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。
除了以上的"差别待遇"竞争担忧，许多法域的执法机关还担心，与算法的运用相结合，个性化定价也可能帮助拥有市场力量的企业更好地实施 "掠夺性定价"，排除竞争对手。这是因为，算法能够帮助企业识别哪些用户最可能转换供应商，从而帮助其更有针对性地实施有效的掠夺性定价。
个性化排序
在注意力经济下，互联网平台经常向用户根据特定顺序呈现一系列选择或者与其搜索有关的结果。根据用户特征的不同，平台呈现出个性化的排序较为常见。欧盟委员会2018年的一项研究显示，其秘密访问的160个电商网站中的61%对搜索结果进行了个性化排序。
基于用户主动输入的搜索关键词，根据搜索结果的相关度进行排序属于再合理不过的安排。然而，执法机关也存在担心，互联网平台能够使用广泛的用户信息（如位置、搜索历史、浏览历史和购买行为等）来决定展示结果和排序。而用户的交易决定很大程度上又受到"位置偏爱"（position bias）的影响，即在排序结果中，排在前面的结果通常能获取更高点击率和交易率。尤其是在移动网络时代，手机的广泛使用和屏幕尺寸的限制进一步增强了这一效果。因此，在承认个性化排序能够带来效率的同时，许多执法机关担心，拥有市场力量的平台企业可能通过对排序算法和排序结果的操控来影响消费者选择，从而使得自己获得竞争优势或者更高的利润，产生限制市场竞争的效果。
例如，如果某一平台与个别商户存在更高的佣金安排或收入分成协议，则该平台可能有动机通过优先展示这类商户而获得更高的利润。澳大利亚竞争和消费者委员会(ACCC)和英国竞争和市场管理局（CMA）曾对部分线上酒店预订平台的搜索结果排序进行调查。CMA发现，某些线上酒店预定平台的搜索结果展示受到酒店支付网站的佣金水平影响；而ACCC则发现，酒店比价网站Trivago的排序算法将"哪些酒店预订平台向其支付更多费用"这一因素在排序中分配较大权重。
此外，如果某一平台同时存在自营业务时，其也可能存在动机通过优先展示自己而获得竞争优势。在欧盟委员会2017年处罚的谷歌"比较购物案"中，谷歌在搜索显示页面优先展示自营比价网站，通过专门算法使竞争对手比价网站的结果排名降低，将流量引向自营比价网站，被认定为利用在"一般搜索服务市场"的支配地位排除限制"比较购物服务市场"的竞争，最终被处以约24.24亿欧元的罚款。
能够使自己获得竞争优势或者更高利润而优待自己的安排（包括上述个性化安排）通常被学界称为"自我优待行为"(self-preferencing)，近年来受到全球许多执法机关的关注。例如，在2021年1月公布的德国《反对限制竞争法修正案》（GWB数字化法案）第19a条中就专门明确了对"自我优待行为"的关注。
个性化推荐或默认设置
如上所述，互联网平台进行个性化推荐或默认设置的确可以产生诸多好处，可以提供给用户最为相关的信息，节省用户的搜索时间，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。但在某些情况下，执法机关担心，大型互联网平台也可能通过个性化推荐或默认设置产生"自我优待"的效果。例如，亚马逊有权选择哪个商户占据其"Featured Offer"（之前叫做"Buy Box"）的位置，作为亚马逊平台上相关产品的默认零售商。Featured Offer/Buy Box是靠近产品详细信息页面顶部的区域。据统计，大约80%到90%的亚马逊平台的销售额是通过Featured Offer/Buy Box实现的，而亚马逊选择商户（也可能是亚马逊自己）来完成Buy Box订单的算法是不公开的，因此许多第三方商户担心亚马逊的Buy Box算法可能不公平地优待亚马逊自己的产品。2019年7月，欧洲委员会对亚马逊展开了正式调查，并将调查数据和算法在亚马逊选择Buy Box商户以及亚马逊在该选择中使用第三方商户竞争敏感信息的潜在可能性。
我国平台反垄断指南中的相关指引
应当强调的是，以上对于算法和个性化设置的竞争讨论仅仅是基于理论层面，由于现实商业实践的高度复杂性、特殊性，针对某一平台企业的个性化设置进行反垄断风险评估，还需要落脚于对平台业务涉及的法域、所涉法域的具体反垄断法律规定和执法实践、特定的市场结构、特殊商业背景、所产生的积极效果等因素进行全面的个案分析，而不能针对某一类行为一概而论。
对于在中国反垄断法下的评估，应当说，我国国务院反垄断委员会于2021年2月发布的《关于平台经济领域的反垄断指南》（"《指南》"）对于我国互联网企业更好地进行反垄断合规和风控工作具有较大的指引作用。其中，《指南》第十七条与本文讨论的个性化设置密切相关。
《指南》第十七条规定，"具有市场支配地位的平台经济领域经营者，可能滥用市场支配地位，无正当理由对交易条件相同的交易相对人实施差别待遇，排除、限制市场竞争。分析是否构成差别待遇，可以考虑以下因素：（一）基于大数据和算法，根据交易相对人的支付能力、消费偏好、使用习惯等，实行差异性交易价格或者其他交易条件；（二）实行差异性标准、规则、算法；（三）实行差异性付款条件和交易方式。"
根据这一规定可以看出，在互联网行业认定"差别待遇"的市场支配地位行为，前提条件仍然至少包括：一、行为主体在相关市场拥有市场支配地位；二、差别待遇的对象条件相同（或者针对条件不同的对象给予相同条件）；三、差别待遇行为没有正当理由。因此，并非所有的互联网企业的个性化设置行为均会落入我国《反垄断法》的调整范围。
此外，对于互联网行业中什么是"条件相同的交易相对人"以往缺乏明确的指引性规定，而本次发布的《指南》针对这点专门予以澄清："条件相同是指交易相对人之间在交易安全、交易成本、信用状况、所处交易环节、交易持续时间等方面不存在实质性影响交易的差别。 平台在交易中获取的交易相对人的隐私信息、交易历史、个体偏好、消费习惯等方面存在的差异不影响认定交易相对人条件相同。"这意味着，互联网平台收集的用户在交易历史、个体偏好、消费习惯等方面体现出的不同，将不会被认定为"用户的条件不同"，互联网企业也就无法仅据此主张行为的合法性。
不过，可以看出，《指南》在制定过程中同时考虑了反垄断法各价值目标和法益之间的平衡，既考虑了差别待遇行为对市场竞争可能产生的不利影响，同时也考虑了商业实践的灵活度要求和经济效率因素，因而对于平台领域差别待遇的潜在"正当理由"予以列举，旨在为平台企业的商业实践提供更好的指引。这些潜在的正当理由包括，"（一）根据交易相对人实际需求且符合正当的交易习惯和行业惯例，实行不同交易条件；（二）针对新用户在合理期限内开展的优惠活动；（三）基于平台公平、合理、无歧视的规则实施的随机性交易；（四）能够证明行为具有正当性的其他理由。"
结语
大数据、算法、人工智能带来的数字经济领域的个性化安排为人们的生活带来了便利，帮助企业更有效地推广产品和服务，提高了经济运行效率，同时也在一定程度上引发竞争执法机关的竞争担忧。个性化安排可能落入多个部门法的调整范围，如电商法、反不正当竞争法、反垄断法；而需要强调的是，反垄断法规制的是对于市场产生排除、限制竞争效果的行为，其本身上是一部市场规制法，而非行为规制法。因此，实践中，对于互联网平台的某类个性化安排进行反垄断评估时，考虑到商业实践的高度复杂性、特殊性，需要运用合理分析原则，进行细致的个案分析与评估。在做好反垄断合规工作的同时，避免对企业的商业运行效率带来不必要的阻力。
The content of this article is intended to provide a general guide to the subject matter. Specialist advice should be sought about your specific circumstances.