論數據驅動型企業濫用市場支配地位規制

石達 曹慶賀

【摘要】數據驅動型企業作為我國數字經濟發展的重要載體， 誕生于傳統工業經濟的反壟斷法無法直接將其納入濫用市場支配地位的規制邏輯中， 如何規制這些企業成為反壟斷法改革面臨的新挑戰。 這些挑戰源于反壟斷法的理念、對數據壟斷行為的認識、反壟斷法體系、數據特性等方面的爭議， 對此必須深入研究數據驅動型企業的競爭模式， 區分自用型數據驅動型企業與他用型數據驅動型企業進行市場支配地位的認定。 在認定市場支配地位后， 應結合大數據市場的特質， 革新現行反壟斷法的行為框架， 區分排他性濫用行為與剝削性濫用行為具體識別壟斷行為、研判危害結果。

【關鍵詞】數據驅動型企業;濫用市場支配地位;數字經濟;反壟斷法

【中圖分類號】 F922.294? ? ?【文獻標識碼】A? ? ? 【文章編號】1004-0994（2021）15-0140-10

一、引言

數據驅動型企業在產業經濟學視角下被認為是構筑平臺、渠道與數據的關聯紐帶。 其作為驅動數字經濟的主要作用力， 對激發市場動能具有重要意義， 但同時可能對市場格局形成破壞性創新。 肇始于傳統工業時代的反壟斷法已無法完全涵蓋對這一新興模式的規制， 無法囊括由數據驅動型企業實施的依靠其數字化平臺所衍生的新模式[1] 。 而這類新模式又會對大數據市場的競爭機制形成沖擊。

數據驅動型企業普遍依靠自身的數據優勢聚集成立“數據池”（大數據企業商業模式的關鍵環節）， 如何在實現“數據池”合理共享的同時保障數據驅動型企業的必要權利， 是對數字經濟實現有效監管的核心議題。 競爭法視域下對數據驅動型企業的最低要求便是壟斷合規， 但由于大數據平臺與數字經濟的飛速發展， 理論研究固有滯后性所帶來的負面影響日益明顯。 美國在2020年10月發布的《數字市場競爭狀況調查報告》中提出了對Facebook、谷歌等大數據企業壟斷行為的擔憂; 我國國務院反壟斷委員會在2021年2月發布的《關于平臺經濟領域的反壟斷指南》中明確提出要對平臺經濟領域的壟斷行為進行必要的規制。 濫用市場支配地位作為壟斷的高級形態， 在行為主義的規制理念之下， 僅具有市場支配地位并不必然導致法律責任， 這雖然在客觀上有利于傳統企業的創新與發展， 但在大數據市場上則可能成為一個可茲利用的漏洞[2] 。 可見， 如何認定大數據背景下的濫用市場支配地位行為， 面臨著理論與現實的雙重挑戰。

二、數據驅動型企業濫用市場支配地位規制的新型挑戰

（一）固有類型化模式下的“削足適履”

濫用市場支配地位規制作為各國反壟斷法的普遍規則， 在長期的行政執法與司法實踐中已然固化為三大步驟， 即確認相關市場、認定市場支配地位、確認行為性質及其損害后果[3] 。 這一簡化認定邏輯構成的規范要件型規制模式， 濫觴于類型化思維范式， 力求將千變萬化的市場行為抽象出具有邏輯統一性的特定要件。 此種高度抽象化的運作模式雖然在傳統的反壟斷法實踐中具有無可比擬的便利性， 但其脫胎于傳統市場， 隨著科學技術的發展， 傳統市場競爭模式悄然變化， 逐步與原先的反壟斷規制模式脫節。 尤其是在大數據時代， 大數據企業的商業模式和市場行為迥異于傳統企業， 若完全沿用傳統類型化的分析模式， 則無異于“削足適履”。

1. 現行的類型化規制邏輯陷入了本末倒置的窠臼。 對于濫用市場支配地位的認定， 我國《反壟斷法》第17條主要列舉了壟斷價格行為、掠奪性定價行為、拒絕交易行為、排他性交易行為、搭售和附加不合理交易條件行為、差別待遇行為等多種特定的違法類型， 并以兜底性的其他行為進行補充。 從法律解釋學的角度而言， 按照演繹推理的證成邏輯， 在行為性質的識別上， 應遵守傳統的從一般到個別的演進思維。 這種行為性質的識別將定式的規范模式嵌套在紛繁復雜的市場競爭行為中， 固然提高了行為識別的效率， 但這種效率往往以犧牲識別的精準度為代價。 理論上的證成模式固然有其縝密的邏輯支撐， 但在實踐中一般都是先從結果意義上的危害行為入手， 再倒推進行相關市場和市場支配地位的認定， 因為結果意義上的危害行為的外在表征更為明顯。 倒置的證成邏輯在行業屬性清晰、市場范圍固定的情況下無可厚非， 但對于大數據市場， 則并不能如此理所當然。

按照正常的規制邏輯， 濫用市場支配地位規制首先是一種結構性行為的規制， 即判斷的關鍵提前是確定市場主體是否擁有市場支配地位， 若沒有市場支配地位， 則遑論對其行為的性質進行定性。 將這一邏輯沿用到大數據市場上， 可以得出如下結論： 不具備市場支配地位的企業， 不管其行為性質如何， 都難以認定其濫用市場支配地位。 在傳統市場格局下對市場支配地位的認定尚屬不易， 更何況是競爭格局不太穩定的大數據市場。 若按照倒置的規制邏輯， 先進行行為性質及危害結果的分析， 再根據危害結果倒推是否具有市場支配地位無疑會輕松很多， 執法難度下降了， 但會引發“假陽性”（指司法或執法實踐中的虛假有罪現象）[4] 的風險， 對市場競爭秩序難謂是有利的。

2. 目前的規制模式并未照顧到大數據市場的特殊性。 以相關市場的界定為例， 傳統的實踐方式主要以定性分析和定量分析相結合的模式為主。 定性分析主要是“需求替代分析”， 定量分析則多采用“假定壟斷者測試”（SSNIP）。 但是， 這種在傳統市場中屢試不爽的測試方式若運用到大數據市場上， 則并非無懈可擊[5] 。 直接依照傳統的分析模式進行界定時， 要么割裂數據市場上下游之間的關系， 要么將數據市場擴大到互聯網市場的上位概念[6] ， 使得數據市場的外延無限擴大。 再者， 我國《反壟斷法》第19條規定了推定經營者具有市場支配地位的若干情形， 而推定的理論前提便是有效的市場份額。 但就我國現階段的市場發展規模來看， 數據市場的結構既不穩定也不固定， 將傳統市場結構中的規制邏輯直接應用于新型的數據市場， 不能說是最明智或最合適的做法。 數據市場與傳統市場大相徑庭， 其內在包含數據采集、存儲、處理等諸多復雜步驟， 且具有更新迭代頻繁的特點， 若依然沿襲固有的拒絕交易行為、排他性交易行為等行為類型認定方式， 則難以完全涵蓋數據市場的競爭模式。

但成文法本身便具有固有的結構性缺陷， 法律文本因受制于立法時的客觀情況與主觀認知， 未能完全涵射部分規制模式， 尤其是在大數據等新興市場中出現了規范闕如。 若完全依賴現有的規制范式去治理大數據企業的壟斷模式， 則容易陷入刻舟求劍的尷尬困境。 現行規范本身對大數據企業濫用市場支配地位的制度供給嚴重不足， 因而必須結合大數據的自身特質予以補充迭代。

（二）調適傳統規制框架難以“一蹴而就”

按照一般的規制邏輯， 對濫用市場支配地位的規制， 應分別從相關市場的界定、市場支配地位的認定、行為及后果的認定三個層次進行判斷。 對于數據驅動型企業的反壟斷規制， 完全推翻現有的規制邏輯既無必要也不可能， 因而需在遵守一般規制邏輯的同時吸收數據驅動型企業交易行為的特殊性， 并對傳統的規制邏輯進行調適。 調適的邏輯主要包括： ①對于濫用市場支配地位行為中大數據企業壟斷結構的判斷， 依然需要從相關市場的界定和市場支配地位的認定兩個方面著手， 但在設計具體的分析指標時， 不僅要注意大數據市場自身競爭要素與產業鏈的具體情況， 還應當將其網絡效應、鎖定效應、跨界競爭、動態競爭等不同的傳導模式納入其中。 ②對于大數據市場， 不僅應當注意傳統各種濫用市場支配地位模式（《壟斷法》第17條）的演化與變異， 還應當注意那些專屬于大數據市場或者由該市場原生催發的一些競爭行為模式。

因此， 回歸大數據市場的本源尤為重要。 如何對大數據市場中不合理行為的性質進行精準識別， 盡可能在尊重現有反壟斷法體系框架穩定與保障市場主體信賴利益的前提下， 平衡法律實效、市場期待與競爭維護三者之間的動態關系， 成為規制大數據企業濫用市場支配地位的重要指導思想。

類型化的判斷是基于經驗主義的分析立場， 如果僅將對壟斷行為的規制限于特定的行為模式上， 則難免陷入重技術應用而輕法理檢視的困境。 申言之， 經驗主義下的傳統市場行為與法理視角下的反壟斷類型模式之間需要不斷地進行邏輯校驗， 以確保濫用市場支配地位的行為模式能夠與不斷更迭的市場行為相匹配。 與我國對濫用市場支配地位行為采取的枚舉式立法模式不同， 《歐盟競爭法》采取歸納式立法模式， 這一立法模式擴大了濫用市場支配地位的外延， 能夠適應快速發展的經濟形態和技術模式， 其將濫用市場支配地位行為抽象地分為排他性濫用和剝削性濫用兩類， 可以快速精準地將大數據市場中的壟斷模式納入其中。

當然， 在對該行為進行規制時， 僅從形式上判定經營者具有市場支配地位是無法在行為主義規制模式下對其進行懲罰的， 還必須考慮結果意義上的危害行為。 如果僅在形式上具有濫用之外觀而未有濫用之行為， 則難謂為反壟斷法所不容。 故而一個邏輯完整、設計精密的反壟斷框架體制必須考慮結果意義上的損害， 并將其作為必要條件， 以此排除無危害的壟斷行為， 避免“假陽性”的出現。

要完全實現上述調適， 還需要從理論和實踐兩方面予以雙重認證， 這些理念只有成為通說共識， 最終才能以法律的形式將理論與實踐中的成果固定化， 但這對于我國反壟斷實踐和數字經濟發展現狀而言， 無疑是有挑戰的。

三、數字經濟背景下濫用市場支配地位規制困境的溯源

目前數字經濟已然成為經濟發展的新業態， 以“生產大爆炸”為核心的傳統工業經濟正在向以“交易大爆炸”為核心的數字經濟轉型， 其直觀表現便是各類數字經濟平臺的產生和發展。 平臺企業集合了各類交易主體， 并借助新型技術突破物理限制， 形成了全新的業務規則與商業模式， 創造了一個區別于傳統工業經濟組織形態的全新的聯動交互數字經濟形態圈。 這一數字經濟生態圈以數字平臺為主軸、以數據生產要素為核心、以各類算法為手段， 從而形成了以平臺、數據與算法為框架的三維結構競爭格局， 這一多元的競爭格局極大地挑戰了誕生于傳統工業經濟的反壟斷法規制模式。

（一）理念溯源： 對數據壟斷應否規制之爭

現代反壟斷法的規制理念肇始于工業經濟時代， 以不完全的、扭曲的競爭形態為表現形式， 厚植于芝加哥學派提出的市場自我矯正假設。 反壟斷執法機構基于對創新的保護和效率的提升， 放任甚至默許了數字驅動型企業優勢地位的增強， 但忽視了反壟斷法中的救濟困境[7] 。 芝加哥學派的市場自我矯正假設理論認為： 市場參與者是理性的與利己的， 其對市場失靈與政府失靈抱有相同的憂慮。 基于對弱監管環境下的市場自我調節能力的自信， 芝加哥學派并不認為反壟斷法應當積極主動地發揮其對市場的規制功能， 而是應當限縮為后置的、保障性的規范[8] 。 同樣， 也有觀點基于對數字產品相關市場界定的技術復雜性、人為執法的偏差性， 認為由于執法機構無法精準判斷特定市場行為對競爭秩序的影響是正向的還是反向的， 為了避免“假陰性”和“假陽性”結果的出現， 其應盡量減少干預。 但當平臺、數據與算法相結合的三維競爭市場結構已深刻沖擊傳統商業模式和經濟業態時， 難以對其放任不管。 數字平臺依托數據優勢生發的反饋與測算機制， 以算法優化市場優勢傳導， 直接導致傳統工業模式下不同相關產品市場之間相對涇渭分明的界限變模糊， 也使得企業的優勢地位足以傳導到不相關市場及未來市場， 跨時空與跨地域的競爭能力得以生成， 市場壁壘進一步抬高。 這一現象促使反壟斷法必須肩負起積極維護市場競爭秩序的使命。

某種意義上而言， 數字經濟的興起既是反壟斷法面臨的挑戰， 又是其不得不承擔的責任， 更是其勃興的重要契機。 反壟斷法對數字經濟與數據驅動型企業進行必要的干預， 其邏輯起點在于維系一種包容與創新的競爭秩序與市場結構， 阻嚇與規制競爭過程中原發的或者新生的反競爭行為。 當然， 數字經濟作為一種新型經濟業態， 難以在其發展初期對其實施嚴格的法律規制， 應當結合這一經濟業態的發展階段與具體時空背景， 寬嚴相濟地劃出法律紅線， 在保護新業態的發展與防止過強的市場支配地位對市場的阻礙之間尋求動態的合理平衡。

（二）行為溯源： 對數據壟斷行為認識之爭

在我國， 傳統的類型化壟斷行為已被反壟斷法所規制， 且在工業經濟形態下發揮了重要的維護競爭的作用。 但對于三維結構競爭格局中衍生出的數據壟斷行為， 現有理論和實踐尚未進行透徹分析， 對其的認識尚處于探索研究的初級階段。 在平臺、數據與算法構成的三維結構競爭格局中， 數據壟斷與傳統濫用市場支配地位的一元效應截然不同， 其呈現出特殊的二元對立的正反雙重效應[9] 。

1. 數據壟斷行為的負面效應。 一是， 具有降低產品質量和阻礙市場誠信的風險。 盡管數據可用于提高產品質量， 但并非所有經營者（數據驅動型企業）都能善意地使用數據。 具有優勢地位的經營者與較小經營者之間因數據能力差異而導致質量差距擴大， 從而導致這些經營者對大型企業的創新推動和質量提升作用趨于弱化， 而且具有優勢地位的經營者可能將更多的精力放在鞏固自身的壟斷地位上， 而非提升產品質量上。 二是， 具有侵犯個人隱私的風險。 具有優勢地位的經營者為了維系自身的優勢地位， 勢必要擴大數據的擁有量和豐富度， 這可能促使其通過已有的數據優勢和技術優勢， 進一步侵犯個人隱私。 三是， 具有細分識別困難的風險。 數據驅動型企業所處的細分市場和依賴的數據類型并不相同， 優勢企業所構建的市場壁壘亦有所差異， 因而在判斷數據壟斷行為時需要區分不同的數據市場， 但在目前的理論研究和實踐背景下還無法實現。

2. 數據壟斷行為的正面效應。 在三維市場競爭結構中， 數據驅動型企業串聯了平臺、數據與算法三者的關系， 通過平臺優勢， 利用算法等技術可以實現數據的確權、定價、共享、賦能等效果; 而且通過以區塊鏈為基礎的共票制度， 構建起數據生產者和使用者之間的利益關聯機制和分配機制， 可最大程度地保障數據市場要素的價值與數據共享價值之間的利益平衡， 走出數據權屬特定化后各方主體利益分配沖突的泥淖， 最大程度地延長數據的價值鏈， 滿足各方主體對數據利益的共享[10] 。

與傳統濫用市場支配地位的單一負外部性特征不同， 數據驅動型企業的數據壟斷行為必然會產生一定的正外部性與負外部性， 這是難以對這一行為進行規制的原因之一。 因此， 對于反壟斷法作用的發揮， 應當力求在盡量減少、遏制其負外部性擴張的同時， 維持、保護其正外部性功能的延續。

（三）規范溯源： 反壟斷法體系之爭

在傳統的包括濫用市場支配地位在內的反壟斷規制邏輯中， 價格因素是考量壟斷結果的重要因素。 但對于數據驅動型企業而言， 以價格為核心的規制路徑與數據驅動型企業的商業模式格格不入， 因為這類企業往往以免費的產品和服務為商業基礎， 而對應的消費者也早已適應了互聯網的免費模式。 由于缺乏計價機制， 損害后果無法量化， 傳統的反壟斷法體系亟待更新。

在數字經濟背景下， 隨著數據驅動型企業的體量不斷增大， 相關非價格競爭維度和損害理論正不斷發展完善， 并要求反壟斷法的關注重點逐步轉向隱私權的保護、創新機制的促進等方面。 這一轉變并非一蹴而就、一勞永逸的， 經濟發展速度永遠比法律更新速度更快， 反壟斷法在多大范圍和多大程度內吸收新型經濟業態對現有框架的沖擊， 在多長時間和多大頻率內實現對數字經濟競爭格局理論和實踐成果的承認， 都會直接影響反壟斷法體制機制的走向。 目前我國正處于反壟斷法轉軌的起點， 各項理論與實踐的爭論、域外與國內反壟斷法的差異， 都呈現出集中爆發的特征。 在這一混沌時期， 反壟斷法體系之爭必然將持續較長一段時間。

（四）特性溯源： 對數據屬性的爭議

有學者認為， 與公共產品類似， 大數據也具有非排他性， 因而大數據的控制者難以借此形成法律所不容許的競爭優勢， 反壟斷法無需進行特殊規制， 現有的反壟斷法機制體系完全可以應對嚴重的壟斷行為[11] 。 但另有學者認為， 經營者具有阻止其競爭對手獲得數據的動機與能力， 從數據的收集到分析、存儲等不同的階段都有一定的技術壁壘， 存在著壟斷的空間[12] 。

雖然數據具有非排他性特征， 但這并不能阻止數據被排他性地利用。 數據的非排他性和稀缺性并不是二元對立、相互矛盾的， 事實上， 二者是從不同層次與不同方面闡述了數據的多維度內涵。 非排他性是從數據的外在形式上解釋了數據這一特殊的無體物可被多樣化的載體所承載， 是在價值無涉的情況下對其客觀表現形式的中立描述; 而稀缺性則是對特定數據的本質內容進行價值判斷和經驗總結后做出的主觀化判斷。 若跳出市場經濟與商業運行的大前提， 則可以認為非排他性是數據無差別的固有特征， 而稀缺性是少數數據的重要內核。 但在市場結構之下， 尤其是涉及競爭的領域， 往往是掌握了大量稀缺性數據的經營者才可能會涉及反壟斷法規制的問題。

四、數據驅動型企業濫用市場支配地位的結構規制因應

從反壟斷法的角度而言， 只有構成產品要素的數據才是值得探討的。 在市場競爭的語境下， 供需關系是商業模式中的基礎關系， 因而從供需角度對數據進行分類， 完全符合反壟斷法對數據進行篩選與分類的標準。 若不按照反壟斷法的規制邏輯對數據進行分類， 單純籠統地分析數據驅動型企業的規制模式， 則容易陷入分析不周延、結論不全面的困境。 從供需角度可以將數據分為自用型數據與他用型數據兩類， 若經營者收集到相關數據后有進行共享的意圖， 則屬于他用型數據; 反之， 則屬于自用型數據。 若經營者依賴自用型數據， 該數據本身無法直接作為反壟斷法語境下的商品， 蓋因其只是單純作為經營者獲得優勢地位的重要基礎設施條件， 在某些情況下可視為某種優勢的技術條件， 在對經營者濫用市場支配地位進行規制時， 只需將該數據優勢作為一個判斷因素即可。 但若經營者以他用型數據作為商業運行的基礎， 則意味著該數據會直接成為交易鏈上的一環， 并對市場競爭格局形成沖擊， 在對經營者濫用市場支配地位進行規制時， 需要衡量其對數據市場的控制力情況。

（一）自用型數據驅動型企業市場支配地位的認定

以自用型數據為主的經營者一般僅將數據的收集作為其商業模式的基礎性工作， 其市場行為的開展、商業模式的優化大多依賴自身所有的數據， 因而不會將其數據對外分享或者轉讓。 如Google、Facebook等經營者多屬于自用型數據驅動型企業。 自用型數據并不會單獨構成所謂的市場， 因為經營者并沒有對外大規模轉讓的意圖， 但其依然可以驅動企業在市場競爭中占有優勢地位。

部分發達國家已經認識到自用型數據驅動型企業的特殊性， 例如德國在2017年修改《反對限制競爭法》時便增加了一些關于在多邊市場和網絡效應環境下認定優勢地位的因素， 如直接或者間接網絡效應、多平臺使用和轉換成本、規模效應等競爭優勢、競爭數據的可獲取性、創新驅動型的競爭壓力。 歐盟對此也設計了一套以“三大原則”“兩大問題”為核心的規制框架。 “三大原則”是指： 數據投入要素原則， 即該數據對于開發相關程序或者算法的形成至關重要， 但不要求唯一; 網絡效應原則， 即數據需要形成數據鏈， 并且能夠產生可被反壟斷主管部門察覺的直接或者間接的網絡效應; 個案分析原則， 即不同的商業模式和交易行為中所依賴的數據不盡相同， 應就具體應用程序和算法中數據的作用進行個案分析以形成判斷。 “兩大問題”是指： 價值問題， 即該數據對相關程序或者算法的價值判斷， 主要可通過數據規模經濟的范圍、數據的時間折舊值等進行分析; 成本問題， 即使用該數據導致相關程序或算法所產生的成本， 并基于此判斷復制性使用的可能性， 如應用程序開發者直接通過用戶、傳感器等收集數據的便利性和成本值， 以及從數據代理商那里和數據市場上購買數據的可能性和成本。

國外的相關經驗對我國濫用市場支配地位規制雖有一定的借鑒意義， 但還是應當結合我國數據驅動型企業的現狀， 進行必要的調整。 對于自用型數據， 主要把握其對市場支配地位的影響力， 將其放諸市場， 也即認定該數據在相關經營者出售的商品或者提供的服務中的價值問題。

1. 定量分析： 以下游市場的市場份額為基礎。 當自用型數據嵌套到產品或者服務中時， 數據作為投入要素， 既可以投入免費服務端， 也可以投入收費盈利端。 若將其運用于提高產品或者服務的質量， 則主要涉及免費服務端; 若將其用于提高廣告產品投放的精確度， 則主要涉及收費盈利端。 由此分別考查經營者在不同模式中的市場地位， 并以此為基礎判斷數據對市場優勢地位的原因力和作用力。 在直接市場無法判斷的情況下借助下游市場進行間接判斷的做法， 在知識產權反壟斷實踐中經常被采用。 由于存在捆綁銷售等情況， 直接獲取知識產權的許可費用難度較高， 以許可費收入占比的方式計算市場份額往往困難重重， 此時便可另辟蹊徑， 將運用該知識產權的產品在下游市場的銷售額占比類推到該知識產權在上游技術許可市場中的份額， 以此得到一個相對合理的市場份額。 知識產權與數據作為具有使用價值的無體物， 在判斷具體價值時具有共性。 自用型數據作為一種投入要素， 其自身并不會產生較大的價值， 只有與勞動、資本等其他要素相結合， 才具有使用價值。

2. 定性分析： 以“三步走測試法”為基礎。 定性分析主要用于判斷數據是否具有使用價值以及價值幾何， 在進行具體分析判斷時， 應當遵守“三步走測試法”。

（1）第一步： 判斷自用型數據是否有價值。 自用型數據的應用場景并不完全一致， 因而數據驅動的作用及反饋機制也存在差異。 應分別分析自用型數據之于免費端與收費端的作用， 只有確認數據能夠對兩端市場產生影響時， 才有進一步分析的必要。 并非所有互聯網產品經營者都會收集和使用用戶數據， 如Whats App便一直承諾不收集和使用用戶數據。 但在德國聯邦卡特爾局查處Facebook一案中， 其認為該軟件屬于數據驅動型產品， Facebook獲得的信息既與產品的開發設計本身有關， 也可能與其盈利能力直接相關， 對于無法形成如此龐大數據的競爭者而言， 是較大的技術壁壘。

（2）第二步： 判斷該自用型數據的價值程度。 一般認為大數據具有“4V”特征， 即規模性（Volume）、高速性（Velocity）、多樣性（Variety）、價值性（Value）[13] ， 這些特征對于判斷自用型數據在相關產品或服務的價值方面具有重要的指導意義。

①自用型數據的規模性意義。 一般而言， 大數據是集合數據而成， 數據規模越大， 其使用價值也越高， 也即存在規模效應。 這意味著競爭優勢能夠嫁接到數據的規模效應上， 對于能夠利用規模產出的經營者而言， 其競爭優勢會被不斷放大， 若無法達到數據規模化的最小臨界值， 則無法在市場競爭中占據有效地位。 但數據規模的邊際效益也會因數據使用而有所差異。 自用型數據驅動型企業必須不斷地優化數據能力， 提升算法布局， 以此滿足動態發展的用戶需求和日益嚴苛的用戶要求。 當然， 正如歐盟監管中心所言， 規模經濟的程度歸根到底是經驗判斷， 應根據相關數據類型與實踐情況進行個案判斷， 尤其需要判斷數據規模的增加及應用程序和算法質量的提升之間的關聯性與必要性。 也有學者提出以“用腳投票”的結果來研判數據規模對相關經營者作用的大小[14] 。

②自用型數據的多樣性意義。 多樣性將直接關系到數據范圍， 從而產生范圍經濟效應。 歐盟委員會曾在谷歌收購Double Click一案中提出， 具有競爭關系的經營者對于數據質量的競爭， 已經超越了單純的數據庫規模的絕對大小， 更擴展到其收集的數據類型上， 最終取決于哪種類型的數據對其最有效。 誠然， 數據多樣性也將直接影響數據價值， 越多樣的數據能夠越精準地分析、判斷消費者需求， 這無疑會增強其雙邊市場的經營能力。

③自用型數據的高速性意義。 數據收集速度會在一定程度上影響數據價值的大小， 即產生所謂的速度經濟。 在數據大爆炸的今天， 數據信息瞬息萬變， 快速收集數據的能力能夠使經營者更加快速地追蹤消費者信息和監測競爭對手策略， 從而及時調整經營方針。 而且部分數據在不同時期的價值量會有所差異， 數據的價值一般只能維持在某一期間內， 具有較高的折舊率。 面對失去價值或者價值不高的數據， 數據驅動型企業需要不斷挖掘新的數據以填補空缺， 才能保持持續競爭優勢。 部分數據也可以作為研發和改進算法的工具， 從而將數據轉化為持續的功能， 使其瞬時價值固定化。

④自用型數據的價值性意義。 這一特征主要強調數據的價值密度低。 大數據抽象意義上的價值無可否認， 但對于具體數據的特定價值， 則難以一一判斷。 部分數據只有集合成體， 方能形成特定的價值， 其價值密度的高低與數據總量成反比。 因而如何對數據進行快速“提純”， 是事關數據價值的又一大因素。 事實上， 規模經濟、范圍經濟和速度經濟能在多大程度上提升數據價值， 也與經營者的“提純”能力密切相關。 經營者分析處理數據、發現數據價值的能力將直接影響其在市場上的競爭力。 正如《歐洲監管中心研究報告》中所提到的， “數據驅動型反饋回路的強弱與相關數據類型和算法能力息息相關”。 因此， 經營者的數據提純能力也是衡量數據之于經營者價值大小的重要因素， 反壟斷法中的數據價值應是數量與質量的集合體。

（3）第三步： 判斷自用型數據的稀缺性。 由于自用型數據對經營者取得優勢地位具有影響， 該數據需要進一步作為投入要素進入下游市場， 此時就有必要分析經營者掌握的數據是否形成市場壁壘且實質性地阻礙了其他競爭者的進入。 而經營者能否以該數據形成技術壁壘的關鍵便在于數據的稀缺性。 域外的執法與司法實踐中也都將稀缺性列入重要考量因素。 數據的稀缺性主要可以從兩個層次進行判斷： 一是， 判斷潛在競爭者直接獲取相關數據的門檻， 主要是指其徑自收集相關數據的難度。 這一門檻包括市場要素門檻（如構建網絡平臺、搭建數據中心等軟硬件的現實可能性）和非市場要素門檻（包括法律壁壘或者政策障礙， 如相關領域是否存在國家壟斷等情況）[15] 。 二是， 判斷潛在競爭者間接獲得相關數據的門檻， 即是否可能從第三方獲得該數據， 以及需以何種成本獲取該數據。

總而言之， 對于自用型數據驅動型企業濫用市場支配地位規制， 可從定量分析與定性分析兩個層次進行判斷。 這兩個層次來自并行不悖的兩種邏輯框架， 可相互印證、相互補充， 只要從某一層次的路徑進行分析后判定該自用型數據為經營者的優勢地位提供了足夠的原因力， 便可以認定自用型數據驅動型企業具有市場支配地位。

（二）他用型數據驅動型企業市場支配地位的認定

他用型數據驅動型企業除了為滿足自身需求而收集和使用數據， 還會將數據分享或者轉讓給其他經營者， 數據由此形成單獨的交易鏈。 此種情形下對相關市場的判斷與一般商品市場并無本質差別， 只是此時數據單獨作為交易的商品， 成了一種與相關技術市場類似的數據要素市場。 基于他用型數據與一般商品在價值上的類似性， 對該類企業進行濫用市場支配地位的認定時， 可大體沿襲一般市場支配地位的認定邏輯， 即先進行相關數據市場的判定， 再進行市場支配地位的認定。

1. 相關數據市場的認定邏輯。 目前對于“相關數據市場”并沒有明確的界定， 這一概念最早由美國聯邦交易委員會委員Harbour P. J.在谷歌收購Double Click一案中提出， 但其并沒有解釋何為相關數據市場。 由于數據與知識產權作為生產要素在形成和使用的過程中具有較高的相似性， 可類比相關技術市場的概念， 將相關數據市場認定為由所涉及的數據及具有可替代性的同類數據之間構成的具有相互競爭關系的市場。

在一般的濫用市場支配地位的認定中， 對相關市場的判斷涉及商品、地域和時間三個維度， 時間相關市場只存在于特定的市場中， 但商品和地域維度幾乎是所有相關市場界定中都需要考量的因素。 在他用型數據形成的相關市場中， 數據成為一般商品， 因而需要將相關數據市場和相關地域市場納入考慮范圍， 至于時間相關市場， 在數據沒有明確期限之前， 幾乎不需要進行過多考慮。 對于濫用市場支配地位中相關市場的界定規則， 我國2009年發布的《國務院反壟斷委員會關于相關市場界定的指南》第7條明確指出界定相關市場的方式可以多樣化， 而實踐中多以SSNIP作為定量分析的基礎[16] ， 但若將此直接沿用到相關數據市場中， 似乎并不妥當。 我國大數據產業剛剛興起， 數據流通和交易的模式尚未成熟， 數據產業呈現出交易價格和交易數量雙重不穩定的狀態， 難以滿足SSNIP對價格數據的要求。 因此。 從替代性測試的角度進行分析更為妥當。 根據國外反壟斷實踐并結合我國數據市場現狀， 在進行數據替代性測試時， 應當考慮以下兩個因素：

（1）數據形式與數據市場的關系。 就數據處理鏈而言， 可以從渠道上將其分為在線與離線兩類： 在線數據主要通過互聯網等在線平臺實時搜集與存儲; 離線數據則大多來源于銀行、超市、電信運營商等現實物理場景。 在研究數據市場時， 需要考慮不同數據形式之間是否具有可替代性。 一般而言， 在線數據與離線數據在采集形式、收集成本、儲存方式等方面差異巨大， 證明其具有替代性的難度較大。 以傳統零售企業與電商平臺為例， 兩者雖然都在收集消費者的信息， 但前者主要獲得消費者的付款記錄和認證信息， 且受限于地理區位; 而電商平臺可以突破地域限制， 更全面地追蹤瀏覽記錄等信息， 更精準地分析用戶需求。

（2）不同在線數據市場的具體分析。 根據美國和歐盟的數據反壟斷實踐經驗， 可將數據驅動型企業細分為搜索引擎、社交網絡和電子商務三種類型。 不同類型的數據驅動型企業的經營模式不同， 對數據的使用方式也存在巨大差異， 這種差異會對判斷相關市場的替代性產生直接影響。 搜索引擎類經營者主要向用戶提供搜索功能的數據， 社交網絡類經營者需要收集用戶的配置信息及保證交互信息的流暢性， 電子商務類經營者主要追蹤、收集和分析消費者瀏覽、購買、評價商品等各項數據。 不同的在線數據市場在數據收集、處理、分析等方面均存在不同維度的差異， 這也導致不同類型的企業所區分的具體數據市場迥然不同， 需要分別認定該企業的類型， 再判斷其所處的細分市場。

2. 市場支配地位的認定。 他用型數據形成了相關數據市場， 確定相關細分的數據市場后， 認定市場支配地位便成為新的難題。 由于在判斷相關數據市場時， 已經融入了替代性測試等思維， 市場支配地位認定的核心要件在于明確替代性產品的范圍， 并以此來判斷市場份額。 在進行具體判斷時， 需要著重考慮以下兩方面因素：

（1）積極要素： 經營者的市場份額。 大數據產業甫興未久， 交易模式尚未成熟， 實質阻礙了相關數據市場的市場份額判斷。 既然傳統的判斷邏輯受阻， 那么有必要根據相關數據市場的特性研究專門的分析模式。 其一， 間接測算法。 如前文所述， 可參考相關數據使用產品在下游市場中所占份額來倒推上游相關數據市場中的份額， 將原本難以量化的市場分配通過傳導機制予以具體化。 間接測算法在操作技術上難度不大， 但在上下游市場對應關系并不一致或者下游市場依然難以判斷市場份額的情況下， 會出現新的問題。 其二， 直接測算法。 即通過對數據來源進行分析， 從渠道收集的廣度和深度進行一定的估算， 以此測算相關經營者所占市場份額。 數據的采集必須要借助一定的設備， 而每種規格的設備都有最大的采集飽和量， 通過考查經營者所安裝或者使用的采集裝置或設施的傳感器數量， 則可較為直觀地進行測算。 這一測算方法在日本的研究報告中有所提及， 歐盟委員會對數據驅動型經營者進行集中審查時， 也采取了此種思路。 但直接測算法可能會因大量數據收集設備處理能力的差異而導致部分偏差， 且隨著算法、區塊鏈技術的發展， 數據收集和存儲的傳感器呈現出鏈式分布的特征， 測算難度會增加。

總而言之， 經營者只有具備了相應的市場份額， 才能認定其優勢地位。 間接測算法與直接測算法各有千秋， 兩者均為相關數據市場份額的判定提供了可借鑒的思路。 在數據市場興起的初期， 可將兩種方式結合使用并進行相互印證， 以確保市場份額判定的準確性與合理性。

（2）消極要素： 其他經營者的進場能力。 消費者對互聯網產品的價格敏感性較高， 很多產品均以免費的形式供消費者使用， 若其他經營者能夠以價格補貼或者其他形式快速提升市場份額， 則難以認定市場份額高的經營者一定具有市場支配地位。 因此， 在判定經營者是否具有市場支配地位時， 除了考慮市場份額， 還必須考慮相關市場的壁壘， 即數據驅動型企業是否有意在構筑或提升市場壁壘。 潛在競爭者的進場能力與市場壁壘直接相關， 數據市場中的壁壘一般可分為兩個層面： 一是技術壁壘。 其也是首要壁壘， 經營者所擁有的相關大數據技術的創新性、先進性和價值性直接關系著技術壁壘門檻。 尤其是在數據收集層面， 若使用了較多的加密技術或限制技術， 則會導致其他經營者在收集層面的障礙。 二是法律壁壘。 其主要包括主體限制（如國外經營者可能受到《外國投資法》等法律法規的制約， 被禁止或者限制投資相關行業; 部分重要行業可能存在國家壟斷， 禁止或者限制民營企業進入相關行業）和行為限制（如數據驅動型企業采取各種反競爭的方式限制、妨礙其他經營者獲得相關數據）兩個維度的壁壘。

五、數據驅動型企業濫用市場支配地位的行為規制因應

現代反壟斷法的理念已由結構主義轉向行為主義。 在行為主義的規制理念之下， 必須對壟斷行為進行分析判斷， 只有單純的壟斷結構而無壟斷行為， 則并不必然招致反壟斷法的否定性評價。

從制度規則內抽象出共同要素， 方能最大限度地避免制定法中概念固有的不周延性。 從濫用行為的共性上提取出其特性， 反壟斷制度的實質是對限制競爭的單方行為的監督和控制[17] ， 因而可以按照歐盟模式， 將濫用市場支配地位行為分為排他性濫用行為與剝削性濫用行為。 前者是基于經營者對自身競爭環境的不合理限制， 包括排擠競爭對手或者不正當地將其優勢地位傳導到相鄰市場; 后者是基于經營者對交易相對人的不當影響， 包括對交易相對人或者消費者苛以不合理的交易條件。 排他性濫用行為危害結果的認定以對橫向競爭對手的市場限制效果為核心， 而剝削性濫用行為危害結果認定則更加側重對交易相對人、消費者等縱向交易鏈上主體的不合理影響。 但是， 競爭與壟斷的界限并不像法律文本所規定的那般清晰， 其各自的優劣、利弊也非涇渭分明， 有時甚至會相互轉化， 對壟斷行為危害結果的分析必然要結合具體的經濟現實[18] 。

（一）排他性濫用行為的認定邏輯

排他性濫用行為著眼于橫向市場的反競爭效果， 在對該行為進行認定時， 需要綜合市場力量評估、反競爭性封鎖效應等不同因素。 其中， 測量反競爭性封鎖效應更為核心， 即分析判斷經營者通過反競爭的手段打擊其現有競爭者與潛在競爭者的能力， 包括降低現有競爭者的競爭能力甚至使其退出市場， 或者實質阻礙潛在競爭者進入相關市場。 由于網絡外部性效應明顯， 數據驅動型企業尤其是處于發展初期的數據驅動型企業， 會不斷進行技術革新， 若該行為是以提升產品質量、提高經濟效率為最終目的， 且發揮了相應的作用， 則可以作為豁免事由予以考慮。

1. 限制互操作性濫用行為。 限制互操作性濫用行為主要是指無正當理由， 采取技術手段限制數據在其他平臺傳輸的行為（限制了數據的可移植性）。 這一行為的表現形式包括： 設置專屬的數據格式， 阻礙其他平臺對該數據的兼容; 限制數據接口， 阻礙數據在不同平臺和系統中的自由移植。

限制互操作性濫用行為的損害結果認定主要在于， 經營者無正當理由， 人為提升了數據獲得門檻和使用成本， 阻止該數據本身的自由流動， 將數據鎖定于為其服務的私器。 若實施者具備市場支配地位， 那么這一濫用行為同時會提升數據流通性的不必要成本和潛在競爭者進入相關市場的成本。 除非經營者有正當理由， 能夠證明該數據鎖定行為是為了數據安全、競爭秩序或者消費者福利所必須采取的措施且未超過合理限度， 否則該行為與反壟斷法的立法宗旨相悖。

2. 搭售性濫用行為。 搭售性濫用行為在傳統的濫用市場支配地位規制框架中也較為常見， 傳統的搭售規制理論需要構建于存在兩個或兩個以上的獨立產品或者服務市場之上， 也即所謂的“單一產品問題”（Single Product Issue）[19] 。 如何判斷是否屬于單一產品， 在傳統的濫用市場支配地位規制中已有諸多實踐， 但將傳統標準中的功能性標準、交易習慣標準等運用于大數據領域卻并非完全有效。 不論如何， 消費者的需求判斷仍應當是數據市場中判斷單一產品得否證成的重要標準。 搭售性濫用行為的構成要件是被搭售的商品或者服務屬于消費者的獨立需求， 并有可能成為獨立的交易客體， 無需進行捆綁銷售。 如果某種搭售主要源于對商品或者服務本身的改進， 而且這種改進是消費者明知且必須的， 那么即使其具備獨立的需求， 也可以認為是一種合理的產品質量或者服務效果提升的形式。

在大數據領域， 搭售性濫用行為的損害結果主要表現為對網絡傳導效應和用戶鎖定效應的作用[20] 。 互聯網模糊了傳統商業格局的邊界， 大數據以網絡為依托， 在某一領域具有優勢地位的經營者能夠更輕易地利用搭售行為將其優勢傳導到搭售產品的相關行業中， 迅速擴大其在搭售產品市場中的份額。 而一旦這種組合銷售持續化、固定化， 便會形成二重獨占的效果， 導致多個市場的競爭封鎖效應， 最終導致其他競爭者被排擠出市場， 以及潛在經營者進入市場的成本增加。

3. 其他排他性濫用行為。 隨著數字經濟和大數據市場的飛速發展， 各種排他性濫用行為也可能隨著商業模式的變革而不斷被創造出來， 經營者在尋求反壟斷法合規的同時， 不僅著眼于遵守已為反壟斷法所規制的情形， 還可能尋求未被反壟斷法規制的新型反競爭模式。 對于這些“創新型”排他性濫用行為， 自然應當賦予反壟斷執法機構以必要的自由裁量權， 適當彌補法律文本滯后性的缺陷。 對于其他排他性濫用行為的危害分析， 也必須立足于其對橫向競爭者的不正當損害， 如破壞了競爭秩序或阻礙了技術創新。

（二）剝削性濫用行為的認定邏輯

剝削性濫用行為是指經營者以各種不正當的手段， 通過其優勢地位剝奪上下游經營者或者消費者利益的行為。 在傳統的濫用市場支配地位規制邏輯中， 壟斷價格行為是剝削性濫用行為的主要形式， 但在大數據領域， 價格濫用行為并不嚴峻， 數據優勢轉變為經濟利益或者其他經營者所需利益的渠道更加多樣化。 在大數據領域， 常見的剝削性濫用行為主要包括以下幾種：

1. 設置不主張權利與不質疑條款。 不主張權利與不質疑條款（Non-assertion/Non-challenge Clauses）濫觴于知識產權壟斷領域[21] ， 在大數據領域也具有類似的情況， 一般是指經營者沒有正當理由， 禁止交易相對人就其數據及數據衍生產品提出侵權訴訟， 或者質疑其數據及數據衍生產品的有效性。 由于大數據交易的規模性和多樣性特征， 在交易之時， 交易相對人很難判斷這些數據是否都滿足其交易目的， 支付的對價是否與數據價值相當， 若在締約條款中直接排除了交易相對人的權利， 則會對數據市場中的交易安全造成重大負面沖擊。

設置不主張權利與不質疑條款是經營者的權利濫用行為， 其損害結果可以從設置這一條款的不正當性和對交易相對人權利的實質排除兩個角度進行研判。 具體而言： 第一步， 對交易進行定性， 即該交易是有償還是無償， 這一條款的訂立是否面向不特定的交易對象。 在有償的交易中， 要求所有的交易對象均遵守這一條款， 無疑具備了規制的前提。 第二步， 分析該數據的可替代性， 即是否存在其他經營者提供的可替代產品， 若不存在， 則這一限制的強制性超過了合理限度。 第三步， 認定這一交易是否具有排他性， 分析交易相對人由此受到損失的可能性。 這一條款以犧牲交易相對人的求償權和救濟權為前提， 減少了經營者的訴訟風險， 在充分競爭的市場中幾乎不可能得以持續。 但若在具有排他性的壟斷市場， 交易相對人因受制于經營者提供的數據， 由此產生的不利負擔只能獨自承受。

2. 不當收集和使用數據行為。 不當收集和使用數據行為一般是指經營者超出其產品或者服務本身的需求， 不正當地收集交易相對人的數據或者使用未經交易相對人授權的數據。 這一行為的常見形式包括與相對人簽訂不平等的隱私授權條款和超過合理限度過度收集相對人數據。 數據驅動型企業在提供產品或者服務時， 往往會利用消費者的漠視或者消費者對其的信任， 附加不合理的隱私授權條款， 侵犯消費者的隱私。 通常這一現象應由消費者權益保護法或者其他涉及隱私保護的法律進行調整， 但由于實施這一行為的經營者具有市場支配地位， 消費者難以尋找可替代性產品或者服務， 為了能夠繼續使用這一產品或者服務， 將不得不默認不平等的隱私條款。 這種隱私侵犯已經超越了傳統私法上的利益侵害格局， 其成因在于市場力量的不當濫用， 反壟斷法有責任進行必要的規制。

不當收集和使用數據行為本身就具有違法性， 除了利用不合理的隱私條款收集用戶信息， 經營者還可以利用其優勢地位通過其他手段過度收集和處理相關數據。 尤其當市場上的競爭約束不足且法律規范闕如時， 經營者過度采集數據的沖動更加強烈。 該行為的危害性和不當性主要來源于兩方面： 一是信息的收集和處理超越了消費者正常使用該商品或服務的合理預期， 對產品或服務質量沒有任何提升效果; 二是這一過度收集行為嚴重侵犯了消費者的隱私。 而對于如何判斷數據的收集與處理是否過當， 則應當綜合相關產品或服務的目的、收集數據的范圍、數據處理方式等多方面予以判斷。

3. 其他剝削性濫用行為。 隨著具有優勢地位的經營者的商業能力與市場運營能力的不斷提升， 日益多元化的剝削性濫用行為也可能逐步出現。 對于其他剝削性濫用行為的認定， 應當嚴格將對縱向交易相對人利益的不合理剝奪作為考慮的核心要素。 對于此類行為危害的分析， 要突破傳統的價格危害分析框架， 更多地從隱私保護與數據安全的角度進行考慮， 合理評估相關行為的合理性與必要性。

六、結語

數字經濟深刻改變了傳統的經濟業態， 深度沖擊了肇始于工業經濟的商業競爭與市場格局。 在交易規模指數化增長、競爭業務結構性變革的今天， 由反壟斷法肩負起數據治理的重任， 是時代賦予“經濟憲法”的歷史使命。 對數據驅動型企業進行濫用市場支配地位的規制， 成為規制數據壟斷的標志性事件。 針對不同的數據類型進行精細化的反壟斷法規制， 既是反壟斷法自我更新完善的題中應有之義， 又是推動數字經濟健康持續發展的重要議題。

在現有反壟斷框架下， 對數據驅動型企業濫用市場支配地位的規制存在制度供給不足的結構性缺陷。 雖然國內外的反壟斷執法機構均已認識到這一新興經濟模式下的壟斷問題無法直接沿襲舊有的反壟斷框架， 但應否規制、如何規制、在何種程度和多大范圍內進行規制， 無疑成為擺在各國反壟斷執法機構面前的重要現實難題。 而破解這一難題的關鍵在于更新對反壟斷法在數字時代的價值與任務的認知， 深入理解數據驅動型企業商業運作模式， 以及平衡競爭秩序維護、創新環境保護與消費者福祉增加之間的動態關系。

【 主 要 參 考 文 獻 】

[1] 阿希姆·瓦姆巴赫，漢斯·克里斯蒂安·穆勒著.鐘佳睿，陳星等譯.不安的變革——數字時代的市場競爭與大眾福利[M].北京： 社會科學文獻出版社，2020：14 ～ 19.

[2] 王永進，盛丹，李坤望.中國企業成長中的規模分布——基于大企業的研究[ J].中國社會科學，2017（3）：26 ～ 47.

[3] 劉貴祥.濫用市場支配地位理論的司法考量[ J].中國法學，2016（5）：260 ～ 280.

[4] 基斯·N.希爾頓著.趙玲譯.反壟斷法：經濟學原理和普通法演進[M].北京：北京大學出版社，2009：105.

[5] 殷繼國.大數據經營者濫用市場支配地位的法律規制[ J].法商研究，2020（4）：73 ～ 87.

[6] 曹陽.數據視野下的互聯網平臺市場支配地位認定與規制[ J].電子知識產權，2018（10）：89 ～ 97.

[7] Maurice E. Stucke.Reconsidering Antitrust's Goals[ J].Boston College Law Review，2012（53）：551 ～ 595.

[8] Lina M. Khan. Amazon's Antitrust Paradox[ J].Yale Law Journal，2017（3）：710 ～ 756.

[9] Daniel L. Rubinfeld， Michal S. Gal. Access Barriers to Big Data[ J].Arizona Law Review，2017（59）：339 ～ 377.

[10] 楊東.“共票”：區塊鏈治理新維度[ J].東方法學，2019（3）：56 ～ 63.

[11] 曾雄.數據壟斷相關問題的反壟斷法分析思路[ J].競爭政策研究，2017（6）：40 ～ 52.

[12] Grunes Allen P.， Stucke Maurice E.. No Mistake About It： The Important Role of Antitrust in the Era of Big Data[R].University of Tennessee Legal Studies Research Paper，2015.

[13] De Mauro A.， Greco M.， Grimaldi M.. A Formal Definition of Big Data Based on Its Essential Features[ J].Library Review， 2016（3）：122 ～ 135.

[14] Nathan Newman. Search， Antitrust and the Economics of the Control of User Data[ J].Yale Journal on Regulation，2014（3）： 423.

[15] 曾彩霞，朱雪忠.歐盟數據可攜權在規制數據壟斷中的作用、局限及其啟示——以數據準入為研究進路[ J].德國研究，2020 （1）：133 ～ 147.

[16] 李虹.相關市場理論與實踐——反壟斷中相關市場界定的經濟學分析[M].北京：商務印書館，2011：87.

[17] 白艷.美國反托拉斯法、歐盟競爭法平行論：理論與實踐[ M].北京：法律出版社，2010：145.

[18] 金善明.反壟斷法解釋中經濟學分析的限度[ J].環球法律評論，2018（6）：101 ～ 116.

[19] 李劍.合理原則下的單一產品問題——基于中國反壟斷法搭售案件的思考[ J].法學家，2015（1）：72 ～ 84.

[20] 丁曉東.論數據攜帶權的屬性、影響與中國應用[ J].法商研究，2020（1）：73 ～ 86.

[21] 詹馥靜.大數據領域濫用市場支配地位的反壟斷規制——基于路徑檢視的邏輯展開[ J].上海財經大學學報，2020（4）：138 ～ 152.