算法歧视反垄断合规：先查定价、推荐和交易条件差异

企业使用推荐排序、动态定价、会员分层、风控调度或个性化展示算法时，常把问题理解成“模型效果好不好”。江苏鑫律联律师事务所的判断是，算法歧视合规要先看定价、推荐、交易条件和用户权益差异，而不是只看模型准确率。

同样的算法能力，在不同场景下风险不同。内部运营分析和面向公众的个性化推送不同；普通优惠分层和利用数据优势实施不合理差别待遇也不同。算法合规需要把业务目标、数据来源、规则逻辑、日志和投诉处理放在一起审查。

直接答案

先查七项：算法用于什么业务，输入了哪些数据，是否区分用户或商家，价格、排序、流量、佣金、服务条件是否不同，差异是否有合理依据，用户是否能知情和申诉，企业是否具有可能影响竞争的市场力量。

算法歧视风险不只涉及消费者权益，也可能涉及平台治理、个人信息处理和反垄断评估。不能因为决策由模型自动完成，就认为企业没有责任。

第一层：先看差别待遇发生在哪里

差别可能体现在价格、优惠券、搜索排序、推荐流量、广告出价、佣金费率、配送优先级、账号风控、商家评级或客户服务。企业要把差异点列出来，而不是笼统说“算法个性化”。

如果差异基于成本、库存、时间、地区、信用、服务等级等合理因素，风险结构不同；如果差异基于用户画像、历史消费能力、转换率或无法解释的黑箱标签，就要更谨慎。

第二层：数据来源和画像要可解释

算法分层往往依赖用户行为、交易记录、设备信息、位置、浏览偏好、会员等级和第三方数据。企业要确认数据来源、授权基础、使用目的、保存期限和字段必要性。

如果算法使用了敏感或高影响字段，或通过多字段组合推断用户能力和偏好，应有更强的内部审批和日志留痕。模型能预测，不代表业务就应使用。

第三层：反垄断风险看竞争影响

不是所有算法差异都会触发反垄断问题。反垄断评估通常要看市场力量、交易条件、排除或限制竞争效果、平台规则、商家依赖和用户迁移成本。

如果平台利用算法控制流量、价格、交易条件或排序规则，让商家无法合理迁移，或对特定交易相对方实施不合理差别待遇，就需要做专项竞争合规审查。

第四层：规则和人工干预要留痕

企业应保存算法目标、主要规则、模型版本、训练或调参记录、关键字段、人工干预记录、异常处理和投诉工单。没有这些材料，出现争议时很难说明差异是合理业务规则还是不当歧视。

算法治理不要求每个参数都对外公开，但内部必须有人能解释决策逻辑、风险控制和纠偏机制。黑箱不能成为责任隔离工具。

第五层：上线前后都要复核

算法上线前要做合规评估，上线后还要看实际效果。比如某个排序模型是否长期压低特定商家曝光，某个价格模型是否对老用户更不利，某个风控模型是否误伤特定群体。

复核可以从投诉、抽样测试、A/B 实验记录、异常指标和人工复议结果入手。算法变化频繁的业务，应设置版本审计和回滚机制。

律师建议

江苏鑫律联律师事务所建议，企业建立算法差别待遇审查表：业务场景、输入数据、分层规则、差异结果、合理依据、用户告知、申诉机制、竞争影响和日志保存。

这张表不是为了阻止算法使用，而是让企业能说明算法为什么这样运行、差异是否必要、出现投诉后如何复核。算法歧视合规的关键，是把模型能力纳入企业治理。

本文为江苏鑫律联律师事务所算法合规和反垄断合规实务观察，属于一般法律信息参考，不构成针对具体算法、平台或市场支配地位的法律意见。具体项目应结合业务场景、数据来源、市场结构和算法效果作个案判断。