摘要: 随着大数据和算法技术在电子商务领域的广泛应用，平台基于用户画像和自动化决策机制实施个性化定价已成为常态。部分平台在交易条件相同的情况下，基于用户特征对同一商品设定不同价格，形成了具有隐蔽性和系统性的歧视性定价。由于算法黑箱的存在，消费者难以识别、取证此类行为，虽然可感知价格不公，却难以通过现行法律规则获得有效救济。现行法律体系在价格欺诈认定、证明责任分配及平台责任界定等方面，均难以充分回应歧视性定价的技术特征。为此，应细化实体法判定标准；引入举证责任倒置规则以缓解信息不对称；推动政府、平台与社会公众的多元共治，通过算法伦理审查与公益诉讼等机制，引导算法回归服务社会整体福利的本位。
Abstract: With the widespread application of big data and algorithmic technologies in e-commerce, platforms routinely implement personalized pricing based on user profiling and automated decision-making mechanisms. Some platforms set different prices for the same product based on user characteristics under identical transaction conditions, creating covert and systematic discriminatory pricing. Due to the existence of algorithmic black boxes, consumers struggle to identify and document such practices. While they may perceive price unfairness, obtaining effective remedies through existing legal frameworks remains challenging. The current legal framework struggles to adequately address the technical characteristics of discriminatory pricing in areas such as the determination of price fraud, the allocation of the burden of proof, and the delineation of platform liability. To address this, substantive law criteria should be refined; rules for shifting the burden of proof should be introduced to mitigate information asymmetry; and multi-stakeholder governance involving governments, platforms, and the public should be promoted. Mechanisms such as algorithmic ethics reviews and public interest litigation should be utilized to guide algorithms back to their fundamental purpose of serving the overall welfare of society.
1. 引言
在数字技术快速发展的今天，算法已成为电子商务平台运营的核心基础。平台利用算法对海量用户数据进行分析处理，广泛应用于商品推荐、搜索排序和价格形成等关键环节。然而，基于用户画像、消费习惯和支付能力实施的个性化定价机制，逐渐引起了广泛的争议。在实践中，一些电商平台在未改变商品成本和交易条件的情况下，仅依据用户特征差异对同一商品设定不同价格，这被称为“大数据杀熟”，即老用户或高黏性用户反而需要支付更高的价格或面临更不利的交易条件。与传统的价格差异行为不同，电商平台的歧视性定价往往通过算法自动完成。这种定价方式深度依赖于复杂的数据分析和模型运算，具有很强的隐蔽性和技术依赖性，使得消费者难以了解价格差异的形成依据。这导致歧视性定价行为在责任认定、证据收集以及违法性判断等方面与传统的价格违法行为存在显著差异。即使消费者能够感知到价格不公，也难以通过现有的法律规则进行有效的举证和救济，这使得电子商务平台的歧视性定价呈现出一种可感知却难以规范的现实困境。基于此，本文以电子商务平台的歧视性定价为研究对象，围绕算法黑箱背景下现行法律规制所面临的主要困境展开分析，以期为未来的制度完善提供问题导向。
2. 电商平台歧视性定价的表现形式和机理分析
电商平台的歧视性定价本质上是由于平台在利用算法进行数据收集、整合、分析及决策的过程中，存在技术设计缺陷、数据偏差或人为预设的偏见。这导致了在提供相同产品或服务时，针对交易条件相同的消费者采取了不同的定价模式。这种现象并非单纯的技术偶然，而是平台的商业目标、数据结构和技术运作逻辑共同作用的结果。在经济学中，价格歧视分为三类：一级价格歧视是指商家根据每个消费者的保留价格为每单位商品制定不同的销售价格；二级价格歧视是指根据不同价格出售不同购买量的产品；三级价格歧视是指商家根据消费者的不同属性将市场划分为不同的子市场，对不同群体收取不同价格，例如学生票和老人票。在数字经济环境下，电商平台利用大数据实行价格歧视属于一级价格歧视[1]。从机理上看，歧视定价首先基于平台的商业利益导向。当电商平台以提升交易转化率、用户黏性和平台收益为核心指标时，算法被赋予了精准识别用户支付能力和价格敏感度的任务。在此过程中，一些平台将用户的历史消费记录、访问频率和价格敏感度等因素纳入模型，据此实施差异化定价。由于算法追求整体收益最大化而非个体公平，往往会对部分用户产生不利影响，形成算法歧视。
然而，单纯的利益驱动并不足以完全解释歧视定价的复杂性，数据和模型的内生偏差也提供了关键的技术诱因：算法以数学程式和计算机代码表达判断，其设计理念、数据规范与决策标准均体现开发者的主观选择，故开发者原有偏见乃至其所受社会观念影响，有可能嵌入算法系统之中[2]。例如，用户画像往往基于既有行为数据进行建模，这容易导致对特定群体的刻板印象固化；同时，训练数据的不完整性或历史不公平现象也可能被算法继承并放大。在缺乏有效纠正机制的情况下，算法模型会通过不断迭代强化原有差异，导致歧视结果呈现系统性与持续性的特征。
算法运作的“黑箱化”进一步加剧了歧视风险。电商平台的算法模型通常高度复杂且不透明，外部主体难以知晓其具体运行逻辑，而平台同时掌握算法设计权和相关数据资源，使得消费者在信息获取上处于明显弱势地位。这种信息不对称使得价格歧视难以被及时发现和纠正，客观上降低了平台承担法律责任的风险。
3. 歧视性定价的法律风险与规制必要性
3.1. 歧视性定价诱发的法律风险
在实施歧视性定价时，平台往往逾越多项法律底线。首先侵害了消费者知情权和公平交易权。根据《消费者权益保护法》，消费者有权知晓商品的真实价格，并享有公平交易的权利。与线下售卖不同，线上平台通过算法“黑箱”隐匿定价逻辑，使消费者在不知情的情况下支付溢价，剥夺了其“货比三家”的机会，这实质上构成了对公平交易权的隐性剥夺。其次，会面临个人信息过度处理的合规风险。歧视性定价依赖于对用户行为数据的深度挖掘。如果平台未经明确授权或超出必要性原则利用个人消费习惯、地理位置甚至设备信息进行画像并实施差别定价，直接违反《个人信息保护法》中关于“自动化决策应公正、公平”的强制性规定。此外，可能会构成价格欺诈。《明码标价和禁止价格欺诈规定》明确禁止虚构原价或误导性价格标示。如果平台在同一时间对同等条件的交易相对人设置不同价格，却未尽到告知义务，可能被依法定性为“价格欺诈”。最后，这还可能带来滥用市场支配地位的垄断风险。对于具有市场支配地位的超级平台而言，其实施的差异化定价可能构成《反垄断法》所禁止的“差别待遇”。一些电商平台将排除、限制竞争的意图直接植入算法。通过在开发阶段预设特定参数，利用算法对边际成本、销售成本及套利成本进行精准操控，从而人为构筑起技术性的行业壁垒，挤压竞争对手的生存空间并大幅提高市场准入门槛[3]。这种行为不仅剥削消费者，还可能通过数据壁垒形成不正当竞争优势，排挤中小型竞争对手。
3.2. 法律规制的必要性分析
法律的介入并不是要扼杀技术创新，而是为了修正算法失灵带来的负面影响。其必要性体现在以下三个方面：其一，要矫正信息与力量的严重不对称。在电商交易中，平台拥有高度集中的数据和技术资源，而消费者则处于信息孤岛。这导致传统市场中买卖双方自由博弈的机制失效。法律规制的必要性首先在于通过强制透明化来弥补这种力量缺失，以恢复契约自由的真实基础。其二，维护健康公平的市场竞争秩序。如果允许平台无限制地利用算法压榨消费者剩余，市场竞争将演变为“算法算力”的无序角逐，而非产品质量与服务的竞争，从而产生“劣币驱逐良币效应”，破坏数字经济的信誉基础。因此，规制歧视性定价是保护市场竞争活力、防止平台权力异化的必然选择。其三，法律介入有助于落实算法伦理与社会公共利益。电商平台利用算法进行价格歧视，这不仅违反了公平和诚实信用原则[4]，还可能使技术成为精准剥削弱势群体的工具。因此，法律作为社会运行底线保障其应有之义在于防止技术被滥用，并引导算法向善，确保自动化决策符合基本的社会公德。
4. 电子商务平台歧视定价的法律规制困境
4.1. 算法黑箱导致证明责任履行困难
证明责任的分配是法治正义的基础。但在算法歧视领域，证据的获取呈现出极端的不对称性。首先，算法黑箱切断了因果关系的链条[5]。算法模型往往涉及数以亿计的参数与复杂的深度学习逻辑，其决策过程即便对于平台自身的算法工程师而言，也具有一定的不可解释性。普通消费者作为外部主体，由于缺乏专业技术背景，根本无法探究平台定价或推荐背后的真实逻辑。在侵权法框架下，消费者必须证明损害结果与平台行为之间存在因果关系。但在算法黑箱面前，这种因果关系被复杂的技术逻辑所阻断，形成了法律上的证明断层。其次，信息极度不对称加剧了消费者的举证负担。比如在易某诉某信息技术公司网络服务合同案件中，易某认为某信息技术公司操控软件、大数据杀熟等，但是无法提交任何证据来证明此事实1。平台拥有海量数据和技术专家，而消费者不仅无法获取算法的源代码，甚至不清楚平台收集了自己哪些画像数据，只能凭前端截图和感官体验维权，这样使得谁主张谁举证的举证原则在算法场景下陷入了事实上的失灵。
4.2. 传统侵权责任制度在算法环境下的适用失灵
在传统民法中，侵权责任的认定以主观过错为核心要件，而算法歧视的特性则挑战了这一经典理论。首先，主观过错的判定面临客观化的难题。算法歧视往往具有隐蔽性，不像传统的身份歧视那样通过明显的排斥性言语或政策表现出来。平台可以辩称，歧视结果是算法模型自学习的产物，而非人工设定的初衷。这种由机器产生的偏见是否能直接等同于平台的主观过错，目前在法律框架内仍存在争议。另一方面，因果关系认定也变得更加复杂。在错综复杂的电商生态中，一个歧视性决策可能受到用户历史行为、第三方数据以及实时竞价等多种变量的影响。要证明算法模型与损害结果之间存在单一且必然的因果关系，在法理推导上跨度巨大，使得责任判定难以落地。
4.3. 价格法规制的适用障碍
算法价格歧视可能构成《价格法》中的价格欺诈，但是实践中很难定性价格欺诈。因为在电商环境下，平台并不会直接修改价格，而是通过算法精准派发额度不等、门槛不同的优惠券，实现最终成交价的差异化。这种利用大数据算法实施的不合理差异化定价，实质上是一种隐蔽的价格歧视，但在形式上却符合明码标价的表面要求。歧视性定价的动态性和个别性进一步削弱了价格法规制的可操作性。算法定价往往具有实时调整、即时生成的特征，不同用户在不同时间、不同设备甚至不同访问路径下所呈现的价格均可能存在差异。这种高度动态化的价格表现，使执法机关在取证、比对和固定证据时面临较大困难，也削弱了价格监管以“公开、稳定”为前提的制度基础。此外，《价格法》对于电商平台经营者运用算法进行区别定价的行为并没有具体规定，而且是针对调整经营者价格行为的核心规范，没有对经营者与消费者之间的价格歧视进行规制[3]。
5. 完善电子商务平台歧视性定价规制的对策建议
5.1. 细化歧视性定价的实体法认定标准
首先，应当明确“同等交易条件”的判断标准。在电商场景中，同一商品在不同时间和渠道存在价格差异，并不一定构成违法行为。然而，如果商品本身、交易时间、履约方式及促销条件并未发生实质性变化，而价格差异仅因用户身份、消费频率或支付能力不同而产生，则应被视为处于同等交易条件下。这一认定有助于避免平台以技术或页面呈现的差异为由对价格差异进行形式化的解释，从而为识别歧视性定价提供客观依据。其次，有必要对正当理由的适用范围进行限制性解释。当平台主张价格差异具有正当理由时，应能证明该差异与成本变化、市场竞争或合理促销安排之间存在实质关联；若仅基于算法对用户支付意愿的预测结果，缺乏可识别的商业合理性支撑，则不宜被视为正当理由。此外，在价格欺诈的认定上，还应关注算法定价条件下，误导行为的隐蔽化特征。尽管歧视性定价不一定表现为虚构原价或虚假折扣，但通过个性化页面向不同消费者呈现差异价格，可能在客观上对消费者形成实质性的误导。因此，对于价格欺诈构成要件的理解，应当结合算法定价的具体表现方式进行补充性的解释，而不能拘泥于传统的表现形式。
5.2. 缓解算法黑箱下的证据与举证困境并落实算法可解释性
针对传统侵权法在算法环境下适用失灵的问题，应构建差异化的归责体系，以区分不同场景下的算法歧视。在存在人为干预的场景中，由于经营者可能存在主观操控行为，应坚持过错推定原则；而在基于算法的自动化决策场景中，由于算法的自主运行特征，应适用无过错责任原则，以强化平台的安全保障义务[6]。针对算法黑箱导致的技术信息极度不对称问题，应明确举证责任倒置规则，以缓解算法定价场景中的证明失衡。由于消费者处于弱势地位，缺乏还击能力，因此，只要消费者能证明存在显著的差别对待结果，就应由平台经营者来证明其算法逻辑的公平性与合规性[7]。这种说明责任并不意味着举证责任的全面倒置，而是基于平台对算法规则和数据资源的控制优势，对平台提出更高的信息披露要求。
此外，相比于强调算法“黑箱”，更重要的是在法律程序中确保算法的可解释性，以便平台的说明义务能够得到有效执行。为在消费者知情权、监管需求和商业秘密保护之间取得平衡，可以采用分级披露机制。第一，面向公众，平台应以通俗易懂的方式披露是否使用用户画像以及是否实施个性化定价的基本逻辑，而不是披露底层核心代码。第二，面向监管机构，平台应履行完全透明的披露义务。在行政调查中，平台应向监管部门披露算法的主要变量类型、数据来源类别以及风险评估信息。第三，在司法程序中，平台应在采取保密措施的情况下，向法院提交源代码或算法审计材料。
5.3. 落实政府引导、平台自律与消费者监督多元共治
在规制路径上，有效治理歧视性定价问题需要政府引导、平台自律和消费者监督的协同推进。对于算法价格歧视问题，监管应实现监管机构、平台和用户的三方共治，并在互动中寻求平衡[8]。政府主导的跨部门协同需要建立由市场监管、网信、发改等部门组成的联动机制，以统一算法歧视的执法标准，避免出现多头监管或监管真空的现象；同时，应建立算法信用黑名单制度，对多次实施恶意歧视行为的平台进行联合惩戒。对于平台而言，应强化其主体责任和内生合规性，并要求其建立算法伦理审查委员会，在产品设计阶段就进行算法合规性评估。此外，还应发挥社会监督和公益诉讼的作用，鼓励消费者保护协会在算法歧视领域积极行使公益诉讼职能，以解决个体消费者在维权过程中面临的专业知识不足和成本过高等问题。
NOTES
1北京市海淀区人民法院(2024)京0108民初39231号民事判决书.