎性和戰(zhàn)略性資源。為充分釋放數據要素的價值，我國構建了以“頂層設計 專項行動”為核心的政策體系：2022年12月，中央全面深化改革委員會第二十六次會議審議通過《中共中央國務院關于構建數據基礎制度更好發(fā)揮數據要素作用的意見》，確立了數據產權“三權分置”的制度框架，并明確提出“支持數據處理者依法依規(guī)在場內和場外采取開放、共享、交換、交易等方式流通數據”；2024年1月，國家數據局等部門聯合發(fā)布《“數據要素 x ”三年行動計劃（2024—2026年）》，重點推進交通運輸、金融服務和科技創(chuàng)新等12個行業(yè)和領域的數據共享，以強化數據要素乘數效應。據國家數據局2025年年初的統(tǒng)計，2024年，全國數據市場交易規(guī)模預計突破1600億元，其中，場內市場數據交易規(guī)模預計超300億元。在此背景下，數據共享已成為促進數據流通與高效利用的關鍵機制，數據共享的效率直接影響數據收集、深度開發(fā)和重復利用的效果，對推動數字經濟高質量發(fā)展具有重要意義[1]。特別是在數字經濟領域，數據共享不僅是影響市場競爭格局的重要因素，也是破解數字平臺壟斷難題的關鍵所在[2]。

相較于傳統(tǒng)經濟，數字經濟展現出顯著的網絡外部性、數據驅動和規(guī)模經濟效益等特征[3]，導致數字市場較傳統(tǒng)市場更易演化出高度集中的市場結構，進而催生出寡頭壟斷甚至“贏家通吃”的市場格局。這一現象揭示了數字平臺間的競爭更多地表現為“對市場的爭奪”，而非“市場內部的競爭”[4]。在這樣的競爭環(huán)境中，數據作為核心競爭力要素，深刻影響著數字平臺間的競爭態(tài)勢[5]。大型數字平臺憑借其龐大的用戶基礎和強大的網絡效應，能夠持續(xù)積累大量用戶數據，并通過數據驅動的服務優(yōu)化進一步鞏固其市場支配地位。Hagiu和Wright[6指出，數據優(yōu)勢與市場支配地位之間存在明顯的“馬太效應”。這種效應可能進一步導致大型數字平臺采取數據壟斷措施[7]。例如，某些數字平臺通過網址鏈接屏蔽等手段構建封閉的“圍墻花園”[8]，不僅提高了市場進入壁壘，還可能抑制創(chuàng)新活力。為走出這一困境，Graef和Prufer[9]與Feasey和DeStreel[1]提出，數據共享可作為激發(fā)數字市場競爭活力、提升市場可競爭性和推動創(chuàng)新的重要手段。

在當今高度數字化的商業(yè)環(huán)境中，數字平臺，尤其是那些已經擁有龐大用戶基礎和海量數據的大型數字平臺，其參與數據共享的態(tài)度和程度主要取決于這種共享是否能夠直接或間接地帶來經濟效益。基于此，本文研究的核心問題是：數據共享能否通過推動利潤增長或增強用戶黏性來激發(fā)數字平臺主動進行數據共享。對該問題的探討不僅有助于深化對數據共享競爭效應的理解，還能在實踐中提高數字平臺的數據共享意愿。Studlein[]指出，當數字平臺采取數據共享策略時，從長遠看，其獲取的收益可能超過短期機會主義行為或不采取共享策略而獲取的收益。然而，關于數據共享內在激勵機制的研究尚不系統(tǒng)全面。陳媚和許恒[12]指出，即便大型數字平臺主動實施數據共享，也可能引發(fā)“虹吸效應”、“搭便車”現象和合謀行為等反競爭后果。

現有文獻對寡頭市場中競爭企業(yè)間的數據共享策略及其對市場競爭和消費者福利的影響進行了探討。例如，Hagiu和 指出，數字平臺利用消費者數據提升服務質量，可以強化網絡外部性和擴大市場份額，實現數據積累的良性循環(huán)，這種“數據驅動的學習效應”可能導致市場壟斷，但如果數字平臺間能夠共享數據，則有助于提高消費者福利水平。類似地，Prufer和Schottmuller[13]指出，競爭性數字平臺間共享用戶信息能避免壟斷，但對社會福利的影響尚不確定。李三希等[14]從促進數據共享和激勵數據投資的角度出發(fā)，分析了不同數據產權配置方式對資源配置效率的影響，發(fā)現將產權賦予用戶有利于數據共享，但可能削弱數據收集者的投資意愿。謝丹夏等[15研究了數據要素配置問題，發(fā)現強制數據共享有助于提升信貸效率和促進市場競爭。侯澤敏和綦勇「16]則考察了上下游供應鏈的數據共享策略及其影響，發(fā)現數據共享不僅能增加高質量供應商的利潤，還能提高社會福利水平。

雖然已經有大量理論模型探討了數據共享的競爭效應，但仍存在以下三個方面的不足。一是在研究方法上，現有理論模型往往忽視了網絡外部性這一關鍵特征，這限制了模型解釋力。二是在研究對象上，缺乏對大型與小型數字平臺之間數據共享策略差異的關注。三是在研究內容上，現有文獻尚未充分探討數據共享帶來的反競爭效應。

本文旨在彌補這些不足，深人分析數據共享對市場競爭的雙重影響，既探討了其促進競爭的積極作用，也全面評估了其潛在的反競爭效應，為后續(xù)研究提供更為全面的視角。本文對數字平臺間的數據共享機制進行更為深入和系統(tǒng)的分析。一方面，需要探究不同類型的數字平臺在不同數據共享策略下的行為動機及其對市場競爭的影響，為提升數據平臺的數據共享積極性提供理論依據，從而提高數字經濟中數據要素的供給效率。另一方面，需要識別和防范大型數字平臺在數據共享過程中可能出現的負面效應，構建相應的制度框架，確保既能促進數據流通，又能有效防止出現反競爭行為。

本文進行了以下三個方面的分析。一是本文比較了數據共享與不共享策略下的均衡結果，揭示了數字平臺數據共享的內在激勵、競爭效應和福利效應。二是本文對比分析了單向與雙向數據共享策略下大型與小型數字平臺的激勵差異及其對福利的影響，為確定差異化的數據共享策略提供了理論基礎。三是本文在擴展模型中進一步探討了數字平臺間利用數據共享達成合謀的可能性及其對市場的影響。

本文的主要邊際貢獻體現在以下三個方面。一是本文詳細剖析了數據共享與網絡外部性之間的相互作用對數字平臺競爭的影響機制。以往關于數據共享的研究多集中于單邊市場環(huán)境，忽視了網絡外部性這一數字平臺的重要經濟特征[14]，導致現有理論難以準確描述數字平臺間的數據共享行為。二是本文深入探討了大型與小型數字平臺之間數據共享的內在邏輯。三是本文從數據共享的角度出發(fā)，討論了數字平臺合謀的內在邏輯及其潛在影響，強調了競爭性敏感數據的共享會降低平臺間的信息不對稱程度，從而促使數字平臺間達成合謀。本文進一步研究了基于數據收集量和接人費的合謀所產生的反競爭效應。

二、理論模型

本文構建了一個包含四個博弈參與者的理論模型，分別為兩家相互競爭的數字平臺、平臺內的商家（下文簡稱“商家”）和消費者。這兩家相互競爭的數字平臺，如電子商務平臺或短視頻平臺等，不僅為商家提供信息匹配服務，還具備數據收集能力。數字平臺收集的數據主要分為兩類：一類是由消費者主動提交給數字平臺的數據（即“自愿數據”），另一類是在消費者與數字平臺互動過程中被記錄下來的數據（即“觀測數據”）[17]。通過對這些數據進行分析，數字平臺能夠更精準地把握消費者需求，從而提供高質量且個性化的商品或服務。每個數字平臺上存在兩種類型的用戶：消費者和商家。商家向消費者出售商品或服務，消費者購買商品或服務，并提供個人數據。

本文借鑒Armstrong和Wright[18]的經典雙邊市場模型，構建了一個包含數據收集與共享機制在內的雙寡頭橫向差異化模型。該模型假設存在兩家異質性的數字平臺——一個大型數字平臺和一個小型數字平臺，兩者均具備數據收集和數據共享的能力，并位于線性霍特林（Hotelling）市場的兩端。本文定義兩家相互競爭的數字平臺分別為數字平臺1和數字平臺2，它們分別位于長度為1的線性霍特林市場的左端和右端。每家數字平臺上存在兩組用戶：消費者（Buyer）和商家（Seller），分別用 B 和 s 表示（即 ， s ），如圖1所示。假設這些用戶均勻分布在長度為1的線段上，且每組用戶的數量均被標準化為1。用戶使用兩家數字平臺的基本收益相同，均為u。為簡化分析，本文假設 v = 0 ，這一假設不會對本文的研究結論產生實質性的影響。為刻畫數字市場中不同規(guī)模數字平臺的數據共享策略，本文假設存在一個大型數字平臺和一個小型數字平臺。不失一般性地，假設數字平臺1是大型數字平臺。數字平臺1擁有一部分忠誠消費者①，這部分消費者始終選擇使用數字平臺1。位于區(qū)間 的消費者屬于忠誠消費者。因此，數字平臺1和數字平臺2主要針對剩余消費者 1 - μ 展開競爭。位于區(qū)間 的消費者為轉移消費者。這部分消費者選擇使用能夠提供更高效用的數字平臺。用 表示 c 組用戶使用數字平臺iC ，2）的數量。數字平臺1和數字平臺2針對轉移消費者展開競爭。 為使用數字平臺1的轉移消費者數量， 為使用數字平臺2的轉移消費者數量。數字平臺1和數字平臺2上的總消費者數量分別為 和 ，本文僅考慮兩組用戶單歸屬（即每個用戶僅歸屬于一個數字平臺）的情形。數字平臺 i 向商家收取的接入費為 數字平臺通常對消費者采取“零價策略”[19]，即消費者無須支付費用即可使用數字平臺。

一旦數字平臺i獲得消費者數據，便能夠利用這些數據改進服務質量，從而為商家?guī)眍~外收益 該收益可以用收益函數 表示。其中， i = 1 ，2； j = 1 ，2且 為數字平臺 i 的數據收集量， 為數字平臺 j 的數據收集量。 為數據共享參數，衡量數字平臺間數據共享的程度。當 θ = 0 時，數字平臺 i 不采取數據共享策略，僅能利用自身收集的數據 ；當 時，數字平臺 i 采取數據共享策略，其除了自身收集的數據，還能通過數據共享獲取數字平臺 j 的部分數據 數據共享程度越高，數字平臺 i 可利用的數據量越多，從而更有效地提升其服務質量，并為數字平臺內的商家創(chuàng)造更大的收益。

數字平臺間的服務差異化程度用交通成本來刻畫。本文假設數字平臺1和數字平臺2的交通成本是線性且對稱的。為簡化分析，本文進一步假設雙邊用戶使用數字平臺的單位交通成本相同，且 。具體而言，用戶使用數字平臺1提供的服務時，其交通成本為 ，使用數字平臺2提供的服務時，其交通成本為 。當數字平臺間實現數據共享時，消費者的搜尋成本和轉換成本降低，消費者的交通成本從原來的 和 分別降至 和 。其中， ， ω 越小，數據共享對交通成本的降低作用越顯著。 為消費者的交通成本， 為商家的交通成本。

用戶間存在交叉網絡外部性，參數 a 表示商家與每一位消費者互動時所獲得的網絡外部性，參數 b 表示消費者與每一位商家互動時所獲得的網絡外部性。轉移消費者①使用數字平臺1和數字平臺2的效用分別為 和 ，商家使用數字平臺1和數字平臺2的效用分別為 和 ②其中，位于區(qū)間 的消費者屬于數字平臺1的忠誠消費者，這部分消費者始終選擇使用數字平臺1，其效用函數為 。其中， x 為忠誠消費者與數字平臺1之間的距離。

數據共享對數字平臺的影響具有雙重性，既帶來潛在收益，也伴隨潛在損失。一方面，數據共享能夠降低數字平臺的數據收集成本。本文假設數字平臺 i 的數據收集成本函數為 。其中， 表示數據收集效率， k 越小，表示數據收集效率越高。該成本函數滿足 C （ 0 ） = 0 且邊際成本遞增的條件。數據共享帶來的成本節(jié)約增強了數字平臺i采取數據共享策略的動機。另一方面，數據共享也可能導致競爭對手獲得本數字平臺的數據，從而削弱自身的數據優(yōu)勢。這種情形下的數據溢出效應會損害數字平臺 i 的競爭力，進而抑制其參與共享數據的意愿。數字平臺i的利潤函數為

數字平臺1和數字平臺2的博弈經歷了三個階段的決策過程：第一階段，兩家數字平臺同時決定各自的數據收集量；第二階段，在給定數據收集量的基礎上，兩家數字平臺同時作出決策，確定向商家收取的接入費；第三階段，用戶根據各數字平臺提供的服務質量和所收取的費用，決定最終使用哪個數字平臺。

三、數據共享的均衡分析與福利分析

（一）不數據共享與雙向數據共享

1.基準模型：不數據共享

當兩家數字平臺均選擇不數據共享時，轉移消費者使用數字平臺1、數字平臺2的效用函數為式（1），商家使用數字平臺1、數字平臺2的效用函數為式（2）：

本文假設市場是完全覆蓋的，所有用戶均能在數字平臺1和數字平臺2之間進行選擇，因而有 及 。根據雙邊用戶的效用函數，通過對無差異用戶進行求解，可以得到數字平臺1上的轉移消費者需求、商家需求為式（3），數字平臺2上的轉移消費者需求、商家需求為式（4）：

為避免出現角點解，本文假設 1 - a b gt; 0 。通過逆向歸納法，可以得到數字平臺 的數據收集量、接入費為式（5），數字平臺2的數據收集量、接入費為式（6）：

本文使用上角標 N S 表示數字平臺間不共享數據。相應地， 和 分別表示數字平臺間不共享數據時的數據量、接人費。根據接入費、數據收集量和用戶需求，可以得到數字平臺1的利潤為式（7），數字平臺2的利潤為式（8）：

2.雙向數據共享

當兩家數字平臺實現雙向數據共享時，轉移消費者使用數字平臺1、數字平臺2的效用函數為式（9），商家使用數字平臺1、數字平臺2的效用函數為式（10）：

上角標S表示數字平臺間實現雙向數據共享。采用與不數據共享時相同的計算方法，可以得到雙向數據共享情形下的均衡數據收集量、接入費和利潤。

3.均衡利潤比較

本文采用數值模擬方法，通過對比數字平臺在數據共享和不數據共享情形下的均衡結果和福利情況，探討了數據共享對市場競爭和社會福利的影響。鑒于數據共享程度可能改變數字平臺的數據策略，數值模擬特別關注了不同數據共享程度對市場均衡的影響。陳媚和許恒[12]的研究揭示了數據互操作性的雙重競爭效應，包括促進競爭（如需求擴張、能力拉平和技術擴散效應）和潛在的反競爭效應（如“虹吸效應”、“搭便車”現象和合謀行為）。其中，能力拉平效應在本文中被重新定義為“競爭均衡效應”，以更好地反映數據共享如何使小型數字平臺獲得更多的數據資源和用戶群體，從而增強其競爭力；而“虹吸效應”則描述了大型數字平臺采取數據共享策略進一步鞏固其市場地位，同時削弱小型數字平臺競爭力的現象。

由于大型與小型數字平臺在用戶數量和數據量上存在顯著差異，數據共享對其利潤影響各異，具體表現如圖2所示。①當數據共享程度處于較低水平時，“虹吸效應”占據主導地位。此時，大型數字平臺能夠通過數據共享策略從競爭對手那里獲取額外的數據資源，而不會顯著減弱自身數據優(yōu)勢或削弱其市場競爭力。此外，由于數據共享帶來的收入增長可以有效抵消因此增加的成本，大型數字平臺還能利用這些新獲得的數據優(yōu)化算法，實現更精準的廣告投放和產品推薦，從而吸引更多的消費者和商家，提升交易量，并產生需求擴張效應。這一系列變化最終有助于提高大型數字平臺的利潤水平。在圖2中表現為當數據共享程度較低時，大型數字平臺的利潤 高于其不共享數據時的利潤 。因此，盡管大型數字平臺有動機采取數據共享策略，但它們傾向于維持一個較低的數據共享程度。

對小型數字平臺而言，當數據共享程度較低時，由于其本身擁有的數據資源有限，與大型數字平臺進行數據共享可能會面臨關鍵數據被獲取的風險，從而對其造成不利影響。在這樣的背景下，小型數字平臺因數據共享而導致的潛在風險包括核心數據的流失，以及由此引發(fā)的競爭劣勢，這可能導致其盈利能力下降。在圖2中表現為當數據共享程度較低時，小型數字平臺的利潤 低于其不數據共享時的利潤 。因此，對小型數字平臺而言，較低程度的數據共享可能并不是一個有利的策略選擇，因

為這不僅無法為其帶來足夠的收益以補償可能遭受的損失，還可能進一步固化其在市場中的弱勢地位。

隨著數據共享程度的提高，“競爭均衡效應”開始占據主導地位。對大型數字平臺而言，鑒于其初始數據量遠遠超過小型數字平臺，隨著數據共享程度的提高，大型數字平臺向小型數字平臺提供的數據量也隨之增加，導致其自身相對的數據優(yōu)勢逐漸減弱。在這種情形下，大型數字平臺從數據共享中獲得的收益可能不足以補償因喪失競爭優(yōu)勢所造成的損失，從而對其利潤產生負面影響。在圖2中表現為當數據共享程度較高時，大型數字平臺的利潤 低于其不數據共享時的利潤 。

對小型數字平臺而言，當數據共享程度較高時，它們能夠獲取來自大型數字平臺的大量數據資源，迅速彌補自身的數據短板。小型數字平臺得以更準確地把握消費者需求，優(yōu)化產品推薦算法，從而吸引更多用戶，并提高數字平臺活躍度和交易量，最終實現利潤的增長。在圖2中表現為當數據共享程度較高時，小型數字平臺的利潤 高于其不數據共享時的利潤 。然而，值得注意的是，在較高的數據共享程度下，小型數字平臺可能會傾向于減少自身數據收集的努力，試圖通過“搭便車”的方式利用大型數字平臺積累的消費者數據。因此，雖然小型數字平臺同樣具有采取數據共享策略的動機，但它們更偏好于較高的數據共享程度。

根據以上分析，本文得出如下命題：

命題1：大型與小型數字平臺均存在采取數據共享策略的動機，但其利潤隨著數據共享程度的變化而有所不同。當數據共享程度較低時，“虹吸效應”占據主導地位，數據共享對大型數字平臺更有利；隨著數據共享程度的逐步提高，“競爭均衡效應”開始顯現，并逐漸占據主導地位，數據共享對小型數字平臺更有利。

4.消費者福利和商家福利比較①

接下來，本文重點分析數據共享對消費者福利和商家福利的影響。本文通過這一視角，旨在探討社會總福利在數字平臺、消費者和商家三者之間的分配模式及其動態(tài)變化趨勢。消費者福利函數為式（11），商家福利函數為式（12）：

其中，式（11）第一項刻畫的是忠誠消費者的消費者剩余，后兩項刻畫的是轉移消費者的消費者剩余。將市場均衡結果和無差異用戶在市場中的位置代入用戶福利函數，可以分別計算出數字平臺在數據共享和不共享這兩種策略下的消費者福利和商家福利。

當數據共享程度較低時，消費者福利水平低于不共享策略下的消費者福利水平；隨著數據共享程度的提高，數據共享策略下的消費者福利水平顯著提高，并隨著數據共享程度的提高而增加。原因如下：

其一，當數據共享程度較低時，市場主要受“虹吸效應”影響，大型數字平臺可通過從小型數字平臺獲取消費者數據鞏固自身市場地位，并擴大用戶基礎；而小型數字平臺由于數據流出而發(fā)展受限，規(guī)模萎縮，從而縮小了消費者的選擇范圍，降低了數據共享時的消費者福利水平。然而，隨著數據共享程度的提高，“競爭均衡效應”逐漸占據主導地位，小型數字平臺可通過從大型數字平臺獲取數據來彌補自身的數據短板，提供更加多樣化和個性化的服務，從而提高消費者福利水平，使得數據共享策略下的消費者福利水平遠遠高于不共享策略下的消費者福利水平。

其二，數據共享不僅擴大了用戶的網絡，還極大地增強了消費者與商家之間的互動交流。這種更加緊密的聯系使得信息流動更為順暢，商家得以深人挖掘和分析這些數據資源，從而更準確地捕捉消費者的實際需求、偏好及購買行為。借助對海量數據的分析，商家能夠更好地理解市場趨勢，識別潛在的市場需求，并據此優(yōu)化自己的產品和服務供給策略，消費者能獲得更符合個人偏好的商品或服務。

其三，數字平臺利用共享數據實現精準用戶畫像，進行個性化推薦，有效降低了消費者的搜索和轉換成本，極大提高了數據共享策略下的消費者福利水平。一方面，消費者可以獲得更加貼心、個性化的服務體驗。另一方面，由于競爭的存在，數字平臺為吸引和留住消費者，往往會不斷提升服務質量，推出更有競爭力的價格或優(yōu)惠活動。這使得消費者不僅能享受到更符合個人需求的商品或服務，成本還更低，從而提高了消費者福利水平。

數據共享同樣對商家福利產生了積極影響，數據共享策略下的商家福利水平高于不共享策略下的商家福利水平，但這種正面效應隨著數據共享程度的提高呈現出遞減趨勢。一方面，數據共享使得數字平臺能夠降低數據收集成本，從而降低商家的接入費用，直接提高了商家福利水平。另一方面，隨著數據共享程度的提高，特別是在存在“搭便車”現象的情況下，各數字平臺的數據收集量會相應減少，這可能會削弱數字平臺服務優(yōu)化和精準營銷的能力，最終影響商家的流量和訂單收益。因此，較低程度的數據共享可以帶來商家福利的增加，但隨著共享程度的進一步提高，商家會因服務質量可能下降而面臨福利增加放緩甚至減少的風險。

在數字市場中，數字平臺往往依賴網絡外部性來構建用戶基礎，并積累消費者數據。然而，對新進入者或小型數字平臺而言，在短期內突破這一壁壘頗具挑戰(zhàn)性。在此背景下，數據共享提供了一種替代性的解決方案。尤其對新的市場進人者或數據資源匱乏的小型數字平臺來說，數據共享是一種高效獲取必要數據資源的方式。通過參與數據共享，小型數字平臺能夠迅速獲得大量消費者數據，從而深入分析消費者需求，優(yōu)化其服務內容與質量，吸引更多用戶，并最終達到實現規(guī)模效應所需的臨界用戶數量。這種策略使得小型數字平臺能夠在較短時間內建立起能夠與大型數字平臺進行競爭的能力。隨著小型數字平臺與大型數字平臺之間競爭的加劇，市場份額趨于分散化，激發(fā)了創(chuàng)新活力。這不僅為消費者提供了更加多樣化的商品或服務，還提升了數字市場的可競爭性，促進了市場的健康發(fā)展和有序運作。

根據以上分析，本文得出如下命題：

命題2：數據共享提高了消費者福利水平和商家福利水平。

（二）單向數據共享與雙向數據共享

在上述分析中，本文假設兩家數字平臺采取雙向數據共享策略，這意味著無論大型數字平臺還是小型數字平臺都能夠獲取對方的數據資源。然而，為增強數字市場的可競爭性，有研究建議采取不對稱數據共享策略，即單向數據共享策略。具體而言，這種策略要求大型數字平臺向小型數字平臺開放數據訪問權限，小型數字平臺則無須向大型數字平臺提供其數據資源[8。鑒于此，本文認為有必要對兩種數據共享策略下的大型與小型數字平臺的激勵結構進行比較分析，并探討由此產生的競爭效應和福利效應。

1.均衡利潤比較

在單向數據共享策略下，轉移消費者使用數字平臺1、數字平臺2的效用函數為式（13），商家使用數字平臺1、數字平臺2的效用函數為式（14）：

具體而言，在單向數據共享策略下，消費者和商家使用數字平臺1的效用函數與不數據共享時相同，使用數字平臺2的效用函數與雙向數據共享時相同。采取與不數據共享策略相同的計算方法，能夠得到單向數據共享策略情形下的均衡數據收集量、接入費和利潤。①

如圖3所示，在單向數據共享策略下，大型數字平臺的利潤 顯著低于其在雙向數據共享策略下的利潤 ，小型數字平臺則在單向數據共享策略下獲得更高的利潤 。具體而言，對大型數字平臺而言，在單向數據共享策略下，其利潤 明顯低于雙向數據共享策略下的利潤 并且 隨著數據共享程度的提高而下降。這主要是因為單向數據共享策略要求大型數字平臺將其消費者數據無償提供給小型數字平臺，卻無法從小型數字平臺獲取相應的數據補償，從而削弱了其數據優(yōu)勢。盡管大型數字平臺采取單向數據共享策略可能會通過提高對商家的收費標準來試圖彌補損失，但這并不足以抵消因數據優(yōu)勢減弱而帶來的負面影響，最終導致其整體利潤 隨著數據共享程度的提高而下降。因此，從大型數字平臺的角度來看，它們更傾向于采取雙向數據共享策略，以確保能夠從數據交換中獲得互惠互利的效果，并維持其市場競爭力。

相比之下，在單向數據共享策略下，小型數字平臺的利潤 高于雙向數據共享策略下的利潤 ，并且 隨著數據共享程度的提高而上升。產生這一現象的原因在于，單向數據共享策略使得小型數字平臺能夠無償獲取大型數字平臺的消費者數據。借助這些數據資源，小型數字平臺可以迅速積累用戶，增強市場競爭力。同時，由于無須向大型數字平臺提供數據，小型數字平臺的數據收集動機得到進一步強化，這不僅促進了其自身的數據積累，還提高了其在服務優(yōu)化和精準營銷方面的能力。此外，憑借提升的數據能力和更廣泛的用戶基礎，小型數字平臺能夠在與商家的合作中占據更有利的地位，從而提高對商家的收費標準，并通過提升服務質量吸引更多商家入駐。這種正反饋機制有助于小型數字平臺實現更高的利潤增長。因此，對小型數字平臺而言，單向數據共享策略提供了更強的利潤激勵，使其更傾向于選擇這種數據共享策略。

根據以上分析，本文得出如下命題：

命題3：在單向數據共享策略下，大型數字平臺的利潤低于雙向數據共享策略下的利潤，小型數字平臺的利潤則高于雙向數據共享策略下的利潤。

2.消費者福利和商家福利比較①

采取與不數據共享時相同的計算方法，可以評估單向數據共享策略下消費者福利和商家福利的變化情況。

在單向數據共享策略下，無論是消費者福利還是商家福利均低于雙向數據共享策略下的水平。產生這一現象的原因在于以下兩個方面。一方面，在單向數據共享策略下，大型數字平臺由于要向小型數字平臺提供數據而削弱了其原有的競爭優(yōu)勢。為維持或提升自身利潤，大型數字平臺傾向于提高對商家的收費標準，直接導致商家福利水平的下降。此外，這種變化通過交叉網絡外部性效應傳導至消費者，進一步降低了消費者福利水平。另一方面，盡管小型數字平臺在單向數據共享中獲得了更多來自大型數字平臺的消費者數據，并因此增強了市場競爭力，但它們也可能利用提高了的市場地位來提高對商家的收費標準。此類行為不僅影響了商家福利，還通過交叉網絡外部性效應間接影響了消費者福利。

根據以上分析，本文得出如下命題：

命題4：在單向數據共享策略下，消費者福利和商家福利均低于雙向數據共享時的水平。

在單向數據共享策略下，盡管小型數字平臺的利潤顯著提升，但大型數字平臺的利潤，以及消費者和商家的福利水平均呈現下降趨勢，最終導致社會總福利減少。這一結果提示，若政策制定者的主要目標是增強數字市場的可競爭性，并激發(fā)市場競爭活力與創(chuàng)新動力，單向數據共享策略更為適宜。該策略通過打破大型數字平臺的數據壟斷優(yōu)勢，為小型數字平臺提供更多的發(fā)展機遇，有助于提高市場的多樣性和創(chuàng)新積極性，從而激發(fā)數字市場的活力。相反，如果政策制定者的主要目標是在短期內實現社會總福利的最大化，則雙向數據共享策略更為合適。該策略不僅能夠有效削弱各數字平臺的市場勢力，促進建設更加公平的競爭環(huán)境，更好地實現網絡效應，還能提高數據開發(fā)與利用效率，顯著提高消費者和商家的福利水平。這種策略下的正反饋機制有助于帶來更高的社會總福利[8]，因為所有參與者都能從更高效、更透明的數據使用環(huán)境中受益。

四、潛在的合謀風險

數據共享在促進數字平臺市場競爭的同時，也可能引發(fā)反競爭效應。為更全面地理解數據共享可能帶來的反競爭效應，本文進一步考察了數字平臺利用數據共享達成合謀的情形。盡管數據共享本身并不必然導致合謀行為，但當共享的數據中包含競爭性敏感數據時，確實會產生合謀風險。具體而言，如果數字平臺間通過共享內部商業(yè)信息來有意促成合謀，就可能在價格設定、成本控制或產量水平等關鍵領域達成一致目標，從而損害市場競爭[3.20-21]。鑒于此，本文將合謀情形下的市場結構限定為對稱數字平臺情形，即假設數字平臺1與數字平臺2具有相同的規(guī)模和效率水平。

在此框架下，本文識別和分析了兩種主要的合謀情形：一種是兩家數字平臺僅在數據收集量維度達成合謀，另一種是兩家數字平臺同時在數據收集量和接人費兩個維度達成合謀（以下簡稱“雙重合謀”）。

（一）僅在數據收集量維度達成合謀的情形

當數字平臺1和數字平臺2僅在數據收集量維度達成合謀時，接人費由數字平臺1和數字平臺2各自的利潤函數決定，數據收集量則由兩家數字平臺的聯合利潤函數決定。①數字平臺1和數字平臺2的聯合利潤函數為式（15）：

在合謀情形下，數字平臺1和數字平臺2在線性霍特林市場中的位置并未改變，用戶的選擇也不變。此時，用戶的效用函數與雙向數據共享時相同，如式（9）和式（10）。通過計算可以得到數字平臺僅在數據量維度達成合謀時的均衡結果和用戶福利。

（二）雙重合謀的情形

考慮數字平臺1和數字平臺2達成雙重合謀的情形。此時，數字平臺1和數字平臺2的目標是聯合利潤最大化，目標函數為式（16）：

在線性霍特林市場中，無法通過對聯合利潤函數中的接人費求導的方式直接得到均衡解。此時，兩家數字平臺的合謀行為類似于市場中的壟斷者。因此，本文假設數字平臺1和數字平臺2的定價使所有用戶獲得的效用不小于0。由于兩家數字平臺的位置并未改變，位于線段中點（ 1/2）的用戶獲得的效用最低。此時，兩家數字平臺平分市場。用戶的效用函數與雙向數據共享時相同，位于線段中點的商家使用數字平臺1和數字平臺2的效用均為0。通過計算可以得到數字平臺達成雙重合謀時的均衡結果和用戶福利。

（三）均衡利潤比較

比較合謀前后數字平臺的利潤，如圖4所示。②與數字平臺間無合謀的情形相比，合謀顯著提升了數字平臺的利潤，數字平臺存在強烈的合謀動機。由圖4可知，在數據共享程度較低的情形下，當數字平臺達成雙重合謀時，盡管數字平臺可以通過壟斷高價獲得額外收人，但這些收益往往不足以抵消因數據收集量上升而帶來的成本增加，導致此時數字平臺的利潤 達到最低點。

當數字平臺僅就數據收集量達成合謀時，其定價會略高于非合謀狀態(tài)下的水平，但由于大幅減少了數據收集量，節(jié)省了大量成本，因而在這種情形下，數字平臺獲得的利潤 高于不合謀時的利潤 與雙重合謀時的利潤 。即當數據共享程度較低時，數字平臺僅在數據收集量維度達成合謀時獲得的利潤高于數據共享時的利潤，也高于雙重合謀時的利潤，達到最高水平。上述結果意味著，當數據共享程度較低時，數字平臺更傾向于選擇僅限于數據收集量的合謀形式。隨著數據共享程度的提高，如

果數字平臺繼續(xù)僅在數據收集量維度達成合謀，雖然可以大幅度降低數據收集成本，但這也會限制服務質量和個性化推薦能力的提升，從而影響利潤的增長潛力。相反，當達成雙重合謀時，由于壟斷高價帶來的收入增幅超過了成本增加，數字平臺的利潤 將顯著提高。因此，當數據共享程度較高時，數字平臺更可能傾向于采取雙重合謀策略。

（四）消費者福利和商家福利比較①

當數字平臺達成雙重合謀時，消費者福利相等，并且這時的消費者福利水平顯著低于數字平臺間未達成合謀時的消費者福利水平；商家福利水平較僅在數據收集量維度達成合謀時有小幅提高，但二者均明顯低于不存在合謀情形下的福利水平。原因如下：

當數字平臺僅在數據收集量維度達成合謀時，數據收集量大幅減少，這不利于數字平臺基于消費者數據改進服務質量和提供有效的個性化推薦，從而導致消費者福利水平和商家福利水平下降，并使得這兩種福利降低到最低水平，顯著低于無合謀和雙重合謀這兩種情形。在數字平臺達成雙重合謀的情形下，福利變化較為復雜。一方面，雙重合謀促使數字平臺提高對商家的收費標準，損害了商家的福利；通過交叉網絡外部性的作用，消費者福利也因此受到負面影響。另一方面，雙重合謀內部化了數據共享帶來的外部性，隨著數據共享程度的提高，數據收集量也相應增加，這在一定程度上緩解了由壟斷高價引起的福利損失。綜合來看，在數字平臺達成雙重合謀的情形下，商家福利處于中等水平。值得注意的是，兩種合謀情形下的消費者福利表現一致。這是因為在合謀的情形下，消費者福利主要取決于消費者與商家互動產生的網絡外部性，以及數據共享帶來的交通成本節(jié)約。由于這兩種因素都不直接受平臺定價策略的影響，因而在短期內消費者福利水平相同。當數字平臺間不存在任何形式的合謀時，數字平臺對接入商家的定價最低，且數據收集量保持在適中水平，這有助于最大化消費者和商家的福利。

上述分析表明，在數字經濟環(huán)境中，數據已經成為一種至關重要的資產。無論是僅限于數據收集量的合謀，還是更為復雜的雙重合謀，這些策略都能夠顯著提升數字平臺的利潤。一方面，通過大量積累用戶數據，數字平臺可以更加精準地進行市場定位、廣告投放和產品優(yōu)化，從而吸引更多的用戶，增加自身的市場份額，從而提高盈利能力。另一方面，雙重合謀涉及多個層面的合作，比如平臺間在價格、服務質量等方面的協調一致，這不僅能夠強化已有的市場地位，還能有效排擠競爭對手。尤其需要注意的是，在聚合平臺②上，數字平臺間也可能存在合謀。盡管聚合平臺通過整合多方資源為用戶提供了更廣泛的選擇，但如果數字平臺間暗中達成合謀，則可能引發(fā)一系列損害市場競爭和消費者的協同行為。此類協同行為不僅直接侵害了消費者權益，還對市場的長期健康發(fā)展構成威脅。因此，為維護市場公平競爭、保障消費者和商家的合法權益，監(jiān)管機構必須高度關注大型數字平臺利用數據共享實施合謀的風險，并密切監(jiān)控聚合平臺中各參與方潛在的合謀風險，以確保市場健康有序發(fā)展。

根據以上分析，本文得出如下命題：

命題5：在數據收集量維度達成合謀的情形下，數字平臺通過減少數據收集量和提高服務價格來實現利潤提升；在數字平臺達成雙重合謀的情形下，數字平臺增加了數據收集量，并設定了壟斷價格以最大化收益。兩種合謀形式均顯示出顯著的利潤提升效應，但均導致消費者和商家福利的凈損失。

五、政策建議

本文深入分析了數字平臺間數據共享的多重影響，對比研究了大型與小型數字平臺在不同數據共享策略下的激勵機制及其帶來的用戶福利變化。此外，考慮到數字平臺間共享競爭性敏感數據可能引發(fā)合謀行為，本文在擴展模型中進一步考察了大型與小型數字平臺如何通過數據共享達成合謀的具體情形，旨在全面揭示數據共享潛在的反競爭效應。

基于上述分析，本文提出如下政策建議：

（一）構建分類分級的數據共享機制

首先，明確共享數據的類型。數據共享應聚焦于消費者數據的共享，包括消費者的特征、行為偏好等原始數據，以及大規(guī)模用戶與數字平臺交互所產生的匿名化聚合用戶數據。這類數據具有較高的市場價值且共享成本較低，有助于促進市場競爭。例如，大型數字平臺向小型數字平臺開放用戶身份驗證接口不僅降低了小型數字平臺的進人壁壘，還增強了大型數字平臺對消費者和商家的吸引力。

其次，明確數據共享主體責任。對不同規(guī)模的數字平臺實施分類管理，并明確規(guī)定其相應的數據共享義務。例如，市場份額達到 3 0 % 及以上的大型數字平臺應承擔更多的數據共享責任，以平衡市場競爭格局。所有數字平臺都需履行數據可移植義務，超級數字平臺則需共享更廣泛的聚合用戶數據，以確保小型數字平臺能夠享受數據共享帶來的競爭紅利。

再次，限定數據獲取主體。為避免市場過度集中，除超級數字平臺外的數字平臺均有權獲取來自其他數字平臺所共享的消費者數據。這將確保各數字平臺擁有足夠的數據資源進行有效競爭，防止市場競爭失衡。例如，歐盟反壟斷監(jiān)管機構要求某大型數字平臺向競爭對手開放生態(tài)系統(tǒng)，以履行互操作性義務。

最后，合理選擇數據共享策略。政策制定者應根據數字市場的發(fā)展階段和核心訴求，慎重選擇合適的數據共享策略。單向數據共享策略更有助于提升市場的可競爭性和促進創(chuàng)新，雙向數據共享策略則能更好地促進數據資源的高效利用，有助于短期內提高社會總福利水平。

（二）加強數據共享中的反競爭行為監(jiān)管

首先，應對“虹吸效應”。為防止大型數字平臺濫用市場支配地位形成“虹吸效應”，擠壓小型數字平臺生存空間，政策制定者應根據數字平臺的規(guī)模和市場份額設定差異化的數據共享要求，確保大型數字平臺在數據共享的數量、程度和頻率上高于小型數字平臺。這種差異化安排不僅有助于防止數據資源過度集中在少數大型數字平臺上，同時也為小型數字平臺提供了更多的發(fā)展機會和空間。此外，還可以引入激勵機制，鼓勵大型數字平臺主動開放數據資源，并與小型數字平臺合作。

其次，遏制“搭便車”。為維護數據市場的公平競爭，政策制定者需要設立最低數據收集量標準，并通過法律或行業(yè)規(guī)范予以確認。這樣的標準能夠促使所有參與者達到一定的數據積累量，從而避免某些企業(yè)僅僅依賴他人的數據資源而不作出相應的貢獻，破壞市場競爭的平衡性。同時，建立聚合數據的合理定價機制，提高“搭便車”的成本，保障數據市場的健康發(fā)展。

最后，防范數據共享合謀。鑒于數字平臺間共享競爭性敏感數據可能引發(fā)合謀，從而損害市場公平競爭，反壟斷執(zhí)法機構應構建動態(tài)監(jiān)測機制，運用大數據技術跟蹤數字平臺行為，提前預警合謀風險。此外，應明確禁止共享競爭性敏感數據，制定負面清單，并規(guī)范審批流程，以防止?jié)撛诘暮现\行為發(fā)生。

參考文獻：

[1］陳兵.競爭法治下平臺數據共享的法理與實踐——以開放平臺協議及運行為考察對象[J].江海學刊，2020（1）：152-161.

[2]FURMAN J，COYLE D，FLETCHER A，et al. Unlocking digital competition，report of the digital competitionexpert panel[R].HM Treasury，2019.

[3]CREMER J，DE MONTJOYEYA，SCHWEITZER H. Competition policy for the digital era[R].Publications Officeof the European Union，2019.

[4]CALVANO E，POLO M. Market power，competition and inovation in digital markets：a survey［J].Informationeconomics and policy，2021，54：100853.

[5]孫晉.數字平臺的反壟斷監(jiān)管[J].中國社會科學，2021（5）：101-127.

[6] HAGIU A，WRIGHT J. Data-enabled learning，network efects，and competitive advantage[J].The Rand journal ofeconomics，2023，54（4）：638-667.

[7] 沈坤榮，林劍威.數據壟斷問題研究進展[J].經濟學動態(tài)，2024（3）：129-144.

[8] 唐要家，張哲，王鈺.數字平臺互操作的經濟激勵及其福利效應[J].經濟與管理研究，2023，44（3）：60-71.

[9] GRAEFI，PRUFER J. Governance of data sharing： alaw amp; economics proposal[J]. Research policy，2021，50（9）：104330.

[10]FEASEYR，DE STREEL A.Data sharing for digital markets contestability： towardsa governance framework[R].Centre onRegulation in Europe，2020.

[11]STUDLEIN N. Data as a common good：essays on data portabilityand B2B industrial data sharing[D].Passau：University of Passau，2022：71.

[12] 陳媚，許恒.雙重競爭效應視角下的數字平臺互操作影響分析[J].中國政法大學學報，2024（5）：62-76.

[13]PRUFER J，SCHOTTMULLER C. Competing with big data[J]. The journal of industrial economics，2021，69（4）：967-1008.

[14] 李三希，王泰茗，劉小魯.數據投資、數據共享與數據產權分配[J].經濟研究，2023，58（7）：139-155.

[15] 謝丹夏，魏文石，李堯，等.數據要素配置、信貸市場競爭與福利分析[J].中國工業(yè)經濟，2022（8）：25-43.

[16] 侯澤敏，綦勇.網絡平臺共享消費者數據的策略選擇及福利分析——基于數據雙重價值的視角[J].財經研究，2022，48（1）：78-92.

[17]SCHWAB PK，MARCUS A，OYOLA JO，et al.Personal data：the emergence of a new aset class[R].WorldEconomic Forum，2011.

[18]ARMSTRONG M，WRIGHT J. Two-sided markets，competitive botlenecks and exclusive contracts[J]. Economictheory，2007，32：353-380.

[19] ROCHET JC，TIROLE J.Platform competitionin two-sided markets[J].Journal of the European economicassociation，2003，1（4） ：990-1029.

[20]|時建中，王煜婷“數據池\"共享行為的競爭風險及反壟斷法分析[J].江淮論壇，2021（2）：123-130.

[21] 陳來瑤，馬其家.平臺企業(yè)數據共享的反壟斷法規(guī)制[J].情報雜志，2022，41（6）：99-107.

[22]謝運博，陳宏民.互聯網企業(yè)橫向合并、價格合謀與反壟斷監(jiān)管建議[J].工業(yè)工程與管理，2017，22（6）：142-147+168.

Theoretical Analysis of the Impact of Data Sharing on Digital Platform Competition and Welfare

LIU Yatian1， XU Heng2， WANG Xiaojie

1.Schoolof Business Administration，Henan UniversityofEconomics andLaw，Zhengzhou 45oo16，China； 2.Business School，China University of Political Science and Law，Beijing 1Ooo88， China）

Summary：Large platforms leverage their extensiveuser bases and network externality advantages to amass vast amounts ofuserdata.Concurrently，datamonopolizationpracticesbymajordigitalplatformshavebecomeincreasinglyprevalent， raisingmarketentrybariers.Consequently，datasharingisregardedasacrucial mechanismforpromoting market competition，enhancingmarketcontestabilityandfosteringinnovation.However，digitalplatformsaregenerallperceived to lack intrinsicincentives fordatasharing，asitmayundermine theircompetitiveadvantage.Nevertheles，candata sharing potentially increase profits for large platforms，thereby motivating them to share data？

Toaddress these questions，this study develops a horizontally diffrentiated duopoly model incorporating data collectionandsharing mechanisms.Themodel features twodiferentiateddigitalplatforms，alargeplatformandasmall platform，positionedatoppositeendsofa Hotellinglinear market.Ourinvestigationprocedsalongthree dimensions.First， byintroducingadata-sharing mechanism，it systematicallycomparesequilibriumoutcomesunder sharingversus non-sharing scenarios，analyzing platforms’data-sharing incentives，competitive efects，andsocial welfare implications. Second，itexaminesthedierentialincentiveectsandwelfareconsequencsofateralversusbateraldatasaring policies for these twoplatformtypes.Finaly，considering potentialcompetition risks，itexplores howdatasharing among platforms may facilitate collusive behavior and its resulting market effects in an extended model.

Ourfindingsreveal that whilelargeandsmallplatforms exhibitdata-sharing incentives，their strategicpreferences diverge：large platforms favorbilateralsharing，whereassmallplatforms preferunilateral sharing.Regarding welfareeffects， data sharing generall enhances consumer welfare and merchant welfare within platforms.However，collusion basedondata sharing，while boostingplatformprofitability，diminisheswelfare forbothconsumersand merchants.Basedon these conclusions，this studyproposes establishingatiereddata-sharing system tailored todiferentplatform types，aiming to promote orderlydata sharing while implementing safeguardsagainst potential anti-competitive ffects.

This study makes three principal theoreticalcontributions.First，it elucidates the interaction mechanism between data sharingandnetwork externalitiesinplatformcompetition，anaspectunderexploredinexistingliterature thatpredominantly focusesonone-sided markets.Second，itclarifiestheintrinsic motivationsfordatasharingbylarge platforms.Ouranalysis demonstrates that limited data sharing between largeand small platforms generates a“siphoning effect，simultaeously increasingthelargeplatform’sprofitsandstrengthening itsappeal tousersandmerchants.Finally，this study systematicallyanalyzes howdata sharingfacilitates platformcollusionanditsmarketconsequences.When platforms share competition-sensitive data，substantial collusion risks may emerge.

Keywords：data sharing；digital platform；competitive impacts；consumer welfare；merchant welfare

（責任編輯：鄧菁）