经典重温 | 数据与竞争：兼并、市场结构和隐私政策应用的一般框架

点击蓝字 关注我们

文献信息

Data and Competition: a General Framework with Applications to Mergers, Market Structure, and Privacy Policy

作者：Alexandre de Corni`ere and Greg Taylor

来源：CEPR Discussion Papers

研究背景

数据在竞争中扮演什么角色?这个问题一直是围绕数字经济中竞争政策展开激烈争论的中心。我们使用公用事业竞争的方法为研究数据的竞争效应提供了一个通用的框架，涵盖了数据有许多不同用途的广泛市场。我们确定了数据单方面支持或反竞争( UPC或UAC)的条件。条件简单，往往不需要关于市场需求的信息。我们使用我们的框架来研究数据的各种应用，包括训练算法、针对广告和个性化价格。我们还发现，数据是UPC还是UAC对数据驱动的兼并、市场结构和隐私等政策问题具有重要影响.

研究内容

数据已经成为数字经济中关于竞争和监管的生动争论中最重要的问题之一。这一点在最近的政策中得到了体现。企业对其收集或获取的数据发现了许多用途，无论是定向广告、价格歧视，还是产品改进（例如,更好的搜索结果,更个性化的产品推荐），往往都是通过机器学习算法的帮助。虽然观察家们承认大数据带来的各种效率，但仍有许多担忧。第一个担忧是，数据可能会妨碍有效竞争，通过提高进入壁垒或创建赢家通吃的情况。第二个相关的担忧是，主导企业还可能从事与数据有关的排他性行为，拒绝向其他企业提供数据，签订排他性合同或使用搭售和交叉使用协议。第三个广泛关注的问题是剥削行为，当企业要么利用其优势地位收集过多的数据，要么利用其数据从消费者身上榨取剩余，并进行行为歧视，允许平台从其薄弱的用户那里榨取更多的价值。最后，数字领域越来越多的兼并涉及数据，而竞争当局应该如何应对这种数据驱动的兼并仍然存在争论。

数据对数字经济的重要性导致了迅速增长的经济学文献。这些文献中的大多数论文集中在使用(例如价格歧视、定向广告等)的一类数据和(例如,独家交易、兼并、市场结构的演变等)的一组狭义问题上。虽然相应的详细建模使研究者能够揭示和理解一些适用于某些特定情况的新的经济机制，但这种方法的一个缺点是，各种模型和问题之间的联系并不总是明确的。

在本文中，我们提出了一个框架，允许对数据的各种用法进行统一的处理，并得出了与上述政策问题相关的一些结果。我们考虑了一个企业在效用空间中竞争的模型。这种方法足够灵活，可以囊括各种商业模式，如价格竞争、统一或个性化的价格。我们将数据建模为收入转移输入：对于给定的效用，一个更好的数据集可以使企业从每个消费者那里获得更多的收入，这是数据的许多用途的自然属性。我们的第一个主要结果是描述了数据单方面亲竞争(或单方面的反竞争)的环境，因为更好的数据集会诱导公司向消费者提供更多或更少的效用。我们证明，在很多情况下，不需要对需求函数的形状做特定的假设，就可以评估数据的亲竞争或反竞争性质，而只依赖于效用和收益之间的映射。我们将结果应用于各种受数据使用标准模型启发的例子中。

这一初步的静态分析仅依赖于数据的收益转移性质，为本文其余部分的分析提供了基础。然后我们考虑数据的其他性质来研究各种问题。

首先，我们研究数据驱动的并购。我们考虑两个相邻的市场：在(垄断的)市场A上产生的数据可以被在市场B上竞争的公司使用。在这里，数据是市场A上活动的副产品，因此积极地依赖于该市场上提供给消费者的效用。我们研究了市场A的垄断者与B竞争者之一之间的合并，并特别研究了合并如何通过向消费者提供效用来影响A公司收集数据的动机。在这种情况下，数据的特殊性在于，由于监管约束或合约摩擦，A公司可能不可能在没有合并的情况下将数据许可给B公司。我们表明，数据贸易在没有合并的情况下是否可能，以及数据的亲竞争或反竞争性质，是决定合并是否有利于消费者的重要因素。

接下来，我们转向研究数据与市场结构之间的联系，考虑一个动态模型，其中一个时期的销售产生的数据可以在以后的时期使用。我们表明，数据导致市场支配地位或阻止进入的一个必要条件是它是单方面促进竞争的。虽然很直观，但这一点- -据我们所知并没有明确说明- -表明了数据对市场结果的静态和动态影响之间的紧张关系，这可以构成对实践者的指导。

最后，我们在一个由垄断者收集数据的模型中引入消费者隐私关注。我们的基准模型可以适应这种情况，有可能调整收集更多的数据可能会减少公司的收入，为给定的效用提供。我们表明，企业可能会收集太少或太多的数据，这取决于数据是单方面的促进竞争还是反竞争。在这种背景下，一个潜在的摩擦可能是消费者无法观察到有多少数据被收集或出售给第三方。效率低下的另一个来源是消费者之间的数据外部性：关于消费者的数据可能会帮助公司了解其他公司的情况。我们讨论了各种政策干预措施：限制数据收集的数量，增加消费者对数据收集的控制，增加透明度。虽然前两种政策在数据单方面反竞争时效果良好，但当数据是亲竞争时，它们是无效的，甚至会适得其反。当数据单方面促进竞争时，透明度提供了更大的灵活性，并可能实现次优。

研究贡献

总的来说，我们的贡献是双重的。首先，通过将数据作为收入转移者纳入效用竞争模型，我们提供了一个与数据的具体使用不紧密相关的分析，回答了对数据的竞争效应有更全面理解的要求。在这个模型中，我们给出了数据单方面支持或反对竞争的条件，这些条件与所选择的离散选择模型设定无关。通过将这一分析应用于以特定方式使用数据的各种"现成"模型，我们说明了该方法的通用性和有用性，该方法将企业的业务模式与数据的竞争效应联系起来。

其次，在数据（数据驱动的兼并,市场结构的演变,隐私）存在的情况下，我们依靠这一框架对与竞争有关的几个重要政策问题产生了新的见解，有助于在这一领域进行持续的政策辩论。

研究结论

在围绕数字经济进行激烈监管审查的时代，重要的是在一定的概念清晰度下进行辩论。当涉及数据及其竞争含义时，经济学家开发的模型的多样性可能会以这种清晰的方式运行。

在本文中，我们提出了另一种基于竞争-无益框架的互补方法。这种方法所带来的灵活性使我们能够在数据使用（例如,产品改进、定向广告、价格歧视等）的各种情景下分析各种政策问题（例如,市场结构,数据驱动的兼并,数据收集法规等）。在我们的框架中，数据的关键属性是它允许企业为给定的效用提供更多的每一个消费者的收入。

研究表明，在很多情况下，数据的（单方面的）亲近竞争或反竞争性质可以独立地从消费者人均收入函数的性质中推断出来，并使用各种例子说明该方法的有用性。数据反过来是促进竞争还是反竞争具有重要的意义，例如，关于市场结构的演变。研究表明，数据不能在静态意义上反竞争，同时导致倾销或进入壁垒。当涉及到数据驱动的兼并时，当数据具有竞争优势时，兼并的一个关键条件是独立企业之间的数据交易受到严格的限制。在隐私规制领域，当数据具有反竞争性时，限制数据收集或将个人控制权授予消费者的政策是可取的，但当数据具有亲竞争性时，这些政策则表现不佳。

如何获取文献？

关注本公众号：图灵财经

来源：CEPR Discussion Papers

作者：Alexandre de Corni`ere and Greg Taylor

精彩推荐

更多精彩内容