考慮泄露風(fēng)險的在線平臺隱私收集策略研究

鮑 磊, 何逢標, 李迎迎

(淮陰師范學(xué)院 商學(xué)院, 江蘇 淮安 223001)

引言

隨著互聯(lián)網(wǎng)的普及和大數(shù)據(jù)技術(shù)的應(yīng)用,越來越多的企業(yè)認識到消費者隱私的價值[1]。通過收集消費者的隱私數(shù)據(jù),并將其用于發(fā)布定向廣告、提供更加精準的服務(wù),或者將數(shù)據(jù)出售給第三方,在線平臺開辟了新的利潤來源[2-3]。例如:美團需要基于用戶的位置信息為他們推薦周邊的商品或服務(wù)。雅虎掃描用戶電子郵件收集有價值的客戶數(shù)據(jù)并出售給廣告商[4]。但是,在線平臺企業(yè)從收集消費者隱私中獲益的同時,也不得不面對新的挑戰(zhàn)和威脅,其中之一就是隱私數(shù)據(jù)的泄露問題[5-6]。比如:2018年9月社交媒體平臺Facebook公布,黑客利用安全漏洞竊取了至少3 000萬個賬戶的信息(1)《臉書:已證實在上周的安全漏洞中3000多萬個人的賬戶被侵入》,http://news.jstv.com/a/20181013/153938480284.shtml,訪問日期:2023年5月10日。。2022年6月,國內(nèi)某軟件公司的數(shù)據(jù)庫泄露了1.7億條用戶重要信息(2)《學(xué)習(xí)通被曝“泄露1.7億條數(shù)據(jù)”背后》,https://cn-sec.com/archives/1143406.html,訪問日期:2023年5月10日。。

監(jiān)管部門會對發(fā)生隱私泄露的在線平臺進行必要的懲罰。2022年3月,愛爾蘭數(shù)據(jù)保護委員會根據(jù)《歐盟通用數(shù)據(jù)保護條例(GDPR)》,對Facebook的母公司Meta征收1 700萬歐元的罰款,原因是該公司未能采取適當?shù)募夹g(shù)和組織措施保護歐盟用戶的數(shù)據(jù)安全,導(dǎo)致2018年發(fā)生一系列隱私泄露事件(3)《臉書被歐盟罰款1.2億:大規(guī)模數(shù)據(jù)泄露》,http://tech.hexun.com/2022-03-15/205502316.html,訪問日期:2023年5月10日。。事實上,許多國家已經(jīng)通過立法的方式,規(guī)定了在線平臺企業(yè)發(fā)生隱私泄露時監(jiān)管部門可以施加的罰款金額。例如,《中華人民共和國個人信息保護法》第六十六條規(guī)定,“違反本法規(guī)定處理個人信息,或者處理個人信息未履行本法規(guī)定的個人信息保護義務(wù)的……有前款規(guī)定的違法行為,情節(jié)嚴重的,由省級以上履行個人信息保護職責(zé)的部門責(zé)令改正,沒收違法所得,并處五千萬元以下或者上一年度營業(yè)額百分之五以下罰款”。歐盟的《通用數(shù)據(jù)保護條例》(General Data Protection Regulation,GDPR)明確:違反數(shù)據(jù)保護規(guī)定,輕者處以1 000萬歐元或者企業(yè)上一年度全球營收的2%(兩者取其高)的罰款;重者處以2 000萬歐元或者企業(yè)上一年度全球營收的4%(兩者取其高)的罰款(4)《歐盟〈通用數(shù)據(jù)保護條例〉(GDPR)實務(wù)指引(全文版)》,http://www.xiia.org.cn/xwzx/gjzx/202109/t20210917_5351.htm,訪問日期:2023年5月10日。。面對巨額罰款,在線平臺需要慎重考慮在可能卷入法律糾紛的情況下,是否需要收集消費者隱私。

綜上所述,互聯(lián)網(wǎng)的廣泛應(yīng)用使得人們在利用各類在線平臺時留下各種個人信息,大數(shù)據(jù)技術(shù)的發(fā)展讓消費者隱私成為平臺企業(yè)的重要利潤來源。當前,世界各國都通過嚴格立法督促在線平臺企業(yè)履行數(shù)據(jù)安全保護義務(wù),降低消費者隱私泄露風(fēng)險。因此,從經(jīng)濟學(xué)的角度考慮隱私泄露導(dǎo)致的政府懲罰對于在線平臺隱私收集策略的影響,具有重要的理論意義和現(xiàn)實價值。基于上述考慮,本文通過多階段動態(tài)博弈模型的分析,研究存在隱私泄露風(fēng)險時,在線平臺在何種情況下才會選擇收集消費者隱私,收集隱私是否有利于提高消費者剩余和社會福利,以及監(jiān)管部門的懲罰會如何影響平臺企業(yè)的決策。

一、文獻綜述

本文主要與消費者隱私的經(jīng)濟價值研究和隱私保護與規(guī)制研究等相關(guān)。

(一)消費者隱私的經(jīng)濟價值研究

學(xué)者們通常從社會學(xué)、法學(xué)等視角對隱私的相關(guān)問題展開研究。近年來,隨著大數(shù)據(jù)技術(shù)對消費者特征的分析被廣泛應(yīng)用于營銷領(lǐng)域,學(xué)界開始逐漸重視隱私的經(jīng)濟價值研究[7]。關(guān)于隱私的經(jīng)濟價值,當前的研究主要集中于兩個方面:一是定向廣告,二是價格歧視。

利用大數(shù)據(jù)技術(shù),在線平臺可以基于用戶的產(chǎn)品瀏覽歷史和購買記錄等數(shù)據(jù)分析其行為和偏好,針對不同類型的用戶投放不同的廣告,這就是所謂的定向廣告[8]。一些學(xué)者指出,企業(yè)借助于隱私分析消費者的偏好或需求,有針對性地投放廣告,能夠?qū)崿F(xiàn)產(chǎn)品與用戶之間的精準匹配,節(jié)約廣告成本,提高企業(yè)利潤[9-10]。但是,也有一些研究發(fā)現(xiàn),定向廣告對于企業(yè)而言并非總是有利的,原因在于,企業(yè)為了吸引更多的消費者可能不得不增加定向廣告的支出[11],或者由于競爭效應(yīng)的存在,定向廣告投放可能加劇企業(yè)間的競爭,進而降低了企業(yè)的利潤[12]。需要指出的是,定向廣告的精準性是建立在收集足夠數(shù)量的消費者隱私數(shù)據(jù)基礎(chǔ)之上的,如果隱私被無節(jié)制地采集,消費者可能面臨隱私泄露等風(fēng)險,從而引發(fā)消費者對定向廣告的厭惡和抵觸。因此,廣告商應(yīng)當在定向廣告的精度和消費者的隱私關(guān)注度之間進行權(quán)衡[13-14]。

消費者在注冊賬號、購買產(chǎn)品時留下大量個人信息,在線平臺可以通過算法推測出其個人偏好特征,并基于此為消費者制定“量身定制”的價格[15]。事實上,基于消費者隱私的價格歧視可以分為基于消費者購買歷史的價格歧視(BBPD)和基于消費者特征的價格歧視(CBPD)[16]。前者是指當消費者存在重復(fù)購買行為時,企業(yè)依據(jù)購買歷史推斷老顧客的偏好,然后制定不同的價格[17],因此,基于消費者購買歷史的價格歧視通常也被稱為“大數(shù)據(jù)殺熟”;后者是指企業(yè)能夠直接獲得有關(guān)消費者特征的信息,然后對他們進行“個性化定價”[18]。研究發(fā)現(xiàn),當在線平臺采用BBPD策略時,通常對老顧客制定相較于新顧客更高的價格[19];CBPD策略對平臺企業(yè)的利弊和對社會福利的影響需要結(jié)合具體的博弈模型進行分析[7]。

(二)隱私保護與規(guī)制研究

隱私泄露可能招致不法分子利用這些信息實施精準詐騙等犯罪活動(5)中國互聯(lián)網(wǎng)絡(luò)信息中心2019公布的數(shù)據(jù)顯示,77.7%的被調(diào)查網(wǎng)民遭遇過信息安全事件,損失總金額大約為194億元。參見《77.7%網(wǎng)民遭遇過信息安全事件》,https://m.gmw.cn/2020-12/07/content_1301911897.htm,訪問日期:2023年5月10日。。因此,在線平臺企業(yè)通常選擇在技術(shù)或管理方面進行投資以降低隱私泄露發(fā)生的可能性,世界各國政府也在通過立法等方式對在線平臺企業(yè)收集、保存和利用消費者隱私進行規(guī)制[20]。

一些學(xué)者考察了消費者的自我保護或在線平臺的投資對于企業(yè)利潤的影響及其福利效應(yīng)。Montes等發(fā)現(xiàn),如果消費者支付一定的成本可以避免隱私被收集,那么在寡頭競爭的情形下,企業(yè)的利潤隨著隱私成本的增大而遞減,而消費者剩余隨著隱私成本的增大而遞增[21]。Chen等指出,身份管理能夠幫助消費者防止企業(yè)利用收集的隱私對其進行歧視性定價,但是消費者主動管理身份可能緩解企業(yè)競爭,導(dǎo)致消費者剩余的降低和社會福利的損失[22]。唐要家和王逸婧證明,如果消費者主動采取隱私管理手段應(yīng)對在線平臺的個性化定價,則消費者福利隨著隱私管理成本的增大呈倒U型變化[23]。Lee等考察了當消費者具有不同隱私關(guān)注度時,雙寡頭廠商投資于隱私保護的動機,發(fā)現(xiàn)消費者隱私關(guān)注度越高,廠商越傾向于投資,而且隱私投資能夠緩和企業(yè)競爭,降低消費者剩余,提高社會福利[24]。

隨著世界各國相繼出臺隱私保護法律法規(guī),隱私政策的分析逐漸成為研究的熱點。一些學(xué)者指出,政府監(jiān)管的缺失將導(dǎo)致消費者試圖通過偽造個人信息或拒絕購買等手段保護個人隱私[25]。用戶對政府監(jiān)管的感知能有效地降低用戶的隱私關(guān)注[26],但是,加強隱私數(shù)據(jù)的保護可能會降低企業(yè)新技術(shù)風(fēng)險投資的水平[27]。通過自愿性保護、強制性保護和無保護下垂直差異化雙寡頭的博弈分析,李三希等指出,消費者剩余和社會福利在無保護時達到最大,禁止企業(yè)收集隱私將導(dǎo)致市場均衡無效率[28]。基于水平差異化模型的分析,Hoffmann等證明:在競爭足夠激烈時,嚴格禁止收集和使用個人數(shù)據(jù)將降低效率和消費者剩余[29]。

對于在線平臺而言,服務(wù)的銷售和隱私的收集利用都可能成為利潤來源。基于垂直差異化寡頭競爭模型的分析,Casadesus-Masanell和Hervas-Drane指出,提供高質(zhì)量服務(wù)的平臺傾向于只依賴服務(wù)的銷售獲得利潤,而提供低質(zhì)量服務(wù)的平臺則傾向于通過消費者隱私獲得額外的收益[4]。基于水平差異化寡頭競爭模型的研究,鮑磊等發(fā)現(xiàn),在線平臺是否收集消費者隱私?jīng)Q定于消費者的產(chǎn)品估值和差異化水平[2]。但是,考慮到各國都要求在線平臺安全保存消費者的隱私,而且一旦發(fā)生隱私泄露將可能面臨監(jiān)管部門的罰款,因此在線平臺是否總是有收集和利用消費者隱私的動機就成為非常值得關(guān)注的重要問題。不過,現(xiàn)有文獻鮮有關(guān)注隱私泄露可能招致政府罰款對于在線平臺隱私收集決策的影響。本文借鑒了相關(guān)文獻的研究框架[2][4],將隱私泄露風(fēng)險及在線平臺可能需要承擔的罰款納入模型,分析隱私泄露風(fēng)險和罰款對在線平臺隱私收集策略的影響。與現(xiàn)有文獻相比,本文的主要創(chuàng)新點在于:(1)通過數(shù)理模型構(gòu)建,深入分析了隱私泄露風(fēng)險和罰款對在線平臺企業(yè)隱私收集決策的影響;(2)提出了“隱私利潤占比”概念,討論了在線平臺決定收集隱私時企業(yè)的利潤聚焦;(3)研究了監(jiān)管部門制訂的經(jīng)濟懲罰策略,以及影響罰款水平的主要因素。

二、模型構(gòu)建

市場上存在某個在線平臺,消費者只有接入該平臺才能獲得所需的服務(wù),但是他們在注冊和使用該平臺時會留下一些隱私信息。在線平臺可以選擇收集消費者的隱私并利用這些信息獲得收益,或者選擇不收集消費者的隱私。

(一)消費者的效用

如果在線平臺選擇不收集消費者隱私,那么他們接入該平臺獲得的效用為

U=v-p

(1)

如果在線平臺選擇收集消費者的隱私,那么他們接入平臺獲得的效用為

U=v+y(1-ωy)-p

(2)

其中,v是消費者接入平臺獲得的固有效用,服從區(qū)間[0,V]上的均勻分布,V是正的常數(shù);y是在線平臺從單位消費者處收集的隱私數(shù)量;p表示在線平臺向消費者提供服務(wù)收取的費用。通常,收集一定數(shù)量的隱私數(shù)據(jù)有利于在線平臺向消費者提供更高質(zhì)量的服務(wù),因此表達式y(tǒng)(1-ωy)表示消費者從在線平臺的隱私收集中獲得的效用;而且,類似于本文文末參考文獻[2]和[4],將其設(shè)置為隱私收集數(shù)量y的二次凹函數(shù),說明消費者可以從少量的隱私收集中收益,但是當隱私被過度收集時將受損。參數(shù)ω是消費者對隱私收集的敏感度,0<ω<1,ω越大則消費者越厭惡隱私被收集。

(二)在線平臺的利潤

在線平臺為消費者提供服務(wù)的邊際成本近乎可以忽略不計,為討論的便利,本文假設(shè)所有的生產(chǎn)成本和固定成本為零。如果在線平臺選擇不收集消費者的隱私,那么服務(wù)的銷售成為平臺利潤的唯一來源,于是利潤函數(shù)為

П=pD

(3)

在線平臺可以利用收集到的消費者隱私獲得收益。例如,向廣告商提供定向廣告服務(wù),或者將收集的數(shù)據(jù)向第三方出售。假設(shè)收集單位數(shù)量的隱私可以帶來收益ξ,則在線平臺選擇收集消費者的隱私時,利潤函數(shù)為

П=pD+ξyD

(4)

其中,D表示消費者的需求。

在線平臺受到技術(shù)能力限制或者存在管理不善,可能導(dǎo)致消費者隱私泄露。不妨假設(shè)在線平臺發(fā)生消費者隱私泄露的概率為ρ[0,1]。如果發(fā)生隱私泄露,那么政府將對該平臺施加一定的經(jīng)濟懲罰,罰款金額為F。

模型博弈時序為:第1階段,在線平臺決定是否選擇收集消費者隱私。如果在線平臺決定收集隱私,那么第2階段,它需要決定最優(yōu)的隱私收集數(shù)量。第3階段,在線平臺選擇最優(yōu)的定價。第4階段,消費者選擇是否接入平臺,獲得相應(yīng)的服務(wù)。

三、子博弈均衡分析

(一)在線平臺不收集消費者隱私

當在線平臺選擇不收集消費者隱私時,利用消費者效用U=v-p>0,可得選擇接入平臺的消費者數(shù)量為

D=V-p

(5)

于是,在線平臺的利潤為

П=p(V-p)

(6)

(二)在線平臺收集消費者隱私

當選擇收集消費者隱私時,利用效用函數(shù)U=v+y(1-ωy)-p>0,可得選擇接入平臺的消費者數(shù)量為

D=V-p+y(1-ωy)

(7)

于是,在線平臺的利潤為

П=(p+ξy)[V-p+y(1-ωy)]

(8)

(9)

在博弈的第2階段,將公式(9)帶入公式(8),得到

(10)

證明:利用公式(10)關(guān)于隱私收集數(shù)量y的一階條件,即

容易驗證,

命題2表明,當在線平臺可以通過出售消費者隱私獲利時,平臺將制定較低的價格甚至是通過補貼吸引更多的消費者,從而從服務(wù)的銷售和隱私的收集兩個方面獲得利潤。進一步,結(jié)合命題1能夠看出,當在線平臺選擇不收集消費者的隱私時,服務(wù)的銷售是在線平臺的唯一利潤來源,因此最優(yōu)定價p*嚴格為正。但是,當在線平臺選擇收集消費者隱私時,最優(yōu)定價p**可能為負,即在線平臺在某些情況下可能對消費者進行補貼。該結(jié)論類似于雙邊市場文獻中的“傾斜式定價”,即平臺企業(yè)通常對一邊用戶(例如賣家)收取高價,而對另一邊用戶(例如買家)收取低價甚至是提供補貼[30]。

從命題2可以直接得到推論1。

推論1的結(jié)論是比較直觀的。當選擇收集消費者隱私時,單位隱私價值越高,在線平臺越有動機收集更多的消費者隱私,并通過降低價格吸引更多的消費者接入平臺,以此獲得更高的利潤。消費者的隱私敏感度越高,收集隱私對消費者帶來的負面影響越大,那么在線平臺越應(yīng)當降低隱私收集數(shù)量。但是,這并不意味著在線平臺會降低定價,而是需要結(jié)合單位隱私價值進行判斷:當單位隱私價值較低時,消費者越討厭隱私被收集,在線平臺就越應(yīng)當降低定價,用低價策略吸引消費者;當單位隱私價值較高時,消費者的隱私敏感度更高,在線平臺應(yīng)當向消費者收取更高價格,以此作為放棄隱私收集的條件。

(11)

命題3:隱私占比Ω**隨著單位隱私價值ξ的增大而遞增,隨著消費者隱私敏感度ω的增大而遞減。

證明:

命題3揭示了一個重要的發(fā)現(xiàn),單位隱私對于在線平臺的價值ξ越高,在線平臺就越倚重于從隱私收集中獲利。然而,消費者隱私敏感度ω越高,在線平臺就越傾向于降低通過隱私收集獲得的收益,轉(zhuǎn)而更多地通過服務(wù)銷售獲得利潤。這是因為,從推論1可知,最優(yōu)定價p**隨著單位隱私價值ξ的增大而單調(diào)遞減,而最優(yōu)隱私收集數(shù)量y**卻隨著ξ的增大而單調(diào)遞增,所以,隱私收集創(chuàng)造的利潤在總利潤中占比就越高。如果消費者隱私敏感度ω較高,那么在線平臺將降低隱私收集數(shù)量y**,盡管此時最優(yōu)定價p**也可能降低,但是在線平臺從降低隱私收集數(shù)量中損失的利潤高于定價降低中損失的利潤,因此,隱私占比Ω**隨著消費者隱私敏感度ω的增大而遞減。

四、在線平臺的隱私收集策略分析

(一)不存在泄露風(fēng)險時的隱私收集策略

下述命題4表明,如果不存在隱私泄露風(fēng)險,那么在線平臺將總是選擇收集消費者隱私。

證明:由命題1和命題2,可以得到:

圖1 在線平臺的最優(yōu)定價策略(ω=0.6)

命題4(2)表明,收集消費者隱私能夠給在線平臺帶來更高的需求和利潤。這是因為,隱私收集能夠讓消費者獲得更高的效用,所以在線平臺收集隱私能夠吸引更多的消費者接入,加之服務(wù)的銷售和隱私的收集使得單位消費者能夠為在線平臺提供更高的利潤邊際,因此,在收集消費者隱私情況下,在線平臺將獲得更高的利潤。

推論2在某種程度上可以被視為推論1的直接推論,這是因為不收集隱私時在線平臺的定價、需求和利潤都為常數(shù),所以推論2中各種變量之差顯示的關(guān)于單位隱私價值ξ和消費者隱私敏感度ω的相關(guān)關(guān)系與推論1類似。

(二)考慮泄露風(fēng)險的隱私收集策略

由于技術(shù)能力受限或者管理不善,在線平臺收集的消費者隱私存在泄露的可能性。于是,在線平臺將不得不面對政府的懲罰,那么,在何種情況下在線平臺仍然具有收集消費者隱私的動機?

當考慮隱私泄露風(fēng)險時,收集消費者隱私為在線平臺創(chuàng)造的預(yù)期利潤為

E[П]=(1-ρ)П**+ρ(П**-F)=П**-ρF

(12)

顯然,僅當E[П]>П*時,在線平臺才愿意選擇收集消費者隱私。于是,得到如下結(jié)論。

命題5的結(jié)論是非常直觀的。如果因為發(fā)生隱私泄露而受到懲罰,那么在線平臺將需要權(quán)衡收集隱私帶來的額外收益與懲罰之間的大小關(guān)系。如果監(jiān)管部門施加的懲罰F較小,那么在線平臺將選擇收集隱私,既通過服務(wù)的銷售也通過隱私的收集獲得利潤;否則,在線平臺將選擇不收集隱私,只通過服務(wù)的銷售獲得利潤。

(13)

其中,(1-ρ)表示不會發(fā)生隱私泄露的概率。不等式(13)成立,意味著不收集隱私時在線平臺的利潤與收集隱私時在線平臺的利潤之比不能過小,換言之,在線平臺不應(yīng)過分依賴于隱私收集創(chuàng)造的利潤。

推論3:最高懲罰金額占比Ψ**隨著單位隱私價值ξ的增大而遞增,隨著消費者隱私敏感度ω的增大而遞減。

證明:

推論3指出,消費者的單位隱私價值較高時,監(jiān)管部門可以提高最高懲罰金額占比;相反,如果消費者的隱私敏感度較高時,則監(jiān)管部門應(yīng)當降低最高懲罰金額占比。

五、福利分析

下面,通過消費者剩余和社會福利的比較,分析收集消費者隱私是否有利于提高社會福利。

當在線平臺選擇不收集消費者隱私時,消費者剩余和社會福利分別為

(14)

(15)

當在線平臺選擇收集消費者隱私時,消費者剩余和社會福利分別為

(16)

SW**=CS**+П*=

(17)

證明:(1)CS**-CS*=

(2)SW**-SW*=

命題7表明,在線平臺收集隱私可能有利于提高消費者剩余,而且總是有利于提高社會福利。因此,必然存在某些參數(shù)空間,使得收集隱私既有利于提高在線平臺的利潤,也能夠提高消費者剩余和社會福利。

命題8指出,即使在線平臺可能因為隱私泄露而遭受懲罰,只要罰款的金額相對較小,而且消費者接入平臺獲得的效用較大(即ξ和V的組合位于圖2中區(qū)域①),則在線平臺可以通過收集隱私獲得更高的利潤,而且消費者剩余和社會福利也高于不收集隱私的情形。這是因為,當ξ和V的組合位于圖2中區(qū)域①時:首先,在線平臺收集的隱私數(shù)量y**相對較少,消費者能夠從隱私收集中獲得更高的效用;其次,即使存在隱私泄露的風(fēng)險,但是只要懲罰的力度相對較小,在線平臺就能夠從服務(wù)的銷售和隱私的收集中獲得“超額”的利潤,社會福利也因此得到提高。概言之,在線平臺收集隱私是帕累托改進的。

圖2 消費者剩余和社會福利的閾值(ω=0.6)

六、結(jié)論和啟示

現(xiàn)實經(jīng)濟中,消費者在各種在線平臺上留下隱私數(shù)據(jù),那么平臺需要考慮是否應(yīng)當收集消費者隱私并將之作為利潤的來源。研究發(fā)現(xiàn),監(jiān)管部門因消費者隱私泄露而對在線平臺企業(yè)施加的懲罰是影響其隱私收集與否的決定性因素。收集隱私能夠為在線平臺創(chuàng)造更高的需求和利潤,因此,如果不存在泄露風(fēng)險,則在線平臺總是愿意收集隱私;但是,如果因為發(fā)生隱私泄露而受到懲罰,那么僅當罰款金額較小時,在線平臺才有收集消費者隱私的動機。因此,單純地依靠企業(yè)的自我約束是無法把握消費者隱私數(shù)據(jù)的合理利用與隱私保護的邊界的,必須依靠法規(guī)政策的保駕護航才能達成這一目標。如果缺乏相關(guān)部門的監(jiān)管,大數(shù)據(jù)時代的企業(yè)就容易迷失方向,依靠其信息高度壟斷的優(yōu)勢,淪為一些利益團體的附庸。

為了分析隱私收集對于在線平臺利潤的重要程度,本文定義了“隱私占比”概念。研究發(fā)現(xiàn),單位隱私價值越高,隱私占比越大;消費者隱私敏感度越高,隱私占比越小。換言之,在線平臺應(yīng)當通過權(quán)衡消費者隱私價值和隱私敏感度的關(guān)系,來聚焦在線平臺的利潤來源。消費者隱私價值越高時,在線平臺越依賴于通過收集隱私創(chuàng)造利潤,而當消費者厭惡隱私收集的程度越高時,在線平臺越應(yīng)當依賴于服務(wù)的銷售創(chuàng)造利潤。需要指出的是,本文構(gòu)建的模型并非基于經(jīng)典的雙邊市場模型,但是如同雙邊市場理論的結(jié)論一樣,本文發(fā)現(xiàn)在線平臺可能利用低價策略甚至是補貼策略吸引消費者的接入,并將利潤聚焦于消費者隱私的收集。因此,在線平臺應(yīng)當綜合評估單位隱私價值和消費者隱私敏感度,合理聚焦利潤的來源。

福利分析表明,收集隱私有利于提高消費者剩余和社會福利,因此,如果隱私泄露的懲罰相對較小,則在線平臺和消費者都能從隱私收集中受益,即可能出現(xiàn)帕累托改進的情形。考慮到罰款的金額通常與在線平臺的利潤相關(guān),本文提出了“懲罰金額占比”概念。只有懲罰金額占比較低時,在線平臺才會選擇收集消費者隱私,而且懲罰金額占比與消費者的單位隱私價值成正比,與消費者的隱私敏感度成反比。因此,監(jiān)管部門制定的罰款金額可以隨著單位隱私價值的增加而上調(diào),也需要隨著消費者的厭惡程度的增加而下調(diào)。

最后,本文也存在一定的缺陷和不足。首先,本文構(gòu)造的消費者效用函數(shù)沒有將消費者對于隱私泄露造成的潛在損害納入其中。事實上,如果消費者是理性的,那么其在接入在線平臺時能夠意識到潛在的泄露風(fēng)險給自己帶來的損失,在這種情形下,在線平臺應(yīng)當如何決策?其次,本文考慮的是在線平臺泄露消費者隱私的風(fēng)險,事實上,隱私泄露可能是由第三方造成,那么監(jiān)管部門應(yīng)該如何劃分責(zé)任,并對在線平臺和第三方進行懲罰?這些問題,值得未來進一步深入探究。