互联网平台的算法、个性化设置与反垄断风险防控

在数字经济下的诸多细分领域，平台经营者运营平台时，利用所收集的数据和算法进行个性化设置并不鲜见，如针对不同的用户进行的个性化定价，搜索结果的个性化排序，根据用户偏好进行的个性化推荐等等。应当承认，算法的运用和个性化设置经常能够产生诸多积极效果，提高商业运行效率。举例而言，各类互联网平台上的个性化推荐能够提供给用户最为相关的信息，节省用户的搜索时间；商户可以利用算法优化其经营行为以及与用户的交互，提高其产品或服务的质量；利用算法进行个性化定价的第三方解决方案还可以降低小企业的市场进入门槛，间接促进市场竞争和创新。

在承认前述效率的同时，近年来，许多法域的竞争执法机关也愈发担心，算法带来的个性化设置，在某些情况下可能会削弱市场竞争，损害消费者利益。具体而言，互联网平台能够分析用户的行为和特征，通过机器学习技术（如聚类算法）的使用将用户进行有意义的分类，进而在呈现给用户的选项、排序、价格和折扣、通知时间、内容和提醒等方面，针对不同类别的用户区别对待。取决于不同的行为类型，在特定的市场结构下，这种差别待遇可能产生剥削性竞争损害，也可能产生排他性竞争损害。

个性化定价

个性化定价，俗称为"大数据杀熟"，是近年来理论界和实务界讨论较多的行为类型之一。个性化定价一般指针对不同的用户展示不同的价格，以及能够产生相同效果的行为，比如针对不同用户提供不同的折扣或优惠券。

从经济学的角度，出于利润最大化的目的，企业有动机根据不同客户的付费意愿区别定价。在传统市场，囿于难以识别客户付费意愿的差别，区别定价往往不具有现实可行性。然而，对于数字经济领域，互联网企业可以使用广泛的用户数据和算法来揣测用户的付费意愿（willingness to pay），因此，数据的收集和算法的使用使得个性化定价存在可能性。例如，根据有关研究显示，Uber曾尝试将用户分为"时间敏感性"和"价格敏感性"，并且Uber发现，如果用户的手机接近没电时，其往往更愿意支付更高的车费溢价。又如，Staple网站曾基于"用户位置离最近的实体店铺有多远"这一信息来向不同用户展示不同的商品价格。