网站地图 加入收藏 设为首页 原创论文网,覆盖经济,法律,医学,建筑,艺术等800余专业,提供60万篇论文资料免费参考

定价算法给传统反垄断法带来的挑战及对策

作者:原创论文网 时间:2018-10-23 10:44 加入收藏

摘要

  Abstract:With the increasing application of pricing algorithms, it has caused a high degree of concern in the antitrust law. In addition to being able to effectively promote competition, pricing algorithms have potential anti-competitive effects in online transactions, which are mainly concentrated in two aspects: algorithm conspiracy and pricing discrimination. Due to the particularity of the pricing algorithm, such as weakening the human will in the aspect of conspiracy, highly dynamic and stable, and expanding the forms collusion and even give rise to new forms of collusion, it has the characteristics of concealment, volatility and universality in pricing discrimination, which have a certain impact on the traditional anti-monopoly analysis framework. In addition to continuing to insist that the algorithm conspiracy can not be separated from the subjective coincident of both parties, it is recommended to further broaden the form of the identification on the conspiracy, clearly ban the data range collected and based on the algorithm, and try to eliminate the information asymmetry of the algorithm by the competition authorities.

  Keyword:pricing algorithms; algorithm conspiracy; pricing discrimination; Antitrust Law; Ecommerce Law;

  随着信息网络技术的迅猛发展, 算法越来越广泛地应用到商业实践当中。企业通过各种算法对海量数据进行收集、整理和分析, 并通过这些数据分析消费者的偏好和竞争对手的策略, 从而设计新商品, 计算新流程和新业务策略 (1) 。在阻止信息欺诈、优化供应链、精准推送广告、推荐潜在商品、信息网络安全和动态定价等方面, 算法发挥了相当大的作用。其中, 定价算法 (Pricing Algorithms) 被认为在网络交易中, 能够有效改善商品的定价模型、提供定制化服务、分析预测价格趋势。但是, 由于定价算法的特殊性和敏感性, 在不同竞争者之间可能产生价格共谋问题, 在面向不同交易者时可能产生价格歧视问题。因此, 网络交易中定价算法的运用, 对竞争秩序的影响和对消费者权益的保护, 在反垄断法上均具有非常重要的意义, 现已成为各主要竞争执法机构关注的新焦点之一。

定价算法给传统反垄断法带来的挑战及对策

  一、已有的执法案例和既有研究

  在数字经济时代, 算法往往是企业最重要的创新成果和核心竞争力。“所谓算法 (Algorithm) , 简而言之就是一系列解决问题的指令。只要给定初始条件, 这一系列指令就会自动给出相应的答案”[1]。定价算法通常被认为是卖家控制运行的能够自动设定价格的一系列计算机代码, 广泛应用于机票售卖、酒店预订、网约车服务定价和商品零售等多个网络交易领域, 目的是为了实现利润最大化。实践当中, 许多网络零售商使用定价算法, 自动调整零售价格以匹配竞争对手的价格或者根据不同的情况动态调整面向不同消费者的价格。如2017年10月, 欧盟委员会发布的电子商务领域最终调查报告认为, 有超过2/3的电子商务零售商都在使用定价算法跟踪竞争对手[2]。

  从竞争法的角度考量, 定价算法的应用一方面具有促进竞争的积极效果, 比如卖家通过定价算法能够快速做出有竞争性的价格调整, 减少调整价格所需要的人工成本, 促使商品价格更具透明度, 市场竞争也因此更加具有活力;算法定价的实施能够减少进入特定市场的专门知识, 从而降低市场进入门槛;针对消费需求的临时变动, 利用定价算法实现价格的应急性上浮, 拉动供给侧增加, 迅速达到供需的动态平衡。如, 美国的Uber公司率先采用激增定价 (Surging Pricing) 策略, 利用价格刺激引导, 确保特殊时段, 如雨雪天气等, 有足够的出租车供给[3]。类似的, 国内的滴滴、首汽约车、易道等网约车平台, 在出行的高峰时段, 也会按一定比例动态提高车费。但是, 正如同硬币具有两面一样, 定价算法同时具有潜在的反竞争效果:一方面, 不同的竞争主体无需再经过传统的书面协议或者当面讨论, 直接利用事先设定的定价算法, 即可达成隐蔽的价格共谋;另一方面, 定价算法可能基于不同的变量因素和定价规则对不同的交易者进行价格歧视, 从而利用信息不对称优势, 攫取利润最大化。

  针对定价算法, 在实践当中国外已经出现执法和司法案例。如, 2015年4月, 美国司法部依据《谢尔曼法》, 在其历史上首次针对电子商务中利用算法的价格共谋行为, 在旧金山加利福尼亚州北区的地方法院对Topkins等提起重罪指控, 指控被告及其同谋采用特定的定价算法编写计算机代码, 并指示基于算法的软件, 根据达成的协议自动交换价格信息和协调卖价, 从而确保在亚马逊电商平台上所销售的特定壁纸, 按照价格高低的标准, 能够显示在搜索页面的最前面[4]。目前, 该案已经结束, 被指控者认罪并交纳了罚款。另外, 2015年12月, 美国康涅狄格州的居民Spencer Meyer, 代表他自己以及类似情况的乘客, 在美国纽约南区联邦地区法院向Travis Kalanick (Uber联合创始人、前任CEO) 提起反垄断民事集团诉讼, 主张Kalanick以及那些利用Uber定价算法的司机之间达成了合谋, 限制了司机之间的价格竞争, 损害了包括原告在内的Uber乘客的利益, 违反了《谢尔曼法》以及纽约州《唐纳利法》, 目前该案受被告的请求, 转为仲裁程序, 尚未公开案件进展[5]。

  针对定价算法引起的竞争法问题, 不少国外反垄断机关均予以重点关注和跟进研究。如2017年2月, 英国竞争与市场管理局 (CMA) 的主席David Currie提出, “执法部门需要确保广泛运用算法的结果是提升竞争而非排除竞争。”[6]2017年3月, 欧盟委员会竞争委员Margrethe Vestager指出, “我们需要关注那些借助软件实现的更为有效的卡特尔”[7]。2017年6月, 美国司法部专门出具了一份官方报告《算法与共谋》, 阐明了二者之间的关系, 表明了执法态度和监管立场[8]。2018年4月, 美国司法部助理检察长Makan Delrahim提出“通过算法的定价行为能够便利协同行为”, “这些在当代能够创造激励、能力和潜在策略而出现的新事物, 但仍未超过最初的反垄断共谋协议的认定范畴”[9]。目前, 较为全面细致地总结算法共谋的是2017年OECD秘书处准备的一份较为详实的背景报告———《算法与共谋:数字时代的竞争政策》 (Algorithms and Collusion:Competition Policy in the Digital Age) , 将可能引起反垄断法合规问题的算法归纳为四类, 包括:监测类算法 (Monitoring Algorithms) 、平行算法 (Parallel Algorithms) 、信号类算法 (Signaling Algorithms) 、自主学习类算法 (Self-learning Algorithms) , 并根据不同算法在合谋过程中所起的作用, 将算法合谋分为四类:信使合谋、轴辐合谋、预测者合谋, 以及自主机器合谋 (1) 。

  截至目前, 我国的反垄断执法领域尚未出现涉及定价算法的案例, 但在法律层面已经开始关注算法问题, 不过侧重点在于对消费者权益的特殊保护, 而非竞争秩序的维持。如, 2018年8月全国人大常委会通过的将在2019年1月实施的《电子商务法》的第18条第1款就明确禁止“算法歧视”:“电子商务经营者根据消费者的兴趣爱好、消费习惯等特征向其提供商品或者服务的搜索结果的, 应当同时向该消费者提供不针对其个人特征的选项, 尊重和平等保护消费者合法权益”。电子商务法此处着重强调了对消费者知情权和选择权的保护, 要求提供非定向的搜索结果, 目的是消除搜索领域算法推荐当中的片面信息, 但最终目的仍是避免价格歧视, 从而确保公平交易的权益, 而不是囿于有限的算法推荐和不可避免的高价。2018年1月修订实施的《反不正当竞争法》, 在第12条设置了互联网专款, 但其在一般性的禁止“经营者不得利用技术手段, 通过影响用户选择或者其他方式”后, 具体列举了4种不同的法定不正当竞争行为类型, 但都集中在禁止妨碍、破坏其他经营者合法提供的网络产品或者服务正常运行的行为方面, 并未涉及定价歧视问题。

  综上, 从现有的执法实践看, 定价算法产生的竞争法问题, 在执法和司法层面并未大量呈现典型案例, 从现有的官方报告和学术研究看, 很多也都是理论上的推演, 对于实证的分析和论述相对较少, 这一方面是由于实践当中的算法共谋、算法歧视问题大多是以隐蔽默示的形态出现, 参与的竞争者更不会主动暴露;另一方面定价算法本身涉及较强的技术性和操控性, 现有的监管方式和监管力量难以主动发现。但不可否认的是, 定价算法带来的反竞争效果, 已经对现有的竞争监管模式和理论分析框架产生了重大影响, 已有学者呼吁要积极应对数据时代的算法挑战, “企业以及竞争管理机构必须更好地了解复杂的计算机算法, 了解新的市场现实会改变竞争的范式———更好或者更糟, 探索新的竞争背景下的竞争法规”[10]。

  二、定价算法给传统反垄断法带来的困惑和挑战

  (一) 算法共谋的认定难点

  亚当·斯密在《国富论》说过, “同行人很少聚会, 但是他们会谈不是策划出一个对付公众的阴谋, 就是炮制出一个掩人耳目提高物价的计划”。因此, 共谋具有强烈的反竞争性, 反垄断法对其适用本身违法原则, 其根本原因就在于共谋将直接减少市场当中的竞争者, 从而限制竞争, 导致效率损失。进入到数字经济时代, 竞争者之间共谋的形式也越来越科技化、智能化、信息化, 从当面聚会磋商, 到书面协议约定, 再到电报电话沟通, 进而演化到价格算法协同, 共谋的形式随着信息技术的发展而不断演化升级, 形式也越来越丰富多彩。算法共谋作为共谋的一种新形式, 和传统的共谋具有不同的特点, 给传统的反垄断法分析框架带来了新的问题和挑战, 其主要特点如下:

  1. 在价格的设定上, 定价算法弱化了人的意志。

  传统的共谋通过个人明示或者暗示的方式达成, 亦通过人的行为直接贯彻执行, 人的主观要件必不可少。而定价算法代表着用系统的方法确定价格的一套策略机制, 基于竞争对手的定价金额、消费者的地理位置等诸多参考因素, 在满足一定条件下能够得到自动执行, 由计算机按照既定规则直接确定商品价格。在此过程当中, 人的主观因素并未直接得到体现, 表面上看是计算机在一定条件下, 触发了定价规则, 进而确定了具体价格。

  2. 在价格的变动上, 定价算法具有高度动态性。

  传统的共谋一般会确定商品的最终价格或者设定价格公式, 但其价格的联动需要一定的过程和时间。而定价算法的一个重要特征就是自动执行, 其参考因素很多都是动态变化的, 比如竞争对手同款商品的价格、一定时间内的市场销量等变量。在网络交易中, 一旦竞争对手修改某个商品的价格, 该变动能够通过网络实时监测, 随即激活定价算法自动做出修改, 从而省去了传统共谋所需的磋商协调过程, 而且能够精准的对应到同类同款的商品。因此, 定价算法能够利用既定的规则, 反复多次共同变动商品价格, 其频率之高、速度之快、反应之迅速, 已远超过去的传统方式。

  3. 在价格的维持上, 定价算法具有高度稳定性。

  从经济学上看, 由于“囚徒困境”的存在, 传统共谋的维持其实并不容易。“从共谋者整体来看, 维持共谋是最优的选择。但对于任何一家企业而言, 给定别人都遵守了协议, 那么其中任何一家企业只要私自背离协议, 偷偷把价格降下来, 就能占有更多市场份额, 获得比参与共谋更高的利润。从这个角度讲, 每个企业都有违约的动机”[1]。但是, 在网络交易当中, 算法共谋却能够强有力的维持共谋状态。由于每一个参与共谋的竞争者都能够通过网络及时获取市场价格变动, 采取自动化的定价机制, 并可预置价格报复措施, 有效巩固和强化了共谋者之间的监督制约机制。针对某个偷偷背叛价格同盟的竞争者, 其他共谋者能够实时发现价格异动, 并能够对背叛行为在第一时间执行报复措施, 从而使得单个同谋者难以私自破坏价格同盟。因此, 算法共谋在共谋者之间消除了信息不对称和发现时滞, 导致价格共谋行为获得了超高的稳定性。

  4. 在意思的联络上, 定价算法扩大了关联形式。

  传统的共谋需要所有参与者全部达成一致意见, 并据此协调价格行动。但对于平台型的企业, 如果多个竞争者分别与同一个平台企业纵向之间达成价格一致, 即采用相同的定价机制, 但相互之间并不是没有横向沟通联系, 而外部证据能够证明所有的竞争者都相信其他人都会采取相同的定价算法, 即使相互之间没有直接的意思沟通, 则仍会被认定为反垄断法所禁止的共谋行为。对于这种通过平台型企业达成的共谋, 属于“轴辐共谋” (Hub and Spoke Conspiracies) 。“在反垄断法上, 轴辐共谋是一种卡特尔, 作为核心轴的公司, 组织类似于车辐的上下游竞争者形成共谋。这样的共谋, 可能因为类似于车辐的竞争者相互之间达成横向的固定价格、分割市场和消费对象的协议, 从而具有本身违法性”[11]。这种情况最为特殊的在于, 模糊了传统的纵向和横向垄断协议的二分法, 通过纵向协议间接推导和证明横向协议的存在。“一方面在表面上被观察到的是一个经营者 (轴心经营者) 与其下游或上游的多个经营者之间分别达成的多个相互平行的纵向协议;另一方面, 该多个下游或上游经营者 (轮缘经营者) 之间也实际上存在一个横向的共谋。其中, 轴心经营者与轮缘经营者之间达成的多个相互平行的纵向协议通常是‘明’的协议, 即有达成协议的直接证据, 而多个轮缘经营者之间的关系从表面上看只存在一致行为, 他们之间的共谋则是‘暗’的, 需要通过间接证据证明”[12]。

  (二) 定价歧视的认定难点

  定价算法能够基于消费者的地理位置信息、购买使用频率、历史浏览记录、之前购买情况、需求紧迫程度、消费支付能力、浏览终端类别, 甚至是性别年龄、所属行业等进行多维度的综合判断后, 可能会针对相同的商品或者服务, 向不同的消费者提供不同的价格, 有可能形成定价歧视 (Price Discrimination) , 即通俗意义上讲的“杀熟”。例如, 威尔森的研究组指出, Orbitz对苹果OSX用户进行了“操纵”, 使之订购更贵的酒店, 因为算法认为苹果用户比普通PC用户更加富有[13]。从认定的角度看, 定价歧视具有以下典型特点:

  1. 隐蔽性。

  由于定价歧视并不直接涉及竞争对手, 仅是依据消费者个人的具体情况确定的“千人千面千价格”, 所以并不会遭到竞争对手的监控举报, 而消费者也难以轻易直观地发现, 必须通过不同情形下的细致比较, 才会有所怀疑。同时, 这种价格差异往往并不是很大, 一般都在消费者能够承受的范围内。另外, 执法监管机关也难以全面准确地监测到各个终端价格的不同。有学者进一步认为, “互联网商家利用大数据杀熟这个现象, 基本吻合一级价格歧视的特征。一级价格歧视, 指的是商家有能力对每一个消费者制定一个量身定做的价格。实质就是, 商家在摸清消费者的消费习惯后, 掌握了消费者愿意承受的价格, 最终尽可能地侵占每个消费者的全部消费剩余”[14]。

  2. 易变性。

  由于网络交易商品价格的差异, 已具体细化到每一个消费终端, 而且随着不同变量的更改, 终端价格处于显着的快速变化当中, 如何固定歧视性价格的证据有待法律进一步解释和完善。如, 根据我国《电子商务法》第31条的规定, “电子商务平台经营者应当记录、保存平台上发布的商品和服务信息、交易信息, 并确保信息的完整性、保密性、可用性。商品和服务信息、交易信息保存时间自交易完成之日起不少于三年;法律、行政法规另有规定的, 依照其规定”。但是, 具体到价格信息, 该条规定限于“平台上发布”的“基础价格”, 是否包括经过定价算法调整后的每一个消费终端显示的“终端价格”, 仍有商榷余地。

  3. 普遍性。

  我国《反垄断法》第17条禁止滥用市场支配地位“以不公平的高价销售商品或者以不公平的低价购买商品”, 《反价格垄断规定》 (国家发展和改革委员会令第7号) 第16条规定, “具有市场支配地位的经营者没有正当理由, 不得对条件相同的交易相对人在交易价格上实行差别待遇”。但是, 上述规定的适用对象仅限定为“具有市场支配地位的经营者”。比较而言, 通过定价算法实施价格歧视的竞争主体, 并不一定需要拥有市场支配地位。只要能够掌握足够多的数据和信息, 对用户进行高精度的画像, 就能够利用动态定价的便利条件, 随时随地地修改价格, 从而对不同交易主体实施不同定价。因此, 在数字经济时代, 掌握用户信息的多寡, 是否能够成为判断拥有市场支配力的一种重要依据仍需进一步研究, 但现阶段普遍认为“对于大量数据的控制并不是确立市场支配地位的充分要素, 因为在当今社会各种各样的数据能够轻易和低廉地被小公司获取, 比如通过销售终端、网页信息或者通过中介产业”[15]。

  三、进一步完善算法规制的建议

  近年来, 基于我国互联网的迅猛发展, 互联网治理也迈向法治化的快车道, 相关法律、行政法规、部门规章等日渐完善, 构建起一套较为系统完备的网络监管法律体系。但是, 对于定价算法的讨论和规制, 仍旧处于起步阶段, 对其运行的基本原理和使用场景, 以及相应反垄断法上的更新应对, 相关的研究和探讨仍待进一步深入。目前普遍认同的是“算法也应具备良好的价值伦理”, 主要是倡导算法的社会价值和道德底线, 但是这种内部规则并没有强制约束力, 属于倡导性的口号。已经有学者开始呼吁对算法的法律规制, “算法如此重要, 但当下法律对算法推荐本身, 却缺乏足够和直接的规范, 这导致只能针对具体现象, 进行‘头痛医头、脚痛医脚’式的监管, 而难以从源头上遏制算法推荐乱象”[16]。因此, 现阶段有必要将算法的价值伦理上升为具体的法律规范和基本原则, 使其具有法律的刚性和约束力, 以强化对算法本身的法律监管。具体到定价算法在反垄断法上的规制, 需要坚持法律底线, “我们不会容忍反竞争行为, 无论是在充满烟雾的房间还是在互联网上使用复杂的定价算法。消费者有权在网上和实体店中建立自由公平的市场”[17]。但是, 需要有针对性的根据定价算法的特点, 及时更新监管理念和监管措施, 遏制定价算法阻碍竞争的不利影响。

  (一) 认定算法共谋并不能脱离双方的主观合意

  目前为止, 算法本质上仍然是人类的工具, 算法为共谋的应用以及实现, 只是带来了新的应用手段和工具, 而不是新的法律责任主体。有学者较为激进地认为, 尤其是针对自主学习类算法 (Self-learning Algorithms) , “算法成为垄断协议直接参与者”, 并且认为“随着大数据时代的到来, 算法以及计算机技术成为垄断协议的参与者, 其行为能力在当前没有任何法律有明确的规定, 这给垄断协议的追责带来了法律上的困境”[18]。需要强调的是, 定价算法本身并不具有自主意思, 仅是人类智能的延伸, 其如何运转仍旧取决于人们如何事前设置, 并不属于独立的法律主体。因此, 至少是在现阶段, 认定算法共谋仍旧不能脱离参与共谋竞争者之间的主观认定。具体而言, 需要排除以下三种情形:

  一是某个竞争者单纯地通过定价算法, 根据其他竞争者确定的价格来调整自己网络商品的价格, 这本身即是单方定价行为, 并不构成反垄断法意义上的共谋。

  二是公司内部的员工采取定价算法来确定网络商品价格的行为, 与其所在的公司之间并不构成共谋, 此时公司员工的行为视同公司行为, 仍属于单边行为。

  三是不同竞争者分别确立的定价算法之间存在客观纠缠或者相互依赖, 如双方同时采用某个定价算法, 即使在定价时相互参考对方的价格, 仍属于合法的平行行为。如, 2011年两家书商在亚马逊电商平台上, 利用各自的定价算法, 来确保他们的收入比主要竞争对手略高, 针对“The Making of a Fly”这本书, Profnath将其价格设定为Bordeebook价格的0.9983倍, 同时Bordeebook的价格上涨至Profnath价格的1.270589倍, 这种价格定价机制每几个小时实施一次, 导致“循环定价故障”, 最终导致该图书出现了最高为23, 698, 655.93美元的畸高价格[19]。虽然, 这种价格联动行为导致了价格上涨, 但并没有双方的主观意思联络, 亦不能认定为共谋成立, 相应也未引起竞争执法机构的关注。

  (二) 认定算法共谋需拓宽共谋达成的形式

  算法可以视同一个机制或者手段来执行已经达成的共谋协议, 但并不是共谋本身。因此, 在坚持共谋仍需传统的主观要件时, 仍旧需要证据来证明共谋协议的达成。但是共谋协议的达成, 并不是要最终确定一个价格, 只要有提高、降低、固定价格的目的和效果, 即使是制定了自动运行的定价规则, 也是触犯反垄断法的。因此, 在认定算法共谋时, 需要进一步拓展共谋达成的方式。从目前的规定看, 具有较强操作性的《反价格垄断规定》 (国家发展和改革委员会令第7号) 在第7条, 列举达成价格垄断协议的8种具体方式时, 并未将算法列入。因此, 有必要单独将定价算法作为达成垄断协议的一种法定典型手段。同时, 对于垄断协议的证明, 由于算法共谋的隐蔽性和默示性, 以下这些情形可以作为推断算法合谋的辅助证据:“ (1) 经营者同时或几乎同时宣布提价; (2) 经营者频繁地交换信息; (3) 经营者同时发生商业策略的重大变化; (4) 经营者出现与个人利益不一致的统一行为; (5) 经营者没有明显的经济压力而发生异常变化; (6) 经营者保持长期的一致高价; (7) 行业领导企业存在领导价格的历史等”[20]。

  (三) 明确禁止算法所采集和依据的数据范围

  “基于维护社会公共利益和公序良俗的需要, 应将无差别不歧视、保护基本人权、尊重个人隐私等原则纳入对算法的法律规制中”[16]。在一般性地禁止算法歧视的同时, 还应当深入到算法所参考的具体因素, 通过制定操作指南、发布典型案例等方式, 以具体列举的形式, 明确某些领域的个人信息, 比如种族、民族、性别、健康状况等, 禁止导致算法定价上的差异。当然, 敏感信息的收集范围, 并不是算法规制的问题, 其首先取决于对个人信息的保护程度和范围, 目前在我国主要依据《网络安全法》及其配套制度进行规制。另外, 进一步拓宽价格歧视的认定范围, 不仅仅限于具有市场支配地位的竞争者, 而应当相应扩充为没有合理理由的所有市场竞争者, 从而消除市场份额的前置影响, 主要根据数据信息掌握的差异和运算规则, 确保算法定价上的公平合理。

  (四) 尽量消除监管机关对算法的信息不对称

  首先, 需要明确算法有限度的公开性, 实现监管透明化。前述OECD报告给出的解决方案是“增加对消费者的透明, 减少对竞争对手的透明”, 但是考虑到算法本身就带有极强的技术色彩, 很多算法都非常复杂, 要识别出其结果, 社会公众并不具有相应的理解能力, 而且大多数算法作为企业的商业秘密, 并不适宜对外公开。因此, 需要进一步限缩为对监管机关的公开, 从而消除监管信息的不对称, 不仅要公开算法采集的具体信息, 更要公开运算规则。同时, 监管机关还应该根据这些监管规则进行实地检验, 从而验证规则的真实性和准确性。其次, 需要配备具有相应技术和知识的监管人员。能够对定价算法进行识别理解, 更可以做出相关法律定性, 这不仅需要较为复杂的计算机编程技术, 还需要法律、经济等相关领域的知识, 需要掌握复合型的知识体系。最后, 可以考虑监管机关制定基础的定价算法, 作为底层算法支持, 从而直接植入到所有被监管的定价算法当中, 确保算法规则的基本稳定性和核心原则。但不管采取何种监管措施, 监管能力的跟进提升是亟待解决的问题, 这已成为制约数字经济时代反垄断执法的关键因素。

  参考文献
  [1]陈永伟.算法合谋:一个老问题的新形式[EB/OL].财新网.
  [2]REPORT FROM THE COMMISSION TO THE COUNCIL AND THE EUROPEAN PARLIAMENT, Final report on the E-commerce Sector Inquiry.
  [3]MARCUS WOHLSEN, UBER BOSS SAYS SURGING PRICES RESCUE PEOPLE FROM THE SNOW.
  [4]Department of Justice Office of Public Affairs, Former E-Commerce Executive Charged with Price Fixing in the Antitrust Division's First Online Marketplace Prosecution.
  [5]Jonathan Stempel, U.S.judge orders Uber customer to arbitrate price-fixing claims.

定价算法给传统反垄断法带来的挑战及对策相关文章
重要提示:转载本站信息须注明来源:原创论文网,具体权责及声明请参阅网站声明。
阅读提示:请自行判断信息的真实性及观点的正误,本站概不负责。
别人都分享了,你还在等什么?赶快分享吧!
更多