Кратко: ниже — сопоставление классических инструментов антимонопольной политики и их адаптация к цифровым платформам, затем набор критериев (количественных и качественных), помогающих отличить вредную монополию от эффективного масштабирования.
Сопоставление инструментов
- Рыночная концентрация → учёт многоролевости платформы
- Классика: доля рынка, $HHI={\sum }_{i=1}^N{s}_i^2$.
- Цифра: одна фирма может одновременно участвовать на многих рынках (двусторонние/многосторонние рынки), поэтому считать нужно по соответствующим рынкам и по связям между ними (cross-market shares, внимание к мультихостингу).
- Цены и маржи → нетранзакционные выгоды и субсидирование сторон
- Классика: анализ цен/марж (Lerner: $L=\frac{P-MC}{P}$).
- Цифра: многие платформы дают нулевые или отрицательные цены для одной стороны, поэтому смотреть нужно на суммарную отдачу, монетизацию данных и рекламные ставки, ARPU, а не только цена финального пользователя.
- Барьеры для входа → данные, сетевые эффекты, мультихоминг
- Классика: капитальные затраты, лицензии.
- Цифра: объём и качество данных, эффект масштаба данных, затраты на обучение ML-моделей, сетевые эффекты (ценность платформы растёт с $n$ — измерять $dV/dn$), затраты на мультихоминг.
- Вертикальная интеграция/вертикальные ограничения → приоритеты, самопредпочтение, блокировка доступа к API/данным
- Классика: форсед-бойкот, эксклюзивы.
- Цифра: самопредпочтение в выдаче/рекомендациях, ограничение доступа к данных/инфраструктуре, использование данных от сторонних поставщиков для предпочтения собственных сервисов.
- Поведенческие/структурные Remedies → адаптивные меры (интероперабельность, portability, обязательство доступа к данным)
- Классика: разделение, запрет сговоров, штрафы.
- Цифра: требование data portability, стандартов API, обеспечение мультихоминга, алгоритмическая прозрачность, ограничение самопредпочтения.
Критерии для отличия вредной монополии от эффективного масштабирования
(каждый критерий — что измерять и как интерпретировать)
1) Результат для потребителя (статический эффект)
- Измерять: изменение цен/комбинированной платы для всех сторон, качество, выбор.
- Показатели: рост цен/снижение качества при высокой концентрации — сигнал вреда. Если цены падают, качество/вариативность улучшаются — в пользу эффективного масштаба.
2) Устойчивость экономической ренты (динамический показатель)
- Измерять: устойчивые сверхприбыли выше нормальной нормы доходности; persistence прибыли после вхождения конкурентов.
- Пороговые ориентиры: длительная маржа/ROIC существенно выше отраслевой — сигнал монопольной ренты.
3) Барьеры для входа и расширения конкурентов
- Измерять: объём уникальных/недоступных данных, затраты и время на воспроизведение ML-моделей, время/стоимость достижения критической массы пользователей.
- Критерий вреда: если новые фирмы не способны при реалистичных инвестициях и времени достичь сопоставимого качества/ценности из‑за недоступности данных или эксклюзивных связей — это признак барьера.
4) Сила сетевых эффектов и их обратимость
- Измерять: эластичность ценности платформы по числу пользователей $\frac{dV}{dn}$, пороговые размеры сети, скорость падения ценности при уходе пользователей.
- Интерпретация: сильные позитивные сетевые эффекты сами по себе могут оправдывать масштабирование; вред возможен, если эффекты сильно асимметричны и поддерживаются искусственными препятствиями мультихомингу.
5) Возможность мультихоминга и интероперабельность
- Измерять: доля пользователей, ведущих мультихоминг; наличие открытых API/стандартов; стоимость переключения.
- Критерий: низкая стоимость мультихоминга и высокий уровень интероперабельности — меньше риск вредной монополии даже при большой рыночной доле.
6) Поведенческие признаки исключающей практики
- Факторы: самопредпочтение, эксклюзивный доступ к ключевым данным, связывание сервисов, дискриминация сторонних поставщиков, использование алгоритмов для преднамеренного ухудшения конкурентов.
- Наличие систематических действий такого типа — сильный индикатор вреда.
7) Динамическая конкуренция и инновации
- Измерять: темпы инноваций (R&D, функциональность, новые продукты), вход новых игроков в смежные ниши.
- Если доминирование сопровождается снижением темпов инноваций или блокировкой новых бизнес-моделей — сигнал вреда; если доминирование стимулирует инновации и расширяет выбор — в пользу эффективности.
8) Трансграничные и мультирынковые эффекты
- Оценивать: улучшает ли доминирование эффективность через масштабы на нескольких рынках (экономия на транзакциях, стандартизация) или используется для таран-кампаний на смежных рынках (predation).
- В пользу масштаба — явные сетевые выгоды, снижающие социальные издержки.
Практическая схема оценки (пошагово)
1. Определить релевантные рынки, включая двусторонние/многосторонние связи.
2. Измерить концентрацию ($HHI$) и доли, оценить Lerner ($L$).
3. Проверить наличие и силу барьеров: данные, ML‑эффекты, switching costs, мультихоминг.
4. Анализировать поведение: самопредпочтение, отказ в доступе к API/данным, эксклюзивы.
5. Сопоставить статические вреды (цены/качество/выбор) и динамические эффекты (инновации, скорости входа).
6. Принять решение о вмешательстве, выбирая минимально инвазивное средство (интероперабельность, data portability, мониторинг) прежде чем структурные меры; при явной и неизлечимой блокировке конкуренции — рассмотреть разделение.
Короткое правило: масштабирование считается эффективным, если преимущества масштаба и сетевых эффектов улучшают суммарную потребительскую и производственную выгоду и остаются конкурируемыми (контестируемыми) для входа новых игроков; это вредная монополия, если преимущества поддерживаются непреодолимыми искусственными барьерами (контролем данных, закрытой инфраструктурой, исключающими практиками) и приводят к устойчивым монопольным рентам и ухудшению потребительского благосостояния.