从大数据杀熟到价格歧视 重罚可取吗？

近年来“大数据杀熟”行为频现，多个网络购物、交通出行、餐饮服务等APP被曝出就同一商品或服务向老用户索取高于新用户的价格，引发社会各界广泛关注。

4月13日，国家市场监管总局会同中央网信办、税务总局召开互联网平台企业行政指导会，明确提出要严肃整治“大数据杀熟”行为。6月29日，深圳市第七届人民代表大会常务委员会第二次会议通过的《深圳经济特区数据条例》（下称《条例》）亦对该问题作出了回应。《条例》第九十五条设置“大数据杀熟”的处罚数额5000万元，这是现行法律的100倍。应该说该处罚数额相对于现行法律规范来讲具有突破性，能够对“大数据杀熟”行为具有一定威慑与规制作用。但从当前互联网企业的发展体量来看，“大数据杀熟重罚是否可取”还存在一定的探讨空间。

何谓“大数据杀熟”

大数据杀熟一般是用来指同样的商品或服务，老客户看到的价格反而比新客户要贵出许多的现象。大数据杀熟并非专业的学术名词，也无确定的概念或定义。虽然“大数据杀熟”这一名词从2018年才开始进入大众视野，成为“2018年度社会生活类十大流行语”，而且逐渐演化为今天需要被讨论“如何进行规制”，但“大数据杀熟”这一现象却由来已久。

我们日常所谈的“需要被规制的大数据杀熟”，主要表现为经济学上所讲的价格歧视（price discrimination），只不过大数据杀熟将“杀熟”的主体范围限定在能够利用大数据实施价格歧视的企业，并且将“杀熟”的对象范围限定在企业利用大数据实施的价格歧视的受众。

从大数据杀熟到价格歧视

价格歧视实质上是一种价格差异，通常指商品或服务的提供者在向不同的接受者提供相同等级、相同质量的商品或服务时，在接受者之间实行不同的销售价格或收费标准。经济学将“价格歧视”分为一级价格歧视、二级价格歧视以及三级价格歧视三种类型，其中，一级价格歧视，又称完全价格歧视，是指企业或商家针对每一消费者进行的个性化定价，这意味着企业或商家需要精准把握每一个消费者的消费或其他特征然后实施差异化定价，一般而言一级价格歧视在传统或者说非数字经济消费场景下较难实现，不过在大数据场景下，一级价格歧视有了实现的可能，也即“大数据杀熟”；二级价格歧视是指垄断厂商根据不同的购买量和消费者确定的价格，其典型是“数量折扣”，即对购买超过某一数量的产品部分给予较低的价格优惠，但不同消费者面临的是同一套价格体系；三级价格歧视，是指企业或商家在销售同一种商品时，根据不同市场上的需求价格弹性差异，实行不同的价格，例如针对不同的群体索取不一样的价格，三级价格歧视是最典型的价格歧视。

价格歧视并不必然需要法律的规制，一般而言，价格歧视作为企业的销售策略，能够帮助企业实现利润最大化，同时增加社会福利。“大数据杀熟需要被规制”的呼声之所以这么高，是因为价格歧视发生在较大的互联网企业之间，并且颠覆了消费者原有的认知——企业利用大数据并非对平台的新客户收取较高的价格，而是对平台的老客户实施了较高的定价。

应被规制的“大数据杀熟”的临界点

从企业实施大数据杀熟的行为来看，企业之所以会对老客户实施较高的定价而对新客户实施低价或者各种优惠政策，原因在于想要吸引新客户或者说新流量。新客户或者说新流量的背后其实就是数据，不论是新客户加入时所填写的各种注册信息，还是网上浏览时所留下的痕迹信息，都是数据。因此，企业的大数据杀熟行为从另一侧面看也是在数据领域展开的竞争行为。

大数据杀熟行为是商家基于算法优势，在分析用户喜好、支付能力等数据的基础上进行的个性化定价。不同于动态定价，个性化定价是在同一交易条件下，根据不同用户的购买意愿和支付能力进行的差异定价，而动态定价则是依据不同交易条件，计算交易成本，对交易价格进行的动态调整。交易条件是影响交易价格的重要因素，判断“大数据杀熟”的关键在于判断交易活动是否处于同一交易条件下，这也是认定“大数据杀熟”违法性的立足点。判断是否属于同一交易条件需要分两步走。

首先，确定影响交易成本的交易条件。此处的交易条件是指卖家在提供产品和服务时影响交易成本进而影响价格的各类要素，包括但不限于交易时间、交易地点、交易数量、付款方式等。不同的产品和服务，影响交易成本的条件并不相同，如在外卖配送服务中，配送时段和配送地点应当是其重点考虑的影响条件。

其次，判断交易条件是否同一。此处的同一条件仅需要前后大致相同即可，无需达到完全相同的程度。且此处仅需要核心的交易条件大致相似即可，无需所有交易条件均满足。

这一方法在实践中也有所应用。在2019年“刘权诉美团案”中，二审法院重点考量了交易时段这一重要交易条件，认为案件中影响价格的交易变量不只有新老账户，还有配送时段，且配送时段是影响配送费的重要因素。刘权与其同事下单时间并不一致，两者的配送费并不在同一交易条件下，不具备可比性。因此，此案中配送费的变化并不能完全被认定为是平台依据用户的大数据，针对老顾客做出的价格欺诈行为。在2020年“胡红芳与携程纠纷案”中，原告表示携程平台上预定的酒店价格比酒店实际展出的挂牌价格高出不少。法院认为，各项交易条件均未出现明显变化，挂牌价格不会在短时间内出现大幅度变化，平台存在恶意欺诈用户的嫌疑。同时携程在提供服务时存在强制收集用户个人信息的行为，此案中造成酒店前后差价巨大的原因明显是携程在未告知用户产品的真实价格的情况下，利用收集的大数据针对老用户实施的价格欺诈行为，因此支持了原告的请求。

综上，“大数据杀熟”作为一种价格歧视，虽本质上不一定违法，但其多以价格欺诈的方式呈现，仍需进行科学有效管制。因此，规制“大数据杀熟”行为应结合区别定价行为的依据和应用场景进行具体分析，不能简单地将区别定价行为一概定义为价格欺诈。同时也应考虑行为本身对于市场运行、消费者权益和社会公益的影响。正如南开大学经济学教授李磊所指出的，大数据杀熟问题的关键不在于垄断，而在于企业利用垄断地位实施的垄断行为而对市场竞争、消费者和社会公共利益造成的损害。

如上所述，大数据杀熟本身并不必然需要受到法律的规制，只有在特定情况下才能够纳入法律的规制范围。《条例》第九十五条规定：“情节严重的，可处上一年度营业额百分之五以下罚款，最高不超过五千万元”，是目前针对“大数据杀熟”行为的最严厉处罚，这一规定对相关违法经营者具有较强的震慑作用，体现了深圳市规范数据要素市场竞争乱象，维护市场主体和消费者合法权益的决心和力度。

应该说该罚款数额具有一定的参考价值，但并不具有普遍参考意义。从当前互联网企业发展的体量动辄上千万乃至上亿元以及“大数据杀熟”行为的规制实践来看，5000万元相对于部分互联网头部企业来讲微不足道，因此，5000万元处罚数额的设定在全国范围内仅具有一定的参考作用，无法通过该处罚数额的设置而达到对“大数据杀熟”行为的有效遏制。而且需要警惕的是，对“大数据杀熟”的识别和判定标准，以及具体适用场景下的解释方法需要进一步细化，如适用不当或被滥用的话，该规定可能会引发另一后果，即阻遏中小数据驱动型企业的发展，从而固化和放大当前数据领域头部企业与初创企业基于数据能力上的巨大差距而已存在的极化效应，因此，“大数据杀熟重罚”需慎用。

我国数据安全领域的基础性法律《数据安全法》已于2021年6月正式出台，以保护公民、组织的合法权益，维护国家主权、安全和发展利益作为基本原则，以总体国家安全观为出发点和落脚点保障国家数据安全。同时，《个人信息保护法》也在加紧制定中，其对个人信息保护的制度和规则作出了严谨细致的规定。前述两法以及现行《网络安全法》共同构成我国数据保护与发展的三大法治基石。

然而，数据治理领域仍存在诸多争议问题，尚未形成统一认识，譬如，信息和数据是否需要区分，数据权属的内涵和外延如何确定，是否需要赋予数据主体以“数据权”，政府数据是否应当无条件开放等，这些问题具有一定的复杂性。深圳特区率先探索数据立法，应该说起到了良好的示范作用。

数据立法势在必行，但全国范围内各地区数字经济发展尚不均衡，适用统一数据立法标准，难以兼顾不同地区对数据保护和数据发展的差异性现实需求，尚不宜过急制定数据领域的全国综合性立法，其他地方立法在借鉴深圳《条例》时亦应综合评估本地实际数据发展情况制定相应法规，尤其是在面对大数据杀熟这一问题时，更应谨慎借鉴该处罚数额的规定。

（陈兵系南开大学法学院教授、南开大学竞争法研究中心主任；胡珍系南开大学法学院博士生。本文系教育部人文社会科学重点研究基地重大项目“全球数据竞争中人权基准的考量与促进研究”的阶段性成果）