学习目标
跟随架构师律师马原的脚步读完这一讲，你能：
- 识别"搭便车"模式的法律风险
- 设计合法的数据增值业务模式
- 评估业务模式的合法性
技术原理
三种数据处理层级的技术差异
"""
数据处理 pipeline 示例
"""
# Layer 1: 原始抓取（高风险）
def raw_aggregation(source_urls):
"""简单聚合展示"""
for url in source_urls:
content = fetch(url)
store_in_db(content) # 原样存储
display_on_site(content) # 原样展示
# Layer 2: 结构化处理（中风险）
def structured_processing(source_urls):
"""结构化后展示"""
for url in source_urls:
html = fetch(url)
data = parse(html) # 提取字段
enriched = add_metadata(data) # 添加元数据
store_in_db(enriched)
display_summary(enriched) # 展示摘要，非全文
# Layer 3: 深度分析（低风险）
def analytical_service(source_urls):
"""分析服务"""
all_data = []
for url in source_urls:
data = fetch_and_parse(url)
all_data.append(data)
# 深度分析
report = generate_report(all_data) # 趋势分析
insights = run_ml_model(all_data) # 机器学习模型
return {
'report': report, # 只输出分析报告
'insights': insights, # 只输出洞察结论
# 不输出原始数据
}
关键区别：Layer 1 让用户在你的平台就能看到全部内容，不需要去原平台。Layer 3 让用户只能看到分析结论，原始数据不可见。
真实判例
大众点评诉百度案
百度的行为属于 Layer 1：抓了点评内容，原样展示在百度地图里。用户不需要去大众点评。
法院认定："实质替代"。
抖音诉刷宝案
刷宝的行为也属于 Layer 1：抓了短视频、用户信息、评论，搬运到自己的 APP。
法院认定：不正当竞争。赔偿500万。
"用药助手"APP案
被告抓取药品说明书数据库。药品说明书本身是公开信息，但经过人工收集整合后，原告投入了大量成本。
法院认定：被告行为超出正当竞争界限，构成不正当竞争。
法律分析
合法业务模式的三要素
- 数据来源合法：通过官方 API、授权协议、公开数据（遵守 robots.txt）
- 加工深度足够：不只是搬运，要有实质性的分析和增值
- 输出形式不竞争：不替代原平台的服务，而是提供不同的价值
转型路径示例
| 原模式 | 风险 | 转型方向 | 新模式 |
|---|---|---|---|
| 内容聚合平台 | 🔴 高 | 行业分析报告 | 数据研究服务 |
| 价格监控工具 | 🟠 中高 | 价格指数产品 | 市场分析服务 |
| 招聘信息聚合 | 🟠 中高 | 人才趋势报告 | 人力资源咨询 |
| 房产信息聚合 | 🟠 中高 | 房价预测模型 | 房地产数据分析 |
实战输出：业务模式合法性评估框架
"""
业务模式合法性评估框架
"""
class BusinessModelAssessor:
def __init__(self, model_description):
self.desc = model_description
self.score = 0
def assess_data_source(self, source_type):
"""评估数据来源合法性"""
scores = {
'official_api': 30,
'written_agreement': 30,
'public_with_robots_compliance': 15,
'public_without_robots_check': 5,
'unauthorized': -20,
}
self.score += scores.get(source_type, 0)
def assess_processing_depth(self, processing_type):
"""评估数据加工深度"""
scores = {
'raw_display': -20, # 原样展示
'structured_storage': -5, # 结构化存储
'summary_display': 10, # 摘要展示
'analysis_report': 25, # 分析报告
'ml_model': 30, # 机器学习模型
}
self.score += scores.get(processing_type, 0)
def assess_output_form(self, output_type):
"""评估输出形式"""
scores = {
'full_content_mirror': -25, # 全文镜像
'partial_content': -10, # 部分内容
'data_api': -5, # 数据API
'research_report': 20, # 研究报告
'consulting_service': 25, # 咨询服务
}
self.score += scores.get(output_type, 0)
def assess(self):
print(f"\n=== 业务模式评估: {self.desc} ===")
print(f"综合得分: {self.score}")
if self.score >= 60:
print("🟢 低风险模式 - 符合合法经营要求")
elif self.score >= 30:
print("🟡 中风险模式 - 建议优化")
elif self.score >= 0:
print("🟠 高风险模式 - 强烈建议转型")
else:
print("🔴 极高风险模式 - 可能构成违法")
return self.score
# 评估示例
assessor = BusinessModelAssessor('我的数据聚合APP')
assessor.assess_data_source('public_without_robots_check')
assessor.assess_processing_depth('raw_display')
assessor.assess_output_form('full_content_mirror')
assessor.assess()
