O termo ‘preço personalizado’ tem sido usado em diversas circunstâncias, mas nem sempre com o mesmo significado. Por vezes, o preço personalizado é utilizado como um termo alternativo à discriminação de preços, outras vezes é adotado para se referir exclusivamente a uma forma extrema de discriminação de preços — como a discriminação de preços “perfeita” ou de “primeiro grau” — e, não raramente, é confundido com outros termos, como o ‘preço dinâmico’ (OCDE, 2018).

A definição proposta pelo Office of Fair Trading (OFT) tem pelo menos dois componentes importantes. Em primeiro lugar, caracteriza a fixação de preços personalizada como a prática de discriminar preços para diferentes consumidores, centrando-se assim nas relações entre empresas e consumidores, em oposição às relações entre empresas. Em segundo lugar, especifica que a discriminação se baseia em informações sobre características ou condutas pessoais. Esses dois componentes são úteis para distinguir os preços personalizados do conceito mais geral de discriminação de preços.

A personalização ou discriminação — perfeita — de preços pode ocorrer de diferentes formas.8 Por exemplo, a empresa pode oferecer diretamente o preço individualizado ao consumidor ou fixar um preço igual para todos, disponibilizando, entretanto, descontos personalizados, baseados em informações e características coletadas de consumidores.9  É o que ocorre no site Booking.com, que disponibiliza uma lista de hotéis com o preço da hospedagem e demais características da acomodação. A depender do ranking do usuário na plataforma, alguns hotéis poderão oferecer um desconto de 5% a 10% sobre o preço divulgado.10

A teoria clássica econômica estabelece que, em mercados nos quais empresas possuem poder de mercado, o acesso a dados que permitam a personalização de preços torna possível a expansão, ou mesmo o desenvolvimento, de novos mercados. Esse resultado melhora o desempenho da economia à medida em que novas trocas mutuamente benéficas se tornam possíveis.

Como ilustração, suponha o caso clássico do monopólio, em que o acesso à informação permite que o monopolista infira a disposição a pagar de cada consumidor e, com isso, defina, se as condições permitirem, um preço correspondente a essa disposição a pagar para cada consumidor.11  

A figura abaixo ilustra os benefícios que o mercado obtém de um cenário de preços diferenciados em comparação aos de uma situação de preço uniforme para todos os consumidores.12 No caso (i), o preço uniforme permite que apenas metade do mercado seja atendida, trazendo um benefício para o consumidor — resultante da diferença entre o que os consumidores estavam dispostos a pagar e o que efetivamente pagaram —, mas ocorre também perda de bem-estar, pois parte da demanda não é atendida. No caso (ii), em que o monopolista consegue segmentar o mercado em dois, ofertando o produto a dois preços diferentes, é alcançado um público ‘novo’ e com menor disposição a pagar. Neste caso, a perda de bem-estar diminui, pois há mais trocas mutuamente benéficas acontecendo. No caso (iii), temos a situação extrema em que o monopolista cobra um preço diferente para cada consumidor, de acordo com suas respectivas disposições a pagar pelo produto13.

É notável que, quanto maior for a capacidade do monopolista de discriminar seus usuários, maior será o volume de transações, de tal modo que a demanda será completamente coberta no caso (iii), em que até mesmo o consumidor com “zero” disposição a pagar consegue adquirir o bem.

O problema deste equilíbrio de mercado é que, embora os preços personalizados aumentem o bem-estar (todos que demandam o bem o adquirem), eles fazem com que os ganhos de troca dos consumidores sejam transferidos à empresa monopolista (isto é, o excedente dos consumidores é transformado em lucro para a empresa). No caso extremo como o da figura (iii), a monopolista captura todos os ganhos de troca (ou excedente econômico) do mercado.

Em um cenário de concorrência entre duas empresas, a possibilidade de personalização de preços permitida pelo acesso a informações gera resultados interessantes. Segundo Rhodes e Zhou (2022), essa situação pode trazer benefícios para alguns consumidores e prejuízos para outros, sendo tal distribuição entre os ganhadores e perdedores uma função da intensidade da concorrência entre as plataformas competindo neste mercado. Ademais, se o tamanho das plataformas é pequeno em relação ao tamanho do mercado, a personalização de preços pode favorecer a entrada de  “novos” usuários no mercado, com menor disposição a pagar.14 

Já em um cenário no qual, embora as empresas concorram entre si, algumas delas detêm maior acesso a dados — ou maior capacidade de analisá-los e personalizar preços — refletindo uma assimetria competitiva importante, Rhodes e Zhou (2022) identificam que os resultados de equilíbrio novamente dependem dos fundamentos do mercado. Se muitos consumidores já são atendidos, a empresa com maior acesso a dados pode “pescar” os consumidores das rivais de forma ineficiente do ponto de vista do bem-estar.

Nesse caso, a personalização de preços gera uma perda de bem-estar aos consumidores, pois, apesar de atrair mais usuários ao mercado, o fato de atribuírem baixos valores ao produto implica dizer que usufruem pouco do consumo do bem ou do serviço.15 Por outro lado, todos os consumidores que já estavam presentes no mercado antes da personalização de preços e pagavam um preço uniforme já detinham uma elevada preferência pelo produto. A precificação personalizada pode aumentar o preço médio que eles pagam, o que, no cômputo geral, pode prejudicá-los, mesmo que a demanda seja expandida.

Em todo caso, plataformas atuam como “reguladoras” do mercado ao organizar as interações entre os múltiplos lados. Através de suas políticas comerciais (precificação), elas restringem ou encorajam a entrada de usuários (empresas e/ou pessoas) e estabelecem mecanismos de resolução de conflitos, além de organizar “encontros” entre os usuários de seus serviços.

Assim, no que diz respeito à discriminação de preços, é preciso levar em conta, ainda, o modelo de negócios. Tomemos como exemplo os aplicativos de transporte, que promovem “encontros” entre usuários:  não seria interessante para um motorista que a plataforma elevasse seu preço unilateralmente em relação aos demais, tampouco seria benéfico aos usuários desses serviços a imposição de um preço maior pelas corridas apenas porque seus históricos indicam que eles foram transportados a shoppings de luxo. Esses elementos devem ser considerados em uma análise sobre a capacidade que uma determinada plataforma tem de exercer poder de mercado sobre seus usuários.

Assim como a Amazon, muitas plataformas desempenham o papel de intermediadoras de transações entre consumidores e vendedores e oferecem informações sobre a confiabilidade de cada fornecedor — em particular, sua capacidade de entregar o produto pedido no tempo estipulado. Esse aspecto é essencial em um contexto em que há uma miríade de ofertantes em plataformas digitais e o usuário incorre em custos ao procurar o produto mais conveniente para si. Em outras palavras, os mecanismos de recomendação são ferramentas essenciais no ambiente digital.

Há evidências de que essas plataformas digitais frequentemente influenciam a busca dos consumidores, estratégia referida em inglês como “steering”. A partir de um volume amplo e detalhado de informações dos usuários, elas podem personalizar a experiência de um usuário para potencialmente direcioná-lo a um conteúdo específico ou a ofertas que estejam em sintonia com seu perfil, de modo a maximizar as receitas da plataforma.

Com efeito, esse tipo de influência sobre os consumidores vem sendo cada vez mais investigada por governos e autoridades antitruste. A Europa, por exemplo, foi palco de uma importante investigação que culminou na condenação do Google Shopping por direcionar a escolha dos usuários para a própria plataforma de vendas. Nos Estados Unidos, a empresa está sendo investigada pelo mesmo motivo desde 2020. Outros países, como o Brasil, têm lançado suas próprias iniciativas legais nesse quesito.

É comum que o consumidor, tanto no ambiente físico como no ambiente digital, almeje otimizar seu custo de oportunidade de busca pelo produto. Basicamente, ele seguirá procurando por produtos caso sua expectativa de obter uma redução de preços na próxima busca supere o custo de continuar procurando.16 As plataformas estão cientes desse comportamento e buscam acrescentar valor ao oferecer esse serviço adicional, seja através de uma curadoria das ofertas feitas pelos vendedores, de uma recomendação de produtos de diferentes formas ou ordenando as ofertas de acordo com o perfil do usuário, caracterizado pelo seu histórico de compras ou navegação na internet.

Do ponto de vista concorrencial, a presença de uma plataforma que ofereça um serviço de recomendações aumenta o bem-estar do consumidor ao reduzir o custo de busca. A plataforma pode, imediatamente, indicar ao usuário a melhor oferta para o produto que ele busca. Nesse sentido, há relatos de que o Google pretende criar uma experiência de pesquisa baseada em inteligência artificial generativa, o Shopping Graph do Google.17 Dessa forma, os resultados da busca seriam mais alinhados ao direcionamento e às necessidades do consumidor.

É esperado que a plataforma enfrente um dilema importante nesse cenário, uma vez que ela poderia aproveitar esse profundo conhecimento do usuário e sua disposição a pagar para recomendar ao vendedor a cobrança de um valor mais elevado pelo produto ou serviço em questão. Por outro lado, a imposição de um mark-up maior sobre o produto recomendado pode levar o usuário a continuar procurando novas ofertas, o que reduz a conveniência e o valor gerado pela plataforma do ponto de vista do usuário. Assim, a capacidade da empresa de exercer poder de mercado é limitada devido à possibilidade de os usuários continuarem procurando em outras plataformas (usuários poderiam escolher por multihoming).18

Segundo Rhodes e Zhou (2022), a forma como as recomendações aparecem faz diferença. Quando elas sugerem múltiplas combinações, pode ocorrer uma intensificação da concorrência em relação a um cenário no qual há uma única opção. Todavia, conforme colocado, é fundamental que se conheça o modelo de negócios da empresa — e os incentivos que lhe são atrelados — antes de se concluir sobre o efeito dessas estratégias no bem-estar dos consumidores em geral.

O acesso a uma ampla base de informações, combinado a uma capacidade fenomenal de processamento, permite que as empresas compreendam melhor o comportamento do consumidor e produzam itens de maior qualidade a um custo cada vez menor. O aprimoramento das ferramentas de inteligência artificial favorece a formação de um ciclo virtuoso que resulta em um maior acesso pela população a esses produtos e serviços novos e mais baratos.

Segundo Prüfer e Schottmüller (2020), o uso otimizado das informações capturadas pelas empresas permite a redução dos custos marginais da inovação — em particular, com o uso de ferramentas de inteligência artificial — e pode criar uma vantagem inicial para a empresa que consiga aplicar melhor os seus recursos. Essa vantagem inicial aumenta as chances de a plataforma alcançar a massa crítica necessária para se tornar uma rede relevante, de modo que todos os potenciais usuários desejem fazer parte dela. Neste caso, dizemos que o mercado se inclina (do inglês, “tip”) a ela.

“Tipping” refere-se a essa tendência que uma plataforma tem de se posicionar adiante de seus rivais em termos de atratividade, uma vez que ela ganha uma vantagem inicial ao ser geralmente impulsionada por fortes efeitos de rede. Ou seja, nos mercados digitais, é comum que as plataformas atinjam um ponto crítico (“tipping point”) a partir do qual o número de usuários a torna tão atraente que o mercado vira a seu favor. Embora haja benefícios nessas inclinações mercadológicas, também podem surgir preocupações ligadas ao abuso de posição dominante, o que, conforme discutido neste artigo, pode representar um dilema para os formuladores de políticas.

As implicações concorrenciais do fenômeno de tipping nos mercados digitais é uma das principais razões para a introdução do Digital Markets Act (DMA) na União Europeia e para a criação da Digital Market Unit (DMU) em abril de 2021, unidade dedicada à análise da economia digital no Reino Unido.

Um corolário do fenômeno descrito acima é a constatação de que não basta a um competidor em potencial usufruir de toda a infraestrutura tecnológica e das habilidades necessárias à sua área, já que, sem o acesso a uma vasta quantidade de dados, lhe faltaria a capacidade, por exemplo, de treinar adequadamente o seu algoritmo e obter insights dos dados, ambos requisitos para o desenvolvimento de um produto ou serviço melhor (KRAMER; SCHNURR, 2022).

À medida que o número de dados sobre os indivíduos aumenta, há ganhos de escala e escopo na capacidade de inferir novas informações a partir do tratamento desses dados. Diante disso, as empresas têm ampliado suas capacidades de coleta para o ambiente físico, incluindo dados sobre localização e sensores e possibilitando até mesmo a captura de emoções a partir de expressões faciais. Essas informações podem ser usadas pela plataforma para criar perfis muito mais precisos dos consumidores, exibindo anúncios e produtos que mais lhes agradem, melhorando o serviço ou produto ofertado, implementando melhorias nos sistemas de recomendações e ampliando o catálogo de produtos e/ou serviços disponíveis (KRAMER; SCHNURR, 2022). A literatura tem se referido a esse fenômeno cíclico como “data-driven network effects”.19

Neste contexto, espera-se que existam elevadas barreiras à entrada de novas empresas, tendo em vista que o custo marginal para inovar pode ser significativamente menor para o incumbente em relação aos entrantes. Como resultado, argumenta-se que a pressão para inovar oriunda de possíveis entrantes seja reduzida, especialmente em mercados “tipped” (KRAMER; SCHNURR, 2022).

Essa dinâmica de “data-driven network effects” pode ser reforçada quando os incumbentes oferecem serviços auxiliares a terceiros. Por exemplo, plataformas podem permitir que aplicativos disponibilizem a opção de login a partir do incumbente, como é o caso da realização um cadastro rápido através do login com o perfil do Facebook ou Google. Os terceiros são beneficiados com informações fornecidas pelo incumbente, como nome e e-mail dos usuários, mas podem ter que revelar dados para a empresa incumbente, como o serviço que foi adquirido e data de login (PREIBUSCH et al., 2016). Para o incumbente, esses dados são mais valiosos do que aqueles aos quais ele dá acesso a terceiros. Como várias empresas utilizam esses serviços auxiliares, não há nenhum verdadeiro ganho de vantagem competitiva aos terceiros. Todavia, quando empresas como Google e Facebook disponibilizam o login delas a terceiros, elas adquirem uma nova fonte de extração de dados que acabam por fortalecer suas respectivas posições (incumbentes) no mercado, enfraquecendo a dinâmica competitiva (KRAMER; SCHNURR, 2022).

Finalmente, espera-se que empresas incumbentes no mercado estejam sujeitas a uma concorrência mais acirrada em relação às novas entrantes se possuírem melhor capacidade ou tecnologia para explorar a profusão de dados disponíveis para o desenvolvimento de novos produtos. Neste sentido, em uma economia digital, em que as empresas concorrem com base no aprendizado derivado do acesso e processamento otimizado de dados, a concorrência é acirrada quando a vantagem do incumbente ainda não for tão grande. No entanto, se a vantagem do incumbente é ampla, ela é potencializada pela tecnologia de tratamento de dados, em detrimento da concorrência.

A Comissão Europeia recebeu, em junho de 2020, a notificação sobre a proposta do Google de comprar a Fitbit, empresa que atua na fabricação, no desenvolvimento e na distribuição de dispositivos vestíveis para monitoramento do condicionamento físico e da saúde dos usuários.

No entendimento da comissão, tanto o Google quanto a Fitbit fornecem dispositivos vestíveis, sistemas operacionais e loja de aplicativos para esses dispositivos, bem como aplicativos de saúde/fitness e de pagamentos móveis. Logo, a operação apresentava riscos de sobreposições horizontais. Além disso, ainda existiam riscos de sobreposições não horizontais criadas pela relação entre a Fitbit e outras atividades do Google, como a exibição de anúncios.

Dado que ambas as partes coletam um conjunto de informações dos usuários por meio dos serviços e produtos negociados, a análise da operação pela Comissão Europeia envolveu a avaliação dos potenciais riscos anticompetitivos da aquisição do banco de dados da Fitbit pelo Google.

Sob a perspectiva horizontal, a comissão apontou que o acesso do Google a essas novas informações poderia dificultar — ou até mesmo impossibilitar — a expansão ou a entrada de rivais. Para tanto, foram conduzidas análises em diferentes mercados relevantes, dos quais se destacam o mercado de anúncios online e o mercado de serviços digitais de saúde.22

No mercado de anúncios online, a investigação indicou que os players estariam preocupados com a possibilidade de que o acesso aos dados da Fitbit pelo Google poderia servir para refinar o perfil dos usuários, o que permitiria ao Google tornar o direcionamento dos anúncios ainda mais preciso, permitindo uma customização da oferta mais aprimorada, o que conferiria uma vantagem competitiva robusta em relação a rivais atuais e potenciais. Como resultado, os competidores teriam dificuldade em rivalizar com essa oferta e atrair anunciantes. Apesar de a comissão ter considerado que, em razão do melhor direcionamento de anúncios, pudesse haver um aumento da eficiência e dos benefícios aos consumidores no curto prazo, as teorias de dano analisadas indicavam duas preocupações principais:

Segundo a comissão, esses efeitos compensariam os benefícios iniciais, confirmando as preocupações acerca do mercado de anúncios online. Assim, a autoridade considerou que os dados da Fitbit seriam uma aquisição relevante e constituiriam um valioso insumo para a oferta de serviços em vários níveis da cadeia de anúncios online. Nesse mercado, haveria um aumento das barreiras à entrada, além da marginalização dos competidores. 

Em sua análise, a Comissão Europeia ponderou as perspectivas de outros players, mas não chegou a um consenso, por exemplo, em relação aos dados de localização obtidos pela Fitbit. Enquanto alguns competidores indicaram que o Google já detém dados de localização oriundos dos smartphones — nesse caso, depreende-se que esses dados seriam redundantes —, outros indicaram que poderia ser uma fonte complementar sobre usuários que não possuem um smartphone com o sistema Android, que pertence ao Google.

Em relação às outras informações coletadas pela Fitbit, a comissão menciona que alguns respondentes indicaram que tinham acesso a dados equivalentes, enquanto outros apontaram que não teriam tal possibilidade no curto prazo sem que houvesse um significativo aumento no volume de investimentos.

Com relação ao mercado de serviços digitais de saúde, a comissão considerou que há uma série de alternativas ao acesso de dados coletados pela Fitbit — por exemplo, agregadores de dados de saúde ou outras empresas que coletam esses dados por smartphones (Samsung e Apple) — e há outros players estabelecidos em diversas aplicações desses tipos de informações (para análise de dados, há, por exemplo, Oracle e IBM; para monitoramento de paciente, temos empresas como Intel Corporation e ResMed23). Além disso, a Comissão avaliou que as partes não seriam competidoras na coleta ou comercialização dos dados de saúde dos usuários. Dessa forma, ela entendeu que a aquisição dos dados da Fitbit pelo Google não causaria efeitos danosos à competição nesse mercado.

Destaca-se que a Comissão Europeia fez uma avaliação acerca da diversidade dos dados e de acesso em relação a outros competidores, de modo a compreender se a nova base adquirida pelo Google seria semelhante à dos concorrentes e, em caso negativo, se estes seriam capazes de adquirir algo equivalente. Não há menções acerca da obsolescência da base.

Sob a perspectiva vertical, o acesso a informações foi analisado considerando preocupações de fechamento de mercado às empresas ativas no mercado de serviços digitais de saúde, uma vez que o Google poderia descontinuar ou deteriorar a API24 do Fitbit. Nesse caso, haveria danos à competição em razão da falta de alternativas de acesso aos dados de saúde.25

A comissão considerou que a Fitbit não era a única fonte de dados disponível, já que os respondentes indicaram que a permissão de acesso por terceiros via API é uma prática comum de players digitais que coletam dados. Apesar disso, avaliou-se que o Google teria a habilidade técnica e os incentivos para fechar o mercado e que, caso isso acontecesse, os efeitos sobre os provedores de aplicativos no mercado de serviços digitais de cuidados da saúde seriam negativos26.

A operação foi aprovada pela comissão,  embora sujeita a comprometimentos por parte do Google para minimizar os riscos de danos à concorrência relacionados ao acesso a informações — outras preocupações também foram levantadas. A empresa se comprometeu a apresentar aos seus usuários europeus a opção de conceder ou negar acesso aos dados de medidas corporais pelos serviços do Google27.

Em outubro de 2020, a Stone Participações S.A. notificou o Conselho Administrativo de Defesa Econômica (Cade) sobre o Ato de Concentração nº 08700.003969/2020-17, referente à aquisição da totalidade das atividades da empresa Linx por meio da compra de ações.

A STNE Participações e o Grupo Stone prestam serviços de pagamentos, incluindo o desenvolvimento de uma estrutura tecnológica segura para a captura, transmissão e processamento de dados e a liquidação de transações, entre outros serviços correlatos. Além disso, atuam nos segmentos de adquirência, serviços de gateway online, softwares de gestão empresarial, crédito, transferência eletrônica de fundos (TEF) e serviços de entrega rápida, com maior ênfase no setor de varejo.

A Linx é uma empresa brasileira de tecnologia baseada na nuvem, com foco na provisão de softwares de gestão empresarial para o varejo por meio do modelo de negócio de software como serviço28. Ela oferece três principais linhas de produtos: (i) sistemas de gestão empresarial integrada, (ii) soluções voltadas ao comércio eletrônico e análise de dados e (iii) soluções de pagamento como TEF, subadquirência, gateway online de pagamentos e serviços de crédito consignado.

Desse ato de concentração, decorreram sobreposições horizontais entre as atividades de ambas as empresas nos mercados de adquirência/subadquirência — softwares de gestão empresarial (divididos em softwares de gestão empresarial ERP29, softwares de gestão empresarial CRM30 e softwares de gestão empresarial no varejo), serviços de gateway e serviços de TEF31. Após análise da autarquia, concluiu-se que tais sobreposições não gerariam preocupações concorrenciais, uma vez que, na maioria dos mercados em que uma das empresas apresentava participação relevante, a outra detinha parcela de mercado irrisória.

A análise da operação, entretanto, concentrou-se na relação vertical resultante, haja vista a dinâmica concorrencial vinculada à interrelação entre os elos da cadeia em que as empresas envolvidas atuam. Enquanto a Linx detinha uma posição dominante em softwares de gestão empresarial no varejo (representando entre 40% e 50% do faturamento do mercado total), a Stone apresentava uma posição significativa no mercado de adquirência, ambas atuando em mercados complementares.

De acordo com o voto do relator do caso, a investigação concorrencial levou em consideração o guia para análise de concentrações não horizontais desenvolvido pela Comissão Europeia32, que adota a estrutura de análise de capacidade, incentivos e efeitos  ligados a uma possível decisão da empresa pós-operação de fechar o mercado a seus rivais. No caso, a teoria de dano relevante seria relacionada à possibilidade de fechamento no segmento de adquirência diante da possível alavancagem da posição da Stone por meio do acesso ao conjunto de informações detidas pela Link em sua operação no mercado de softwares de gestão para varejo. 

Com o objetivo de testar essa teoria, o Tribunal avaliou: “(i) qual o escopo dos dados a que a empresa resultante da operação terá acesso; (ii) de quem é a propriedade desses dados; e (iii) se o acesso a tais informações constitui vantagem competitiva indevida.” (RAVAGNANI, 2021, p. 29).

Sobre o escopo dos dados, o Cade identificou dois conjuntos de informações que a empresa pós-operação passaria a deter: dados gerenciais sobre os estabelecimentos comerciais que constam nos sistemas de software de gestão empresarial da Linx e informações “concorrencialmente sensíveis” referentes ao relacionamento de estabelecimentos comerciais que contratam tanto os sistemas de gestão empresarial da Linx quanto soluções de pagamento de empresas concorrentes da Stone, tais como Cielo, Rede, Getnet, entre outras.

Sobre o acesso às informações gerenciais dos estabelecimentos pela Stone, em linha com as conclusões feitas na Nota Técnica da Superintendência-Geral (SG), o Tribunal do Cade entendeu que isso poderia promover a concorrência no setor de adquirência e software de gestão, gerando benefícios ao consumidor. Tais benefícios decorreriam das intensas transformações digitais pelas quais o mercado de serviços financeiros passou a partir do uso intensivo de tecnologia, big data e algoritmos. Nesse contexto, de acordo com a SG e o tribunal, o acesso a maiores bases de dados pela empresa pós-fusão poderia promover o surgimento de inovações no mercado e competição com players disruptivos (Big Techs), em linha com o argumento usual de benefícios competitivos do acesso à informação.

Em relação às informações concorrencialmente sensíveis, o Cade as identificou como (i) a lista de adquirentes, (ii) o volume transacionado e de recebíveis na adquirente e (iii) as taxas cobradas (MDR e antecipação) nos casos em que há inserção de tais dados no sistema de software por parte do cliente ou em que há prestação de serviços de conciliação de recebíveis.

Sobre o acesso informacional, o Tribunal ponderou que a obtenção de dados e informações sensíveis dos concorrentes pode configurar uma importante vantagem competitiva no desenvolvimento de estratégias comerciais e competitivas. Para tanto, argumentou que seria preciso examinar a natureza das informações compartilhadas, a dinâmica do mercado, os meios utilizados para a obtenção das informações e, a partir disso, avaliar a potencialidade de que o acesso e o uso dos dados venham a gerar comportamentos e efeitos anticompetitivos.

Em resumo, o Cade entendeu que o acesso a tais informações não representaria efetivamente um risco à concorrência por dois motivos:

Assim, em oposição às alegações dos terceiros interessados, o tribunal decidiu pela aprovação sem restrições da operação.