大型互聯網平臺的特征、壟斷行為與反壟斷路徑
——基于大數據視角

張淑芬，鄭聯盛

(中國社會科學院 金融研究所， 北京 100710)

一、引言

當前，全球進入以互聯網為基礎的數字經濟時代，一大批互聯網平臺迅速崛起，以美國的GAFA(谷歌、亞馬遜、元宇宙與蘋果)和中國的ATBM(阿里巴巴、騰訊、百度、美團)為代表的超級平臺，對經濟和社會發展產生重要影響，市場的競爭模式從企業之間的個體競爭逐漸演化為平臺之間的體系競爭。

大數據作為重要生產要素，在平臺經濟領域發揮著超乎尋常的作用，是大型互聯網平臺維持市場地位的核心競爭要素。一方面，平臺通過對數據的采集、分析和應用，精準匹配市場供求關系，既在一定程度上解決了傳統經濟的信息不對稱問題，更好地滿足消費者需求，又能進一步促進產業優化升級，推動經濟高質量發展。另一方面，大型互聯網平臺憑借大數據優勢實施壟斷行為的事件頻發，引發各界對平臺反壟斷問題的關注，以大數據為驅動的平臺成為全球反壟斷的重點對象。自2019年起，中國、美國和歐洲等主要經濟體開啟對大型互聯網平臺的強監管，將反壟斷治理作為整頓互聯網平臺的核心，采取多項舉措，加強平臺反壟斷治理。

近年來，平臺經濟領域呈現出市場集中度越來越高的趨勢，市場資源迅速向頭部企業集中，形成了一批大型互聯網平臺，大數據在此過程中起著非常重要的作用。但大數據只是一種工具，其本身是中性的，并不能直接導致壟斷，與大數據相關的壟斷行為是平臺憑借數據優勢實施的。鑒于此，本文以大數據為視角，一方面梳理分析了反壟斷的不同理論學派，大型互聯網平臺對反壟斷理論基石的影響，學者們關于數據與平臺壟斷關系的學術爭鳴，以及學界提出的我國平臺反壟斷的不同路徑等理論問題；另一方面分析研究了大數據對大型互聯網平臺特征的影響，厘清了大數據引發的平臺壟斷行為新形態，并針對大數據對大型互聯網平臺反壟斷帶來的現實挑戰，提出了相應的反壟斷路徑。本文在大數據情境下探索大型互聯網平臺的反壟斷路徑問題，針對大數據是否會引發平臺壟斷，大型互聯網平臺利用數據實施壟斷行為的類型與運行方式，以及大數據情境下大型互聯網平臺的反壟斷路徑等問題展開研究，具有一定的理論價值與現實意義。

二、平臺反壟斷的文獻綜述

反壟斷經濟學肇始于美國，美國反壟斷法主要由《謝爾曼法》和《克萊頓法》組成。

自20世紀30年代以來，針對反壟斷問題的理論研究不斷深入，先后形成了哈佛學派、芝加哥學派和后芝加哥學派。20世紀30年代到60年代，主張產業組織理論的哈佛學派興起，結構主義成為美國反壟斷政策的理論基礎。以貝恩[1]為代表的哈佛學派反對高市場集中度，主張控制企業規模，對大企業進行拆分。20世紀70年代，芝加哥學派誕生并逐漸取代哈佛學派，在反壟斷理論中占主導地位。芝加哥學派從規制市場結構轉為規制行為，主張效率至上，認為高市場集中度可能預示著效率[2]。如果企業符合效率標準，并能夠增加消費者福利水平，即便具有高市場集中度也不一定導致壟斷，政府應減少干預。20世紀90年代之后，后芝加哥學派興起，更關注壟斷帶來的福利轉移損失，從效率至上轉向注重公平。同時，隨著信息社會和數字經濟時代的到來，反壟斷更加關注技術壟斷，通過保護知識產權等方式保護和促進創新[3]。這3個學派反映了不同歷史背景下反壟斷的發展情況。進入數字經濟時代，大型互聯網平臺涌現，其基于網絡、數據、算法形成的市場競爭新格局，給反壟斷的理論與實務帶來巨大挑戰，平臺反壟斷問題引發廣泛關注。

盡管主流觀點認為大型互聯網平臺對反壟斷理論和制度的挑戰非常小，但也有部分學者提出大型互聯網平臺動搖了反壟斷理論的基石，理由如下：第一，各大型互聯網平臺大幅提高了市場集中度，引發經濟集權，影響國家民主，導致全球范圍內對反壟斷法、競爭政策進行再評估[4]。第二，美國平臺巨頭已成長為超級經濟體，對芝加哥學派的反壟斷理論帶來挑戰，在一定程度上動搖了美國的反壟斷法理基礎[5]。第三，在新經濟新業態背景下，平臺經濟在技術特征、產業特征、市場結構等方面均發生了明顯變化，其發展中出現的壟斷問題對反壟斷治理提出了更高要求[6]。第四，平臺、數據、算法三維競爭所依據的數字經濟基本結構和原理與工業經濟時代相比發生了巨大變化，應重構反壟斷法理論框架和規制體系[7]。已有研究主要關注大型互聯網平臺壟斷呈現的新特征與新問題，但是對于動搖傳統反壟斷理論這一觀點并沒有有力的證據支撐，且相關討論仍在傳統理論框架內進行，沒有提出新理論。針對平臺、數據給反壟斷帶來的新問題與新挑戰，傳統理論能否適應這些新發展？如果能適應，如何用傳統理論來指導問題的解決？如果不能適應，理論應如何發展？

圍繞數據與平臺壟斷關系，出現了截然相反的兩種觀點。一種觀點認為數據可以引發平臺壟斷，原因在于：第一，數據作為生產要素，限制競爭對手收集市場進入的必要數據，可能引致壟斷[8]。第二，平臺經濟對數據獨占系統的控制，容易出現新型壟斷格局[9]。另一種觀點則認為，大數據導致的反競爭效果有限，不會引發壟斷問題。理由如下：一是數據無處不在，成本低，且被廣泛使用。二是占主導地位的公司不能排除小公司獲取關鍵數據或利用數據獲得競爭優勢[10]。三是在線平臺收集用戶數據是為了消費者利益，不會導致平臺主導地位的鞏固，實踐中并沒有證據證明大數據會引發競爭問題[11]。四是大數據的經濟特征緩解了通過操縱數據獲得阻礙競爭效果的擔憂[12]。五是跨業務平臺的數據整合通常會顯著增加消費者福利的效率和收益，使用反壟斷法可能會減少新產品的競爭和創新[13]。兩種觀點從不同角度出發，各有其合理性，但是均未能對數據與平臺壟斷實質關系進行深入分析。數據是中性的，其本身并不能引發平臺壟斷，但是實踐中，各平臺普遍存在利用數據實施多種壟斷行為的現象。因此，強化平臺數據治理，防止平臺運用大數據實施壟斷行為尤為重要。

針對我國的平臺反壟斷問題，學者們從監管方式、政策、機制等方面提出了多條路徑。監管方式上，應建立科學的監管模式、框架和技巧[14]；監管政策上，需加強反壟斷政策對數字經濟時代的適應性[15]；機制上，建議重構壟斷糾紛民事訴訟舉證責任分配機制[16]。已有路徑研究比較全面，但是不夠深入，可操作性也不強。因此，應進一步增強平臺反壟斷路徑的可操作性，使其可以有效應對平臺壟斷問題。

近年來，國際社會非常關注數字經濟對競爭規制帶來的影響與挑戰，大數據對平臺壟斷的影響是其中的重要內容。已有研究雖然是針對不同國家或地區的平臺競爭與壟斷問題展開的，但在全球互聯互通的大背景下，這類問題存在共性，對我國大型互聯網平臺反壟斷規制也有很大的借鑒意義，為本文設置平臺反壟斷路徑提供了重要的啟發與參考。2019年4月，歐盟發布的《數字時代的競爭政策報告》專章分析了數據經濟學對競爭政策的影響[17]，其中有關數據共享的研究，對我國數據共享的制度、路徑建設等有重大啟發意義。2019年9月，金磚國家競爭法律與政策中心發布《數字時代下的競爭：金磚國家視野》，大數據相關的排斥競爭和不公平行為的研究[18]，對我國部分平臺運用大數據實施壟斷行為的認定與監管有重要參考價值。2020年10月，美國眾議院司法委員會發布《數字市場競爭狀況調查報告》，認定GAFA存在利用其市場地位消滅競爭、扼殺創新，行使并濫用壟斷權力的行為，并對大數據在四大平臺壟斷的作用進行了分析[19]。該報告關于四大平臺進行結構性分拆的建議，對豐富我國平臺反壟斷救濟方式具有借鑒意義。

三、大數據對大型互聯網平臺特征的影響

大型互聯網平臺涉及相互影響、相互依賴的三方關系，屬于典型的雙邊市場。根據雙邊市場理論，網絡效應、規模經濟、負荷能力、平臺的差異化及用戶多宿性等特征決定了雙邊平臺的規模，其中網絡效應和規模經濟與市場集中度呈正相關，后三者則阻礙了市場集中[20]。在大數據驅動下，平臺的網絡效應、規模經濟效應以及鎖定效應進一步加劇，極有可能會加大平臺市場集中趨勢，進而影響平臺的壟斷屬性。

(一)大數據增強了平臺的網絡效應

大型互聯網平臺的強網絡效應使平臺變得高度集中。網絡效應分為直接網絡效應和間接網絡效應。在具有直接網絡效應的平臺中，一方用戶越多，對另一方用戶的價值就越高，吸引力越大。在具有間接網絡效應的平臺中，一方用戶增加，能夠吸引更多的另一方用戶，并吸引第三方參與開發更多的產品或服務，進而反過來吸引用戶[21]。

大數據通過正向反饋強化了平臺的網絡效應。平臺普遍采用大數據驅動的商業模式，網絡效應更為明顯。對于電子商務平臺，數據既是雙方交易中形成的用戶信息，也是平臺的重要資產。一方面，平臺獲得更多買方用戶后，可以收集更多數據并進行更精準畫像，從而吸引更多賣方進入，為買方提供更符合其需求的產品，進而反過來吸引更多買方，形成正向反饋。另一方面，平臺獲取更多數據后，可以吸引更多廣告商，提高廣告定價，獲得更多收入，將更多資金用于平臺的升級提質，以吸引更多用戶。社交網絡平臺表現為直接網絡效應，平臺一方數量增加，將會吸引更多的參與者，比如作為供給端的商家數量增加將會吸引更多的商家入駐平臺，作為需求端的用戶數量增加將會吸引更多的用戶參與平臺。用戶黏性增加，平臺價值提高，增加新平臺的進入壁壘和取代原有平臺的難度。搜索引擎平臺則更多體現了間接網絡效應，使用的用戶越多，平臺將會收集更多用戶檢索數據，并根據收集到的信息不斷改進算法，提升檢索效果，吸引更多廣告商。

區內陰雨天氣易導致授粉受精不良、著果率低等，因而需配置3個以上花粉量大且自花授粉的品種，以相互授粉提高產量和品質。同時，應以中國櫻桃黑珍珠為主導，按照早、中、晚熟品種的適度配比，逐步引進一些早熟中國櫻桃優新品種如早大果、早艷、紅妃及春露[4-6]等，晚熟中國櫻桃優新品種如黑甜一號、新引一號、雜交6號、巴丹早紅及春雷[7-8]等，以延長采摘時間，進一步優化品種的種植結構，豐富市場品種供應。

(二)大數據促進了平臺的規模經濟效應

大型互聯網平臺另一個重要的屬性是規模經濟，使平臺更易于集中。規模經濟一般指規模效應，在特定時期內，企業的產量達到一定水平后，各生產要素的有機結合產生1+1>2的效應，單位產品的成本下降，利潤水平提高。大型互聯網平臺具有明顯的邊際成本遞減甚至為零的特點，在平臺設立之初，所需投入巨大。但是，隨著平臺用戶數量的增加，規模擴大，平臺的邊際成本逐漸變小，效益增加，促使平臺不斷擴大規模，增加用戶，實現規模經濟。

大數據進一步強化了平臺的規模經濟。大數據的基礎是海量數據，前期需要巨額投入。一旦平臺開始運行，盡管其運轉與維護等還需要繼續增加投入，但這與大數據帶來的收益相比相當低。當平臺用戶足夠多，采集的數據體量與規模到達一個臨界點，平臺的邊際成本幾乎為零。平臺的這種運行模式，結合網絡效應，使其規模不斷變大，市場集中度不斷增強。同時，由于前期投入成本巨大，且數據只有積累到一定規模后才能獲得利益，因此會出現市場進入壁壘，大量的市場主體囿于資金、技術和人才而無法進入。即便能夠勉強進入，也會因無法與原有平臺相抗衡而慘遭淘汰。

(三)大數據強化了平臺的鎖定效應

大數據是強化平臺鎖定效應的重要因素。平臺具有用戶多宿性，即用戶可以根據平臺之間的差異化選擇不同的平臺，這會降低用戶依賴程度，可能導致用戶流失，對平臺產生分散效應，阻礙平臺的集中，降低競爭優勢。為了留住用戶，維持市場競爭優勢，平臺會通過各種手段增加用戶黏度，實現用戶對平臺的鎖定。其中，大數據作為平臺的重要生產要素和關鍵競爭要素，是平臺用以降低甚至消除用戶多宿性，增強鎖定效應的重要工具。

首先，平臺運用大數據了解用戶需求，制定吸引用戶的差異化策略，進行個性化定價或者提供個性化的產品和服務，增強自身吸引力，以此鎖定用戶。其次，平臺通過技術手段阻礙用戶向平臺移植數據，增加用戶數據移植成本。用戶在一個平臺投入的時間和精力越多，形成的數據就越多，轉換到其他平臺的成本也就越高。由于轉換成本增加，且用戶因長期使用而形成路徑依賴，導致用戶被平臺鎖定。再次，平臺利用大數據建立生態系統，為用戶提供多樣化服務，增強用戶黏性。比如某支付平臺，不僅提供支付服務，還建立了包括基金、理財、保險等在內的生態系統，增加了出行、外賣、電子商務等第三方平臺入口，顯著增加了平臺的直接鎖定和跨平臺鎖定。用戶被鎖定后，將會為平臺提供更多數據，隨著數據的不斷累積和平臺技術的持續優化，平臺對用戶的鎖定效應更加顯著，平臺的市場優勢地位進一步得到鞏固。

四、大數據引發的平臺壟斷行為新形態分析

大數據屬于新興技術，技術是中性的，無所謂好壞。在大型互聯網平臺壟斷問題上，盡管大數據本身并不直接產生壟斷，但大數據增強了平臺的網絡效應、規模經濟效應與鎖定效應，為平臺壟斷提供了重要基礎，增加了大型互聯網平臺運用大數據實施壟斷行為的可能性。因此，厘清平臺運用大數據實施壟斷行為的新形態，探究大數據在不同平臺壟斷行為中的運作方式，有助于更好地規范大型互聯網平臺的數據運用，構建更合理有效、更有針對性的大型互聯網平臺反壟斷路徑。

(一)數據驅動的壟斷協議

大數據技術增加了平臺的透明度，也為經營者合謀提供了便利。尤其是隨著大數據與算法的深入結合，經營者之間無需按照傳統方式簽訂壟斷協議即可實現合謀，方式更為隱秘。一般來說，利用大數據進行合謀主要有兩種運作方式：一是明示的合謀。經營者之間共謀通過交換或共享算法的方式，結合市場上的數據，形成價格同盟。二是默示的合謀。在大數據時代，產品和服務具有很高的透明度，經營者利用大數據和算法，使彼此的行為和步調趨于一致，從而實現默示合謀。特別是隨著人工智能的發展，算法通過自我學習不斷優化，經營者通過大數據分析監視其他經營者，實時調整算法，維持動態的算法合謀。

目前，大數據、算法與人工智能疊加形成的合謀成為全球反壟斷領域關注的焦點，但對其監管卻面臨諸多現實挑戰：首先，難以被識別。數據驅動的壟斷協議與傳統的壟斷協議不同，前者不需要經營者之間達成合意，僅通過算法或者人工智能即可實現。如果沒有相關行業知識和專業技術背景，將難以識別。其次，難以被證明。如果合謀是人工智能基于深度學習而形成的，將很難證明經營者在合謀中所起的作用。再次，難以被認定。以我國為例，我國《反壟斷法》中的合謀是指壟斷協議，明確要求“經營者之間達成壟斷協議”才構成壟斷行為，如果明示的合謀可能被認定為壟斷行為，則默示的合謀并不屬于我國《反壟斷法》的規制范圍。

(二)濫用數據市場支配地位

一是限制競爭對手獲得數據。在數字經濟時代，大數據的重要性不言而喻。數據具有非獨占性和可復制性，從理論上說，競爭對手可以通過多種途徑收集數據。但是，當數據成為競爭對手的重要生產要素，具有市場支配地位的平臺會限制其獲取，可能產生反競爭的效果。因此，需要結合具體個案來判斷限制競爭對手獲取數據是否屬于濫用數據支配地位。

二是自我優待。一般來說，如果平臺既進行運營，同時又在平臺上銷售自己的商品和服務，將會和平臺上的商家展開直接競爭，從而產生利益沖突。如果平臺給自己的商品和服務優惠待遇，即存在自我優待。近年來，平臺利用大數據實施自我優待的行為引起廣泛關注。2017年歐盟指出，谷歌進入購物比價市場后，濫用其搜索引擎的主導地位，排擠其他競爭對手，不公平地將客戶引向谷歌購物服務。2020年在美國眾議院的反壟斷聽證會上，亞馬遜也受到類似指控。

三是運用大數據實施價格歧視。大型互聯網平臺可以通過收集、分析與運用大數據，精準定位消費者并進行畫像，然后根據消費者的消費意愿和消費能力設置不同價格。同時，由于大型互聯網平臺具有一定的市場支配地位，即便價格歧視被發現，通常也不會導致用戶大規模流失。由于平臺和消費者之間信息不對稱，消費者往往難以了解定價的具體規則，導致大數據殺熟等事件頻發。

(三)數據驅動的經營者集中

近年來，大型互聯網平臺的并購行為密集發生。美國的《數字市場競爭狀況調查報告》顯示，自1998年以來，GAFA共收購了500多家公司，反壟斷機構沒有成功阻止過一次收購[19]。收購方在收購企業的同時獲取了被收購方的數據，如微軟收購領英、臉書(現名“元宇宙”)收購瓦次普、美團收購摩拜等。

數據驅動的經營者集中通常按照以下方式進行：收購方通過收購，獲取被收購方的數據、用戶和技術，尤其當收購方獲得被收購方的差異化數據后，數據集中度短時間內迅速提高。如果這種數據集中使其他競爭對手難以復制，那么將會阻礙競爭對手進入市場，產生推高市場進入壁壘、加大競爭難度、阻礙競爭的效果。另外，大型互聯網平臺還會利用數據優勢，識別有競爭威脅的公司，然后收購、復制或將這些公司消滅于萌芽狀態，以避免被其替代。這種類型的經營者集中會排除、限制競爭。

五、大型互聯網平臺反壟斷的基本路徑

大數據催生了平臺經濟等新型經濟模式，也給傳統的反壟斷理論和實踐帶來前所未有的沖擊，引起各方對大數據、大型互聯網平臺給反壟斷帶來挑戰的全面思考和探討。因此，應對反壟斷全鏈條監管、反壟斷立法、救濟措施和數據治理進行全面評估，并作出有效調整和完善，以應對大數據、大型互聯網平臺給反壟斷帶來的現實挑戰。

(一)強化平臺反壟斷全鏈條監管

盡管不同國家和地區對大型互聯網平臺反壟斷問題的態度不盡相同，但大多傾向于事中事后監管。我國《反壟斷法》將“為了預防和制止平臺經濟領域壟斷行為”作為立法目的，充分體現了對事前監管的重視，但這主要針對經營者集中，對于大型互聯網平臺壟斷問題，則應實行全鏈條監管。

一是實行監管全覆蓋。大型互聯網平臺的業務領域廣泛，應用場景豐富，涉及監管機構較多，因此將大型互聯網平臺全面納入監管規范體系，建立監管機構之間的統籌協調機制，以功能監管為主，對平臺業務進行穿透式監管，對平臺的多邊主體與跨界經營進行監管全覆蓋，明確平臺數據的公共產品屬性，將其納入宏觀審慎管理體系，既可避免出現多頭監管，也可避免出現監管空白和漏洞。

二是確立大型互聯網平臺的守門人地位。大型互聯網平臺具有管理者屬性，且越來越多地在經營者和用戶之間承擔守門人的職責。我國可借鑒歐盟《數字市場法案》規定，推行守門人制度。首先，通過對用戶規模、營業額、業務類型等設置一整套可量化標準，識別大型互聯網平臺，明確其守門人地位。其次，對大型互聯網平臺設置特定義務，防范壟斷，更好地維護市場公平，保障市場競爭。再次，對平臺實施分級分類監管。設置一定標準對平臺進行分級分類，按級按類精準制定規則，對特定主體設置更加嚴格的監管規則。最后，制定合規指引。對不同級別不同類型的平臺設置不同的合規要求，制定不同的權利義務清單，對于出現觸發合規風險的潛在壟斷行為，應及時進行風險提示并采取相應措施。

三是進一步強化事前監管，有效實施平臺反壟斷領域公平競爭審查制度。平臺反壟斷應當制度先行，通過事前介入進行公平競爭制度審查，根據平臺反壟斷的實際需要進行立法，并對不符合平臺發展規律和平臺反壟斷特性的法律法規進行清理、修訂，從源頭上對平臺壟斷行為進行規制。

(二)重視平臺經濟領域反壟斷立法的數據要素

2019年以來，我國加大對平臺經濟領域壟斷的立法規制，相繼出臺《關于促進平臺經濟健康發展的指導意見》《關于平臺經濟領域的反壟斷指南》等多部文件對大型互聯網平臺實施強監管。為進一步有效應對大數據、大型互聯網平臺對反壟斷規制帶來的挑戰，回應不斷涌現的大型互聯網平臺運用大數據實施壟斷行為新形態，應重視平臺經濟領域反壟斷立法的數據要素。

一是改進相關市場的界定方法。平臺經濟中，由于數據的可復制性與平臺的跨界經營特征，平臺可以從不同來源獲取數據，也可以將數據提供給其他平臺使用，數據已不再專屬于某一市場。傳統的供給需求替代分析法、臨界損失分析法、彈性交叉分析法等相關市場界定方法，很難有效適應對數據驅動的大型互聯網平臺相關市場的界定。因此，可以對大型互聯網平臺進行細分，確定其核心商品或服務，在傳統相關市場界定方法的基礎上綜合考量消費者體驗、轉移成本、產品特性、預訂用戶、價格差異等各種因素，改進相關市場的界定方法。

二是修改數據驅動型經營者集中申報標準。大型互聯網平臺實施的數據驅動型經營者集中，有可能經營者營業額并不高，但由于具有數據、技術或用戶優勢，實際商業價值卻很高。如果僅將營業額作為申報標準，會導致很多有可能引發壟斷的經營者集中因達不到申報標準而免于申報。因此，應修改完善經營者集中申報標準，借鑒德國《返限制競爭法》最新修訂的做法，在已有的經營者營業額申報標準之外，增設交易價值為申報標準，對平臺的防御性收購進行有效判斷，識別其是否會破壞競爭，阻礙創新。

(三)適時實施結構救濟方式

反壟斷的救濟措施主要分為行為救濟和結構救濟。行為救濟旨在阻止公司從事特定類型的行為，主要措施包括禁止其收購某種類型的企業，禁止提供某種商品或服務，要求一家公司以相同的條件(非歧視)或規定的條款向所有買家出售產品或服務，修改或取消現有合同等。結構救濟旨在消除可能導致壟斷的激勵因素，主要措施包括資產剝離和解散[22]。20世紀70年代以前，結構救濟是反壟斷的重要措施，但隨著芝加哥學派在反壟斷領域占據主導地位，行為救濟成為反壟斷的主要救濟措施，結構救濟方式基本被放棄。

近年來，隨著大型互聯網平臺的崛起，平臺的數據優勢可以迅速轉化為平臺優勢，形成贏者通吃的局面。面對平臺壟斷問題，結構救濟方式引起廣泛關注。對平臺進行結構性拆分，無論對涉嫌壟斷的平臺本身還是對市場都會產生巨大影響，因此對平臺進行拆分要非常謹慎，應設置嚴格的路徑。

第一，確立平臺拆分的目標。平臺拆分的關鍵目標是消除壟斷，促進競爭。對平臺進行拆分，可以在市場上快速培養競爭對手，形成競爭局面，能有效防范出現一家獨大、贏者通吃的局面。鼓勵創新是平臺拆分的另一個重要目標。平臺拆分后，市場競爭程度提高，有利于推動平臺的動態競爭，促進平臺創新。

第二，設置平臺拆分的判斷標準。對于平臺拆分應設置嚴格的判斷標準，符合標準的才可進行拆分。這些判斷標準包括：平臺所處的市場地位，相關市場的競爭情況，用戶對平臺的依賴性，平臺的規模、范圍、技術和經濟實力，其他經營者的進入壁壘程度等。當平臺符合這些條件時，不一定采用結構性拆分的方式，只有在沒有同等有效的其他救濟措施，或者同等有效的其他救濟措施比結構性救濟措施更加無效或者成本更高時，才采用結構性拆分。

第三，構建平臺拆分的模式。如果對平臺進行結構性拆分，可以按照不同的模式進行：一是拆分平臺活動和商業活動。將平臺活動和商業活動進行區分，分別由獨立的公司進行運營和管理。但這種分離也會因拆分的公司之間是否具有關聯關系而有所不同，分為不完全的分離與完全的分離。前者指拆分后的公司之間存在關聯關系；后者則意味著拆分后的公司由完全獨立的公司進行運營。如亞馬遜，不完全地分離允許杰夫·貝佐斯運營Amazon Prime和Amazon Web服務，但這兩項業務由不同的下屬公司運營；完全的分離則禁止杰夫·貝佐斯同時運營Amazon Prime和Amazon Web服務，要求其中的一項業務由完全獨立的股東進行運營。二是按照業務類型進行拆分。如微軟反壟斷案，哥倫比亞特區聯邦地方法院判決將微軟拆分為兩個獨立的公司(上訴后該項判決被駁回)，一個專營電腦操作系統，另一個則經營除去操作系統外的其他業務，包括Office系列應用軟件、IE瀏覽器等。鑒于大數據在平臺走向壟斷中發揮的重要作用，可以將與平臺相關的數據業務拆分出去，交由獨立的公司運營，防止大型互聯網平臺利用大數據實施壟斷行為。

(四)加強平臺的數據治理

大數據是平臺的核心生產要素和最重要的資產，大型互聯網平臺實際是在數據驅動的經濟模式下發展壯大的。但同時，平臺尤其是大型互聯網平臺也是通過大數據提高市場進入壁壘，利用數據優勢實施壟斷行為。因此，在平臺反壟斷治理中，應加強數據治理，防止利用大數據限制或排除競爭。

首先，加強數據共享。鼓勵大型互聯網平臺有序開放數據，將不涉及國家安全、商業秘密、個人隱私的數據開放共享。有效整合大型互聯網平臺的數據，逐步將其納入監管，對于利用數據實施壟斷行為的平臺，綜合運用多種監管手段，加大處罰力度。推進平臺之間互聯互通，解除平臺之間的網址鏈接屏蔽，打破“圍墻花園”，制定平臺互聯互通標準和實施細則。搭建公共服務平臺或平臺聯盟，設置統一的數據標準，構建平臺間數據共享機制，實現平臺之間數據交換與共享。

其次，實現數據的可移植性和互操作性。鼓勵大型互聯網平臺構建數據的可移植和互操作體系，為用戶提供工具或入口，便于用戶在不同平臺之間進行互操作，或者在不同平臺之間進行數據移植。構建平臺開源聯盟，引導大型互聯網平臺采用可相互兼容、轉換的數據標準和開源技術，打破數據孤島，允許數據在不同平臺之間進行遷移。

再次，加快完善《數據安全法》《個人信息保護法》等配套制度。加強平臺經濟領域數據安全與個人信息保護的立法，建立健全更具靈活性、針對性與操作性的配套制度、措施、規范、指引和標準，既要保障大型互聯網平臺的數據應用，充分發揮大數據在平臺發展與創新中的作用，又要加強數據安全與個人信息保護，防范平臺運用大數據實時壟斷行為，維持數據應用與數據安全的平衡。