用户数据授权机制下平台交易与政府监管的演化博弈研究

《Journal of Theoretical and Applied Electronic Commerce Research》：Platform Data Transaction and Government Regulation Under Users’ Personal Data Use Authorization Mechanism

本文通过构建用户、平台与政府的三方演化博弈模型，探讨个人数据使用授权机制对平台数据交易及政府监管策略的影响。研究发现，用户授权对平台数据交易的促进作用存在条件依赖性，而政府严格监管策略的选择取决于监管成本、数据交易价格与用户行为数据价值的动态权衡。研究为优化数据要素市场治理提供了理论依据，对平台数据交易决策与政府差异化监管策略制定具有重要启示。

　　

1. 引言

随着双边市场的快速发展，平台通过连接不同用户群体持续积累数据资源。这些数据资源不仅帮助平台深入洞察用户需求、精准预测市场趋势，还驱动着服务优化和产品迭代。当前，越来越多平台的发展战略从"规模经济"向"范围经济"演变，在巩固核心市场的同时向周边领域扩张。业务多元化需求直接推动了平台数据交易的增长。数据交易指平台基于数据共享或交易机制，相互交换或获取对方的市场用户数据。以中国本地生活服务市场的美团和在线地图服务的百度地图为例，双方通过数据交易与共享实现互利共赢：美团向百度地图提供包含餐饮娱乐场所的本地生活服务商完整数据和用户评价数据，显著丰富了百度地图的信息服务内容；百度地图则为美团提供精确的地理位置和交通流量数据，这对优化物流配送路线和提高商家推荐算法准确性至关重要。

然而，在平台数据交易过程中，获取用户个人数据授权尤为关键。随着用户数据隐私保护意识显著提升，用户要求对个人数据拥有更大控制权，并期望在数据收集和使用过程中保持透明和知情同意。中国近期发布了《数据安全法》《个人信息保护法》《电子商务法》等一系列数据管理政策文件，为数据收集、存储和交易建立了规范框架。这些法规要求平台在数据交易时严格遵守法律规定，加强用户隐私保护并确保数据合法性。在此背景下，平台通常要求在用户注册时阅读并同意数据使用条款，明确数据使用范围和可能的第三方共享。特别是，平台普遍实施个人数据授权机制，使用户能够通过隐私设置指定个人信息访问权限。这些隐私设置在用户授权和数据利用之间取得平衡，让用户能够控制和管理个人数据。在此机制下，平台意图交易或共享用户个人数据时，必须获得用户事先授权。

尽管这些机制能有效保护用户隐私和数据安全，但也会限制平台运营灵活性并制约其商业潜力，从而削弱服务创新和市场拓展能力。在此背景下，探索用户授权如何影响平台数据交易，进而丰富数据产品服务并吸引更多主体参与数据交易，对促进数据交易市场发展具有重要意义。然而，尽管数据权属讨论日益增多，现有研究仍缺乏系统理论框架来分析用户授权交易微观行为与交易本身之间的互动机制。这阻碍了对用户数据所有权在市场数据配置中实际效用的准确评估。在监管政策层面，尚未建立数据所有权分类与差异化监管策略的有效联系。现有监管理论在应对个人数据与行为数据融合等复杂所有权形式时适应性不足。此外，类似关于信息/数据保护政策及其对数据交易影响的研究主要依赖静态模型（如霍特林模型）进行分析，尚未完全揭示参与方之间的复杂互动和演化均衡策略。

2. 文献综述

近年来，平台数据交易与监管问题已成为学术研究热点。现有研究主要从数据特征与价值、数据交易以及数据交易监管三个视角展开。

在数据特征与价值研究方面，数据可视为不构成"思想"或"知识"的"信息"部分。同一数据集可被多个企业或个人同时使用，具有非竞争性、非排他性、数据权属不确定性和网络外部性等特征。关于个人或企业是否应持有数据所有权不存在绝对最优解，这取决于若干关键因素。数据的显著价值体现在多个方面：首先，数据的开发应用使企业决策从经验驱动转向"数据驱动决策"，显著提升企业收入和竞争优势；其次，数据提高生产力和效率，利用数据创新促进关键经济部门（如农业）最终产品生产，从而驱动经济增长；第三，数据影响平台定价行为，使决策者能够基于现有数据设计个性化定价算法。

在数据交易研究方面，现有工作主要聚焦于以下维度：促进数据交易是建立和完善数据要素市场、释放数据生产要素潜力的关键步骤。数据共享利用数据的非竞争性，使更多企业能够利用开放数据进行技术研发创新；交易市场促进创新思想流通，提升企业生产力并刺激经济增长。在数据交易与定价方面，数据交易定价受个人隐私考虑与理性偏好一致性影响，定价数据要素需要具体交易场景，并基于典型应用场景进行针对性价值评估。根据情况不同，可分为传统会计定价或数据资产价值的多维定价。数据交易和福利可通过对数定价函数实现最大化。数据市场在促进数据流通中发挥关键作用。随着数据交易发展，若干挑战显现：数据持有企业抵制数据共享，尽管数据流通有益，企业为保持竞争优势常隐瞒数据，形成数据孤岛；数据所有权仍不明确，强财产权可能导致数据共享不足，损害消费者和广告商利益；平衡"数据安全"与"数据流通"存在挑战，数据隐私的负外部性可能触发"过度数据共享"，造成数据安全与流通无法同时实现的悖论；数据交易中存在信息不对称，卖方在数据质量、来源和合规性方面具有信息优势，而买方更清楚预期用途和数据的最终价值。

在数据交易监管研究方面，部分学者强调数据交易监管的必要性，认为政府数据隐私立法有效性和在线企业品牌形象正向影响对在线企业的信任，隐私监管可通过加强用户心理所有权和缓解隐私担忧来提升数据共享意愿，需引入法律机制保障个人与组织间数据交换的隐私安全。另一部分学者则指出数据交易监管可能带来的负面效应，例如中国、欧美数据法规限制互联网平台收集使用个人数据进行个性化推荐的能力，可能对互联网商业产生根本性影响。

现有研究存在以下待完善之处：首先，尽管数据产权学术探讨增多，但尚未建立系统理论框架解决用户数据授权机制与平台数据交易间的互动关系。现有研究主要关注数据确权的法律属性，忽视微观用户授权行为对平台数据交易的影响。其次，在监管政策层面，现有文献主要强调政府监管的制度功能，但未建立数据所有权分类与监管策略选择间的联系，这限制了对平台经济中复杂数据所有权形式制定多元化监管方法的能力。

3. 演化博弈模型描述与假设

3.1. 演化博弈模型

数据交易涉及三个关键方：政府、平台和用户。每方均具有有限理性，并拥有自己的策略空间。政府可选择严格监管或松散监管两种策略；平台可选择交易或不交易数据；用户可选择授权或不授权个人数据使用。

3.2. 假设

假设所有参与方具有有限理性。用户策略空间为{授权，不授权}，概率分别为x和1-x；平台策略空间为{交易，不交易}，概率分别为y和1-y；政府策略空间为{严格监管，松散监管}，概率分别为z和1-z。

平台数据资源分为用户个人数据和用户行为数据两类。用户个人数据包括个体信息、浏览历史、收藏商品服务等，具有个体特异性，可用于精准营销；用户行为数据源自对用户行为记录的加工分析，如消费者心理状态、服务偏好、市场趋势等，反映用户群体行为规律，具有群体特征，可用于商机预测和算法优化。两类数据首先在平台内部产生价值，称为内部价值，分别记为V₀和ΔV，主要通过优化产品服务、提升用户体验、改善运营效率等内部应用体现。用户和平台从数据资源内部价值中获得的收益系数分别为α和β。

平台可选择将积累的数据资源与其他平台交易，产生数据交易价值。γ表示数据交易价格系数，C表示数据交易成本。用户授权时，平台可同时交易个人数据和行为数据资源，数据泄露概率为ε₁；用户不授权时，平台仅能交易行为数据，泄露概率为ε₂。由于平台数据交易涉及数据转移和双方存储，用户授权时数据泄露风险更高，故ε₁>ε₂。一旦发生数据泄露，用户损失设为L。

从社会开发利用数据价值视角，政府可直接或间接从平台数据交易中获益。具体而言，平台同时交易个人数据和行为数据时，政府收益为w₁；仅交易行为数据时，政府收益为w₂。严格监管下，政府承担监管成本C_g，用户获得数据安全性提升带来的信任收益T_g。若平台交易发生数据泄露，政府对平台罚款总额为f。松散监管下，发生数据泄露时政府承担声誉损失F。

3.3. 收益矩阵构建

基于上述假设，可建立政府、平台和用户三方策略演化模型的收益矩阵。通过计算各方期望收益，得到用户复制动态方程f(x)、平台复制动态方程f(y)和政府复制动态方程f(z)，构成三维复制动力系统。

4. 演化稳定策略求解

4.1. 用户期望收益

用户选择授权策略的期望收益为U₁₁，不授权策略的期望收益为U₁₂，用户总期望收益为U₁。通过构建复制动态方程并求导，得到用户策略演化稳定条件：当平台交易概率y低于临界值y时，x=1（授权）是演化稳定策略；当y高于y时，x=0（不授权）是稳定策略。

用户授权决策概率与多参数相关：当行为数据价值ΔV大于特定阈值时，与个人数据价值V₀正相关；当交易价格系数γ<1时，与ΔV正相关；同时与ε₂、α、γ正相关，与ε₁和L负相关。这表明用户授权决策是收益与风险的权衡：收益系数越高或数据交易价格系数越大，潜在收益越大，授权倾向越强；不授权时数据泄露概率越低或授权时泄露概率及损失越大，风险越高，不授权倾向越强。

4.2. 平台期望收益

平台选择交易策略的期望收益为U₂₁，不交易策略的期望收益为U₂₂，平台总期望收益为U₂。平台复制动态方程分析表明：当用户授权概率x低于临界值x时，y=0（不交易）是稳定策略；当x高于x时，y=1（交易）是稳定策略。

平台交易策略概率受多重因素制约：当ΔV大于特定阈值时，与V₀正相关，与ε₁负相关；当γ小于复杂表达式时，与ΔV正相关；当γ大于另一阈值且ΔV满足条件时，与β正相关；当ΔV大于某阈值时，与γ正相关；当ΔV小于某阈值时，与ε₂负相关；当γ>ε₂/ε₁且ΔV大于特定值时，与f负相关。这表明平台交易策略选择具有高度复杂性，并非随数据价值、收益系数或交易价格系数单调变化，而是多种因素相互制约的结果。

4.3. 政府期望收益

政府选择严格监管策略的期望收益为U₃₁，松散监管策略的期望收益为U₃₂，政府总期望收益为U₃。政府复制动态方程分析显示：当平台交易概率y低于临界值y时，z=0（松散监管）是稳定策略；当y高于y时，z=1（严格监管）是稳定策略。

政府严格监管策略概率与f、F、ε₁、ε₂正相关，与C_g负相关。这表明政府监管策略基于严格监管收益与成本的比较：当数据泄露罚款、泄露概率和声誉损失越大时，越倾向于严格监管；监管成本越高时，越倾向于松散监管。

4.4. 演化稳定策略分析

基于Lyapunov稳定性理论，通过求解三维复制动力系统均衡点并分析雅可比矩阵特征值，得到五种可能的稳定情景：

情景1（0,1,0）：用户不授权、平台交易行为数据、政府松散监管，发生在数据交易价格低且行为数据价值适中，或价格高且价值超过阈值时；

情景2（0,1,1）：用户不授权、平台交易行为数据、政府严格监管，条件与情景1类似但监管成本较低；

情景3（1,0,0）：用户授权、平台不交易、政府松散监管，发生在行为数据价值较低时；

情景4（1,1,0）：用户授权、平台交易个人和行为数据、政府松散监管，发生在数据价格低且行为数据价值高，或价格高且价值适中时；

情景5（1,1,1）：用户授权、平台交易、政府严格监管，条件与情景4类似但罚款和声誉收益使政府能承担严格监管成本。

4.5. 稳定性条件分析

关键发现表明：用户授权并不总是促进平台数据交易，其效果取决于数据交易价格和行为数据价值。仅当交易价格低且行为数据价值超过阈值，或价格高且价值适中时，用户授权才能有效促进平台数据交易。政府严格监管策略不仅取决于用户授权行为，更关键取决于监管成本、数据价格和行为数据价值的动态互动。用户授权仅是监管决策的参考因素之一，而非决定性条件。

5. 演化仿真分析

5.1. 演化稳定策略

通过MATLAB R2023b仿真三方策略演化过程，设置γ>1和0<γ<1两种情景参数进行模拟。仿真结果显示：当γ>1时，行为数据价值低于阈值时稳定策略为(1,0,0)；价值超过阈值时平台转为交易策略；价值进一步增加时政府选择严格监管，最终稳定于(0,1,1)；价值继续增加时稳定策略变为(1,1,1)。当0<>

5.2. 参数分析

ΔV影响仿真表明：γ>1时，行为数据价值在特定范围内平台才能在用户授权下稳定于交易策略，超出该范围则需在不授权下稳定交易，低于该范围则稳定于不交易；政府严格监管在用户授权下需要价值在特定范围，超出则需要不授权。0<>

6. 结论

6.1. 研究发现

研究通过构建三方演化博弈模型，揭示用户数据授权机制下平台数据交易与政府监管策略的互动关系与演化均衡。主要发现包括：用户授权对平台数据交易的促进作用具有条件依赖性，其有效性主要取决于数据交易价格和用户行为数据价值；政府是否对平台数据交易实施严格监管不仅受用户授权行为影响，更关键取决于监管成本、数据交易价格和行为数据价值的动态权衡。

6.2. 政策建议

为促进用户授权、平台交易和政府严格监管的良性生态，提出以下建议：建立规范的数据交易市场体系，使数据交易价格γ真实反映供需关系；建立科学的数据价值评估机制，量化用户个人数据V₀和行为数据ΔV价值；加强数据泄露防控，优化罚款f和监管成本C_g。

6.3. 研究局限与展望

本研究主要基于中国数据交易市场特征，存在一定情境简化，结论在不同制度环境下的普适性需谨慎验证。未来研究可在更广泛制度环境和市场背景下检验模型，特别关注跨境数据流动和多治理框架交互的实际场景中对本研究理论发现的验证与拓展。