第 7 章平台竞争与监管

🎧 本章配套播客

前六章我们分析的大多是单一平台的行为——如何定价、如何设计、如何启动。但现实中，平台很少独占市场。滴滴要与高德打车竞争，淘宝要与拼多多争夺商家和消费者，微信支付与支付宝在移动支付领域持续角力。平台之间的竞争有什么特殊之处？网络效应如何影响竞争格局？为什么有些市场最终只剩一家平台，而另一些市场可以容纳多个竞争者？

平台竞争既是商业战略问题，也是公共政策问题。2021 年，中国对阿里巴巴开出 182.28 亿元的反垄断罚单，对美团处以 34.42 亿元罚款；欧盟通过《数字市场法》对大型平台施加严格义务；美国对 Google、Amazon 发起反垄断诉讼。全球范围内，如何监管数字平台成为政策制定者面临的核心挑战。

本章将理论与政策结合，系统分析平台竞争的经济学原理，探讨市场可竞争性问题，并评估竞争政策与监管框架的有效性。

学习目标

理解市场倾覆的条件与机制，区分「争夺市场」与「市场内竞争」两种竞争形态
掌握 Armstrong (2006) 竞争模型的核心逻辑，分析竞争性瓶颈与多栖行为的影响
运用可竞争性分析框架评估转换成本、进入壁垒与动态竞争
评价相关市场界定、滥用市场支配地位、合并控制等反垄断问题在平台经济中的特殊性

7.1 平台竞争

平台竞争与传统企业竞争有本质区别。传统企业主要在产品质量、价格和成本上竞争；平台则在网络规模上竞争——谁能吸引更多用户，谁就能提供更大的网络价值，从而吸引更多用户。这种正反馈机制使平台竞争容易形成赢者通吃格局。

7.1.1 市场倾覆

市场倾覆（Tipping）指市场从多平台共存状态快速转变为单一平台主导的过程。一旦某个平台获得领先优势，网络效应会放大这一优势，最终导致竞争对手被边缘化甚至退出市场。

倾覆的条件

并非所有平台市场都会倾覆。市场是否倾覆取决于以下因素：

网络效应强度：跨组网络效应越强，用户从大平台获得的收益越多，倾覆越可能发生。
规模经济：固定成本越高、边际成本越低，大平台的成本优势越明显。
平台差异化程度：平台越同质化，用户越容易转向领先平台。
多栖成本：用户同时使用多个平台的成本越高，市场越容易倾覆。

我们可以用网络收益函数的形态来刻画倾覆条件。设 $U(N)$ 表示用户在规模为 $N$ 的网络中获得的效用。考虑两组用户，每组可以协调选择同一平台，但两组之间不协调。

情形一：$U(1) = 0, U(2) = B$

网络效益只有在两组用户都加入时才能实现。这意味着： - 如果两组用户选择不同平台，每组的效用为零 - 只有当两组用户协调到同一平台时，才能获得效用 $B$

在这种情况下，市场必然倾覆。任何试图吸引单独一组用户的平台都无法提供网络价值，因此没有生存空间。这是「争夺市场」（Competition for the Market）的典型情形。

情形二：$U(1) = B = U(2)$

网络效益在只有一组用户时就能完全实现，第二组用户的加入不会增加额外效用。这意味着： - 每个平台只需吸引一组用户就能提供完整的网络价值 - 两个平台可以各自吸引一组用户，实现共存

在这种情况下，市场可以支持多平台竞争。这是「市场内竞争」（Competition in the Market）的情形。

核心概念 7.1：网络收益函数的形态决定竞争格局

当网络收益函数呈凸性（$U(1)$ 远小于 $U(2)$），市场趋向倾覆，形成「争夺市场」格局；当网络收益函数呈凹性（$U(1)$ 接近 $U(2)$），市场可容纳多平台，形成「市场内竞争」格局。

中间情形与策略行为

现实中，$U(1)$ 通常介于 0 和 $U(2)$ 之间。在这种情况下，即使市场本可以支持多平台竞争，在位平台也有动机策略性地阻止竞争。

考虑一个已经吸引了两组用户的在位平台。即使 $U(1) = U(2) = B$（第二组用户对网络价值没有边际贡献），在位平台仍有强烈动机留住两组用户——因为这可以剥夺潜在进入者获取用户基础的机会。

这说明一个关键现象：平台声称「我们的规模优势来自服务质量」可能是误导性的。 即使规模本身不提升服务质量，维持大规模也是一种竞争策略——通过剥夺竞争对手的用户基础来阻止进入。

7.1.2 竞争定价：Armstrong (2006) 模型

当多个平台在市场中共存时，它们如何竞争？Armstrong (2006) 的经典模型提供了分析框架。

模型设定

考虑两个差异化平台 1 和 2，服务买方（B）和卖方（S）两组用户。平台差异化体现为 Hotelling 空间竞争：两平台分别位于单位线段的两端，用户均匀分布在线段上，与平台的「距离」代表品味差异，单位距离的交通成本为 $t_B$（买方）和 $t_S$（卖方）。

用户效用函数为： \[u_B^i = \alpha_B n_S^i - p_B^i - t_B d_B^i\] \[u_S^i = \alpha_S n_B^i - p_S^i - t_S d_S^i\]

其中 $\alpha_B, \alpha_S > 0$ 是跨组网络效应参数，$n_S^i, n_B^i$ 是平台 $i$ 上的用户数量，$p_B^i, p_S^i$ 是平台 $i$ 向两边收取的价格，$d_B^i, d_S^i$ 是用户到平台 $i$ 的距离。

单栖均衡

假设所有用户都单栖（Single-homing）——每个用户只选择一个平台。位于 $x$ 的买方选择平台 1 当且仅当： \[\alpha_B n_S^1 - p_B^1 - t_B x > \alpha_B n_S^2 - p_B^2 - t_B (1-x)\]

解得无差异买方位置： \[\hat{x}_B = \frac{1}{2} + \frac{\alpha_B(n_S^1 - n_S^2) - (p_B^1 - p_B^2)}{2t_B}\]

类似地，无差异卖方位置： \[\hat{x}_S = \frac{1}{2} + \frac{\alpha_S(n_B^1 - n_B^2) - (p_S^1 - p_S^2)}{2t_S}\]

在对称均衡中，$n_B^1 = n_B^2 = 1/2$，$n_S^1 = n_S^2 = 1/2$，$p_B^1 = p_B^2 = p_B^*$，$p_S^1 = p_S^2 = p_S^*$。

均衡价格

通过利润最大化，可以推导出均衡价格： \[p_B^* = t_B - \alpha_S\] \[p_S^* = t_S - \alpha_B\]

核心结论 7.2：竞争中的价格结构

在差异化平台竞争中，均衡价格等于交通成本（衡量平台差异化程度）减去该方对另一方产生的网络效应。网络效应越强的一方，对另一方的吸引力越大，因此会被收取更低的价格甚至获得补贴。

竞争与利润

平台利润函数为： \[\pi = (p_B - c_B) \cdot n_B + (p_S - c_S) \cdot n_S\]

假设边际成本为零（$c_B = c_S = 0$），在对称均衡中 $n_B = n_S = 1/2$，代入均衡价格可得： \[\pi^* = (t_B - \alpha_S) \cdot \frac{1}{2} + (t_S - \alpha_B) \cdot \frac{1}{2} = \frac{t_B + t_S - \alpha_B - \alpha_S}{2}\]

这个结果有两个重要含义：

差异化提升利润：$t_B$ 和 $t_S$ 越大（平台越差异化），利润越高。这与传统 Hotelling 竞争一致。
网络效应加剧竞争：$\alpha_B$ 和 $\alpha_S$ 越大（网络效应越强），利润越低。原因是：强网络效应使得吸引额外用户的价值更高，平台更愿意降价争夺用户。

当 $\alpha_B + \alpha_S > t_B + t_S$ 时，均衡利润为负——网络效应太强导致竞争过于激烈，市场无法支持两个平台共存。此时市场将倾覆为垄断。

数值例子：网络效应与竞争强度

设 $t_B = t_S = 1$，考虑不同网络效应强度下的均衡：

网络效应参数	均衡价格	均衡利润	市场结构
$\alpha_B = \alpha_S = 0$	1	1	双寡头，高利润
$\alpha_B = \alpha_S = 0.5$	0.5	0.5	双寡头，中等利润
$\alpha_B = \alpha_S = 0.9$	0.1	0.1	双寡头，低利润
$\alpha_B = \alpha_S = 1.1$	-0.1	-0.1	市场倾覆

当网络效应参数超过交通成本时，双寡头均衡不可持续，市场将倾覆为垄断。

7.1.3 单栖与多栖

用户是否可以同时使用多个平台（多栖，Multi-homing），对竞争格局有深远影响。

竞争性瓶颈

竞争性瓶颈（Competitive Bottleneck）是指：当一边用户单栖而另一边用户多栖时，平台对多栖一边拥有垄断定价能力。

考虑一个广告支持的媒体平台。消费者通常单栖——大多数人只使用一个社交网络作为主要平台。广告商则多栖——为了触达所有潜在消费者，广告商必须在所有主要平台投放广告。

在这种情况下： - 平台 A 的消费者只能通过平台 A 触达 - 广告商若想接触这些消费者，别无选择，只能在平台 A 投放 - 平台 A 对其消费者群体拥有「瓶颈」控制权

核心概念 7.3：竞争性瓶颈

当买方单栖、卖方多栖时，每个平台对其买方用户群体形成「瓶颈」。卖方为了触达特定平台的买方，必须向该平台付费，即使卖方已经加入了其他平台。这使平台可以对卖方收取垄断价格。

竞争性瓶颈下的定价

在竞争性瓶颈情形下，Armstrong (2006) 证明： \[p_S^* = \alpha_S / 2\]

卖方支付的价格与平台差异化程度无关，只取决于卖方从接触买方获得的网络收益。平台表现得像是卖方「接入」其买方群体的垄断者。

同时，买方获得的价格为： \[p_B^* = t_B - \alpha_B - \alpha_S / 2\]

平台在买方一边激烈竞争，因为吸引更多买方就意味着可以向卖方收取更多费用。

多栖对竞争的影响

多栖行为如何影响竞争？这取决于哪一边多栖：

高网络效应方多栖：降低竞争强度。如果卖方多栖，买方可以在任一平台接触到所有卖方，减少了买方转换平台的激励。
低网络效应方多栖：影响较小。买方多栖不会显著改变卖方的平台选择。

案例：外卖平台的竞争性瓶颈

中国外卖市场呈现典型的竞争性瓶颈结构：

消费者：大多数消费者安装多个外卖 App，但主要使用一个（近似单栖）
餐厅：为了不流失任何客源，餐厅普遍同时入驻美团和饿了么（多栖）
骑手：骑手可能为多个平台配送（多栖）

结果是：每个平台对其主要用户群体形成瓶颈。餐厅必须向美团付费才能触达美团的忠实用户，即使餐厅已经入驻了饿了么。这解释了为什么外卖平台可以收取 15%-25% 的高额佣金——这是竞争性瓶颈下的垄断定价。

美团「二选一」的本质是试图将餐厅从多栖变为单栖，从而打破竞争性瓶颈结构，转向完全的市场倾覆。

策略性排他

平台可能通过合同条款或技术手段强制用户单栖，即排他性安排（Exclusive Dealing）。排他性的竞争效应是复杂的：

反竞争效应：排他性阻止用户使用竞争平台，可能导致市场封锁
效率效应：排他性可以增强平台激励进行关系专用投资

Armstrong & Wright (2007) 指出，排他性条款的竞争效应取决于哪一边被施加排他性约束。如果是低网络效应方被限制单栖，竞争反而可能加剧；如果是高网络效应方被限制，则可能导致市场封锁。

7.1.4「争夺市场」与「市场内竞争」

综合以上分析，我们可以区分两种竞争形态：

争夺市场（Competition for the Market）

特征： - 网络效应强、平台同质化、多栖成本高 - 市场最终倾覆为垄断或近似垄断 - 竞争发生在市场形成阶段，胜者获得持久优势 - 典型案例：操作系统（Windows）、社交网络（微信）

政策含义： - 难以通过促进竞争来改善市场结构 - 应关注可竞争性——确保潜在进入者有机会挑战在位者 - 行为监管可能比结构分拆更有效

市场内竞争（Competition in the Market）

特征： - 网络效应适度、平台差异化、多栖成本低 - 市场可持续支持多个平台共存 - 竞争持续进行，用户可在平台间切换 - 典型案例：外卖平台、网约车、电商平台

政策含义： - 可通过促进竞争来改善市场效率 - 应关注阻碍竞争的行为（如「二选一」） - 降低转换成本和多栖成本是有效的政策工具

判断市场类型的困难

在实践中，判断一个市场属于哪种类型是困难的。在位平台有动机宣称市场属于「争夺市场」类型，以为其垄断地位辩护。但这种宣称可能具有策略性——即使市场本可以支持竞争，在位者也会采取措施促进倾覆。

监管者需要分析反事实情景：如果没有在位者的策略行为，市场结构会是怎样的？这需要对网络效应的形态进行深入的经济分析。

7.2 可竞争性

即使市场已经倾覆为垄断，如果潜在进入者能够有效挑战在位者，市场仍然是可竞争的（Contestable）。可竞争性取决于用户的转换能力和新进入者的进入可行性。

7.2.1 用户锁定与转换成本

转换成本（Switching Cost）是指用户从一个平台迁移到另一个平台所需付出的代价。转换成本越高，在位平台的地位越稳固。

转换成本的来源

学习成本：适应新平台的界面、功能和使用习惯
数据迁移成本：历史数据、内容、社交关系的迁移
网络效应损失：离开原平台意味着失去与留守用户的连接
合同约束：长期合同、违约金、会员权益损失
搜索成本：寻找和评估替代平台的时间精力

数据可携带性

数据可携带性（Data Portability）是指用户将自己的数据从一个平台转移到另一个平台的能力。欧盟《通用数据保护条例》（GDPR）第 20 条规定了数据可携带权。

数据可携带性可以降低转换成本，提升市场可竞争性。但其实际效果取决于： - 数据格式是否标准化、可互操作 - 接收平台是否有能力利用这些数据 - 用户是否有动机和能力行使这一权利

案例：社交媒体的数据可携带性

假设你想从微信迁移到另一个社交应用。即使你可以导出聊天记录和联系人列表，新应用能做什么呢？

聊天记录：新应用可以导入，但与留在微信的朋友的历史记录仍在微信
联系人：可以导入，但朋友仍在微信，你无法通过新应用联系他们
朋友圈内容：可以导出，但失去了互动的社交语境

核心问题是：数据的价值很大程度上依赖于网络效应。单纯的数据可携带性无法解决网络效应锁定问题。

互操作性

互操作性（Interoperability）是指不同平台或系统之间协同工作的能力。如果平台 A 的用户可以与平台 B 的用户通信，用户就不需要为了与特定人群交流而选择特定平台。

互操作性比数据可携带性更能有效降低转换成本，因为它直接解决了网络效应锁定问题。但互操作性也面临挑战： - 技术标准的协调 - 服务质量和安全性的保障 - 平台差异化优势的削弱

案例：平台互联互通

2021 年 9 月，工信部召开「屏蔽网址链接问题行政指导会」，要求互联网平台解除不合理的外链限制。此后，互联互通逐步推进。

主要进展： - 微信逐步放开在聊天中分享淘宝链接 - 淘宝接入微信支付（2024 年 9 月正式宣布） - 抖音与美团在本地生活领域合作

经济学分析： - 互联互通降低了用户的多栖成本 - 打破了「围墙花园」，提升了市场可竞争性 - 平台竞争维度从「流量封锁」转向「服务质量」

争议： - 强制互操作性可能削弱平台创新激励 - 互联互通后的数据安全和隐私保护问题 - 平台差异化优势是否会被侵蚀

7.2.2 进入壁垒

即使用户愿意转换，潜在进入者也可能因为进入壁垒而无法有效竞争。

临界规模壁垒

第 3 章分析过，网络商品市场存在临界规模（Critical Mass）。新进入者必须跨越临界规模才能启动正反馈循环。但在位者的存在使得跨越临界规模更加困难： - 用户已经从在位平台获得网络价值，转换的机会成本更高 - 进入者需要提供足够的补贴来弥补网络规模劣势 - 协调用户同时转换面临集体行动困境

数据壁垒

在位平台积累了大量用户数据，这些数据可以用于改进服务、训练算法、实现个性化。新进入者没有这些数据，难以提供同等质量的服务。

数据壁垒的严重程度取决于： - 数据是否具有规模报酬递增（更多数据 → 更好的算法 → 更多用户） - 数据是否具有时效性（旧数据是否仍有价值） - 数据获取是否存在替代途径

数据网络效应与进入壁垒

数据网络效应（Data Network Effects）与第 1 章讨论的直接网络效应不同。直接网络效应来自用户规模本身（更多用户 → 更大网络价值），数据网络效应则来自数据积累：更多数据 → 更好算法 → 更优服务 → 更多用户 → 更多数据。这种正反馈可能导致数据驱动的垄断。

但数据网络效应的强度存在争议：

支持数据壁垒的观点： - 搜索引擎需要大量查询数据来优化结果 - 推荐系统需要用户行为数据来提高准确性 - 自动驾驶需要海量路况数据来训练模型

质疑数据壁垒的观点： - 数据存在边际报酬递减——超过一定规模后，更多数据的边际贡献很小 - 数据具有时效性——旧数据对预测当前行为的价值有限 - 数据可以通过其他方式获取——购买、合作、用户主动提供

杀伤区

杀伤区（Kill Zone）是指大型平台的存在阻止了特定领域的创业和投资。如果创业公司成功，会被大平台收购或模仿；如果失败，则血本无归。这种不对称的风险收益结构导致风险投资回避这些领域。

杀伤区的形成机制： 1. 收购威胁：大平台倾向于收购有潜力的竞争者 2. 模仿威胁：大平台可以快速复制成功的产品特性 3. 资源不对称：大平台有更多资源投入竞争

杀伤区的证据

Kamepalli, Rajan & Zingales (2020) 研究了 Google 和 Facebook 的收购行为对创业生态的影响。他们发现：

在大平台活跃收购的领域，风险投资显著减少
创业公司越来越倾向于「被收购」而非「独立上市」作为退出策略
这可能导致创新数量和方向的扭曲

但也有研究指出，被收购的预期可能增加创业激励，因为收购提供了有吸引力的退出渠道。杀伤区效应的净影响仍有争议。

7.2.3 动态竞争

前文分析了静态进入壁垒——临界规模、数据优势、杀伤区。但市场可竞争性不仅取决于当前的进入难度，还取决于未来的竞争动态。历史表明，即使存在强大的网络效应和数据壁垒，颠覆性创新仍可能改变市场格局。

颠覆性创新

颠覆性创新（Disruptive Innovation）是指新技术或新商业模式从边缘市场切入，最终挑战在位者的主导地位。

平台市场的颠覆性创新案例： - 智能手机颠覆了功能手机（诺基亚 → iPhone） - 移动支付颠覆了传统支付（银行卡 → 支付宝/微信支付） - 短视频颠覆了长视频（优酷 → 抖音）

颠覆性创新的特点是：新进入者不直接与在位者在主战场竞争，而是服务于被忽视的细分市场或采用全新的价值主张。当新技术成熟后，进入者可以「农村包围城市」，最终击败在位者。

平台生命周期

平台并非永久存在。历史上，许多曾经主导市场的平台最终衰落： - MySpace 被 Facebook 取代 - 雅虎被 Google 取代 - 诺基亚被苹果和安卓取代

平台衰落的原因包括： - 技术范式转移（PC → 移动） - 用户代际更替（新用户没有历史依赖） - 战略失误（未能及时适应市场变化） - 监管干预（反垄断执法、强制互操作性）

竞争政策的时机

动态竞争视角对竞争政策有重要启示：

过早干预的风险：如果市场会通过颠覆性创新自我纠正，过早的反垄断干预可能扭曲市场演化路径。
过晚干预的风险：一旦在位者通过网络效应和数据积累建立起不可逾越的壁垒，竞争可能难以恢复。
预防性干预：欧盟《数字市场法》采取了预防性监管方法——在识别到竞争风险后，不等待实际损害发生就施加行为义务。

动态竞争的不确定性

动态竞争分析面临根本性的不确定性：我们无法预测未来的技术发展和市场演化。

乐观情景：数字市场快速变化，今天的巨头可能是明天的恐龙。放任市场自我调节，创新竞争会确保效率。

悲观情景：网络效应、数据壁垒和平台包络策略使得大型平台的地位越来越难以撼动。没有监管干预，市场将永久僵化。

政策制定者需要在这两种情景之间做出判断，而判断依据往往不充分。这是平台监管面临的根本挑战之一。

7.3 竞争政策与监管

平台经济的独特性给传统竞争政策带来了挑战。本节分析相关市场界定、滥用市场支配地位、合并控制等核心议题，并介绍数字平台监管的新发展。

7.3.1 相关市场界定

反垄断分析的第一步是界定相关市场。只有在界定清楚市场范围后，才能评估企业的市场份额和市场力量。

双边市场的市场界定挑战

平台服务多边用户群体，这给市场界定带来两个问题：

单边还是双边？ 是否应该将平台的两边视为一个统一市场，还是分别界定两个市场？
跨边替代性：如果平台在一边提高价格，用户可能转向替代平台，但这种转换可能同时影响另一边的用户数量和价格。

SSNIP 测试的局限

传统市场界定使用 SSNIP 测试（Small but Significant and Non-transitory Increase in Price）：如果假定垄断者将价格提高 5-10%，用户是否会转向替代品？

但 SSNIP 测试在平台市场面临困难：

零价格问题：许多平台对一边免费服务（如搜索引擎对用户免费）。5-10% 的提价在零价格基础上没有意义。
质量调整问题：平台可能通过降低服务质量（如增加广告）而非提高价格来剥削用户。但服务质量难以量化。
反馈效应：一边提价导致用户流失，进而降低另一边的网络价值，引发连锁反应。静态的 SSNIP 测试难以捕捉这种动态效应。

案例：阿里巴巴案的市场界定

在阿里巴巴反垄断案中，相关市场界定存在争议：

市场监管总局的界定：将相关市场界定为「中国境内网络零售平台服务市场」，包括 B2C 和 C2C 两种模式。

阿里巴巴的主张：认为应将市场界定为「B2C 网络零售平台服务市场」，将 C2C（如淘宝）排除在外。

争议焦点： - B2C（天猫）和 C2C（淘宝）对商家和消费者是否具有替代性？ - 网络零售与线下零售之间是否存在竞争关系？ - 应考虑当前市场还是潜在竞争市场？

经济学依据：市场监管总局采用较宽市场界定的理由包括：

需求替代性：商家可以在 B2C（天猫）和 C2C（淘宝）之间灵活转换
供给替代性：平台技术架构相似，可快速调整服务模式
跨边网络效应：B2C 和 C2C 共享消费者基础，形成统一的双边市场

此案例体现了双边市场界定的复杂性——不能仅看单边替代性，需考虑跨边网络效应对市场边界的影响。

7.3.2 滥用市场支配地位

具有市场支配地位的平台可能采取滥用行为，损害竞争和消费者利益。

自我优待

自我优待（Self-Preferencing）是指平台在向第三方开放的同时，对自有产品或服务给予优惠待遇。

典型例子： - Google 在搜索结果中优先展示自己的比价服务 - Amazon 在商品列表中优先展示自营商品 - Apple 在 App Store 中对自有应用免收 30% 佣金

自我优待的竞争效应是复杂的： - 反竞争效应：利用平台地位排挤第三方竞争者 - 效率效应：平台可能因为自有产品质量更高或用户体验更好而优先推荐

案例：Google 购物案

2017 年，欧盟委员会对 Google 处以 24.2 亿欧元罚款，认定 Google 在搜索结果中系统性地偏向自己的比价购物服务（Google Shopping），构成滥用市场支配地位。

Google 的抗辩： - Google Shopping 提供了更好的用户体验 - 竞争对手仍然可以通过付费广告获得展示 - 市场是动态竞争的，Amazon 才是主要威胁

欧盟的判断： - Google 利用搜索引擎的主导地位为 Shopping 服务导流 - 竞争对手的比价服务流量显著下降 - 这种杠杆效应（leveraging）构成滥用行为

该案确立了平台自我优待可能构成反垄断违法行为的先例。

排他性行为

排他性行为是指平台阻止用户或第三方与竞争平台交易的行为。中国的「二选一」就是典型案例。

掠夺性定价的特殊性

在传统反垄断分析中，低于成本的定价可能构成掠夺性定价（Predatory Pricing）。但在平台市场，对一边的「亏本」可能是最优策略而非掠夺： - 平台对买方的补贴可以吸引更多买方 - 更多买方提升平台对卖方的价值 - 卖方愿意支付更高价格，平台从卖方获利

因此，不能简单地将一边的低价或免费视为掠夺性定价的证据。

但这不意味着平台市场不存在掠夺行为。区分的关键是： - 结构性补贴：持续对一边补贴、另一边盈利，是双边市场的正常运作 - 策略性烧钱：对两边同时补贴，依靠融资支撑，目的是消灭竞争对手，这可能构成掠夺

案例：阿里巴巴「二选一」

阿里巴巴的「二选一」行为是中国平台反垄断执法的标志性案例。

行为描述：阿里巴巴通过合同条款、平台规则、数据和流量限制等手段，要求商家在阿里系平台（天猫、淘宝）独家经营，不得在京东、拼多多等竞争平台开店。

实施手段： - 对「叛逃」商家取消参与促销活动的资格 - 降低搜索排名和流量曝光 - 以技术问题为由限制店铺功能 - 通过大数据监测商家在其他平台的经营行为

处罚结果： 2021 年 4 月，市场监管总局认定阿里巴巴构成《反垄断法》第十七条禁止的「限定交易」行为，处以 2019 年中国境内销售额 4% 的罚款，共计 182.28 亿元。

经济学分析： - 「二选一」本质是强制商家单栖，消除竞争性瓶颈结构 - 如果成功，市场将从双寡头演变为垄断 - 但商家福利和消费者福利的影响是复杂的——商家失去多栖选择，但可能获得更多流量支持

处罚后的市场变化：短期内，商家可以自由选择多平台经营。但市场格局并未发生根本性变化——网络效应和规模优势仍使阿里系平台保持领先地位。这说明反垄断处罚可以纠正行为，但难以改变市场结构。

7.3.3 合并控制

平台之间的合并可能产生显著的竞争效应。传统合并控制关注横向合并（竞争者之间）和纵向合并（上下游之间），但平台合并往往涉及更复杂的生态系统竞争。

潜在竞争者收购

大型平台经常收购可能成为未来竞争者的初创公司。这类收购的竞争效应难以评估： - 被收购企业尚未形成实质竞争威胁 - 无法确定独立发展是否会成功 - 收购可能带来整合效率

杀手收购

杀手收购（Killer Acquisition）是指收购潜在竞争者后将其关闭或雪藏，而非整合运营。收购方的目的是消除竞争威胁，而非获取技术或人才。

Cunningham, Ederer & Ma (2021) 研究制药行业发现，约 5-7% 的收购属于杀手收购——被收购的在研药物被终止开发。数字平台领域是否存在类似现象仍有争议。

效率抗辩

合并方通常主张合并会产生效率收益： - 规模经济和范围经济 - 技术整合和产品改进 - 消除重复投资

反垄断机构需要权衡效率收益与竞争损害。在平台合并中，这种权衡特别困难，因为： - 效率收益可能需要多年才能实现 - 竞争损害的程度取决于市场演化路径 - 双边市场的福利分析比单边市场更复杂

Facebook 收购 Instagram 和 WhatsApp 的教训

2012 年，Facebook 以 10 亿美元收购 Instagram（当时只有 13 名员工）。2014 年，Facebook 以 190 亿美元收购 WhatsApp。

这两起收购当时都获得了监管机构的批准。事后来看： - Instagram 成长为拥有超过 20 亿用户的主要社交平台 - WhatsApp 成为全球最大的即时通讯应用 - 如果保持独立，它们可能成为 Facebook 的有力竞争者

这引发了对并购控制的反思： - 如何评估初创企业的竞争潜力？ - 是否应该对大型平台的收购采取更严格的审查标准？ - 应否将「举证责任」从反对者转移到收购方？

欧盟《数字市场法》要求「守门人」（Gatekeeper）企业向欧盟委员会通报所有合并计划，即使未达到传统的申报门槛。

7.3.4 数字平台监管

传统竞争法采取事后执法模式——在损害发生后才进行调查和处罚。但数字平台市场的特点（网络效应、快速变化、赢者通吃）可能使事后执法效果有限。因此，各司法管辖区开始探索事前监管（ex ante regulation）。

欧盟《数字市场法》

2022 年生效的欧盟《数字市场法》（Digital Markets Act, DMA）是全球首部针对大型数字平台的系统性监管立法。

核心要素： 1. 守门人认定：符合特定规模标准的平台被认定为「守门人」 2. 行为义务：守门人必须遵守一系列义务，包括： - 允许第三方与守门人服务互操作 - 不得在排名中自我优待 - 允许用户卸载预装应用 - 不得阻止用户在平台外交易 - 向广告商提供定价和效果数据 3. 处罚机制：违规可处以全球营业额 10% 的罚款，累犯可达 20%

欧盟《数字服务法》

《数字服务法》（Digital Services Act, DSA）于 2022 年通过，聚焦于平台内容治理： - 非法内容的处理义务 - 算法推荐的透明度要求 - 在线广告的披露义务 - 用户投诉和救济机制

中国平台反垄断

中国自 2020 年底开始加强对平台经济的反垄断监管。

关键文件： - 《关于平台经济领域的反垄断指南》（2021 年 2 月） - 《国务院反垄断委员会关于平台经济领域的反垄断指南》

重大执法案例： - 阿里巴巴案：182.28 亿元罚款 - 美团案：34.42 亿元罚款 - 滴滴数据安全审查：80.26 亿元罚款 - 多起未依法申报经营者集中案件

案例：美团「二选一」反垄断案

2021 年 10 月，市场监管总局对美团处以 34.42 亿元罚款，并要求退还独家合作保证金 12.89 亿元。

行为认定：美团自 2018 年以来，通过差别费率、流量惩罚、配送限制等手段，强制商家独家合作。

市场分析： - 美团在网络餐饮外卖市场占据约 70% 的份额 - 外卖市场呈现典型的竞争性瓶颈结构 - 「二选一」行为削弱了饿了么等竞争者的竞争能力

处罚后的市场演变： - 商家可以自由选择多平台经营 - 但市场格局短期内未发生根本变化 - 2025 年京东入局外卖，市场竞争加剧

思考：美团案说明，反垄断处罚可以纠正违法行为，但难以快速改变已经形成的市场结构。网络效应和规模优势使得在位者的地位具有持久性。提升市场可竞争性可能需要更多配套措施，如降低转换成本、促进数据共享、支持新进入者。

算法治理

算法已成为平台经济的核心基础设施。算法治理是平台监管的新前沿。

案例：算法推荐治理

2022 年 3 月，《互联网信息服务算法推荐管理规定》正式实施。这是全球首部系统性规制算法的法律文件。

核心要求： - 算法知情权：用户有权了解算法推荐的基本原理 - 算法选择权：用户可关闭个性化推荐功能 - 禁止「大数据杀熟」：不得利用算法进行不合理差别待遇 - 标签管理权：用户可选择、修改或删除用于推荐的用户标签

「大数据杀熟」的经济学：「大数据杀熟」本质是利用算法进行价格歧视。平台通过分析用户行为数据，识别用户的价格敏感度，对不同用户收取不同价格。

从经济学角度： - 完美价格歧视可以提升效率（消除无谓损失） - 但在信息不对称条件下，消费者无法识别自己被歧视 - 价格歧视损害了消费者公平感知和信任

监管效果：各大平台已上线「关闭个性化推荐」功能。但实际效果有待观察——关闭个性化推荐可能降低服务质量，用户可能不愿意使用这一选项。

案例：滴滴数据安全审查

滴滴案是中国数据安全监管的标志性案例，也体现了平台监管的多维度性质。

事件经过： - 2021 年 6 月 30 日：滴滴在纽约证券交易所上市 - 2021 年 7 月 2 日：国家网信办宣布对滴滴实施网络安全审查 - 2021 年 7 月 4 日：滴滴 App 被下架 - 2022 年 7 月：滴滴被处以 80.26 亿元罚款 - 2022 年 12 月：滴滴从纽交所退市

数据主权视角：滴滴掌握海量出行数据，包括用户位置信息、出行轨迹、支付记录。赴美上市引发了数据跨境流动的安全担忧。

平台全球化与数据主权的冲突： - 平台企业追求全球化发展，寻求境外上市融资 - 国家对关键数据基础设施有主权诉求 - 如何平衡企业发展与数据安全是各国共同面临的挑战

后续影响： - 多家计划赴美上市的中国企业取消或推迟 IPO - 《数据安全法》《个人信息保护法》加速实施 - 数据安全成为平台监管的核心议题之一

本章小结

本章系统分析了平台竞争的经济学原理和监管政策框架。核心要点如下：

市场倾覆取决于网络收益函数的形态。当网络效益需要大规模用户才能实现时，市场趋向垄断（「争夺市场」）；当部分用户就能实现网络效益时，市场可支持多平台竞争（「市场内竞争」）。
竞争加剧侵蚀利润。Armstrong (2006) 模型表明，网络效应越强，平台竞争越激烈，均衡利润越低。当网络效应超过平台差异化程度时，市场将倾覆。
竞争性瓶颈影响价格结构。当一边用户单栖、另一边多栖时，平台对多栖一边拥有垄断定价能力。「二选一」的本质是试图消除竞争性瓶颈结构。
可竞争性是关键。即使市场已经集中，只要潜在进入者能够有效挑战在位者，市场仍然是健康的。降低转换成本、促进数据可携带性和互操作性是提升可竞争性的政策工具。
平台反垄断面临独特挑战。双边市场的市场界定困难、零价格市场的 SSNIP 测试失效、一边补贴不等于掠夺性定价、动态竞争的不确定性——这些都要求反垄断分析框架的更新。
事前监管与事后执法互补。欧盟《数字市场法》和中国的平台反垄断实践表明，传统的事后执法可能不足以应对平台经济的挑战，事前的行为义务和监管框架正在成为新趋势。

思考题

概念理解：解释「争夺市场」与「市场内竞争」的区别。在什么条件下，一个市场更可能属于前者？请举例说明。
模型应用：在 Armstrong (2006) 模型中，如果买方的网络效应参数 $\alpha_B$ 增加，对均衡价格和利润有何影响？请给出经济学直觉。
案例分析：阿里巴巴反垄断案中，市场界定为什么是争议焦点？如果采用更窄的市场界定（仅 B2C），对案件结论可能有何影响？
竞争分析：比较阿里「二选一」案和美团「二选一」案的市场结构差异。为什么两者都被处罚，但市场格局演变不同？竞争性瓶颈理论能否解释这一差异？
数据治理：滴滴赴美上市引发数据安全审查。如何平衡平台企业的全球化发展与国家数据主权？数据可携带性和数据本地化两种政策工具的利弊是什么？
开放思考：有观点认为，数字平台市场变化迅速，今天的巨头可能是明天的恐龙，因此不需要反垄断干预。你是否同意这一观点？请结合中国平台经济的发展，给出你的分析。

修订记录

修订项	类型	修订内容
1	高	补充利润函数推导过程（7.1.2），增加利润函数表达式和代入计算
2	高	区分数据网络效应与直接网络效应（7.2.2），明确两者的不同机制
3	中	消除 AI 味表达：「不仅关乎…更涉及」改为「既是…也是」
4	中	消除 AI 味表达：「揭示了一个重要洞察」改为「说明一个关键现象」
5	中	优化 7.2.3 开头，增加与前文静态壁垒分析的衔接
6	中	补充阿里案市场界定的经济学依据（需求替代性、供给替代性、跨边网络效应）
7	中	重新设计思考题：新增第 4 题（阿里与美团案对比）、第 5 题（数据治理）
8	低	优化语言：「往往呈现『赢者通吃』的特征」改为「容易形成赢者通吃格局」
9	低	优化数值例子表格列名，增强可读性
10	低	补充中文延伸阅读文献 3 篇

延伸阅读

核心文献

Armstrong, M. (2006). Competition in two-sided markets. RAND Journal of Economics, 37(3), 668-691.
Armstrong, M., & Wright, J. (2007). Two-sided markets, competitive bottlenecks and exclusive contracts. Economic Theory, 32(2), 353-380.
Rochet, J.-C., & Tirole, J. (2003). Platform competition in two-sided markets. Journal of the European Economic Association, 1(4), 990-1029.

政策报告

Crémer, J., de Montjoye, Y.-A., & Schweitzer, H. (2019). Competition Policy for the Digital Era. European Commission.
Furman, J., et al. (2019). Unlocking Digital Competition. UK Government.

进阶阅读

Belleflamme, P., & Peitz, M. (2021). The Economics of Platforms: Concepts and Strategy. Cambridge University Press. Chapter 7.
Katz, M. L. (2021). Big tech mergers: Innovation, competition for the market, and the acquisition of emerging competitors. Information Economics and Policy, 54, 100883.
Motta, M., & Peitz, M. (2021). Big tech mergers. Information Economics and Policy, 54, 100868.

--- title: "第 7 章平台竞争与监管" --- ::: {.callout-tip} ## 🎧 本章配套播客 <audio controls style="width: 100%;" src="../../参考资料及素材/textbooks/economics_of_platforms/中长度播客/chapter-7/podcast.mp3"></audio> ::: 前六章我们分析的大多是单一平台的行为——如何定价、如何设计、如何启动。但现实中，平台很少独占市场。滴滴要与高德打车竞争，淘宝要与拼多多争夺商家和消费者，微信支付与支付宝在移动支付领域持续角力。平台之间的竞争有什么特殊之处？网络效应如何影响竞争格局？为什么有些市场最终只剩一家平台，而另一些市场可以容纳多个竞争者？平台竞争既是商业战略问题，也是公共政策问题。2021 年，中国对阿里巴巴开出 182.28 亿元的反垄断罚单，对美团处以 34.42 亿元罚款；欧盟通过《数字市场法》对大型平台施加严格义务；美国对 Google、Amazon 发起反垄断诉讼。全球范围内，如何监管数字平台成为政策制定者面临的核心挑战。本章将理论与政策结合，系统分析平台竞争的经济学原理，探讨市场可竞争性问题，并评估竞争政策与监管框架的有效性。 ::: {.callout-important} ## 学习目标 1. **理解** 市场倾覆的条件与机制，区分「争夺市场」与「市场内竞争」两种竞争形态 2. **掌握** Armstrong (2006) 竞争模型的核心逻辑，分析竞争性瓶颈与多栖行为的影响 3. **运用** 可竞争性分析框架评估转换成本、进入壁垒与动态竞争 4. **评价** 相关市场界定、滥用市场支配地位、合并控制等反垄断问题在平台经济中的特殊性 ::: ![第 7 章思维导图：平台竞争与监管的核心概念体系](images/img_00_chapter7_mindmap.png) ## 7.1 平台竞争平台竞争与传统企业竞争有本质区别。传统企业主要在产品质量、价格和成本上竞争；平台则在网络规模上竞争——谁能吸引更多用户，谁就能提供更大的网络价值，从而吸引更多用户。这种正反馈机制使平台竞争容易形成赢者通吃格局。 ### 7.1.1 市场倾覆 ![市场倾覆的两种情形：争夺市场 vs 市场内竞争](images/img_01_tipping_conditions.png) 市场倾覆（Tipping）指市场从多平台共存状态快速转变为单一平台主导的过程。一旦某个平台获得领先优势，网络效应会放大这一优势，最终导致竞争对手被边缘化甚至退出市场。 **倾覆的条件** 并非所有平台市场都会倾覆。市场是否倾覆取决于以下因素： 1. **网络效应强度**：跨组网络效应越强，用户从大平台获得的收益越多，倾覆越可能发生。 2. **规模经济**：固定成本越高、边际成本越低，大平台的成本优势越明显。 3. **平台差异化程度**：平台越同质化，用户越容易转向领先平台。 4. **多栖成本**：用户同时使用多个平台的成本越高，市场越容易倾覆。我们可以用网络收益函数的形态来刻画倾覆条件。设 $U(N)$ 表示用户在规模为 $N$ 的网络中获得的效用。考虑两组用户，每组可以协调选择同一平台，但两组之间不协调。 **情形一：$U(1) = 0, U(2) = B$** 网络效益只有在两组用户都加入时才能实现。这意味着： - 如果两组用户选择不同平台，每组的效用为零 - 只有当两组用户协调到同一平台时，才能获得效用 $B$ 在这种情况下，市场必然倾覆。任何试图吸引单独一组用户的平台都无法提供网络价值，因此没有生存空间。这是「争夺市场」（Competition for the Market）的典型情形。 **情形二：$U(1) = B = U(2)$** 网络效益在只有一组用户时就能完全实现，第二组用户的加入不会增加额外效用。这意味着： - 每个平台只需吸引一组用户就能提供完整的网络价值 - 两个平台可以各自吸引一组用户，实现共存在这种情况下，市场可以支持多平台竞争。这是「市场内竞争」（Competition in the Market）的情形。 ::: {.callout-important} ## 核心概念 7.1：网络收益函数的形态决定竞争格局当网络收益函数呈凸性（$U(1)$ 远小于 $U(2)$），市场趋向倾覆，形成「争夺市场」格局；当网络收益函数呈凹性（$U(1)$ 接近 $U(2)$），市场可容纳多平台，形成「市场内竞争」格局。 ::: **中间情形与策略行为** 现实中，$U(1)$ 通常介于 0 和 $U(2)$ 之间。在这种情况下，即使市场本可以支持多平台竞争，在位平台也有动机策略性地阻止竞争。考虑一个已经吸引了两组用户的在位平台。即使 $U(1) = U(2) = B$（第二组用户对网络价值没有边际贡献），在位平台仍有强烈动机留住两组用户——因为这可以剥夺潜在进入者获取用户基础的机会。这说明一个关键现象：**平台声称「我们的规模优势来自服务质量」可能是误导性的。** 即使规模本身不提升服务质量，维持大规模也是一种竞争策略——通过剥夺竞争对手的用户基础来阻止进入。 ### 7.1.2 竞争定价：Armstrong (2006) 模型 ![Armstrong (2006) 差异化平台竞争模型](images/img_02_armstrong_model.png) 当多个平台在市场中共存时，它们如何竞争？Armstrong (2006) 的经典模型提供了分析框架。 **模型设定** 考虑两个差异化平台 1 和 2，服务买方（B）和卖方（S）两组用户。平台差异化体现为 Hotelling 空间竞争：两平台分别位于单位线段的两端，用户均匀分布在线段上，与平台的「距离」代表品味差异，单位距离的交通成本为 $t_B$（买方）和 $t_S$（卖方）。用户效用函数为： $$u_B^i = \alpha_B n_S^i - p_B^i - t_B d_B^i$$ $$u_S^i = \alpha_S n_B^i - p_S^i - t_S d_S^i$$ 其中 $\alpha_B, \alpha_S > 0$ 是跨组网络效应参数，$n_S^i, n_B^i$ 是平台 $i$ 上的用户数量，$p_B^i, p_S^i$ 是平台 $i$ 向两边收取的价格，$d_B^i, d_S^i$ 是用户到平台 $i$ 的距离。 **单栖均衡** 假设所有用户都单栖（Single-homing）——每个用户只选择一个平台。位于 $x$ 的买方选择平台 1 当且仅当： $$\alpha_B n_S^1 - p_B^1 - t_B x > \alpha_B n_S^2 - p_B^2 - t_B (1-x)$$ 解得无差异买方位置： $$\hat{x}_B = \frac{1}{2} + \frac{\alpha_B(n_S^1 - n_S^2) - (p_B^1 - p_B^2)}{2t_B}$$ 类似地，无差异卖方位置： $$\hat{x}_S = \frac{1}{2} + \frac{\alpha_S(n_B^1 - n_B^2) - (p_S^1 - p_S^2)}{2t_S}$$ 在对称均衡中，$n_B^1 = n_B^2 = 1/2$，$n_S^1 = n_S^2 = 1/2$，$p_B^1 = p_B^2 = p_B^*$，$p_S^1 = p_S^2 = p_S^*$。 **均衡价格** 通过利润最大化，可以推导出均衡价格： $$p_B^* = t_B - \alpha_S$$ $$p_S^* = t_S - \alpha_B$$ ::: {.callout-important} ## 核心结论 7.2：竞争中的价格结构在差异化平台竞争中，均衡价格等于交通成本（衡量平台差异化程度）减去该方对另一方产生的网络效应。网络效应越强的一方，对另一方的吸引力越大，因此会被收取更低的价格甚至获得补贴。 ::: **竞争与利润** 平台利润函数为： $$\pi = (p_B - c_B) \cdot n_B + (p_S - c_S) \cdot n_S$$ 假设边际成本为零（$c_B = c_S = 0$），在对称均衡中 $n_B = n_S = 1/2$，代入均衡价格可得： $$\pi^* = (t_B - \alpha_S) \cdot \frac{1}{2} + (t_S - \alpha_B) \cdot \frac{1}{2} = \frac{t_B + t_S - \alpha_B - \alpha_S}{2}$$ 这个结果有两个重要含义： 1. **差异化提升利润**：$t_B$ 和 $t_S$ 越大（平台越差异化），利润越高。这与传统 Hotelling 竞争一致。 2. **网络效应加剧竞争**：$\alpha_B$ 和 $\alpha_S$ 越大（网络效应越强），利润越低。原因是：强网络效应使得吸引额外用户的价值更高，平台更愿意降价争夺用户。当 $\alpha_B + \alpha_S > t_B + t_S$ 时，均衡利润为负——网络效应太强导致竞争过于激烈，市场无法支持两个平台共存。此时市场将倾覆为垄断。 ::: {.callout-note} ## 数值例子：网络效应与竞争强度设 $t_B = t_S = 1$，考虑不同网络效应强度下的均衡： | 网络效应参数 | 均衡价格 | 均衡利润 | 市场结构 | |:---:|:---:|:---:|:---:| | $\alpha_B = \alpha_S = 0$ | 1 | 1 | 双寡头，高利润 | | $\alpha_B = \alpha_S = 0.5$ | 0.5 | 0.5 | 双寡头，中等利润 | | $\alpha_B = \alpha_S = 0.9$ | 0.1 | 0.1 | 双寡头，低利润 | | $\alpha_B = \alpha_S = 1.1$ | -0.1 | -0.1 | 市场倾覆 | 当网络效应参数超过交通成本时，双寡头均衡不可持续，市场将倾覆为垄断。 ::: ### 7.1.3 单栖与多栖用户是否可以同时使用多个平台（多栖，Multi-homing），对竞争格局有深远影响。 ![竞争性瓶颈结构示意图](images/img_03_competitive_bottleneck.png) **竞争性瓶颈** 竞争性瓶颈（Competitive Bottleneck）是指：当一边用户单栖而另一边用户多栖时，平台对多栖一边拥有垄断定价能力。考虑一个广告支持的媒体平台。消费者通常单栖——大多数人只使用一个社交网络作为主要平台。广告商则多栖——为了触达所有潜在消费者，广告商必须在所有主要平台投放广告。在这种情况下： - 平台 A 的消费者只能通过平台 A 触达 - 广告商若想接触这些消费者，别无选择，只能在平台 A 投放 - 平台 A 对其消费者群体拥有「瓶颈」控制权 ::: {.callout-important} ## 核心概念 7.3：竞争性瓶颈当买方单栖、卖方多栖时，每个平台对其买方用户群体形成「瓶颈」。卖方为了触达特定平台的买方，必须向该平台付费，即使卖方已经加入了其他平台。这使平台可以对卖方收取垄断价格。 ::: **竞争性瓶颈下的定价** 在竞争性瓶颈情形下，Armstrong (2006) 证明： $$p_S^* = \alpha_S / 2$$ 卖方支付的价格与平台差异化程度无关，只取决于卖方从接触买方获得的网络收益。平台表现得像是卖方「接入」其买方群体的垄断者。同时，买方获得的价格为： $$p_B^* = t_B - \alpha_B - \alpha_S / 2$$ 平台在买方一边激烈竞争，因为吸引更多买方就意味着可以向卖方收取更多费用。 **多栖对竞争的影响** 多栖行为如何影响竞争？这取决于哪一边多栖： 1. **高网络效应方多栖**：降低竞争强度。如果卖方多栖，买方可以在任一平台接触到所有卖方，减少了买方转换平台的激励。 2. **低网络效应方多栖**：影响较小。买方多栖不会显著改变卖方的平台选择。 ::: {.callout-note collapse="true"} ## 案例：外卖平台的竞争性瓶颈中国外卖市场呈现典型的竞争性瓶颈结构： - **消费者**：大多数消费者安装多个外卖 App，但主要使用一个（近似单栖） - **餐厅**：为了不流失任何客源，餐厅普遍同时入驻美团和饿了么（多栖） - **骑手**：骑手可能为多个平台配送（多栖）结果是：每个平台对其主要用户群体形成瓶颈。餐厅必须向美团付费才能触达美团的忠实用户，即使餐厅已经入驻了饿了么。这解释了为什么外卖平台可以收取 15%-25% 的高额佣金——这是竞争性瓶颈下的垄断定价。美团「二选一」的本质是试图将餐厅从多栖变为单栖，从而打破竞争性瓶颈结构，转向完全的市场倾覆。 ::: **策略性排他** 平台可能通过合同条款或技术手段强制用户单栖，即排他性安排（Exclusive Dealing）。排他性的竞争效应是复杂的： - **反竞争效应**：排他性阻止用户使用竞争平台，可能导致市场封锁 - **效率效应**：排他性可以增强平台激励进行关系专用投资 Armstrong & Wright (2007) 指出，排他性条款的竞争效应取决于哪一边被施加排他性约束。如果是低网络效应方被限制单栖，竞争反而可能加剧；如果是高网络效应方被限制，则可能导致市场封锁。 ### 7.1.4「争夺市场」与「市场内竞争」综合以上分析，我们可以区分两种竞争形态： **争夺市场（Competition for the Market）** 特征： - 网络效应强、平台同质化、多栖成本高 - 市场最终倾覆为垄断或近似垄断 - 竞争发生在市场形成阶段，胜者获得持久优势 - 典型案例：操作系统（Windows）、社交网络（微信）政策含义： - 难以通过促进竞争来改善市场结构 - 应关注可竞争性——确保潜在进入者有机会挑战在位者 - 行为监管可能比结构分拆更有效 **市场内竞争（Competition in the Market）** 特征： - 网络效应适度、平台差异化、多栖成本低 - 市场可持续支持多个平台共存 - 竞争持续进行，用户可在平台间切换 - 典型案例：外卖平台、网约车、电商平台政策含义： - 可通过促进竞争来改善市场效率 - 应关注阻碍竞争的行为（如「二选一」） - 降低转换成本和多栖成本是有效的政策工具 ::: {.callout-warning} ## 判断市场类型的困难在实践中，判断一个市场属于哪种类型是困难的。在位平台有动机宣称市场属于「争夺市场」类型，以为其垄断地位辩护。但这种宣称可能具有策略性——即使市场本可以支持竞争，在位者也会采取措施促进倾覆。监管者需要分析反事实情景：如果没有在位者的策略行为，市场结构会是怎样的？这需要对网络效应的形态进行深入的经济分析。 ::: ## 7.2 可竞争性 ![市场可竞争性的三个维度：转换成本、进入壁垒、动态竞争](images/img_04_contestability.png) 即使市场已经倾覆为垄断，如果潜在进入者能够有效挑战在位者，市场仍然是可竞争的（Contestable）。可竞争性取决于用户的转换能力和新进入者的进入可行性。 ### 7.2.1 用户锁定与转换成本转换成本（Switching Cost）是指用户从一个平台迁移到另一个平台所需付出的代价。转换成本越高，在位平台的地位越稳固。 **转换成本的来源** 1. **学习成本**：适应新平台的界面、功能和使用习惯 2. **数据迁移成本**：历史数据、内容、社交关系的迁移 3. **网络效应损失**：离开原平台意味着失去与留守用户的连接 4. **合同约束**：长期合同、违约金、会员权益损失 5. **搜索成本**：寻找和评估替代平台的时间精力 **数据可携带性** 数据可携带性（Data Portability）是指用户将自己的数据从一个平台转移到另一个平台的能力。欧盟《通用数据保护条例》（GDPR）第 20 条规定了数据可携带权。数据可携带性可以降低转换成本，提升市场可竞争性。但其实际效果取决于： - 数据格式是否标准化、可互操作 - 接收平台是否有能力利用这些数据 - 用户是否有动机和能力行使这一权利 ::: {.callout-note} ## 案例：社交媒体的数据可携带性假设你想从微信迁移到另一个社交应用。即使你可以导出聊天记录和联系人列表，新应用能做什么呢？ - **聊天记录**：新应用可以导入，但与留在微信的朋友的历史记录仍在微信 - **联系人**：可以导入，但朋友仍在微信，你无法通过新应用联系他们 - **朋友圈内容**：可以导出，但失去了互动的社交语境核心问题是：数据的价值很大程度上依赖于网络效应。单纯的数据可携带性无法解决网络效应锁定问题。 ::: **互操作性** 互操作性（Interoperability）是指不同平台或系统之间协同工作的能力。如果平台 A 的用户可以与平台 B 的用户通信，用户就不需要为了与特定人群交流而选择特定平台。互操作性比数据可携带性更能有效降低转换成本，因为它直接解决了网络效应锁定问题。但互操作性也面临挑战： - 技术标准的协调 - 服务质量和安全性的保障 - 平台差异化优势的削弱 ::: {.callout-note} ## 案例：平台互联互通 2021 年 9 月，工信部召开「屏蔽网址链接问题行政指导会」，要求互联网平台解除不合理的外链限制。此后，互联互通逐步推进。 **主要进展**： - 微信逐步放开在聊天中分享淘宝链接 - 淘宝接入微信支付（2024 年 9 月正式宣布） - 抖音与美团在本地生活领域合作 **经济学分析**： - 互联互通降低了用户的多栖成本 - 打破了「围墙花园」，提升了市场可竞争性 - 平台竞争维度从「流量封锁」转向「服务质量」 **争议**： - 强制互操作性可能削弱平台创新激励 - 互联互通后的数据安全和隐私保护问题 - 平台差异化优势是否会被侵蚀 ::: ### 7.2.2 进入壁垒即使用户愿意转换，潜在进入者也可能因为进入壁垒而无法有效竞争。 **临界规模壁垒** 第 3 章分析过，网络商品市场存在临界规模（Critical Mass）。新进入者必须跨越临界规模才能启动正反馈循环。但在位者的存在使得跨越临界规模更加困难： - 用户已经从在位平台获得网络价值，转换的机会成本更高 - 进入者需要提供足够的补贴来弥补网络规模劣势 - 协调用户同时转换面临集体行动困境 **数据壁垒** 在位平台积累了大量用户数据，这些数据可以用于改进服务、训练算法、实现个性化。新进入者没有这些数据，难以提供同等质量的服务。数据壁垒的严重程度取决于： - 数据是否具有规模报酬递增（更多数据 → 更好的算法 → 更多用户） - 数据是否具有时效性（旧数据是否仍有价值） - 数据获取是否存在替代途径 ::: {.callout-note collapse="true"} ## 数据网络效应与进入壁垒数据网络效应（Data Network Effects）与第 1 章讨论的直接网络效应不同。直接网络效应来自用户规模本身（更多用户 → 更大网络价值），数据网络效应则来自数据积累：更多数据 → 更好算法 → 更优服务 → 更多用户 → 更多数据。这种正反馈可能导致数据驱动的垄断。但数据网络效应的强度存在争议： **支持数据壁垒的观点**： - 搜索引擎需要大量查询数据来优化结果 - 推荐系统需要用户行为数据来提高准确性 - 自动驾驶需要海量路况数据来训练模型 **质疑数据壁垒的观点**： - 数据存在边际报酬递减——超过一定规模后，更多数据的边际贡献很小 - 数据具有时效性——旧数据对预测当前行为的价值有限 - 数据可以通过其他方式获取——购买、合作、用户主动提供 ::: **杀伤区** 杀伤区（Kill Zone）是指大型平台的存在阻止了特定领域的创业和投资。如果创业公司成功，会被大平台收购或模仿；如果失败，则血本无归。这种不对称的风险收益结构导致风险投资回避这些领域。杀伤区的形成机制： 1. **收购威胁**：大平台倾向于收购有潜力的竞争者 2. **模仿威胁**：大平台可以快速复制成功的产品特性 3. **资源不对称**：大平台有更多资源投入竞争 ::: {.callout-warning} ## 杀伤区的证据 Kamepalli, Rajan & Zingales (2020) 研究了 Google 和 Facebook 的收购行为对创业生态的影响。他们发现： - 在大平台活跃收购的领域，风险投资显著减少 - 创业公司越来越倾向于「被收购」而非「独立上市」作为退出策略 - 这可能导致创新数量和方向的扭曲但也有研究指出，被收购的预期可能增加创业激励，因为收购提供了有吸引力的退出渠道。杀伤区效应的净影响仍有争议。 ::: ### 7.2.3 动态竞争前文分析了静态进入壁垒——临界规模、数据优势、杀伤区。但市场可竞争性不仅取决于当前的进入难度，还取决于未来的竞争动态。历史表明，即使存在强大的网络效应和数据壁垒，颠覆性创新仍可能改变市场格局。 **颠覆性创新** 颠覆性创新（Disruptive Innovation）是指新技术或新商业模式从边缘市场切入，最终挑战在位者的主导地位。平台市场的颠覆性创新案例： - 智能手机颠覆了功能手机（诺基亚 → iPhone） - 移动支付颠覆了传统支付（银行卡 → 支付宝/微信支付） - 短视频颠覆了长视频（优酷 → 抖音）颠覆性创新的特点是：新进入者不直接与在位者在主战场竞争，而是服务于被忽视的细分市场或采用全新的价值主张。当新技术成熟后，进入者可以「农村包围城市」，最终击败在位者。 **平台生命周期** 平台并非永久存在。历史上，许多曾经主导市场的平台最终衰落： - MySpace 被 Facebook 取代 - 雅虎被 Google 取代 - 诺基亚被苹果和安卓取代平台衰落的原因包括： - 技术范式转移（PC → 移动） - 用户代际更替（新用户没有历史依赖） - 战略失误（未能及时适应市场变化） - 监管干预（反垄断执法、强制互操作性） **竞争政策的时机** 动态竞争视角对竞争政策有重要启示： 1. **过早干预的风险**：如果市场会通过颠覆性创新自我纠正，过早的反垄断干预可能扭曲市场演化路径。 2. **过晚干预的风险**：一旦在位者通过网络效应和数据积累建立起不可逾越的壁垒，竞争可能难以恢复。 3. **预防性干预**：欧盟《数字市场法》采取了预防性监管方法——在识别到竞争风险后，不等待实际损害发生就施加行为义务。 ::: {.callout-caution} ## 动态竞争的不确定性动态竞争分析面临根本性的不确定性：我们无法预测未来的技术发展和市场演化。乐观情景：数字市场快速变化，今天的巨头可能是明天的恐龙。放任市场自我调节，创新竞争会确保效率。悲观情景：网络效应、数据壁垒和平台包络策略使得大型平台的地位越来越难以撼动。没有监管干预，市场将永久僵化。政策制定者需要在这两种情景之间做出判断，而判断依据往往不充分。这是平台监管面临的根本挑战之一。 ::: ## 7.3 竞争政策与监管 ![中国平台反垄断执法里程碑时间线](images/img_05_china_cases.png) 平台经济的独特性给传统竞争政策带来了挑战。本节分析相关市场界定、滥用市场支配地位、合并控制等核心议题，并介绍数字平台监管的新发展。 ### 7.3.1 相关市场界定反垄断分析的第一步是界定相关市场。只有在界定清楚市场范围后，才能评估企业的市场份额和市场力量。 **双边市场的市场界定挑战** 平台服务多边用户群体，这给市场界定带来两个问题： 1. **单边还是双边？** 是否应该将平台的两边视为一个统一市场，还是分别界定两个市场？ 2. **跨边替代性**：如果平台在一边提高价格，用户可能转向替代平台，但这种转换可能同时影响另一边的用户数量和价格。 **SSNIP 测试的局限** 传统市场界定使用 SSNIP 测试（Small but Significant and Non-transitory Increase in Price）：如果假定垄断者将价格提高 5-10%，用户是否会转向替代品？但 SSNIP 测试在平台市场面临困难： 1. **零价格问题**：许多平台对一边免费服务（如搜索引擎对用户免费）。5-10% 的提价在零价格基础上没有意义。 2. **质量调整问题**：平台可能通过降低服务质量（如增加广告）而非提高价格来剥削用户。但服务质量难以量化。 3. **反馈效应**：一边提价导致用户流失，进而降低另一边的网络价值，引发连锁反应。静态的 SSNIP 测试难以捕捉这种动态效应。 ::: {.callout-note} ## 案例：阿里巴巴案的市场界定在阿里巴巴反垄断案中，相关市场界定存在争议： **市场监管总局的界定**：将相关市场界定为「中国境内网络零售平台服务市场」，包括 B2C 和 C2C 两种模式。 **阿里巴巴的主张**：认为应将市场界定为「B2C 网络零售平台服务市场」，将 C2C（如淘宝）排除在外。 **争议焦点**： - B2C（天猫）和 C2C（淘宝）对商家和消费者是否具有替代性？ - 网络零售与线下零售之间是否存在竞争关系？ - 应考虑当前市场还是潜在竞争市场？ **经济学依据**：市场监管总局采用较宽市场界定的理由包括： - **需求替代性**：商家可以在 B2C（天猫）和 C2C（淘宝）之间灵活转换 - **供给替代性**：平台技术架构相似，可快速调整服务模式 - **跨边网络效应**：B2C 和 C2C 共享消费者基础，形成统一的双边市场此案例体现了双边市场界定的复杂性——不能仅看单边替代性，需考虑跨边网络效应对市场边界的影响。 ::: ### 7.3.2 滥用市场支配地位具有市场支配地位的平台可能采取滥用行为，损害竞争和消费者利益。 **自我优待** 自我优待（Self-Preferencing）是指平台在向第三方开放的同时，对自有产品或服务给予优惠待遇。典型例子： - Google 在搜索结果中优先展示自己的比价服务 - Amazon 在商品列表中优先展示自营商品 - Apple 在 App Store 中对自有应用免收 30% 佣金自我优待的竞争效应是复杂的： - **反竞争效应**：利用平台地位排挤第三方竞争者 - **效率效应**：平台可能因为自有产品质量更高或用户体验更好而优先推荐 ::: {.callout-note} ## 案例：Google 购物案 2017 年，欧盟委员会对 Google 处以 24.2 亿欧元罚款，认定 Google 在搜索结果中系统性地偏向自己的比价购物服务（Google Shopping），构成滥用市场支配地位。 **Google 的抗辩**： - Google Shopping 提供了更好的用户体验 - 竞争对手仍然可以通过付费广告获得展示 - 市场是动态竞争的，Amazon 才是主要威胁 **欧盟的判断**： - Google 利用搜索引擎的主导地位为 Shopping 服务导流 - 竞争对手的比价服务流量显著下降 - 这种杠杆效应（leveraging）构成滥用行为该案确立了平台自我优待可能构成反垄断违法行为的先例。 ::: **排他性行为** 排他性行为是指平台阻止用户或第三方与竞争平台交易的行为。中国的「二选一」就是典型案例。 **掠夺性定价的特殊性** 在传统反垄断分析中，低于成本的定价可能构成掠夺性定价（Predatory Pricing）。但在平台市场，对一边的「亏本」可能是最优策略而非掠夺： - 平台对买方的补贴可以吸引更多买方 - 更多买方提升平台对卖方的价值 - 卖方愿意支付更高价格，平台从卖方获利因此，不能简单地将一边的低价或免费视为掠夺性定价的证据。但这不意味着平台市场不存在掠夺行为。区分的关键是： - **结构性补贴**：持续对一边补贴、另一边盈利，是双边市场的正常运作 - **策略性烧钱**：对两边同时补贴，依靠融资支撑，目的是消灭竞争对手，这可能构成掠夺 ::: {.callout-note} ## 案例：阿里巴巴「二选一」阿里巴巴的「二选一」行为是中国平台反垄断执法的标志性案例。 **行为描述**：阿里巴巴通过合同条款、平台规则、数据和流量限制等手段，要求商家在阿里系平台（天猫、淘宝）独家经营，不得在京东、拼多多等竞争平台开店。 **实施手段**： - 对「叛逃」商家取消参与促销活动的资格 - 降低搜索排名和流量曝光 - 以技术问题为由限制店铺功能 - 通过大数据监测商家在其他平台的经营行为 **处罚结果**： 2021 年 4 月，市场监管总局认定阿里巴巴构成《反垄断法》第十七条禁止的「限定交易」行为，处以 2019 年中国境内销售额 4% 的罚款，共计 182.28 亿元。 **经济学分析**： - 「二选一」本质是强制商家单栖，消除竞争性瓶颈结构 - 如果成功，市场将从双寡头演变为垄断 - 但商家福利和消费者福利的影响是复杂的——商家失去多栖选择，但可能获得更多流量支持 **处罚后的市场变化**：短期内，商家可以自由选择多平台经营。但市场格局并未发生根本性变化——网络效应和规模优势仍使阿里系平台保持领先地位。这说明反垄断处罚可以纠正行为，但难以改变市场结构。 ::: ### 7.3.3 合并控制平台之间的合并可能产生显著的竞争效应。传统合并控制关注横向合并（竞争者之间）和纵向合并（上下游之间），但平台合并往往涉及更复杂的生态系统竞争。 **潜在竞争者收购** 大型平台经常收购可能成为未来竞争者的初创公司。这类收购的竞争效应难以评估： - 被收购企业尚未形成实质竞争威胁 - 无法确定独立发展是否会成功 - 收购可能带来整合效率 **杀手收购** 杀手收购（Killer Acquisition）是指收购潜在竞争者后将其关闭或雪藏，而非整合运营。收购方的目的是消除竞争威胁，而非获取技术或人才。 Cunningham, Ederer & Ma (2021) 研究制药行业发现，约 5-7% 的收购属于杀手收购——被收购的在研药物被终止开发。数字平台领域是否存在类似现象仍有争议。 **效率抗辩** 合并方通常主张合并会产生效率收益： - 规模经济和范围经济 - 技术整合和产品改进 - 消除重复投资反垄断机构需要权衡效率收益与竞争损害。在平台合并中，这种权衡特别困难，因为： - 效率收益可能需要多年才能实现 - 竞争损害的程度取决于市场演化路径 - 双边市场的福利分析比单边市场更复杂 ::: {.callout-caution} ## Facebook 收购 Instagram 和 WhatsApp 的教训 2012 年，Facebook 以 10 亿美元收购 Instagram（当时只有 13 名员工）。2014 年，Facebook 以 190 亿美元收购 WhatsApp。这两起收购当时都获得了监管机构的批准。事后来看： - Instagram 成长为拥有超过 20 亿用户的主要社交平台 - WhatsApp 成为全球最大的即时通讯应用 - 如果保持独立，它们可能成为 Facebook 的有力竞争者这引发了对并购控制的反思： - 如何评估初创企业的竞争潜力？ - 是否应该对大型平台的收购采取更严格的审查标准？ - 应否将「举证责任」从反对者转移到收购方？欧盟《数字市场法》要求「守门人」（Gatekeeper）企业向欧盟委员会通报所有合并计划，即使未达到传统的申报门槛。 ::: ### 7.3.4 数字平台监管传统竞争法采取事后执法模式——在损害发生后才进行调查和处罚。但数字平台市场的特点（网络效应、快速变化、赢者通吃）可能使事后执法效果有限。因此，各司法管辖区开始探索事前监管（ex ante regulation）。 **欧盟《数字市场法》** 2022 年生效的欧盟《数字市场法》（Digital Markets Act, DMA）是全球首部针对大型数字平台的系统性监管立法。核心要素： 1. **守门人认定**：符合特定规模标准的平台被认定为「守门人」 2. **行为义务**：守门人必须遵守一系列义务，包括： - 允许第三方与守门人服务互操作 - 不得在排名中自我优待 - 允许用户卸载预装应用 - 不得阻止用户在平台外交易 - 向广告商提供定价和效果数据 3. **处罚机制**：违规可处以全球营业额 10% 的罚款，累犯可达 20% **欧盟《数字服务法》** 《数字服务法》（Digital Services Act, DSA）于 2022 年通过，聚焦于平台内容治理： - 非法内容的处理义务 - 算法推荐的透明度要求 - 在线广告的披露义务 - 用户投诉和救济机制 **中国平台反垄断** 中国自 2020 年底开始加强对平台经济的反垄断监管。关键文件： - 《关于平台经济领域的反垄断指南》（2021 年 2 月） - 《国务院反垄断委员会关于平台经济领域的反垄断指南》重大执法案例： - 阿里巴巴案：182.28 亿元罚款 - 美团案：34.42 亿元罚款 - 滴滴数据安全审查：80.26 亿元罚款 - 多起未依法申报经营者集中案件 ::: {.callout-note} ## 案例：美团「二选一」反垄断案 2021 年 10 月，市场监管总局对美团处以 34.42 亿元罚款，并要求退还独家合作保证金 12.89 亿元。 **行为认定**：美团自 2018 年以来，通过差别费率、流量惩罚、配送限制等手段，强制商家独家合作。 **市场分析**： - 美团在网络餐饮外卖市场占据约 70% 的份额 - 外卖市场呈现典型的竞争性瓶颈结构 - 「二选一」行为削弱了饿了么等竞争者的竞争能力 **处罚后的市场演变**： - 商家可以自由选择多平台经营 - 但市场格局短期内未发生根本变化 - 2025 年京东入局外卖，市场竞争加剧 **思考**：美团案说明，反垄断处罚可以纠正违法行为，但难以快速改变已经形成的市场结构。网络效应和规模优势使得在位者的地位具有持久性。提升市场可竞争性可能需要更多配套措施，如降低转换成本、促进数据共享、支持新进入者。 ::: **算法治理** 算法已成为平台经济的核心基础设施。算法治理是平台监管的新前沿。 ::: {.callout-note} ## 案例：算法推荐治理 2022 年 3 月，《互联网信息服务算法推荐管理规定》正式实施。这是全球首部系统性规制算法的法律文件。 **核心要求**： - **算法知情权**：用户有权了解算法推荐的基本原理 - **算法选择权**：用户可关闭个性化推荐功能 - **禁止「大数据杀熟」**：不得利用算法进行不合理差别待遇 - **标签管理权**：用户可选择、修改或删除用于推荐的用户标签 **「大数据杀熟」的经济学**：「大数据杀熟」本质是利用算法进行价格歧视。平台通过分析用户行为数据，识别用户的价格敏感度，对不同用户收取不同价格。从经济学角度： - 完美价格歧视可以提升效率（消除无谓损失） - 但在信息不对称条件下，消费者无法识别自己被歧视 - 价格歧视损害了消费者公平感知和信任 **监管效果**：各大平台已上线「关闭个性化推荐」功能。但实际效果有待观察——关闭个性化推荐可能降低服务质量，用户可能不愿意使用这一选项。 ::: ::: {.callout-note} ## 案例：滴滴数据安全审查滴滴案是中国数据安全监管的标志性案例，也体现了平台监管的多维度性质。 **事件经过**： - 2021 年 6 月 30 日：滴滴在纽约证券交易所上市 - 2021 年 7 月 2 日：国家网信办宣布对滴滴实施网络安全审查 - 2021 年 7 月 4 日：滴滴 App 被下架 - 2022 年 7 月：滴滴被处以 80.26 亿元罚款 - 2022 年 12 月：滴滴从纽交所退市 **数据主权视角**：滴滴掌握海量出行数据，包括用户位置信息、出行轨迹、支付记录。赴美上市引发了数据跨境流动的安全担忧。 **平台全球化与数据主权的冲突**： - 平台企业追求全球化发展，寻求境外上市融资 - 国家对关键数据基础设施有主权诉求 - 如何平衡企业发展与数据安全是各国共同面临的挑战 **后续影响**： - 多家计划赴美上市的中国企业取消或推迟 IPO - 《数据安全法》《个人信息保护法》加速实施 - 数据安全成为平台监管的核心议题之一 ::: ## 本章小结本章系统分析了平台竞争的经济学原理和监管政策框架。核心要点如下： 1. **市场倾覆取决于网络收益函数的形态**。当网络效益需要大规模用户才能实现时，市场趋向垄断（「争夺市场」）；当部分用户就能实现网络效益时，市场可支持多平台竞争（「市场内竞争」）。 2. **竞争加剧侵蚀利润**。Armstrong (2006) 模型表明，网络效应越强，平台竞争越激烈，均衡利润越低。当网络效应超过平台差异化程度时，市场将倾覆。 3. **竞争性瓶颈影响价格结构**。当一边用户单栖、另一边多栖时，平台对多栖一边拥有垄断定价能力。「二选一」的本质是试图消除竞争性瓶颈结构。 4. **可竞争性是关键**。即使市场已经集中，只要潜在进入者能够有效挑战在位者，市场仍然是健康的。降低转换成本、促进数据可携带性和互操作性是提升可竞争性的政策工具。 5. **平台反垄断面临独特挑战**。双边市场的市场界定困难、零价格市场的 SSNIP 测试失效、一边补贴不等于掠夺性定价、动态竞争的不确定性——这些都要求反垄断分析框架的更新。 6. **事前监管与事后执法互补**。欧盟《数字市场法》和中国的平台反垄断实践表明，传统的事后执法可能不足以应对平台经济的挑战，事前的行为义务和监管框架正在成为新趋势。 ## 思考题 1. **概念理解**：解释「争夺市场」与「市场内竞争」的区别。在什么条件下，一个市场更可能属于前者？请举例说明。 2. **模型应用**：在 Armstrong (2006) 模型中，如果买方的网络效应参数 $\alpha_B$ 增加，对均衡价格和利润有何影响？请给出经济学直觉。 3. **案例分析**：阿里巴巴反垄断案中，市场界定为什么是争议焦点？如果采用更窄的市场界定（仅 B2C），对案件结论可能有何影响？ 4. **竞争分析**：比较阿里「二选一」案和美团「二选一」案的市场结构差异。为什么两者都被处罚，但市场格局演变不同？竞争性瓶颈理论能否解释这一差异？ 5. **数据治理**：滴滴赴美上市引发数据安全审查。如何平衡平台企业的全球化发展与国家数据主权？数据可携带性和数据本地化两种政策工具的利弊是什么？ 6. **开放思考**：有观点认为，数字平台市场变化迅速，今天的巨头可能是明天的恐龙，因此不需要反垄断干预。你是否同意这一观点？请结合中国平台经济的发展，给出你的分析。 --- ## 修订记录 | 修订项 | 类型 | 修订内容 | |--------|:----:|----------| | 1 | 高 | 补充利润函数推导过程（7.1.2），增加利润函数表达式和代入计算 | | 2 | 高 | 区分数据网络效应与直接网络效应（7.2.2），明确两者的不同机制 | | 3 | 中 | 消除 AI 味表达：「不仅关乎…更涉及」改为「既是…也是」 | | 4 | 中 | 消除 AI 味表达：「揭示了一个重要洞察」改为「说明一个关键现象」 | | 5 | 中 | 优化 7.2.3 开头，增加与前文静态壁垒分析的衔接 | | 6 | 中 | 补充阿里案市场界定的经济学依据（需求替代性、供给替代性、跨边网络效应） | | 7 | 中 | 重新设计思考题：新增第 4 题（阿里与美团案对比）、第 5 题（数据治理） | | 8 | 低 | 优化语言：「往往呈现『赢者通吃』的特征」改为「容易形成赢者通吃格局」 | | 9 | 低 | 优化数值例子表格列名，增强可读性 | | 10 | 低 | 补充中文延伸阅读文献 3 篇 | ## 延伸阅读 **核心文献** - Armstrong, M. (2006). Competition in two-sided markets. *RAND Journal of Economics*, 37(3), 668-691. - Armstrong, M., & Wright, J. (2007). Two-sided markets, competitive bottlenecks and exclusive contracts. *Economic Theory*, 32(2), 353-380. - Rochet, J.-C., & Tirole, J. (2003). Platform competition in two-sided markets. *Journal of the European Economic Association*, 1(4), 990-1029. **政策报告** - Crémer, J., de Montjoye, Y.-A., & Schweitzer, H. (2019). *Competition Policy for the Digital Era*. European Commission. - Furman, J., et al. (2019). *Unlocking Digital Competition*. UK Government.  **进阶阅读** - Belleflamme, P., & Peitz, M. (2021). *The Economics of Platforms: Concepts and Strategy*. Cambridge University Press. Chapter 7. - Katz, M. L. (2021). Big tech mergers: Innovation, competition for the market, and the acquisition of emerging competitors. *Information Economics and Policy*, 54, 100883. - Motta, M., & Peitz, M. (2021). Big tech mergers. *Information Economics and Policy*, 54, 100868.