读算法的陷阱：超级平台、算法垄断与场景欺骗笔记04_共谋（上）
1. 共谋
1.1. 共谋总比相互竞争要容易得多
1.1.1. 通过共同抬价或稳定价格，企业通常可以赚取更多利润
1.1.2. 依靠人为切割市场，卡特尔组织成员得以在各自的势力范畴内实现垄断
1.2. 一直以来，人类都是价格操纵行为背后的行动者
1.2.1. 为了打破竞争，他们背地里串通投标、切割市场，并就价格上涨与产量缩减的幅度进行磋商
1.2.2. 出于沟通之便，卡特尔组织成员会举行年度（甚或月度）会晤
1.3. 对企业高管之间的互相勾结、人为切割市场、达成减产协议等行径，各类反垄断政府机构与社会团体恐怕已见怪不怪
1.3.1. 在美国，如果有人因操纵市场价格而被起诉，他们通常都会面临司法制裁
1.4. 在反垄断的世界中，人们将卡特尔组织的行为视作“没脑子的事”（no-brainers）
1.4.1. 即便卡特尔组织的内部协议未能奏效，这种做法本身也是违法的
1.4.2. 由于卡特尔组织成员之间的不信任、互相欺骗，因识破谎言而引发内斗等缘故，成员之间的关系往往无法长久维系
1.4.2.1. 实证研究却证明，这种关系其实比较稳固
1.5. 利用算法操纵价格的危害并不仅仅体现在“显而易见的共谋”场景之中，真正的威胁来源于那些做法更为隐蔽的共谋形式
1.5.1. 通过隐蔽手段而达成的共谋往往难以纳入“核心卡特尔”（hard-core cartel）的范畴，因而更容易逃脱法律的制裁
1.5.2. 企业利用大数据技术提升沟通调价的效率并强化价格监测力度、识别组织成员背叛的能力
1.6. 比价网站的普及同样也会阻碍互联网平台的势力扩张
1.7. 网络效应的发挥将令那些本已拥有广阔用户基础的互联网巨头继续收获几何级数的规模扩张
1.7.1. 当这一切真的发生时，定价算法所设定的产品价格将一跃成为市场中的公允价格，但这也意味着更高的市场价格
2. 原则
2.1. 如果反垄断执法机构与法院可以找到明确的证据证明算法中存在出于限制竞争的目的而做出的设计，那么垄断行为违法与否的判断标准将遵从“本身违法原则”（per se illegal）
2.2. 不然，则需要基于“合理原则”（Rule of Reason）
2.2.1. 在“合理原则”的要求下，举证人必须找到这种纵向协议对竞争机制造成实质性负面影响的证据
3. 信使场景
3.1. Messenger Scenario
3.2. 是人类自己在操纵共谋：他们将计算机视作辅助共谋的得力工具，用来确定价格、监督竞争对手，并捍卫卡特尔组织成员间的合作
3.2.1. 重点关注人为的共谋，即计算机技术通过执行人类设定的计划而进行共谋
3.3. 计算机还能发挥有效传递信息与发出信号的作用
3.3.1. 利用信息技术手段强化现有共谋效果的方式只是一种简单的人类意志延伸
3.3.2. 可以用来传递信息或向对手企业发出价格合作的暗号
3.4. 在一个传统的卡特尔组织中，来自不同企业、彼此是竞争对手关系的企业高管凑在一起，密谋哄抬市价，瓜分市场份额
3.4.1. 在由计算机算法参与的共谋中，一旦高管敲定了共谋协议，执行层面的工作则都交由算法达成
3.5. 在美国及世界其他国家，一旦这种行为被坐实，参与者将受到法律的制裁
3.5.1. 反垄断法中对垄断协议的认定可以直接应用到信使场景中
3.5.2. 一种必将受到处罚的共谋行为
3.6. 人类是共谋的主脑，他们做出共谋的决策并为之打造一个卡特尔组织
3.6.1. 计算机算法担当起了“信使”的角色
3.6.2. 由卡特尔组织成员一手编写的算法将成就他的组织，算法的责任是监督组织成员的售价，并对任何偏离协议价格的背叛予以惩戒
3.7. 当定价算法辅助了共谋时，问题的焦点依旧集中于人类本身的意愿，参与共谋的企业高管难辞其咎
3.7.1. 一旦共谋协议存在的证据充分，那么对企业间一致行动的意图认定就显得不那么重要了
3.8. 当算法超越了价格监督、惩戒价格背离的职责范畴，而被开发出了暗中撮合共谋的功能时，市场中的价格操纵将更容易得到捍卫
3.8.1. 当企业是基于促进共谋的目的而设计定价算法时，那么它自然能够求仁得仁
3.8.2. 算法既不是一个兴风作浪的“黑武士”，也不是一个惩奸除恶的“白武士”
3.8.2.1. 不过是人类意志在技术层面的延伸
3.9. 案例
3.9.1. 几家在亚马逊网站上售卖明信片的贺卡制造商被美国司法部指控非法操纵市场价格
3.9.1.1. 采用同一个定价算法，收集小团体外的竞争对手的价格信息，并抄袭对方的定价策略，从而在价格上打压对手
3.9.2. 2015年5月，五家全球知名银行花旗集团、摩根大通、巴克莱银行、苏格兰皇家银行、瑞银集团，对彼此串通在即期市场操纵美元兑欧元汇率的重罪指控供认不讳
3.9.2.1. 外汇交易员一直使用暗语在网络聊天室里密谈
3.9.3. 法国家乐福集团作为“整个零售连锁网络的重要组成部分”，这个IT系统能够让特许经营者随时监测被特许者的零售定价与前者提供的指导价格上的偏离
3.9.4. 20世纪90年代的民用航空运价案
3.9.4.1. 几家航空公司在其电子票务系统上毫无顾忌地就机票价格进行谈判
3.9.4.2. 人们普遍认为电子票务系统可以有效地鼓励航空公司彼此竞争，从而拉低机票售价
3.9.4.3. 航空公司同样利用这个平台传递信息、彼此暗示涨价时，竞争秩序遭到破坏的风险不免陡增
3.9.4.4. 串通一气，暗自涨价、拒绝对方的涨价要求，或者是取消最早或最晚订票日之间的票价折扣
3.9.4.4.1. 航空公司可以在票务系统上随意就票价调整进行谈判，秘诀就在对特定航班的最早订票日与最晚订票日的确定上
3.9.4.5. 有了电子票务系统，航空公司不仅能赚取更高的利润，还能方便各家航空公司随时监测票价的变化
3.9.4.5.1. 一旦发现有人违背了协议价格，其他航空公司就可以迅速做出回应
3.9.5. 在改进后的共谋场景里，计算机系统还可以做到妥善划分各家航空公司的市场份额，有效监督各种潜在的价格背叛，并对价格背叛自动回击
3.9.5.1. 计算机的表现还将大大优于人类的手工操作
3.9.5.2. 计算机的任务无非就是严格执行人类的不正当竞争指令
4. 中间人
4.1. 使用计算机代为执行卡特尔组织的指令并不能令组织成员免于司法制裁
4.2. 通过拉开共谋者与这些日常性违法活动的距离，计算机的存在大大降低了他们的负罪感
4.3. 当定价算法取代了以往的秘密会议与谋篇布局，高管有时甚至没有意识到自己是在犯罪
4.3.1. 作为中间人的计算机顺带洗刷了他们的罪行
4.4. 从事中间品制造的卡特尔组织企业由于并不直接面对终端客户，所以它们或许并不认为自己对价格的操纵行为会给消费者带来什么利益损害
4.4.1. 当计算机得以取代人类成为卡特尔协议的守护者和惩戒者时，这种负罪感还会进一步降低
5. 中心辐射式场景
5.1. Hub and Spoke Scenario
5.2. “枢纽中心”的中心辐射式场景
5.2.1. 即便市场中的竞争对手不再直接沟通商榷价格，整个过程所能达到的效果也与横向共谋甚是相近
5.2.2. 分支各自独立运行，但在必要时它们会在中心体系内与其他分支达成交易，而整个网络则形成一个单一的非法组织
5.2.3. 枢纽中心的凝聚力与计算机系统的广泛应用，使“中心—分支”模式的共谋场景对卡特尔组织结构的稳定性发挥了一定作用
5.2.4. 为了成就一场共谋，“中心”只发挥信息传递功能是远远不够的，共谋的参与者需要充分认识到信息传递可能带来的后果
5.2.5. 发挥沟通协调作用的枢纽中心处在一个较高层级的市场组织结构中，并会潜入较低层级与其中的市场参与者（也就是分支）达成控价协议
5.3. 市场中无数的参与者将使用同一个定价算法，而这个定价算法所给出的价格将成为卖家公认的市场价格
5.3.1. 定价算法的开发者作为一个枢纽中心，他的任务是精心策划一个全行业范围内的共谋，从而实现更高定价
5.4. 由多个市场竞争对手共同参与的共谋将通过缔结多个纵向协议的方式达成，这正是典型的中心辐射式场景
5.4.1. 在中心辐射式场景中，共谋者无须相互沟通
5.4.2. 即便他们彼此互不相识，也无大碍
5.5. 将中心辐射式共谋与一般意义的多方勾结区分开的关键是，这里一定存在一个“轮辋”，圈住了其中的参与者
5.6. 共谋可能只是结果，而非初衷
5.6.1. 由算法驱动的中心辐射式共谋既有可能是为了蓄意削弱竞争秩序而生，也有可能是因广泛使用同一个定价算法而酿成的无心之失
5.7. 一个孤立的纵向协议本身并不必然构成不正当竞争，它同样也无法昭示参与者操纵价格的企图
5.7.1. 当同一市场中的纵向协议出现群聚效应并且因此造就了一个典型的中心辐射式共谋时，这才会引起反垄断执法机构的担忧
5.8. 难以（有时甚至是不可能）对算法的内核进行深入研究，以便找到确凿证据证明算法的设计初衷就是共谋或者说有可能被滥用
5.8.1. 机器学习是一个持续的过程，企业当前正在使用的定价算法很有可能就与以前的算法有很大不同
5.9. 同行业的各家企业都已敏锐地觉察到了动态定价算法的优势，但考虑到高昂的系统开发与调试成本，它们纷纷选择将这项工作外包给同一家定价算法系统服务商
5.9.1. 使用同一个定价算法处理市场数据并对市场价格波动做出回应，结果就是，企业的市场行为将“奇迹般地”趋同，它们相当于使用相似的主脑为自己的定价策略提供依据
5.9.2. 由于同行业的竞争对手均采用同一个定价算法，市场价格虽然得以稳定，但竞争市场秩序却因此遭到破坏
5.10. 当零售商都在为身为“枢纽中心”的定价算法服务商提供数据并委托后者承担定价工作时，它们很有可能清楚地知道自己的竞争对手也在做同样的事
5.10.1. 定价算法服务商是在使用客户自己提供的数据为其提供最优定价策略指导
5.10.2. 当同行业的各家企业都选择将定价工作外包给同一家定价算法服务商，或者各家企业都使用相近的定价算法时，那么由算法驱动的中心辐射式共谋场景将呼之欲出
5.11. 案例
5.11.1. 犯罪团伙的主脑会雇用不同的共谋犯承担组织内不同的工作职责
5.11.1.1. 有人设法搞到枪支
5.11.1.2. 有人负责偷窃一辆逃命的轿车
5.11.1.3. 有人想法如何洗钱
5.11.2. 以算法软件提供的数据信息为基础，Boomerang的客户会对何时调整价格、是否要与竞争对手比拼降价做出综合考量
5.11.2.1. 随着Boomerang争取到了更多办公用品领域的企业客户，具有自学习能力的定价算法也将因为获取更多数据而得到不断优化升级
5.11.2.2. 任何一家小零售商自己开发定价软件都有可能不是Boomerang的对手
5.11.2.3. 市场化定价算法服务商Boomerang就不会与它的零售商客户抢生意
6. 优步的动态定价算法
6.1. 当产品或服务的价格是由平台设计的定价算法确定，并且交易双方都对这个价格表示应允时，这种行为同样有损公平竞争秩序，令同业间的横向竞争大打折扣
6.2. 搜寻成本的降低以及乘客对优步司机基本情况的掌握托起了优步的光明前景
6.2.1. 在优步与合作车主之间关系的本质、其商业模式所应承担的社会责任、交易的公平性等问题上，质疑与批评的声音同样不绝于耳
6.3. 优步的定价算法已被称作“算法的垄断”，原因在于它只是真实市场价格的一个假象
6.4. 在使用中，优步的合作车主并不和乘客议价。取而代之的是在“没现金、无小费、省麻烦”政策的安排下，由定价算法确定的乘车资费将自动从乘客的信用卡中被自动划款
6.5. 对于基准车费、何时上调价格、在哪一区域、什么时间段上调价格与调整幅度是多少等问题，优步的定价算法统统替本是竞争关系的司机朋友做了主
6.6. 当越来越多的人在W市选择使用优步时，就有越来越多的车主向优步的平台靠拢，而乘客等待时间的缩短也增强了优步对乘客的吸引力
6.7. 优步自然也不会与合作车主有直接的竞争
6.8. 如果优步与合作车主参与了中心辐射式共谋，那么不论这个卡特尔组织的实质成效如何，他们都需要承担法律责任
6.8.1. 即便定价算法推演出的车费价格合理（甚至低于寻常的出租车费用），他们也难逃法律制裁
6.8.2. 当优步提供的车费价格比其他竞争对手的价格低时，这就难以对反垄断执法机构采取的外部干预做出合理解释
6.9. 当线上交易平台切实起到了改进服务与降低价格的作用，司法系统是否还能够判处其违法？
