消費類數據平臺化開發的商業模式與監管框架

摘 要：在數字時代，合理開發消費類數據對于實現經濟高質量發展具有重要意義。基于數據的公共產品屬性、間接性和規模效應等特征，本文提出平臺化開發是消費類數據開發的核心商業模式，即由數字平臺收集來自不同企業或商家的交易數據，并據此構建數據模型，以間接方式（出售基于數據分析的產品或服務）或直接方式（出售原始數據）供第三方用戶使用。首先，本文系統總結已經相對成熟的線上消費類數據平臺化開發模式。其次，本文分析了線下消費類數據開發面臨的獨特挑戰（數據零散增加了收集難度，數據產權歸屬模糊，分析使用數據需要較高的成本等），以及通過平臺化實現線下消費類數據價值的方法與商業模式。此外，文章還分析了這些策略對社會福利和市場競爭的潛在影響。最后，本文提出要通過市場機制和完善法律法規保障消費者權益及數據安全，并討論了政府在促進數據共享和社會治理中的角色。

關鍵詞：消費類數據；平臺化開發；商業模式；數據產權；隱私保護

中圖分類號：F724.6 文獻標識碼：A 文章編號：1000-176X（2025）04-0026-15

一、問題的提出

黨的二十屆三中全會審議通過的《中共中央關于進一步全面深化改革、推進中國式現代化的決定》指出，“健全促進實體經濟和數字經濟深度融合制度”“促進平臺經濟創新發展，健全平臺經濟常態化監管制度。建設國家數據基礎設施，促進數據共享。加快建立數據產權歸屬認定、市場交易、權益分配、利益保護制度，提升數據安全治理監管能力，建立高效便利安全的數據跨境流動機制”。文件中所涉及的數據市場交易機制、平臺經濟創新發展，以及如何促進實體經濟和數字經濟深度融合等基礎性理論問題，都亟待學術界深入研究。

本文重點探討消費類數據平臺化開發的商業模式。本文通過將數據、平臺與實體經濟（線下）等關鍵詞串聯起來，深入探討它們之間的相互作用機制。具體而言，本文基于數據的公共產品屬性、間接性和規模效應等特征，提出平臺化開發是消費類數據開發的核心商業模式。在這一模式下，數字平臺通過收集來自不同企業或商家的交易數據，構建數據模型，以間接方式（出售基于數據分析的產品或服務）或直接方式（出售原始數據）供第三方用戶使用。當前，這種平臺化模式在線上數據市場已趨于成熟。將其進一步應用于線下消費類數據市場，不僅能夠推動線下數據資源的有效開發，還有助于實現實體經濟與數字經濟的深度融合。本文旨在總結線上消費類數據平臺化開發的實踐經驗，結合線下消費類數據市場的獨特屬性，系統分析平臺化開發模式在該領域的適用性和可行性，從而為相關實踐提供理論支持和政策建議。

本文圍繞兩個關鍵主題展開：消費類數據和平臺化開發。數據作為一種廣泛的記錄形式，涵蓋了社會活動中各類主體對客觀世界的觀測和記錄。盡管目前關于數據要素開發的研究層出不窮，但鮮有文獻專門聚焦生成于交易過程中的消費類數據。本文則同時關注線上和線下場景中這一特定類型的數據。此外，現有文獻在探討數據要素開發時，通常將數據產權歸屬和數據使用收益分配視為彼此獨立的環節分別進行分析，較少從整體視角出發，以平臺化的方式將數據生成和使用過程中涉及的各參與方連接起來，并在此基礎上系統討論消費類數據的開發問題。這種割裂式的分析方式可能忽略了數據流轉全鏈條中的復雜互動關系，從而限制了對實際問題的深入理解。在中國，有關消費者與企業之間數據產權歸屬和數據使用收益分配的討論主要集中在法學領域[1-5]。相比之下，采用經濟學方法討論這一問題的研究相對較少[6-7]。在消費場景中，消費類數據的使用方式呈現高度復雜性和多樣性，其對消費者福利的影響也因具體使用方式而異。因此，脫離具體使用場景單純討論消費類數據的歸屬可能導致一種悖論：為保護消費者福利而設計的規制政策，反而可能在實踐中降低消費者的福利水平[8]。基于此，本文主張將相關問題置于一個明確的消費類數據使用框架下進行分析，這或許是一種更為合理且有效的研究路徑。

平臺化開發模式通過內生化各參與方在數據收集和使用中的決策行為，強調利用市場機制來保障消費者福利。本文進一步分析消費類數據開發的路徑，并在其中尋求平衡各參與方權益的有效方案。這是本文的主要邊際貢獻之一，旨在為消費類數據的合理開發提供更具操作性的理論指導。中國關于數據要素開發的討論大多聚焦線上場景，或者未能充分關注線上線下不同場景中消費類數據的差異[9-10]。同時，國內針對數據市場的研究主要集中在數據交易，尤其是直接交易方面[11]，而對平臺化開發模式的關注較少。

具體而言，線上場景行業集中度高，通常呈現寡頭壟斷的市場結構。大型企業憑借其資源優勢，能夠在數據的收集、存儲、分析和使用的全流程中提供充足的資金和技術支持。然而，在線下場景中，數據的生成主體和使用主體往往更加分散，且這些主體通常難以承擔數據使用所需的高額成本。這是線上場景與線下場景在數據開發上的顯著差異之一。

此外，數據在不同主體間所能發揮的作用存在顯著差異，因而各參與方對數據的具體需求形式也各不相同。雖然現實中確實存在直接的數據交易，但基于數據分析的產品或服務的交易則更加普遍。本文在平臺化開發模式下，進一步區分了數據的直接需求（如原始數據的購買）和間接需求（如基于數據分析的產品或服務），從而更全面地理解數據價值的實現方式。本文嘗試借鑒線上消費類數據較為成熟的開發模式，提出平臺化開發是消費類數據開發的核心商業模式，并進一步分析了此種模式對社會福利和市場競爭的影響。本文的研究不僅彌補了現有文獻的不足，也為推動線上線下數據開發的融合發展提供了新的視角和思路。

二、數據的特征和分類

數據作為一種經濟資源，具有顯著的價值，能夠預測消費者需求或優化生產流程，進而降低成本。因此，數據交易或數據共享在理論上可以提高經濟效率。然而，原始數據具備公共產品屬性、間接性和規模效應等特征，這些特征對其經濟價值的實現方式產生了深遠影響。

第一，公共產品屬性。在經濟學中，公共產品指的是某一單位的產品被某一經濟主體使用時，并不會排除其他經濟主體同時使用該產品的可能性[12]。例如，當A企業將數據出售給B企業后，從技術角度看，這并不會妨礙A企業繼續使用這些數據，甚至可以進一步將相同的數據出售給C企業。這種非排他性和可復制性使得數據在交易和使用過程中表現出與傳統商品截然不同的特征。

第三，規模效應。只有積累到一定規模的數據才可能在市場中真正發揮實質性作用。無論是用于改進生產技術還是進行需求預測，數據分析通常依賴統計方法或機器學習技術，而分析結果的穩健性往往與數據量密切相關。特別是在大模型時代，模型參數的數量常常達到億級規模。為了避免過度擬合現象，所需的數據量通常不得低于模型參數的數量。因此，在數據開發中，充分發揮數據的規模效應非常重要。

數據所具有的上述特征使得數據市場的運行機制相較于普通產品市場更加復雜，簡單的交易模式未必能夠實現高效配置。例如，數據的公共產品屬性意味著理論上有效率的價格應等于其邊際成本，即數據價格為零。然而，在實際交易中，這種定價方式很難與數據持有者的激勵相容。此外，數據需要經過開發才能創造價值，且往往具有規模效應。這意味著數據需求方可能需要整合來自多家企業的數據，經過復雜的開發流程才能實現其潛在價值。這不僅帶來了單個數據如何定價的技術難題，還凸顯了部分數據需求方可能缺乏開發能力的問題。因此，如何有效開發數據，是否存在成熟的商業模式，這些問題的答案往往取決于數據的具體類型。

從數據的生成過程和交易特征來看，數據可以分為三類。一是消費類數據。這類數據主要來源于交易過程，如大型企業或消費互聯網平臺在日常運營中生成的數據。其主要作用在于預測消費者需求，促進供需匹配，并進一步向產業鏈上游傳導，指導生產方向，推動產品創新。二是生產類數據。這類數據來源于企業內部的生產流程，通過大規模分析相似企業的數據，能夠促進流程創新、降低生產成本，并提高生產效率。生產類數據的交易通常發生在產業鏈上下游企業間，或者集中于同一領域的制造業企業和生產性服務企業。三是公共數據。這類數據主要由各級政府機構和事業單位生成，涵蓋土地、交通、醫療和教育等領域的大數據資源。公共數據的特殊性在于其流通機制可能既包括市場化方式，也涉及非市場化直接開放的方式。

三、消費類數據平臺化開發模式：線上市場經驗

數字技術的迅猛發展極大地擴展了消費類數據的應用場景。自網景公司開創消費互聯網以來的三十余年間，移動通信技術和數字經濟模式實現了跨越式發展，線上消費、社交、工作和學習已深度融入現代生活。通信技術與互聯網技術的深度融合不僅為每個人提供了更加便捷和高效的服務，還由于電子行為①更容易被記錄和儲存的特征，顯著降低了企業追蹤個體行為的成本。由此，通信服務提供商和互聯網企業得以掌握大量個人信息。這些被記錄下來的個人信息為企業帶來了多方面的價值。當前，企業主要通過兩種方式利用這些數據：一定程度的價格歧視、精準廣告營銷。然而，對于消費者而言，個人信息的暴露不僅引發了對隱私保護的擔憂，還可能因價格歧視等現象而遭受經濟損失。

在實踐中，基于平臺的消費類數據開發已成為主流模式。海量的消費者互聯網行為被通信服務提供商記錄下來，形成了豐富的消費類數據資源。例如，亞馬遜、谷歌、臉書、阿里巴巴和京東等平臺企業，已經構建起龐大且精細的消費者數據庫，并基于這些數據開發出多樣化的盈利模式。數據的使用方式和效率在很大程度上決定了企業在數字時代的競爭力。平臺企業對消費類數據的使用方式是多樣化的，本文以典型的雙邊平臺為例，根據數據最終使用方式的不同，將其劃分為三種：需求端的間接使用、需求端的直接使用和供給端的使用。需要注意的是，這三種方式并非互斥，往往可以同時存在。以下將分別介紹這三種消費類數據使用方式的基本經濟學原理、典型事實，以及支撐上述使用方式的數據市場機制。

（一）需求端的間接使用

平臺企業通過間接使用消費類數據在需求端實現盈利，這種方式并不涉及出售原始數據，而是通過利用基于數據分析的產品或服務來獲得收入。例如，在搜索引擎場景中，平臺根據用戶的行為數據提供個性化的搜索結果展示，而第三方用戶則通過向平臺付費，獲得更優先的展示位置。這種模式將數據的價值嵌入到產品或服務的優化中，從而實現商業變現。

⒈基于消費者特征的廣告推薦和匹配

在數字時代，基于消費者特征的信息推送與傳統線下信息展示的最大差異在于，前者能夠以顯著降低的成本實現對消費者的個性化影響[14-15]。在線下場景中，由于難以實現信息的精準定制，通常只能根據群體特征進行粗略的信息設計，這種帶有“噪音”的信號難以高效地觸及單個消費者。然而，在線上場景中，技術手段使得針對單個消費者發送特定信息成為可能，這不僅降低了廣告成本，還使消費者從線上傳媒中獲取的信息更加貼合自身需求。從商家的角度來看，信息的精準化無疑是一種優勢。然而，消費者并不總是能從精準推薦中獲益。消費者對廣告精準度的偏好并不是線性的，廣告精準度的提高對消費者效用的影響呈現先下降后上升的U形趨勢[16]。精準信息帶來收益是比較符合直覺的。但是，廣告精準度的提高對消費者效用的影響存在兩種負面效應：一方面，廣告精準度的提高可能導致廣告數量增加，占用消費者更多的注意力，從而帶來負面體驗；另一方面，過于精準的廣告未必符合消費者的偏好，有時適度模糊的推薦反而更受歡迎。

當消費者通過搜索引擎與潛在賣家進行匹配時，序貫搜索過程中的搜索成本會顯著降低，同時匹配效率會提高，賣家之間的價格競爭也會加劇，最終實現消費者剩余的增加。然而，如果搜索引擎市場缺乏充分競爭，企業可能會出于利益驅動，故意降低搜索結果的準確性，以向廣告主收取更高的費用。這種策略可能會對消費者福利造成負面影響。以阿里巴巴旗下某購物平臺為例，Sun等[17]在該平臺上進行了一項實驗，隨機選取一部分用戶，在禁止平臺使用這些用戶的個人數據之后，消費者對首頁商品的點擊率大幅下降，頁面停留時間也有所縮短。這一研究表明，基于個人數據的精準推薦能夠顯著增強商品對消費者的吸引力。從這個視角來看，基于消費類數據的精準匹配機制不僅提升了消費者的使用體驗，也為企業創造了更多價值，實現了雙方效用的共同提升。

⒉實例：出售基于數據分析的產品或服務

以谷歌和臉書為代表的平臺企業，通過利用消費類數據實現有針對性的廣告投放。例如，谷歌通過記錄用戶在其搜索引擎、郵箱服務、地圖應用和安卓移動設備系統中的行為，積累了海量的用戶數據。通過對這些數據的合理分析，可以有效推斷用戶的消費偏好。基于此，谷歌構建了一個連接廣告主與消費者的平臺——Google AdWords。在這個平臺上，企業可以通過競標的方式購買特定關鍵詞。當消費者搜索這些關鍵詞時，谷歌會根據其內部算法，在特定類型消費者的搜索結果中調整某些廣告的展示順序。這一過程不僅依賴用戶的歷史行為數據，還結合了谷歌對消費者類型的精準判斷，從而實現廣告的個性化展示。此外，谷歌通過持續收集用戶的點擊行為數據，不斷優化廣告展示算法，并進一步提升其判斷消費者類型的準確性。相比于傳統較為粗放的廣告投放模式，這種基于數據驅動的精準匹配顯著提高了消費者需求與廣告內容之間的契合度，同時也為企業帶來了更高的廣告投資回報率。這種良性循環不僅提升了用戶體驗，還為平臺和廣告主創造了更大的商業價值。

以亞馬遜和阿里巴巴為代表的平臺企業，通過利用消費類數據為用戶提供個性化的定價和商品推薦服務。對于電子商務平臺而言，提升用戶體驗能夠有效促進用戶的瀏覽行為，從而提高購買量或消費金額，而平臺通過從每筆交易中抽取傭金，可以實現可觀的收入。具體來說，亞馬遜通過收集并分析消費者的瀏覽記錄、購買歷史、愿望清單和售后評價等數據，形成對用戶偏好的精準判斷。在此基礎上，平臺綜合運用協同篩選①和基于內容的篩選技術，在應用首頁和搜索結果中優先展示那些算法預測用戶最有可能購買的商品。

⒊數據價值的間接變現：基于消費類數據分析的廣告服務與優化策略

在上述模式中，消費類數據并未直接出售，而是通過間接方式改善了數據持有者的營收狀況。例如，谷歌并不直接向企業出售消費類數據，而是通過提供基于數據分析的廣告服務來獲取收益。同樣，電子商務平臺也沒有將消費類數據出售給第三方用戶，而是通過提升用戶體驗和增加總銷售額，最終借助交易抽成實現盈利。在這種商業模式中，除了需要滿足傳統雙邊平臺的基本條件（如吸引足夠數量的消費者和第三方用戶）外，數據持有者還要具備強大的數據處理能力。以一次典型的廣告展示為例，整個過程需要在極短時間內完成：系統需快速判斷消費者的類型及其搜索關鍵詞背后的實際需求，然后在競價拍賣機制下篩選出最合適的關鍵詞，并確定最終的優先展示結果。這一系列操作依賴于高效的算法和強大的計算能力。由此可見，在上述案例中，平臺的數據處理、分析和運用能力對其最終實現數據價值起到了至關重要的作用。

（二）需求端的直接使用

平臺企業通過直接使用消費類數據在需求端實現盈利，主要表現為直接出售原始數據或提供數據接口以獲取收益。與間接使用方式相比，這種方式對數據的數量和質量提出了更高的要求，而對平臺企業的數據處理能力則要求較低。相應地，數據購買方需要具備一定的技術能力。在這種模式下，第三方用戶獲取數據后，會根據自身產品特性和風險偏好，對數據進行深度處理和分析，從而為不同消費者制定差異化定價策略。此處的“歧視性定價”可以被賦予較為寬泛的定義。例如，在典型的信貸場景中，貸款方根據借款方的信用特征，設定不同的利率水平或抵押物要求，這一過程可被視為一種歧視性定價[18]。這種定價方式的核心在于利用數據實現對消費者類型的精準判斷，并據此調整產品或服務的價格結構，以實現經濟效益最大化。

⒈對消費者的個性化定價

一級價格歧視長期以來僅存在理論探討中，因為精準掌握每位消費者的保留價格幾乎是不可能的。然而，數字時代的到來為實現一級價格歧視提供了可能性。早在互聯網商業化應用之初，就有研究[19-20]指出，互聯網技術顯著降低了搜尋成本、記錄成本和識別成本，使互聯網用戶的購買歷史、瀏覽記錄、家庭住址等信息能夠被企業有效獲取和使用。這些數據為企業勾勒出一個更加立體的消費者畫像提供了基礎，包括消費偏好和支付意愿等關鍵特征，從而為個性化定價策略的實施創造了條件。個性化定價對消費者的影響具有雙重性：一方面，它加劇了商家間的價格競爭，潛在地提升了消費者的福利水平；另一方面，它也促使商家更有效地實施價格歧視和產品差異化。當前，互聯網企業實現價格歧視的主要形式可以歸納為以下兩種：

第一種是基于消費者行為的價格歧視。基于消費者過往的瀏覽、交易和評價行為，企業能夠捕捉到反映個人偏好的特征信息。通過將這些信息聚合分析，企業可以實施差別化定價策略。但是，這種做法對消費者的影響存在差異，其最終效果取決于消費者是否具備“精明”特質，即消費者是否能夠預見企業對其個人信息的使用，并據此采取應對措施。一項基于電器零售市場開展的研究發現，如果消費者未能預見個人信息可能被出售，那么其消費者剩余必然會受到損失[21]。當消費者能夠預見并理解這一過程時，企業可能會選擇一種更為嚴格的“不交易信息”策略，從而達成更低的均衡價格，以提升消費者的福利水平。此外，企業間的競爭狀況同樣會影響其對消費類數據的使用方式[22]。對于具有壟斷勢力的企業而言，掌握消費者的過往信息有助于其占有更多的消費者剩余，而對于處于競爭性環境中的企業而言，這些信息反而可能加劇企業間的競爭，從而間接提升消費者的福利水平。

第二種是提供有區別的折扣[23]。當企業能夠針對每位消費者實施完全個性化的折扣時，只要標記消費者的成本不是極低的，企業和消費者都能從更嚴格的個體折扣限制中受益。如果與隱私相關的法規賦予消費者選擇是否被標記的權利，那么消費者只能在預期折扣帶來的收益高于其隱私價值時，才會選擇允許被標記。然而，如果對企業標記客戶的能力進行限制，則無論隱私價值有多高，消費者都可能傾向于選擇允許被標記。在考慮企業對消費類數據的使用時，不能忽視企業的道德風險問題。盡管市場競爭壓力可以在一定程度上約束企業的行為，但相比之下，企業對定價策略的可置信承諾更能有效保障消費者福利不受個人信息披露的影響。這意味著，在設計相關制度和政策時，應注重激勵企業以透明且負責任的方式使用消費類數據，從而在提高經濟效率的同時保護消費者權益。

⒉實例：直接出售原始數據

以開放銀行為代表的金融科技企業，通過購買、整合來自不同企業的基礎金融信息，包括賬戶信息、信用卡使用信息和交易信息等，不僅可以直接出售這些原始數據，還可以在綜合分析的基礎上形成對每位消費者的金融狀況評分。隨后，開放銀行可以通過提供數據接口的方式將這些評分結果向有需求的第三方用戶出售。在這個過程中，第一階段提供金融信息的企業并不需要具備強大的數據處理能力。對于這些企業而言，只需在與用戶互動的過程中準確記錄相關信息，并對其進行必要的脫敏處理后出售給開放銀行，即可實現數據的價值轉化和變現。這種方式不僅降低了原始數據提供方的技術門檻，還能通過開放銀行的專業化數據分析能力，進一步提升數據的商業價值和應用范圍。

螞蟻集團通過與阿里巴巴的深度協同，充分利用其在交易（如淘寶、天貓等電子商務平臺）和支付（如支付寶等支付工具）領域的優勢，廣泛收集消費者個人支付行為數據，以及平臺內商家經營情況等關鍵信息。螞蟻集團以類似傳統線下征信機構的方式，將這些原始數據出售給第三方用戶。在金融活動中，出借方難以全面掌握借款方的財務狀況是導致金融市場效率低下的一大重要因素。然而，這些大量源自真實且長期交易的收支數據，不僅能夠反映個體的財務狀況，還能通過還款時間、評價行為等微觀數據推斷出信用類型。這種基于真實交易的數據有效緩解了金融活動中的信息不完全和不對稱問題。

⒊提供原始數據與提供數據分析服務：滿足金融機構定制化需求的兩種模式

與提供基于數據分析的產品或服務相比，直接提供原始數據對平臺的數據處理能力要求相對較低。許多金融機構傾向于自主研發適合自身業務需求的風控模型，因而更需要完整、準確的原始數據，而數據的進一步處理和分析則由這些金融機構自行完成，而非依賴于提供原始數據的平臺企業。這種方式不僅降低了平臺企業的技術負擔，還滿足了金融機構對數據靈活性和定制化的需求。

（三）供給端的使用

消費過程中生成的數據可以直接服務于新產品和新服務的研發。這種數據使用方式與電子商務平臺利用數據為消費者提供更精準推薦的邏輯類似，但兩者的作用機制存在差異。在電子商務平臺中，更精準的推薦通過提高交易總量間接提高了平臺的抽成收入；而通過利用用戶數據來提升商品質量則能夠直接體現在消費者更高的支付意愿上，為企業帶來更顯著的價值。這種數據使用模式要求數據收集主體同時具備研發能力和產品交付能力，這對企業的上下游一體化規模提出了較高要求。當然，在平臺外部性的驅動下，平臺將這些數據分享給第三方用戶也是一種合理的選擇。例如，蘋果會利用消費類數據協助第三方用戶優化和迭代應用程序，因為更優質的應用程序能夠產生正向的網絡外部性，進一步提升平臺的整體價值。

⒈基于消費者類型的質量歧視

在數字時代，企業利用消費者信息，針對個體或群體特征提供定制化的產品或服務，已成為很常見的實踐方式。有觀點認為，這種定制化模式能夠有效降低消費者的搜索成本，使商品在合適的時間送達合適的消費者。消費者對定制化服務的滿意度通常較高，但這種滿意度往往具有時效性，會隨著時間逐漸衰減。同時，消費者對定制化服務的信息量極為敏感，通常偏好信息量更豐富的選項。從這一角度來看，定制化產品或服務在提升消費者福利方面的作用是比較明確的[24-25]。但是，當企業同時具備質量選擇和實施歧視性定價能力的情況下，過度的價格競爭會導致整體商品質量下降，最終對社會總福利造成負面影響[26]。

通過版本控制實現價格歧視，是數字產品市場中廣泛采用的一種價格歧視手段，也可視為數字時代更容易實現的產品差異化策略。這種方式更接近于二級價格歧視（質量歧視），其實施需充分考慮數字時代的一個重要特征：極低的邊際生產成本。對于壟斷企業而言，如果僅提供低質量版本就能獲得比提供高質量版本更高的市場份額，那么企業很可能會利用消費者對低質量商品的正面評價，在單一產品下實現版本收益最大化[27]。這意味著消費者福利是否會因版本控制而受損，取決于消費者類型的分布情況。從產權保護和研發激勵的角度來看，版本控制在一定程度上可以對抗消費者可能存在的盜版使用行為[28-30]。在一個統一定價的市場中，提供多版本備選商品，可以同時增加企業收益和提升消費者的福利水平，因為消費者總能從更符合自身需求的商品中獲得更高效用。然而，如果從耐用品的角度來看，則會出現不一樣的結論。當數字商品存在版本迭代時，新版本在一定程度上宣告了老版本效用的逐步喪失。因此，更偏好新內容的消費者在版本控制中受到的福利損失更大，因為這部分用戶對商品的跨期替代性認知較弱，從而提升了企業的市場勢力。此外，消費者個人信息的披露使得企業能夠利用質量或商品特征對市場進行分割，這進一步降低了消費者的福利水平。

在促進實體經濟和數字經濟深度融合的進程中，建立一系列行業共性技術平臺并加速產業模式的革新是至關重要的，這要求企業能夠恰當地利用消費類數據來提高生產效率。即使僅從消費者角度出發，合理共享數據也能在一定程度上提升其福利水平[31]。綜上所述，如何在質量歧視的背景下權衡消費者福利、企業收益和社會的福利水平變化，是利用消費類數據反哺實體經濟的重要前提。

⒉實例：內部生產部門使用數據

以蘋果和微軟為代表的科技企業直接利用自身收集的消費者（用戶）數據，并將其應用于新產品或服務的研發中。例如，蘋果記錄了大量用戶與語音助手Siri的互動數據，這些數據被直接用于新的大語言模型訓練，從而有效提升了程序的語言識別準確性。此外，蘋果還會收集用戶在使用過程中產生的應用崩潰報告和系統錯誤信息，這些數據能夠幫助系統維護人員快速定位問題，為加強新一代移動操作系統（如iOS）的穩定性提供重要支持。然而，在這一過程中，由于蘋果生態系統的高度一體化特征（硬件和軟件系統由同一家企業提供），用戶對隱私保護的擔憂也更為強烈。為了緩解這種擔憂，企業需要投入更多資源，確保用戶個人信息的安全。例如，蘋果開發了專門的軟件工具，使數據的脫敏處理和計算分析能夠在設備本地完成。

在微軟的運營中，人工智能技術和多平臺入口在消費類數據使用方面的優勢得到了更為顯著的體現。借助不斷進步的人工智能技術，微軟在其擅長的生產力應用領域，能夠以消費類數據為基礎，為用戶提供更加個性化的智能建議。例如，在微軟的辦公套件（Office 365）中，通過記錄和分析用戶的使用習慣，系統可以生成大量智能化建議。這種直接利用自身收集的用戶數據并結合人工智能提供個性化服務的方式，不僅提升了用戶體驗，還有效增強了消費者對新一代產品的購買意愿。此外，微軟充分利用其在個人電腦操作系統、電視游戲機和云服務領域的多平臺入口優勢，將用戶數據分析和個性化推薦擴展至所有平臺。這一策略極大地發揮了平臺的外部性特征，不僅增強了用戶體驗的一致性，還進一步鞏固了微軟的競爭優勢。然而，這種直接利用消費類數據提升新產品質量的模式雖然優勢明顯，但對企業的規模和技術實力提出了較高要求。只有少數具備強大資源整合能力的企業才能實現數據收集和使用的閉環，形成可持續的競爭壁壘。

⒊消費類數據驅動的產品或服務升級：拓展平臺商業模式的新途徑

基于消費類數據進行產品或服務升級的方式并不局限于企業內部。結合出售基于數據分析的報告或直接出售原始數據的模式，可以想象一個簡單的應用場景：平臺收集了大量消費者對應用程序的評價信息，并將這些原始數據或基于數據分析的報告出售給第三方用戶。這不僅能幫助第三方用戶更精準地迭代產品，使其更貼合消費者需求，還能為平臺帶來靈活的收費方式——平臺既可以向第三方用戶直接收費，也可以通過免費提供原始數據的方式，借助第三方用戶為消費者創造的交叉外部性間接獲利。這種靈活的數據變現方式不僅拓展了平臺的商業模式，還為整個生態系統的健康發展提供了動力。

四、數據價值的實現與挑戰：線下消費類數據的整合、交易及平臺化發展

（一）開發線下消費類數據的獨特挑戰

線下消費類數據是指在非電子商務平臺環境中完成的交易所生成的數據。這類數據與線上活動中被記錄的數據存在顯著差異，在數據生成、使用和交易的各個環節都展現出獨特性。盡管在線下消費類數據的開發過程中，仍需面對諸如數據的產權劃分、收益分配和消費者隱私保護等共性問題，但這些問題已有較為豐富的研究討論，本文則關注開發線下消費類數據的獨特挑戰。

⒈數據零散增加了收集難度

在數據收集階段，線下交易呈現高度零散化特征。得益于中國電子支付的高度普及，少數幾家提供電子支付、基礎設施服務和移動通信技術的企業能夠記錄大部分交易信息。與電子商務平臺相比，這些企業在數據整合方面面臨更大的挑戰。例如，電子商務平臺能夠詳細記錄每一筆交易，并快速整合信息以推斷市場需求狀況。然而，在特定的線下市場中，盡管每個賣家都可能會記錄自己的交易數據，但由于數據以賣家為單位被割裂，難以實現有效整合，從而無法準確估計市場整體情況。因此，構建一個更高維度的平臺顯得尤為重要。平臺可以從交易支付、運營成本（如水電使用、流量消耗等）等多個角度出發，記錄線下市場中單一賣家的數據，并快速整合信息，形成高質量的數據集，以有效反映整個市場的特征。當前，中國移動、中國電信、中國銀聯、國家電網等數據密集型企業已成立了相應的金融科技公司或部門，成為交易信息的主要供給方之一。

⒉數據產權歸屬模糊

在數據交易流轉階段，不完善的數據售賣機制和模糊的法律依據嚴重制約了數據要素潛力的發揮。當前，能夠高效收集線下消費類數據的企業多為高科技互聯網企業。由于其經營模式和內部組織架構缺乏成熟的開發數據資產的模式，導致這些掌握了大量數據的企業難以建立行之有效的售賣機制。這種情況在數據所有者與數據需求者之間造成了諸多障礙。此外，由于線下消費類數據通常由第三方用戶間接收集，缺少明確的數據產權歸屬和使用協議，這使得數據在交易流轉過程中面臨許多法律細節問題亟待解決。以電子商務平臺為例，賣家和消費者在完成注冊后，默認同意平臺關于交易監測和數據收集的相關協議，從而使平臺在使用線上消費類數據時具有相對清晰的法律依據。然而，對于移動通信企業而言，它們能夠收集包括通信行為、網絡瀏覽信息和位置信息在內的消費類數據，這些數據對第三方用戶具有廣闊的潛在應用場景，但缺乏具體的法律依據和實踐規范，且這些數據的產權歸屬和消費者是否同意使用等問題仍懸而未決。

⒊分析使用數據需要較高的成本

在數據需求端，數據所有者與數據需求者之間的能力差異成為橫亙在雙方間的一道鴻溝。許多對數據有需求的第三方用戶實際上是不具備數據存儲和分析能力的小微企業，甚至是個體用戶。因此，直接向這些第三方用戶出售原始數據并無實際意義。第三方用戶真正需要的是基于數據的成熟服務。在線上場景中，電子商務平臺由于與消費者和企業之間存在緊密聯系，能夠較為順暢地提供基于數據分析的產品或服務（如精準廣告投放和供需匹配等）。然而，在線下場景中，掌握數據的企業與對數據有需求的小微企業之間，缺乏有效的場景銜接能力。例如，移動通信企業可以獲取消費者的商圈分布、購物偏好和支付記錄等信息，這些數據對于銷售企業判斷市場狀況、實現精準營銷具有重要意義，但問題是，大多數對這些數據有需求的企業并不具備數據分析能力，它們真正需要的是基于數據分析的報告或包含特定消費者的名單。

基于上述分析，線下消費類數據的平臺化開發仍面臨很多挑戰。支付和通信行業的企業需要成立專門機構，并持續進行技術研發投入，將海量數據轉化成小微企業可以直接使用的產品或服務。此外，在數據收集、使用、交易過程中涉及的消費者隱私問題和數據安全問題，也需要通過相應的法律制度加以規范和解決。

（二）從數據收集到價值實現：線下消費類數據的平臺化轉型與商業模式探索

雙邊平臺或多邊平臺是數字時代常見的經濟組織形式。在這種結構中，平臺作為中心節點，連接著消費者、為消費者提供服務的商家，以及對數據有需求的企業（這一需求與商家身份并不沖突）。在消費者與商家的交易過程中生成的數據會被平臺記錄下來，在線下交易場景中，這類平臺可以是通信服務提供商，也可以是電子支付企業等。經過適當的脫敏處理后，這些數據可以被轉售給有需求的企業，從而實現其經濟價值。

線下消費類數據擁有廣泛的應用場景。例如，在商業信貸領域，小微企業往往缺乏高質量的抵押資產和有力的信用證明。此時，線下消費類數據能夠有效揭示小微企業的經營狀況，為出借人評估信用風險提供支持，從而緩解信貸過程中的信息不對稱。開放銀行正是基于這一邏輯構建的金融創新模式。在這種模式下，傳統商業銀行通過標準化的API、SDK、H5、小程序等技術手段，與其他第三方生態系統（如商業、政務、金融科技等領域）實現連接和融合。通過引入或輸出第三方產品、服務、數據和技術，傳統商業銀行轉型升級為開放銀行，能夠實現更廣泛、更深入、更精準的客戶觸達。在此過程中，開放銀行與合作伙伴共享數據、算法、交易流程或其他業務功能，最終實現“銀行服務無處不在”的愿景。

要實現線下消費類數據的高效開發，需要分步驟推進。第一步，數據收集企業的平臺化轉型。通信服務提供商、電子支付企業等數據收集企業需從單純的數據賣方轉變為協調多方資源配置的平臺。這意味著它們不僅要記錄和存儲數據，還要承擔起整合、分析和傳遞數據的責任，成為連接數據供給和需求的核心樞紐。第二步，選擇主導商業模式。本文認為，主導性的商業模式是由平臺負責對數據進行深度分析，并向第三方用戶提供簡單易用的結論或衍生服務。這是因為掌握線下消費類數據的企業通常具備強大的技術和資金優勢，擁有充足的存儲空間、算力儲備和專業技術人員，而對數據有需求的第三方用戶，往往難以有效處理海量原始數據。因此，線下消費類數據的交易更傾向于以需求側為導向的間接供給模式，即平臺不直接出售原始數據，而是出售基于數據分析的報告、結論或更精準的推薦匹配服務。例如，一家小微餐飲企業在選址時，如果直接獲得某區域內消費者流量的原始數據，可能因缺乏技術能力而無法妥善處理。相比之下，平臺通過數據分析，直接向該企業提供選址建議，顯然更為高效且實用。這種模式不僅降低了社會總體的技術設備重復投入成本，還充分發揮了數據的規模效應。

（三）消費類數據對社會福利和市場競爭的雙重影響：機遇與挑戰

使用消費類數據對社會福利的影響主要通過其對市場結構的作用來體現。現有研究表明，大規模使用消費類數據對競爭格局的影響主要體現在三個方面。其一，數據積累與企業規模的正反饋循環。數據的占有會促使企業不斷擴大規模，而大型企業由于具備更強的數據獲取和處理能力，能夠更快地累積數據資源。這種正反饋循環使得大型企業形成更大的市場勢力。其二，數據驅動的企業效率提高。數據的使用可以顯著提高企業的運營效率，降低生產成本，從而為企業帶來更高的加價空間。其三，風險降低效應。數據可以幫助企業更好地預測市場需求、優化資源配置并降低經營風險[32]。當所有企業都能平等地獲取并利用消費類數據時，無疑會對社會福利產生正面影響。在這種情況下，每一家企業都能以更低的成本生產更符合消費者需求的產品，從而實現整體經濟效率的提高。然而，如果只有少數企業獨占這些數據資源，其對市場的影響則可能是雙刃劍——既可能提高效率，也可能導致市場壟斷或不公平競爭。事實上，消費類數據并不是問題的核心，關鍵在于數據利用能力的不對稱性。這種不對稱性可能導致某些企業在市場競爭中占據主導地位，從而對社會福利產生負面影響。

數據為企業發展帶來的優勢可能會間接抑制其研發投入。在過去三十年間，美國企業呈現一種趨勢：相對于盈利水平，研發投入逐漸減少[33]。這在一定程度上歸因于數字經濟背景下數據資源的支持作用。數據驅動的商業模式降低了企業間的競爭強度，使部分企業可以依賴已積累的海量數據資源，而非技術創新來維持市場勢力。此時，市場勢力的來源不再是技術壁壘或進入門檻，而是企業對數據資源的壟斷。盡管如此，也有觀點認為，數據對企業行為的影響因企業類型而異[34]。例如，對于高生產成本的企業，其競爭性收入并未因數據使用而發生顯著變化，而對于低生產成本的企業，則出現了明顯的加價現象。數據作為一種資源，會在一定程度上成為一種市場進入壁壘，削弱現有企業間的競爭。然而，也有研究指出，數據的引入反而加劇了企業間的競爭。總體而言，數據對產業結構的具體影響尚無定論，仍需進一步探討。

以互聯網廣告行業為例，可以清晰地理解消費類數據如何影響企業間的競爭。與傳統紙媒相比，互聯網廣告具有顯著的低成本追蹤優勢。這使得企業可以根據目標受眾的行為數據不斷優化營銷策略，從而實現更精準的信息推送。這種迭代過程不僅提升了企業的收益，還惠及了中小企業[35]。通過精準定位潛在客戶群體，企業可以避免向不感興趣的消費者發送廣告信息，從而減少資源浪費。在競爭環境下，企業會將與自身產品類型更匹配的消費者作為目標來投放廣告信息。這種行為實際上有助于市場的進一步細分，避免了無效廣告投放的問題。即使企業缺乏定價能力，精準廣告投放也能通過提高匹配效率實現更高的均衡利潤[36]。精準廣告投放確實提高了企業的運營效率，但并未顯著增強其壟斷勢力[37]。合理使用消費類數據確實能提高廣告投放的效率，但這對企業收益的影響卻是不明確的，企業收益可能會呈現先增長后下降的趨勢。這是因為，在初期，企業通過精準廣告投放獲得收益增長，這一現象吸引了更多企業進入市場參與競爭。隨著競爭加劇，企業收益最終可能不增反降。

值得注意的是，只有在廣告市場容量有限制（即存在進入壁壘）的情況下，消費類數據的使用才可能提升廣告企業的市場勢力。同時，有觀點認為，消費類數據的廣泛使用最終改善了社會福利，因為精準廣告投放提高了消費者與商品之間的匹配效率。但是，這也伴隨著廣告行業集中度的提升。隨著廣告企業客戶群體逐漸向單一用戶聚集，雇主間的競爭減弱，廣告價格呈現先上升后下降的趨勢，最終可能導致廣告企業利潤率下降[38]。

五、中國數據交易市場的現狀與挑戰：個人數據產權與數字經濟的影響

截至2023年年底，中國數據生產總量超過32ZB。過去十年間，數商企業的數量增長了近十倍[39]。隨著數字經濟的迅猛發展和海量數據的涌現，建立與之相適應的數據交易流通體系已成為必然要求。當前，中國已初步建成以北京國際大數據交易所、深圳數據交易所、上海數據交易所、廣州數據交易所和貴陽大數據交易所為代表的數據交易市場。這些交易所提供的主要數據產品包括數據API、數據包和數據報告等。這些交易所的出現標志著數據交易的需求已受到重視，中國已逐步建立起規范、安全、高效的場內交易機制。但是，目前各交易所仍存在一些問題，如交易份額占市場總規模的比例較低，以及盡管數據產品種類繁多，但實際交易頻率相對較低。

同時，中國數字經濟的高速發展促使企業對消費類數據的需求激增，但與此相關的監管政策和交易機制卻相對滯后。特別是在消費類數據的產權歸屬問題上，國內尚處于理論探索階段，目前主要有兩種觀點：第一種觀點是消費者擁有其個人數據產權。支持這一觀點的理由是，賦予消費者對其個人數據的所有權有助于在隱私保護與數據開發之間實現平衡[40]。其邏輯在于，通過價格機制的作用，市場可以將消費者隱私損失的負外部性內部化，從而激勵更高效的數據使用方式。然而，這一觀點也面臨一些現實挑戰，如“隱私悖論”現象，即消費者在實際行為中可能低估隱私的重要性，會因為微小的激勵就輕易放棄曾經宣稱極為重要的隱私信息。第二種觀點是企業擁有消費類數據的產權[41]。這一觀點的主要依據在于數據的規模效益特性。如果企業擁有消費類數據的產權，它們將更有動力利用這些數據進行創新，如改進產品質量或推動基于數據的數字化轉型，從而加速行業發展。然而，這種觀點同樣存在爭議。例如，如果消費類數據完全歸企業所有，企業是否被賦予任意實施價格歧視的權利？此外，消費者的隱私又如何得到保障？

消費類數據在不同主體間的共享對行業造成了深遠的影響。以金融行業為例，大數據及其分析技術的應用可以有效降低金融決策中的不確定性，從而提升收益預測和風險評估的準確性[42]。由于中國信用卡業務起步較晚，銀行系統直接獲取個人信用數據的能力較為有限。相比之下，國內大型商業互聯網平臺通過整合消費者在電子商務平臺（如淘寶）和支付工具（如支付寶）上的行為數據，能夠生成具有較高價值的個人信用報告，為消費者在金融借貸中提供便利。例如，螞蟻集團依托其數字支付平臺的發展，通過對消費者多維數據的分析，構建了相對精準的個人信用評估體系，并向全國超過2 000家金融機構提供相關服務。在這種場景下，消費類數據的使用顯然為金融機構帶來了顯著收益——基于數據分析的結果能夠有效降低信貸過程中的違約風險。同時，部分消費者也從中受益，因為通過數據共享實現的消費者類型甄別機制，使具有良好行為記錄的消費者能夠獲得更多信貸支持。這種分離均衡不僅提高了金融服務的效率，還促進了金融市場整體運行的優化。由此可見，消費類數據在不同行業的具體使用方式多樣，各參與方從中獲得的收益分配復雜且多元。

六、消費者權益保護、法律法規完善與政府在數據共享中的角色

（一）消費者權益保護、法律法規完善與數據安全

⒈消費者權益保護與市場機制的作用

消費者權益保護問題可以在一定程度上通過輿論監督和市場機制共同解決。以“大數據殺熟”為例，這一問題曾一度引發廣泛關注。在媒體廣泛報道后，消費者對此形成了普遍認知，從而形成了一定的社會輿論。隨后，各大平臺紛紛發表聲明，承諾杜絕實施基于消費者個人數據的差別化定價策略。當消費者意識到企業可能利用其個人數據損害自身權益時，市場競爭會促使企業將消費類數據保護視為一種“高質量”服務以吸引用戶[43]。在此背景下，市場機制會推動企業選擇更高的消費類數據保護強度（如避免“大數據殺熟”）。因此，要求企業清晰地向消費者披露其個人數據的使用方式和隱私保護政策，便成為一種重要的消費者權益保護手段。

⒉法律法規的逐步完善

中國立法機構早已關注到消費者權益保護的重要性。2014年，《中華人民共和國消費者權益保護法》修訂時，便從立法層面明確規定了消費者的個人信息依法受到保護。其中，第29條明確了消費者信息收集和使用的合法性、正當性和必要性等原則，并強調需以消費者同意為前提。2017年發布的《信息安全技術個人信息安全規范》進一步對企業如何使用消費類數據進行了系統而細致的規定。由于該規范僅為推薦性標準，缺乏強制約束力，其在實踐中的作用仍較為有限。2019年正式實施的《中華人民共和國電子商務法》首次賦予消費者對其個人信息查詢、更正和刪除的權利，強化了消費者對個人數據的控制權，為保障消費者權益提供了進一步支持。2022年出臺的《中華人民共和國個人信息保護法》新增了針對超大互聯網平臺的特定個人信息保護義務，積極回應了社會各界對這些平臺的關注。

⒊數據分類分級與數據安全

當前，中國已初步建立了以數據分類分級為基礎的國家數據安全法律制度。《中華人民共和國數據安全法》從頂層設計角度對數據保護提出了明確要求，規定企業應根據不同類別數據的特征采取相應的保護措施。然而，隨著互聯網和數字經濟的快速發展，數據對國家安全的影響日益凸顯。盡管2024年9月發布的《國家數據標準體系建設指南》為數據標準化工作提供了全面指引，但其實際落地和發揮效用仍需時間。當前，企業在執行數據保護責任時缺乏具體的實施細則，這不僅影響了數據安全的實際效果，還對國家安全和經濟運行效率構成了潛在威脅。進一步釋放消費類數據的經濟價值和社會效益，確保數據安全，亟須明確數據分類分級的具體規則，厘清企業在數據安全問題中的權責劃分，并通過制度性監管規范個人數據的收集和使用。唯有如此，才能在促進數據要素高效流通的同時，最大限度地保障消費者權益和國家安全。

（二）社會化使用：政府在數據共享中的角色

除了反壟斷措施和消費者隱私保護之外，政府在消費類數據市場中所扮演的角色仍有進一步探討的空間。消費類數據不僅在商業領域具有重要價值，在社會治理方面同樣具有顯著的社會意義。從社會治理的角度來看，合理利用消費類數據，并結合恰當的技術框架，能夠有效推動社會治理能力的現代化，釋放巨大的社會價值。例如，基于用戶歷史行為的價格歧視機制，不僅可用于商業活動，還可以通過價格激勵引導用戶采取某些正向（社會意義上的）行為。以美國汽車保險市場中推出的基于駕駛習慣提供額外折扣的保險產品為例[44]，參與該項目的用戶在投保后，危險駕駛行為顯著減少，尤其是年輕駕駛者培養了更多安全駕駛的習慣。此外，在公共衛生、科技研發和環境保護等領域，消費類數據同樣擁有廣闊的應用前景。

⒈數據共享與社會價值

相同的消費類數據在不同的企業中可以發揮不同的作用。因此，確保各類企業能夠公平、高效地獲取這些數據，對社會整體而言至關重要。但是，由于消費類數據具有較強的私權屬性，在收集和使用的過程中，必須獲得產權所有者的授權與同意。這意味著，消費類數據交易市場的建立需要滿足兩個基本前提：一個前提是消費類數據的產權歸屬需得到清晰界定，另一個前提是數據所有者應認可并接受數據權益的分配方式及隱私保護措施。只有解決了這兩個前提，消費類數據的交易才能在法律層面暢通無阻。

⒉政府的角色與數據共享制度

除了依賴純粹的市場機制進行個人數據交易外，政府機構間還需構建有效的數據共享制度。黨的二十屆三中全會審議通過的《中共中央關于進一步全面深化改革、推進中國式現代化的決定》指出“建設和運營國家數據基礎設施，促進數據共享”。這一政策不僅有助于電子政務的發展，還能為推進國家治理體系和現代化建設提供有力支撐。2023年，國家數據局正式成立，標志著中國從國家層面開啟了全面的頂層設計，通過統一規劃推動分散于不同行政體制部門的個人數據實現綜合開發。然而，健全政府機構間的消費類數據共享機制仍面臨諸多挑戰。例如，政府機構間的利益沖突、數據基礎設施的成本分擔問題，以及數據使用過程中的潛在風險等。

七、結 語

消費類數據平臺化開發促進了數據在消費者、商家及具有數據需求的第三方用戶之間的高效流轉，構建基于消費類數據的大平臺是中國進一步發揮數字經濟優勢的重要途徑。通過由具備資金和技術實力的企業搭建平臺，承擔數據存儲、處理和分析的成本，并為眾多小微企業直接提供基于數據分析的產品或服務，可以充分釋放數據規模效應的潛力。在加速挖掘中國海量數據資源潛能的過程中，政府應積極引導和支持通信服務提供商、電子支付企業開展消費類數據的平臺化開發，并加快相關法律法規的制定和實施，以保障企業利用消費類數據的空間。在推動消費類數據開發的同時，必須關注社會發展帶來的更高權利意識和隱私保護需求。相關主體需調整策略，以適應消費者日益增強的隱私保護意識，并認真對待由平臺化開發消費類數據可能引發的壟斷問題。消費類數據的價值不僅體現在商業經濟活動中，它的合理使用對提升政府治理能力也具有重要意義。通過精準分析消費類數據，政府可以更好地了解民眾需求，制定出更加科學合理的政策，提高公共服務的質量和效率。因此，彌合消費類數據在不同企事業單位與政府機構之間的數字鴻溝尤為重要。這意味著需要構建一個更加開放、包容的數據共享機制，讓更多的組織和個人參與到數據資源的利用中來。

參考文獻：

[1] 紀海龍.數據的私法定位與保護[J].法學研究，2018，40（6）：72-91.

[2] 申衛星.數據確權之辯[J].比較法研究，2023（3）：1-13.

[3] 熊丙萬，何娟.數據確權：理路、方法與經濟意義[J].法學研究，2023，45（3）：54-72.

[4] 張玉屏.個人數據產權歸屬的經濟分析[J].江西財經大學學報，2021（2）：130-139.

[5] 張新寶.論作為新型財產權的數據財產權[J].中國社會科學，2023（4）：144-163+207.

[6] 周林彬，馬恩斯.數據財產歸屬的反思——基于卡爾多—希克斯模型[J].制度經濟學研究，2018（4）：1-16.

[7] 趙馳，李浩，耿敏.數據確權、規模差異與平臺跨界成長[J].經濟學報，2024，11（3）：394-431.

[8] ARIDOR G， CHE Y， SALZ T. The effect of privacy regulation on the data industry： empirical evidence from GDPR[J]. The Rand journal of economics，2023，54（4）：695-730.

[9] 歐陽日輝，劉昱宏.數據要素倍增效應的理論機制、制約因素與政策建議[J].財經問題研究，2024（3）：3-18.

[10] 蔡思航，翁翕.一個數據要素的經濟學新理論框架[J].財經問題研究，2024（5）：33-48.

[11] 田杰棠，劉露瑤.交易模式、權利界定與數據要素市場培育[J].改革，2020（7）：17-26.

[12] MAS？COLELL A，WHINSTON M D， GREEN J R. Microeconomic theory[M]. Oxford： Oxford University Press，1995：359-363.

[13] FARBOODI M，VELDKAMP L. Data and markets[J]. Annual review of economics，2023，15（9）：23-40.

[14] DE CORNIERE A. Search advertising[J]. American economic journal： microeconomics，2016，8（3）：156-188.

[15] ATHEY S， CALVANO E， GANS J S. The impact of consumer multi？homing on advertising markets and media competition[J]. Management science，2018，64（4）：1574-1590.

[16] JOHNSON J P. Targeted advertising and advertising avoidance[J]. The Rand journal of economics，2013，44（1）：128-144.

[17] SUN T， YUAN Z， LI C， et al. The value of personal data in internet commerce： a high？stakes field experiment on data regulation policy[J]. Management science，2024，70（4）：2645-2660.

[18] BEGENAU J， FARBOODI M， VELDKAMP L. Big data in finance and the growth of large firms[J]. Journal of monetary economics，2018，97（8）：71-87.

[19] SHAPIOR C， VARIAN H. Information rules： a strategic guide to the network economy[M]. Cambridge： Harvard Business School Press，1998：251-252.

[20] BAKOS Y. The emerging landscape for retail e？commerce[J]. Journal of economic perspectives，2001，15（1）：69-80.

[21] TAYLOR C R. Consumer privacy and the market for customer information[J]. The Rand journal of economics，2004，35（4）：631-650.

[22] FUDENBERG D， VILLAS？BOAS M J. Behavior？based price discrimination and customer recognition[C]// HENDERSHOTT T. Economics and information systems. Oxford： Elsevier Science，2007：377-433.

[23] ANDERSON S，BAIK A， NATHAN L. Price discrimination in the information age： prices， poaching， and privacy with personalized targeted discounts[J]. The review of economic studies，2023，90（5）：2085-2115.

[24] GOLDFARB A， TUCKER C. Digital economics[J]. Journal of economic literature，2019，57（1）：3-43.

[25] BLEIER A， EISENBEISS M. Personalized online advertising effectiveness： the interplay of what， when， and where[J]. Marketing science，2015，34（5）：669-688.

[26] 王世強，陳逸豪，葉光亮.數字經濟中企業歧視性定價與質量競爭[J].經濟研究，2020，55（12）：115-131.

[27] BHARGAVA H K， VIDYANAND C. Research note：when is versioning optimal for information goods？[J]. Management science，2008，54（5）：1029-1035.

[28] WU S， CHEN C. Versioning and piracy control for digital information goods[J]. Operations research，2008，56（1）：157-172.

[29] SHILLER B， WALDFOGEL J. Music for a song： an empirical look at uniform pricing and its alternatives[J]. Journal of industrial economics，2011，59（4）：630-660.

[30] RAO A. Online content pricing： purchase and rental markets[J]. Marketing science，2014，34（3）：430-451.

[31] 孫震，徐欣禎，王勇.平臺經營者合并的福利分析：市場定位與賬戶互通[J].管理世界，2024，40（2）：117-142.

[32] EECKHOUT J， VELDKAMP L. Data and market power[R]. NBER Working Papers，2022.

[33] GUTIéRREZ G， PHILIPPON T. Investment？less growth： an empirical investigation[R]. NBER Working Papers，2016.

[34] DE LOECKER J， EECKHOUT J. The rise of market power and the macroeconomic implications[J]. The quarterly journal of economics，2020，135（2）：561-644.

[35] GOLDFARB A. What is different about online advertising？[J]. Review of industrial organization，2014，44（2）：115-129.

[36] IYER G， SOBERMAN D， VILLAS？BOAS M. The targeting of advertising[J]. Marketing science，2005，24（3）：461-476.

[37] ATHEY S， GANS J S. The impact of targeting technology on advertising markets and media competition[J]. The American economic review， 2010，100（2）：608-613.

[38] BERGEMANN D， BONATTI A. Data， competition， and digital platforms[J]. The American economic review，2024，114（8）：2553-2595.

[39] 劉烈宏.進一步釋放數據要素價值加快推進數字中國建設[J].旗幟，2024（4）：52-54.

[40] 唐要家.數據產權的經濟分析[J].社會科學輯刊，2021（1）：98-106+209.

[41] 費方域，閆自信，陳永偉，等.數字經濟時代數據性質、產權和競爭[J].財經問題研究，2018（2）：3-21.

[42] FRANKEL A， KAMENICA E. Quantifying information and uncertainty[J]. Operations research： management science，2022，62（4）：233-235.

[43] 李三希，張仲元，焦倩.競爭會降低企業收集消費者信息并增加隱私保護投資嗎？[J].管理世界，2023，39（7）：1-26.

[44] JIN Y， SHOSHANA V. Buying data from consumers： the impact of monitoring programs in U.S. auto insurance[R]. NBER Working Papers，2021.

Platform？Based Utilization of Consumption？Related Data and Its Regulation

DU Chuang1， ZHU Jinran2

（1. Institute of Economics， Chinese Academy of Social Sciences， Beijing 100836， China； 2. School of Economics， University of Chinese Academy of Social Sciences， Beijing 102488， China）

Summary：This study first outlines the platform？based utilization of consumption？related data in online markets. Using the typical two？sided platform structure as an example， it categorizes data utilization into three types based on the final application form： indirect and direct use on the demand side， and direct use on the supply side. Through an analysis of three typical online models， this study identifies key challenges in offline consumption？related data utilization： fragmented transaction data collection during the aggregation phase； underdeveloped data transaction mechanisms and insufficient legal frameworks that limit the potential of data elements during circulation； and disparities in capabilities between data owners and users， leading to transactional gaps on the demand side. In response to these challenges， this study discusses the advantages of platform？based utilization and explores the welfare implications of the platform？based utilization of consumption data from a theoretical perspective. Finally， it proposes that the platform？based utilization of consumption？related data extends beyond commercial applications. When consumption？related data is properly applied within appropriate technological frameworks， it can significantly enhance the modernization of social governance capabilities， offering substantial social value.

Compared to existing literature， this study integrates two core concepts， “consumption？related data” and“platform？based utilization”. First， while numerous studies focus on data element utilization， most studies examine data from a broad range of social activities， with limited focus on consumption？related data primarily generated through transactional processes. Second， existing studies typically separate data element utilization into distinct components， such as data ownership， utilization， and benefit distribution， while few studies adopt a platform perspective that connects stakeholders involved in data generation and utilization. The proposed platform？based model endogenizes stakeholders’decisions regarding data provision and usage， specifically analyzing consumption？related data utilization pathways， while balancing the interests of participants and emphasizing the use of market mechanisms to safeguard consumer welfare.

This study advocates for platform？based models in the utilization of consumption？related data. Establishing large？scale platforms for consumption？related data is a crucial strategy for leveraging the advantages of the Chinese digital economy. To accelerate the utilization of Chinese immense data resources， the government should actively guide and support major telecommunications and electronic payment enterprises in the development of consumption data platforms； expedite the formulation and implementation of data？related laws and regulations； and establish governance frameworks that ensure the legitimate utilization of consumption？related data by enterprises. These measures will foster the efficient market allocation of data resources while protecting consumer rights， ultimately realizing the social value of data elements.

Key words：consumption？related data； platform？based utilization； business model； data property rights； privacy protection

（責任編輯：鄧菁）

[DOI]10.19654/j.cnki.cjwtyj.2025.04.003

[引用格式]杜創，朱勁燃.消費類數據平臺化開發的商業模式與監管框架[J].財經問題研究，2025（4）：26-40.

① 電子行為可以理解為在互聯網平臺或各類移動應用中進行的操作。例如，在地圖應用中搜索某些路線，在本地生活服務應用中瀏覽餐館信息，在視頻網站上觀看電影或在教育培訓網站上查找考試信息等。如果這些行為完全發生在線下場景中，幾乎不可能被記錄下來。然而，在線上場景中，通信服務提供商借助技術手段可以對這些行為進行完整且詳細的記錄。這種差異使得線上行為數據的采集變得更加高效和系統化。

① 協同篩選是一種通過大數據挖掘消費者行為模式的推薦技術。例如，當系統觀察到許多消費者在購買咖啡后會接著購買方糖，那么當消費者購買咖啡時，平臺就會優先向其推薦方糖。