引言

近年来，伴随大数据、人工智能等数字化技术快速发展，双边市场信息不对称和数据隐私问题愈发严重。本文研究不对称信息下双边市场中用户隐私损失的边际分布状况，以及平台采用非线性合约时的消费者净剩余变化。平台具有垄断数据实施非线性定价的激励［1］，例如借助营销活动、页面展示与Cookie追踪等手段持续收集用户行为数据，分析用户隐藏的私人信息，以推测消费者偏好、评估其购买意愿，调整定价策略以获取和分配隐私租金［2-3］。随着消费者隐私偏好增强、数据外部性日益显著以及全球隐私规制趋严(如GDPR、CCPA的相关规定)，数据隐私价值及规制正显著影响平台的信息获取成本、收益结构及其定价行为［4］。

从理论层面看，平台抽取数据隐私租金本质上是信息不对称下的垄断甄别问题。隐私在此可被视为代理人不可观察的行为或特征，代理人采取的最优行动是种混同均衡，如果隐私是可观察的，代理人可以通过控制隐私披露以混淆其他人的感知［5-6］，而平台目标是设计合约以调控信息，比如通过加入噪声混淆价格分布以提高竞争性价格歧视的均衡利润［7］。垄断甄别情况下当消费者为“数据敏感型”时，其披露信息将承担私人成本［8］，这会反向影响平台的甄别效率与定价策略。Kim和Wagman［9］认为消费者类型差异会影响企业在甄别过程中的信息成本和服务成本，如果企业降低产品价格是以能够允许售卖消费者信息为前提，那么企业会提升甄别集中度并且有助于改进社会福利。

数据隐私规制的影响也呈现出“双刃剑”特性：一方面，Athey等［10］认为较弱信息披露激励可解释隐私悖论，搜寻成本对消费者隐私保护选择有重要影响，并且如果消费者事前消费选择是随机的，加强隐私保护还可以增加社会福利［11］；另一方面，规制也可能产生非预期的负面后果，比如Prince和Greenstein［12］构建模型探究移动互联网用户数据鸿沟与基于用户定价策略间的关系，因为数据鸿沟约束可能会对低收入群体收入产生负面影响。Sabatino和Sapi［13］认为隐私规制会影响线上市场结构，通过测度隐私保护程度和广告信息量关系发现隐私规制对行业领先大企业影响较大。数据隐私规制影响则主要取决于消费者类型分布和个性化定制成本状况［14］。

尽管现有实证研究已广泛探讨平台价格歧视对用户福利的潜在影响，但多数文献尚未充分纳入平台获取用户隐私时的补偿支付净额，以及用户在加入平台时所承担的信息成本。在数据隐私约束下，平台的双边市场价格结构如何影响平台与用户的福利分配，仍有待深入探讨。在具体研究对象上，本文选取电子商务平台(以淘宝为例)的消费者广告商品交易数据作为样本。由于消费者具有异质性，平台可利用其信息优势，结合用户年龄、性别等硬信息与点击、收藏、上下文内容等软信息，推测消费者类型并评估其购买率以实施甄别定价。

本文的边际贡献主要体现在方法层面：相较于已有关于价格歧视的实证研究，本文融合结构估计方法与委托—代理理论，识别消费者数据隐私损失的分布特征，并评估平台在信息租金抽取与非线性定价中的效率表现。研究步骤包括：首先构建计量模型确立分析框架；其次采用非参数估计识别信息成本函数与消费者类型分布；最后通过参数估计与反事实分析，测算不同数据隐私状态下的福利剩余差异。

本文详细内容请下载：

https://www.chinaaet.com/resource/share/2000007028

作者信息：

王新兴

(安徽新华学院，安徽合肥230088)