4. 垄断协议风险识别

平台经济中的垄断协议很少以“开会签字”的形态出现。更多时候，它藏在定价算法的参数里、藏在数据接口的共享规则里、藏在“全网最低价”的合同条款里。识别这类风险，关键不是背法条，而是把三类协议结构与平台的三类技术/商业载体对应起来看：横向协议对应“竞争者之间的算法趋同”，纵向协议对应“平台对商家的价格与渠道约束”，轴辐协议对应“平台作为轴心、多个商家作为辐条的信息汇聚与行为同步”。

一、三类协议在平台场景中的典型表现

横向协议的核心是竞争者之间直接或间接协调竞争参数。在平台上，它常表现为：多个商家使用同一家第三方SaaS定价工具，且该工具默认读取同商圈竞品价格并自动跟价；或者同一平台内多个头部商家通过同一“行业交流群”交换折扣率、满减门槛、起送价等敏感信息。判断要点是：是否存在竞争者之间的信息交换，且交换内容足以影响价格、产量、销量或客户分配。

纵向协议的核心是经营者与交易相对人之间的限制。平台场景中最常见的是转售价格维持（RPM）和地域/客户限制。例如平台在《商家合作协议》中约定“参与百亿补贴的商品，其到手价不得高于其他渠道”，或要求商家“在本平台售价不得高于某竞对平台”。这类条款若固定转售价格或限定最低转售价格，通常本身即具有较高违法风险；若属于建议零售价、最高转售价，则需结合是否实质限制竞争判断。

轴辐协议是平台经济中最具隐蔽性的一类。平台（轴心）通过算法或数据产品，把多个商家（辐条）的定价、库存、促销信息汇聚后，再以“建议价”“市场参考价”“智能调价区间”等形式反馈给各商家，使商家之间虽无直接联络，却实现了事实上的价格协同。识别轴辐协议的关键，是看平台是否在竞争者之间充当了信息传递和协调的中枢，且该协调产生了排除、限制竞争的效果。

二、算法与数据共享中的识别要点

算法本身是中性的，风险来自它的输入和输出。排查时建议沿着“数据输入—算法处理—价格输出”这条链逐段看。第一，输入侧：定价算法是否读取了其他商家的非公开价格、库存、销量数据？如果读取的是平台公开榜单数据，风险相对低；如果读取的是平台通过后台接口向多个商家回传的“竞品成交价”，则已具备信息交换的实质。第二，处理侧：算法是否设置了“跟随最低价”“对齐商圈均价”等规则？这类规则会把个体决策变成集体趋同。第三，输出侧：多个商家的最终售价是否在无成本差异的情况下高度一致，且调价时间高度同步？这是判断协同效果的重要观察指标。

数据共享同样要区分“必要共享”与“竞争敏感共享”。订单履约所需的收货地址、物流单号属于必要共享；而成本结构、毛利率、未来促销计划、客户分层名单属于竞争敏感信息。平台若以“数据中台”“联合建模”名义，把多个商家的敏感经营数据汇聚后再以“行业均值”“建议区间”形式返回，就需要重点评估是否构成轴辐协议。

三、最惠国待遇条款（MFN）的风险识别

最惠国待遇条款在平台场景中通常表现为“本平台价格不高于其他任何渠道”“若其他平台更低，本平台自动匹配”。它可能同时触及纵向和横向风险：对平台与商家之间，它可能构成变相的价格约束；对多个平台之间，若头部平台均要求商家执行MFN，则可能削弱平台间的价格竞争，产生横向协同效果。排查时要区分“宽口径MFN”（要求不高于任何渠道）与“窄口径MFN”（仅要求不高于该商家自营渠道），前者限制竞争的可能性明显更高。同时要看条款是否有期限、是否可协商、是否有正当效率理由（如防止“搭便车”），以及实际执行中是否导致其他渠道价格被抬高。

四、可落地的排查清单

以下清单可直接用于平台合规自查或商家协议审查，建议按“载体—行为—证据—判断”四列填写。

最后需要强调，三类协议并非互斥。一个平台可能同时存在纵向的MFN条款和轴辐式的算法反馈，此时应分别评估各行为的竞争影响，再判断是否叠加形成更严重的排除、限制竞争效果。识别的终点不是“贴标签”，而是找到可验证的行为证据、可量化的市场效果，以及可整改的具体规则或代码逻辑。