查找:                      转第 显示法宝之窗 隐藏相关资料 下载下载 收藏收藏 打印打印 转发转发 小字 小字 大字 大字
【期刊名称】 《政治与法律》
大数据市场反垄断规制的理论逻辑与基本路径
【英文标题】 The Internal Logics and External Values of Anti-trust Regulation in Big Data Market
【作者】 殷继国【作者单位】 华南理工大学法学院
【分类】 反不正当竞争与反垄断法【中文关键词】 大数据;数据市场;反垄断法
【英文关键词】 Big Data; Data Market; Antitrust Law【文章编码】 1005-9512(2019)10-0134-15
【文献标识码】 A【期刊年份】 2019年
【期号】 10【页码】 134
【摘要】

当今,大数据已成为企业的核心资产,经营者之间的数据竞争变得日趋激烈,数据垄断案件日渐增多。现实中,数据一定程度的排他性、质量和价值的差异性、高昂的收集成本、锁定效应和转换成本以及网络效应等实然属性均会提高大数据市场的进入壁垒,强化主导经营者的市场地位,进而使经营者可能实施违法垄断行为。反垄断规制是实现更大范围的数据效率和数据创新、维护数据正义的重要途径。大数据市场的反垄断规制需要适度平衡数据共享与数据专享,合理设定反垄断规制的限度,实现反垄断法分析范式的转型,采用以反垄断法为主、其他法律为辅的综合规制路径,促进并规范大数据市场的有序竞争。

【英文摘要】

With the development of big data technology and exponential growth of data, competition among big data operators have become increasingly intense, and data monopoly cases are growing. On the issue of whether the big data market needs anti-trust regulation or not, there are a lot of controversies in both theoretical and practical circles abroad. The ought-to-be attributes of data such as non-competitiveness, variety, availability, timeliness, portability and multi-belongingness of the user will reduce the barriers to entry into big data market. However, the above ought-to-be attributes may be artificially distorted. Such actual characters as exclusiveness of data to some extent, differences in data quality and value, high collection cost, lock-in effect, conversion cost and network effect will all increase barriers to entry into the big data market, strengthen the market position of dominant operators, and then they may implement illegal monopoly. Anti-trust regulation is an important way to ensure effective competition in the big data market, achieve a wider range of data efficiency and data innovation, and maintain data justice.

【全文】法宝引证码CLI.A.1277217    
  
  

随着互联网的普及和大数据分析技术的兴起,大数据成为一个时髦的词汇。[1]大数据有利于提高产品和服务质量,促进技术创新和提高竞争力,从而获得市场优势,同时,经营者的数据收集、处理和使用等行为可能会引发隐私保护、数据安全以及市场竞争等法律问题。

尽管理论界和实务界关注的重点是隐私保护和数据安全,但有些数据垄断案例已经引起反垄断执法机构和法院的重视。2019年7月,欧盟委员会正式启动对亚马逊使用其平台上独立零售商敏感数据的行为是否违反反垄断法的调查。[2]德国联邦卡特尔局对Facebook展开调查,于2019年2月裁定Facebook在收集、合并和使用用户数据时滥用了市场支配地位;[3]在hiQ诉LinkedIn案中,美国联邦地区法院认为,LinkedIn禁止hiQ获取相关数据的行为涉嫌滥用市场支配地位,并于2017年8月发布了临时禁令;[4] 2017年6月,谷歌利用其在搜索引擎市场获得的数据优势限制了比价购物服务市场的竞争,被欧盟委员会罚款24.2亿欧元。[5]美国、欧盟、德国、法国、日本、加拿大等国家和地区的反垄断执法机构对数据垄断问题进行了探索,相继发布了《大数据:包容工具抑或排斥工具》(美国联邦贸易委员会,2015年)、《数字经济中竞争政策面临的挑战》(欧盟委员会,2015年)、《竞争法与数据》(法国竞争管理局和德国联邦卡特尔局,2016年)、《数据和竞争政策研究小组报告》(日本公正交易委员会,2017年)以及《大数据与创新:加拿大竞争政策的关键主题》(加拿大竞争局,2018年)等研究报告。[6]

在我国,携程收购艺龙案和滴滴收购优步中国案是大数据市场的典型垄断案例,这两个案例凸显了数据垄断案件的复杂性以及大数据市场反垄断执法面临的挑战,引起专家学者对数据垄断的热议。2019年5月,中国人民大学未来法治研究院发布了《互联网平台新型垄断行为的法律规制研究》,这是国内首份数据垄断研究报告。从国内的研究成果看,学者们似乎忽略了一个国外讨论激烈却没有得出一致结论的话题,即大数据市场要不要反垄断。对这一话题,国外理论界和实务界存在两种截然相反的观点:反对说和肯定说。持反对说者认为大数据市场的进入壁垒很低,大数据市场并不存在垄断问题,反垄断规制缺乏存在的基础;[7]持肯定说者认为,数据是经营者市场力量的重要来源,经营者可以运用大数据排除、限制市场竞争,因而大数据市场的反垄断规制不可或缺。[8]理论研究上无法获得明确而又统一的结论,在一定程度上影响了各个国家大数据市场的反垄断执法和司法。为厘清上述争议,笔者于本文中拟从大数据的内在属性和大数据市场竞争现状出发,论证大数据市场反垄断规制的内在逻辑和外在法律价值,并在此基础上提出大数据市场反垄断规制的基本路径。

一、大数据市场反垄断规制的内在逻辑

国际数据公司(IDC)归纳了大数据的“4V”特征,即规模性(Volume)、快速性(Velocity)、多样性(Variety)和价值性(Value)。[9]也有学者提出“6V”特征,即数据除上述特征外,还有准确性(Veracity)和有效性(Validation)的特征。[10]要厘清“大数据市场要不要反垄断”这一问题的内在根据,应当以大数据的内在属性以及大数据市场的竞争状况为客观基础。

(一)一定程度的排他性是数据的实然属性

从广义上讲,数据是指以数字、图形、图像、录音等形式表达的客观事实,是信息的表现形式。关于数据的财产属性,有学者主张数据没有特定性、独立性,不属于无形物,也不宜将其独立视作财产;[11]主流观点认为,数据具有民事权利客体要求的独立性和财产性,应属无形财产的范畴。[12]作为无形财产的数据,具有可复制性特征,且复制具有零损耗和成本低廉的特点。由此观之,除受保护的数据外,同一个数据可以被若干经营者同时收集或使用,而不会损耗其价值。因此,数据具有非竞争性的特征,这一特征使数据的价值不再受限唯一用途,其成为“取之不尽、用之不竭”的“新能源”。

对于数据是否具有排他性,学者们争论较为激烈。主流观点认为,经营者对数据的收集和使用,并不影响或阻碍其他经营者收集和使用该数据,数据具有非排他性特征。如程啸教授认为:“作为无形物的数据,不可能被某一特定主体独占,具有非独占性或共享性的特点。”[13]比利时的安德里亚·伦达研究员认为:“主导网络服务提供商对用户数据没有明确的或事实上的排他性,与用户签订的服务合同并没有排他性条款,也不存在结构性障碍(价格或其他)限制用户只能为一个网络服务商提供数据。”[14]基于数据非竞争性和非排他性的认识,这些学者得出结论,数据几乎没有竞争意义,不能成为经营者市场力量的来源,因而数据市场不存在垄断行为。另有学者认为,数据具有非竞争性,也具有一定程度的排他性,这种排他性会被主导经营者利用,进而实施排除、限制竞争行为。格鲁内斯和斯图克教授认为:“当数据驱动型企业为了收集、存储和分析数据付出了巨大的成本,它们可能有强烈的动机限制竞争对手访问和获取这些数据集,阻止其他企业共享数据集。”[15]

从实然状态看,数据确实具有一定程度的排他性。首先,主张数据非排他性的学者主要是从数据客观存在且复制成本低廉的应然属性出发的,然而在实然层面,数据的这一属性往往被数据所有者或控制者人为扭曲,设置各种壁垒阻碍其他经营者收集同样或类似数据。正如日本公正交易委员会所指出的,数据所有者有权行使管理权,可以选择不披露数据,也可以选择向特定或不特定的人披露数据。[16]其次,用户在网络平台自愿提交的数据(自愿数据)和在网络上留下的痕迹数据(观测数据)都属于原始数据,原始数据虽不会出现供给不足,但若数据具有非排他性,经营者不会花费巨大成本对原始数据进行整理分析形成新数据(推断数据),但现实却恰恰相反。再次,根据供求规律,商品价值与稀缺程度紧密相关,数据价值会随着持有人的增加而递减,即存在数据价值递减规律。因此,大数据市场的经营者基于自身利益考虑,可能通过独家控制数据、签订排他性协议阻止其他经营者收集相同或类似数据以及通过技术壁垒实现数据的排他性。因而有学者认为:“数据并不是纯粹的公共物品,因为个人或公司可以排除数据的使用;对公司特别相关的数据,由收集数据的公司独家控制。”[17]

通常而言,数据的排他性程度因数据类型的不同而有所差异。来自用户的第一方数据排他性较低,来自于合作伙伴的第二方数据有可能会因为数据经营者与合作伙伴的协议安排具有排他性。据报道,2018年谷歌向苹果公司支付了90亿美元作为继续在苹果Safari浏览器、Siri和其他苹果设备上的内置搜索引擎的对价。[18]通过这种协议安排,谷歌在一定程度上阻止了竞争对手从苹果用户获得相同或类似的数据。来自于数据经纪商的第三方数据也可能会因为隐私保护规则和排他性合同而具有排他性。由此可见,“在第三方数据市场,占主导地位的公司可能会像其他任何市场一样从事排他性行为”。[19]

综上所述,数据具有非竞争性和一定程度的排他性,经营者可以利用数据的排他性,运用合法或非法的手段在大数据市场获得或维持支配地位。经营者通过合法的手段获得市场支配地位本身并不违法,若经营者在获取市场支配地位过程中,通过签订排他性协议等非法方式阻止其他经营者收集相同或类似数据的行为限制了数据的正常流通与共享,对于这种企图垄断的行为,根据美国《谢尔曼法》的规定,也应被认定违法。[20]经营者获得市场支配地位后,如果实施独家控制数据、阻止竞争对手实现规模经济的排他性行为、阻止用户数据可移植权利的实现等行为,属于滥用大数据市场支配地位的行为。对于经营者可能会利用数据的排他性属性实施企图垄断或滥用市场支配地位的行为,反垄断法不应该放弃对其进行规制。

(二)数据之间的差异性削弱了数据的多样性价值

大数据的“大”体现在多个方面。第一,数据类型多样。其包括结构化数据、半结构化数据和非结构化数据,具体包括图片数据、视频数据、语音数据、文字数据以及网络浏览数据等。第二,数据来源多元。数据来源于个人、企业和公共部门,涵盖了大数据来源的各个方面;即使只是个人数据,也包括搜索数据、网页浏览数据、购物数据、聊天数据以及来源于网络社交平台的个人信息数据、好友数据、偏好数据等等。

与数据多样性相关的是数据的互补性和替代性。某些情况下,不同类型的数据和不同来源的数据可以相互替代和补充。例如,有关搜索行为的数据可部分替代购买习惯的数据,同时,这两类数据相互补充可提高营销的精准度。在Facebook收购WhatsApp案中,欧盟委员会根据数据的多样性和替代性得出结论:“此次合并不会为合并各方提供独特的、不可复制的优势,因为竞争对手将能够以其他方式获得大量的数据或数据分析服务,譬如从数据经纪商或数据分析服务商手上购买,或自己收集和分析数据。”[21]基于数据多样性的认识,部分学者主张占据主导地位的经营者难以对其他经营者的数据行为施加有效限制,数据市场处于有效竞争状态,反垄断法规制属于“无源之水、无本之木”。[22]

然而,数据不仅具有多样性特征,不同数据的质量和价值也具有差异性,高质量的数据才能给经营者带来更大的经济价值。一般认为,数据质量评价标准主要归结为可用性和可靠性两个方面。首先,数据的可用性主要强调数据的相关性和时效性。对特定经营者而言,它所需要的数据应该与其经营业务相关,相关性越强,数据质量越高。“对一个平台最有用的数据可能对另一个平台无用;某些类型数据的相关性在不同的商业模式之间可能会有所不同。对数据而言,不存在单一产品的市场,因为许多数据无法替代其他数据。”[23]不同数据的时效性也有差别,时效性不同的数据,其质量也有高低之分。第一方数据比第三方数据的时效性更强,因而数据质量也更高。其次,数据的可靠性主要强调数据是否客观、准确、一致和完整。一致性要求不同来源的数据能够相互印证,完整性则是从数据广度和深度所做的要求。对于经营者来说,经济实力更雄厚,在数据行业越持久,其收集的数据可靠性越高。因此,不同经营者收集的数据质量存在差异是普遍现象,由此导致新进入者与主导经营者提供产品或服务的质量也存在较大差距,新进入者对主导经营者的竞争约束就会减弱。

数据质量的差异性导致数据价值高低有别。根据价值程度的不同,数据可以分为关键数据和一般数据。根据反垄断法的核心设施理论,关键数据对相关市场的经营者具有唯一性和不可替代性,关键数据将赋予经营者独特的市场优势。同时,关键数据具有稀缺性,对于无法获得关键数据的经营者而言,其提供的产品或服务的价值就无法与获得关键数据的主导经营者相媲美,数据相关市场有可能被主导经营者垄断。关键数据可能引发的反垄断问题已经引发了国外理论界和实务界的担忧。“一个显而易见的担忧是,一家占主导地位的公司将阻止其竞争对手及时获得关键数据。”[24]在Google收购ITA案中,美国司法部表达了这种担忧,“谷歌在合并后通过独家经营,限制了竞争对手获取航空公司座位和预定等级的数据”。[25]

尽管数据的多样性、互补性和替代性能够在一定程度上减轻数据被主导经营者垄断的可能性,但数据质量和价值的差异性以及关键数据的稀缺性,可能助长主导经营者的市场力量。拥有市场支配地位的经营者,在追求自我利益最大化过程中,可能会实施违法垄断行为。

(三)高昂的收集成本降低了数据的可获得性

从应然角度看,数据无处不在,类型多样,来源多元,易于收集,因而数据的可获得性高。反对对数据市场反垄断规制的学者认为,即使主导经营者控制了大量数据,也不会降低数据的可获得性,新进入者依然可以自己获取所需要的数据,数据市场的竞争依然是充分的。[26]

通常而言,数据质量和价值呈现出随着时间推移而价值递减的规律。对决策者而言,有价值的往往是最新的数据。数据库专家洛克伍德·里昂指出:“数据的使用寿命有限——旧数据不如新数据有价值,而且随着时间的推移,数据的价值会大大降低。”[27]尽管主导经营者控制着海量数据,但其中大部分数据都属于时效性弱的旧数据,数据赋予的任何竞争优势都是转瞬即逝的,“在新数据收集和分析方面,新进入者不太可能比主导经营者处于明显的劣势”。[28]从理论上看,数据的时效性可能会在一定程度上削弱主导经营者的优势地位。

然而,在现实世界,有多种因素可以阻碍经营者尤其是新进入者获得足够数据,其中一个因素是数据收集成本高昂。数据驱动型行业属于资本密集型行业,高昂的数据收集成本已得到了实务界的普遍证实。在TomTom收购Tele Atlas案中,欧盟委员会认为:“虽然可以通过收集各种公共数据,可以相对迅速且以有限的费用为许多地区编制基本的数字地图数据库,但编制一个可导航的数字地图数据库的费用高昂且资源密集。”[29]

新进入者的数据收集成本主要体现在两个方面。第一,数据驱动型行业采取用户创造价值的商业模式,为了吸引足够的用户,新进入者通常需要搭建一个为用户提供免费或低收费服务的平台,因而需要在服务器、人力资源、宣传推广以及维持平台运行等方面进行大量投资。正如格鲁内斯和斯图克教授所言:“如果个人数据可以像阳光一样免费获取,公司就不会花费大量的资金提供免费服务来获取和分析数据,以保持与数据相关的竞争优势。”[30]第二,新进入者需要在数据收集、存储、分析、使用以及开发算法、建设数据中心等方面进行高额投入。在搜索引擎领域,美国微软公司曾于2010年投入了45亿美元为必应搜索开发算法,随后每年都投入了巨额资金用于数据收集和算法,但依然无法撼动谷歌的市场支配地位。

当然,新进入者可以通过向数据经纪商购买第三方数据的方式降低数据收集成本。不过,对新进入者来说,购买第三方数据并不是特别可取的一条途径。首先,第三方数据往往存在一些缺陷,数据质量、相关性、时效性等方面不如第一方数据。其次,数据控制者基于成本收益的考虑有可能不愿意将数据出售给经纪商,导致经纪商手上的数据资源有限。“数据的创造者和控制者不一定有分享数据的动机。一个原因是,数据共享的成本被认为高于共享的预期私人收益。”[31]最后,因隐私保护规则的限制,第三方数据的内容及其流通也会受限。事实上,数据越敏感,越不可能被数据经纪商收集、整理和出售;即使对数据进行脱敏处理,数据价值也大打折扣。因此,第三方数据的先天缺陷决定了新进入者不能完全依赖第三方数据,依然需要在获取第一方数据上进行大量投资。

大数据市场的成本结构有两个重要特征:高昂的前期沉没成本;接近于零的边际成本。对于新进入者而言,高昂的前期沉没成本构成了重要的进入壁垒,限制了大量的新进入者和潜在的进入者,即使有经营者能够进入数据市场,也难以与主导经营者开展有效竞争。虽然近年来云计算、云存储等先进技术的开发应用,使进入者可以通过将固定成本转化为可变成本的方式,在一定程度上降低高昂的前期沉没成本带来的限制,但这些变化依然不足以改变新进入者在主导经营者面前的弱势地位。

概言之,数据的可获得性和时效性不足以削弱高昂的数据收集成本给新进入者和潜在进入者带来的进入壁垒。法国竞争当局与德国卡特尔局在《竞争法与数据》的报告中指出:“尽管数据本身是非竞争性的,但获取这些数据的成本高得令人望而却步,因此,独家访问这些数据被视为一种重要的竞争优势。”[32]主导经营者利用自己收集数据的能力和优势,可以获得更高的收入用于开发新算法,提供新产品或服务,吸引更多的用户和获取更多的数据,从而最终垄断了数据相关市场,为进一步实施违法垄断行为提供了前提性条件。

(四)锁定效应和转换成本阻碍了用户的多归属和数据的可携带

用户可以使用多个网络服务提供商获得相同或类似的服务,这被称为用户的多归属性。用户的多归属性可以产生分散效应,降低用户对主导经营者的依赖,新进入者可以较为顺利地进入市场并吸引用户,在一定程度上避免单归属下可能出现的垄断问题,进而促进了市场竞争。对于大数据经营者而言,用户的多归属性会造成用户流失,为了维持自身的竞争优势,其通常会采取会员制、积分制等差异化策略或者排他性策略弱化甚至消除多归属性。对于用户而言,基于多归属的成本以及技术兼容性等因素,其即使会选择几家经营者,通常也会以其中一家作为主要的服务提供者。

数据易于流通、复制、删除和存储,数据的可携带性源于数据的这些特征。数据的可携带性有利于提高数据的流通性,最大程度发挥数据的价值;对于新进入者而言,数据的可携带性进一步降低了其收集数据的难度和成本,增强市场竞争力,对主导经营者产生了竞争约束。欧盟在2018年5月生效的《一般数据保护条例》第20条中对个人数据可携带权做出了明确规定。尽管其立法目的是为了促进数据市场的竞争,但该权利也是一柄双刃剑,无论是主导经营者还是新进入者,只要数据主体提出携带数据的要求,都需要承担协助数据转移的义务。尤其是当新进入者没有足够吸引用户的产品或服务时,数据的可携带权甚至会产生反竞争效应。此外,数据软件的互操作性问题、数据携带的效率以及携带成本也会在一定程度上阻碍个人数据的流通,并且,统一数据格式、编写互操作性的软件代码甚至有可能抑制创新。

在大数据时代,用户不仅具有多归属性,用户还可能因为路径依赖而被锁定,锁定效应是数据市场的竞争特性之一。“严格的来讲,鉴于产品或服务差异造成消费者选择上的偏好,任何产品或服务都具有锁定效应。”[33]在大数据市场,以下因素会产生用户锁定效应。第一,大数据经营者通常会采取差异化策略,如通过提供个性化的产品或服务,尽可能满足不同用户群体的需求,最终锁定用户。第二,由于产品和服务标准不兼容,用户更换新的网络服务提供者会存在使用习惯以及沉没成本高的问题,使用习惯会导致主动锁定,沉没成本会导致被动锁定。第三,用户粘性。用户的规模越大、提供的增值服务越多、用户参与频率越高,用户粘性就越强;用户粘性越强,用户锁定效应就越明显。在大数据市场,消费者被锁定后,他们将继续为垄断者而不是竞争者提供数据,主导经营者的市场支配地位更加稳固。正如经济与合作组织(OECD)所预测的,“大数据经济学有利于市场集中度和市场主导地位,数据驱动型市场会导致‘赢者通吃’的结果”。[34]在德国Facebook案中,德国联邦卡特尔局经过初步调查,难以发现用户多归属性所产生的分散效应,因为锁定效应导致竞争对手无法获得与Facebook相媲美的数据资源。[35]

除了锁定效应阻碍数据的可携带,高昂的转换成本也是重要原因。用户的转换成本由用户在前一经营者上投入的沉没成本和转换至新经营者所付出的成本构成,成本内容包括货币成本、时间成本、技术成本以及机会成本等。如果用户在网络平台上投入了大量的时间和精力,有大量的好友以及频繁更新的照片、视频和文字作品等内容,用户数据携带的现实可能性会随着用户投入的增加而降低,当用户转换成本高到足以阻止用户产生携带数据的意愿时,用户就会被牢牢锁定。斯图克和格鲁内斯认为:“随着转换产品和服务所需时间和成本的增加,消费者被锁定的程度越大,竞争对手就越难吸引用户并实现规模。”[36]鉴于用户的使用习惯、网络效应以及平台声誉等因素对用户带来的影响,用户实际的转换成本可能会高于那些明显被感知的成本。对网络平台经营者而言,用户数据是其获取广告收入的主要途径,经营者在用户数据的收集、分析等方面投入了大量的资金,他们也有动力来阻止用户数据的携带,由此可能引发数据流通问题以及大数据市场的自由、公平竞争问题。

(五)网络效应提高了数据市场的进入壁垒

在大数据市场,反对反垄断规制的学者认为,基于数据的规模以及可获得性,“数据驱动型市场通常以低进入壁垒为特征,这表现在创新型挑战者迅速崛起,取代了拥有比自己多得多数据资源的老牌经营者”。[37]譬如,在短短十年左右的时间里,社交网络领域的主导经营者,由最初的Friendster,很快被Myspace取代,之后Myspace又几乎已经被Facebook完全取代。此外,数据并不是新进入者进入市场所需要的关键资源,只要有好的创意和创新性产品,新进入者依然可以快速进入市场并与在位经营者开展竞争。“作为大多数在线服务的起点,几乎不需要用户数据。相反,公司可能会引进创新的新产品,巧妙地满足客户的需求,并迅速地从用户那里收集数据,然后可以进一步的改进产品并取得成功。因此,在数据收集或分析方面,新进入者不太可能比现有者处于明显的竞争劣势。”[38]

根据产业组织学派的研究,市场进入壁垒通常来源于绝对的成本优势、规模经济性、产品差别化、必要资本需要量与资本成本等。[39]如前所述,成本因素、产品差别化是构成大数据市场进入壁垒的重要因素。关于数据驱动的网络效应能否构成市场进入壁垒,支持者认为,网络效应并不总是对消费者不利,但在某些情况下,网络效应会使某些公司主宰整个行业。[40]在Bazaarvoice收购PowerReviews案中,法院认为,该公司“利用客户群数据”的能力是进入市场的一个关键障碍。[41]反对者认为,数据驱动型市场的典型特征是低进入壁垒,即便是在社交网络和即时通讯等直接网络效应显著的领域,创新也足以颠覆市场,而网络效应一次又一次被证明不足以阻止新进入者打破已确立的市场主导地位。[42]

然而,即使创新能颠覆市场,也不能否定网络效应在进入壁垒中的重要作用。

一方面,在大数据市场,网络效应提高市场进入门槛的作用非常显著。数据驱动的网络效应可以通过用户反馈循环(user feed-back loop)和货币化反馈循环(monetization feedback loop)予以实现。[43]用户反馈循环是拥有大量用户的经营者能够收集更多的数据以提高服务质量,进而吸引更多的新用户。货币化反馈循环是经营者可以通过收集用户数据来提高广告的精准度以及服务的货币化水平,获得更多的资金用于提高服务质量,并收集更多的用户数据。[44]在反馈循环的作用机制下,主导经营者将在用户数量、资金实力和市场地位等方面进一步拉开与新进入者的距离,用户更加依赖主导经营者,进而有助于主导经营者实现规模经济效应。

另一方面,从来源看,数据驱动的网络效应可能来源于直接网络效应、涉

  ······

法宝用户,请登录后查看全部内容。
还不是用户?点击单篇购买;单位用户可在线填写“申请试用表”申请试用或直接致电400-810-8266成为法宝付费用户。
【注释】                                                                                                     
©北大法宝:(www.pkulaw.cn)专业提供法律信息、法学知识和法律软件领域各类解决方案。北大法宝为您提供丰富的参考资料,正式引用法规条文时请与标准文本核对
欢迎查看所有产品和服务。法宝快讯:如何快速找到您需要的检索结果?    法宝V5有何新特色?
扫码阅读
本篇【法宝引证码CLI.A.1277217      关注法宝动态:  

法宝联想
【相似文献】
【作者其他文献】

热门视频更多