中文引用格式：王新興. 數(shù)字平臺定價與數(shù)據(jù)隱私激勵——基于合約變量的結(jié)構(gòu)估計(jì)［J］.網(wǎng)絡(luò)安全與數(shù)據(jù)治理，2026，45（3）：61-67.
英文引用格式：Wang Xinxing. Digital platform pricing and data privacy incentives:a structural estimation using contracts variation［J］.Cyber Security and Data Governance，2026，45（3）：61-67.
引言
近年來，伴隨大數(shù)據(jù)、人工智能等數(shù)字化技術(shù)快速發(fā)展，雙邊市場信息不對稱和數(shù)據(jù)隱私問題愈發(fā)嚴(yán)重。本文研究不對稱信息下雙邊市場中用戶隱私損失的邊際分布狀況，以及平臺采用非線性合約時的消費(fèi)者凈剩余變化。平臺具有壟斷數(shù)據(jù)實(shí)施非線性定價的激勵［1］，例如借助營銷活動、頁面展示與Cookie追蹤等手段持續(xù)收集用戶行為數(shù)據(jù)，分析用戶隱藏的私人信息，以推測消費(fèi)者偏好、評估其購買意愿，調(diào)整定價策略以獲取和分配隱私租金［2-3］。隨著消費(fèi)者隱私偏好增強(qiáng)、數(shù)據(jù)外部性日益顯著以及全球隱私規(guī)制趨嚴(yán)(如GDPR、CCPA的相關(guān)規(guī)定)，數(shù)據(jù)隱私價值及規(guī)制正顯著影響平臺的信息獲取成本、收益結(jié)構(gòu)及其定價行為［4］。
從理論層面看，平臺抽取數(shù)據(jù)隱私租金本質(zhì)上是信息不對稱下的壟斷甄別問題。隱私在此可被視為代理人不可觀察的行為或特征，代理人采取的最優(yōu)行動是種混同均衡，如果隱私是可觀察的，代理人可以通過控制隱私披露以混淆其他人的感知［5-6］，而平臺目標(biāo)是設(shè)計(jì)合約以調(diào)控信息，比如通過加入噪聲混淆價格分布以提高競爭性價格歧視的均衡利潤［7］。壟斷甄別情況下當(dāng)消費(fèi)者為“數(shù)據(jù)敏感型”時，其披露信息將承擔(dān)私人成本［8］，這會反向影響平臺的甄別效率與定價策略。Kim和Wagman［9］認(rèn)為消費(fèi)者類型差異會影響企業(yè)在甄別過程中的信息成本和服務(wù)成本，如果企業(yè)降低產(chǎn)品價格是以能夠允許售賣消費(fèi)者信息為前提，那么企業(yè)會提升甄別集中度并且有助于改進(jìn)社會福利。
數(shù)據(jù)隱私規(guī)制的影響也呈現(xiàn)出“雙刃劍”特性：一方面，Athey等［10］認(rèn)為較弱信息披露激勵可解釋隱私悖論，搜尋成本對消費(fèi)者隱私保護(hù)選擇有重要影響，并且如果消費(fèi)者事前消費(fèi)選擇是隨機(jī)的，加強(qiáng)隱私保護(hù)還可以增加社會福利［11］；另一方面，規(guī)制也可能產(chǎn)生非預(yù)期的負(fù)面后果，比如Prince和Greenstein［12］構(gòu)建模型探究移動互聯(lián)網(wǎng)用戶數(shù)據(jù)鴻溝與基于用戶定價策略間的關(guān)系，因?yàn)閿?shù)據(jù)鴻溝約束可能會對低收入群體收入產(chǎn)生負(fù)面影響。Sabatino和Sapi［13］認(rèn)為隱私規(guī)制會影響線上市場結(jié)構(gòu)，通過測度隱私保護(hù)程度和廣告信息量關(guān)系發(fā)現(xiàn)隱私規(guī)制對行業(yè)領(lǐng)先大企業(yè)影響較大。數(shù)據(jù)隱私規(guī)制影響則主要取決于消費(fèi)者類型分布和個性化定制成本狀況［14］。
盡管現(xiàn)有實(shí)證研究已廣泛探討平臺價格歧視對用戶福利的潛在影響，但多數(shù)文獻(xiàn)尚未充分納入平臺獲取用戶隱私時的補(bǔ)償支付凈額，以及用戶在加入平臺時所承擔(dān)的信息成本。在數(shù)據(jù)隱私約束下，平臺的雙邊市場價格結(jié)構(gòu)如何影響平臺與用戶的福利分配，仍有待深入探討。在具體研究對象上，本文選取電子商務(wù)平臺(以淘寶為例)的消費(fèi)者廣告商品交易數(shù)據(jù)作為樣本。由于消費(fèi)者具有異質(zhì)性，平臺可利用其信息優(yōu)勢，結(jié)合用戶年齡、性別等硬信息與點(diǎn)擊、收藏、上下文內(nèi)容等軟信息，推測消費(fèi)者類型并評估其購買率以實(shí)施甄別定價。
本文的邊際貢獻(xiàn)主要體現(xiàn)在方法層面：相較于已有關(guān)于價格歧視的實(shí)證研究，本文融合結(jié)構(gòu)估計(jì)方法與委托—代理理論，識別消費(fèi)者數(shù)據(jù)隱私損失的分布特征，并評估平臺在信息租金抽取與非線性定價中的效率表現(xiàn)。研究步驟包括：首先構(gòu)建計(jì)量模型確立分析框架；其次采用非參數(shù)估計(jì)識別信息成本函數(shù)與消費(fèi)者類型分布；最后通過參數(shù)估計(jì)與反事實(shí)分析，測算不同數(shù)據(jù)隱私狀態(tài)下的福利剩余差異。
本文詳細(xì)內(nèi)容請下載：
http://m.ihrv.cn/resource/share/2000007028
作者信息：
王新興
(安徽新華學(xué)院，安徽合肥230088)
