Non-personalized Recommendation, Is a Lie
การนำเสนอผลิตภัณฑ์และบริการ ให้เหมาะสมกับความต้องการของผู้บริโภค โดยอ้างอิงจากความชอบหรือความสนใจเฉพาะบุคคล เป็นเทรนด์ที่ผู้ประกอบการทุกวงการต่างรับรู้และให้ความสำคัญ เนื่องจากทำให้องค์กรสามารถนำเสนอ แนะนำ หรือโฆษณาสินค้า บริการ หรือเนื้อหา (content) ได้ตรงตามความสนใจของผู้บริโภคมากขึ้น
ซึ่งส่งผลให้มีแนวโน้มที่จะสามารถทำยอดการขายหรือได้รับความสนใจจากกลุ่มเป้าหมายเพิ่มขึ้น มีการคาดการณ์ว่าตลาดเครื่องมือสำหรับให้คำแนะนำจะเติบโตจาก 2.29 พันล้านดอลลาร์สหรัฐในปี ค.ศ. 2021 เป็น 1.73 หมื่นล้านดอลลาร์สหรัฐในปี ค.ศ. 2028 ที่อัตราการเติบโตปีละ 33% ในระยะการคาดการณ์ระหว่างปี ค.ศ. 2021 - 2028
โดย 89% ของนักการตลาดระบุว่าพวกเขาพึงพอใจกับการทำการตลาดแบบนี้เพราะผลตอบแทนจากการลงทุนคุ้มค่า และ 60% บอกว่าจะใช้เทคนิคนี้ซ้ำ ในขณะดียวกัน ผู้บริโภคในปัจจุบันมีความตระหนักในประเด็นนี้มากขึ้น และมีทั้งที่ให้ความเห็นเชิงบวกและเชิงลบต่อความเปลี่ยนแปลงดังกล่าว มีผู้บริโภค 52% เห็นด้วยว่ากลยุทธ์การนำเสนอแบบจำเพาะบุคคลช่วยทำให้พวกเขามีความพึงพอใจต่อแบรนด์มากขึ้น
โดยเฉพาะอย่างยิ่งเกี่ยวกับความกังวลเกี่ยวกับความเป็นส่วนตัวของข้อมูล และการะมัดระวังเพื่อไม่ให้ตนเองติดกับดักห้องเสียงสะท้อน หรือการที่บุคคลรับรู้ข้อมูลเฉพาะที่แชร์ในกลุ่มผู้ติดตามหรือคนที่มีวงสังคมใกล้กันจนขาดการรับรู้ข้อมูลที่ครบถ้วนรอบด้าน ปัจจุบัน มีผู้บริโภคถึง 80% ยอมให้ข้อมูลส่วนตัวกับแบรนด์เพื่อแลกกับข้อตกลงหรือสิทธิพิเศษ โดยมีผู้บริโภค 52% กังวลว่าบริษัทหรือองค์กรจะรู้ข้อมูลเกี่ยวกับพวกเขามากเกินไป ทั้งนี้ มีผู้บริโภคเพียง 17% เท่านั้นที่ไม่ให้ข้อมูลส่วนตัวแก่แบรนด์ไหนเลย
การนำเสนอข้อมูลแบบไม่จำเพาะบุคคล จึงเริ่มถูกพูดถึงมากยิ่งขึ้น โดยเฉพาะอย่างในอุตสาหกรรมบันเทิงออนไลน์ เช่น แพลตฟอร์มเพลง วิดีโอออนไลน์ รวมไปถึงแอปพลิเคชันซื้อของออนไลน์ โดยอาจมาปรากฎในเครื่องมือที่มีชื่อ เช่น การค้นหา การค้นพบ หัวข้อที่กำลังเป็นที่สนใจ เพื่อนำเสนอคอนเทนต์ที่เหมือนไม่ได้เจาะจงผู้ใช้แพลตฟอร์มกลุ่มใดเป็นพิเศษ เพื่อช่วยให้ผู้ใช้แพลตฟอร์มได้ค้นพบสินค้าหรือคอนเทนต์ใหม่ ที่อาจไม่เคยพบมาก่อน
อย่างไรก็ตาม ในความเป็นจริงกลับพบว่าฟังก์ชันการใช้งานเหล่านั้นก็ยังมีพื้นฐานการทำงานมาจากการสืบดูประวัติการค้นหาหรือพฤติกรรมความชอบของผู้ใช้งานอยู่ดี ทั้งในรูปแบบการเก็บข้อมูลรายบุคคลและการเทียบกับข้อมูลของคนส่วนใหญ่ ทั้งจากตำแหน่งที่ตั้งทางภูมิศาสตร์ ภาษา ประเภทของเครื่องมือที่เข้าใช้แพลตฟอร์ม ความถี่ของการค้นหา เป็นต้น จึงทำให้กล่าวได้ว่า non-personalized reccommendation ไม่ได้เป็นการนำเสนอคอนเทนต์แบบสุ่มหรือไม่เกี่ยวกับผู้ใช้งานแพลตฟอร์มเสียทีเดียว
นัยยะสำคัญที่มีต่ออนาคต:
- ปัญญาประดิษฐ์จะถูกพัฒนาจนสามารถแนะนำสินค้า บริการ และคอนเทนต์แบบไม่จำเพาะบุคคลให้กับผู้ใช้งานแต่ละคนได้จากการเก็บข้อมูลพฤติกรรมของผู้ใช้งานนั้น ในขณะเดียวกันก็สามารถแนะนำคอนเทนต์จำเพาะบุคคลให้ผู้ใช้งานได้แม่นยำมากขึ้นโดยไม่จำเป็นต้องขอคำยินยอมให้เก็บข้อมูลส่วนตัวโดยไม่ผิดกฎหมาย
- แพลตฟอร์มแบบกระจายศูนย์และเทคโนโลยีบล็อกเชนจะถูกพัฒนาและนำมาประยุกต์ใช้กับทุกสินค้าและบริการมากขึ้นในอนาคต
- ทักษะสำหรับอาชีพนักพัฒนาระบบปฏิบัติการปัญญาประดิษฐ์จะเป็นตำแหน่งงานที่ต้องการมากขึ้น
- นักโฆษณาจะพยายามหาวิธีดึงดูดความสนใจและกระตุ้นการมีส่วนร่วมของกลุ่มเป้าหมายทั้งในเชิงความสร้างสรรค์ของการนำเสนอ และกลวิธีทางเทคโนโลยี
อ้างอิงจาก
- Personalized vs non-personalized recommendations: how recommender systems, recommendation sources and recommendation platforms affect trial of YouTube videos among digital natives in Saudi Arabia https://www.emerald.com/insight/content/doi/10.1108/JIMA-12-2020-0384/full/html
- When does web-based personalization really work? The distinction between actual personalization and perceived personalization https://doi.org/10.1016/j.chb.2015.07.049
- Building Personalized and Non Personalized recommendation systems https://doi.org/10.1109/ICACDOT.2016.7877661
- Non-Personalized Recommender Systems in eCommerce https://www.gspann.com/resources/blogs/non-personalized-recommender-systems-in-ecommerce/
- The State of Personalization https://learn.segment.com/state-of-personalization-2021/
- NRF19: 36% Of Shoppers Want Better Personalization, But Hesitate To Share Personal Info https://www.retailtouchpoints.com/topics/customer-experience/nrf19-36-of-shoppers-want-better-personalization-but-hesitate-to-share-personal-info
- Recommendation Engine Market Size, Share & Trends Analysis Report By Type (Collaborative Filtering, Hybrid Recommendation), By Deployment, By Application, By Organization, By End-use, By Region, And Segment Forecasts, 2021 - 2028 https://www.grandviewresearch.com/industry-analysis/recommendation-engine-market-report
อยากรู้จักเรามากขึ้น คลิก www.futuretaleslab.com และwww.facebook.com/FutureTalesLABbyMQDC
#FutureTalesLAB #FuturePossible #FutureUpdate #FutureofPlay #NonPersonalizedRecommendation #MQDC
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2024 Blockdit
