Personalization #2: Lằn ranh giữa cá nhân hoá và xâm phạm quyền riêng tư

Bạn có từng nghe câu chuyện siêu thị Target tạo ra 23 tỷ USD với chiến dịch marketing nhắm vào các bà bầu khiến nhiều khách hàng nữ phải thốt lên rằng: “Làm sao Target biết tôi đang mang thai? Tôi còn chưa nói điều đó với ai cả?”. Liệu việc phân phối quảng cáo cá nhân hoá có “mang đến trải nghiệm tốt hơn” hay chỉ đơn giản là “xâm phạm quyền riêng tư”?

Sự thật là, người dùng luôn mong muốn có trải nghiệm tốt hơn…

Ngày nay, cụm từ “cá nhân hoá” không còn xa lạ với người dùng, thậm chí trở thành yếu tố góp phần đáng kể vào việc gia tăng tình cảm của họ với thương hiệu. Theo khảo sát của Redpoint Global 2019, 63% người tiêu dùng bày tỏ mong muốn thương hiệu cung cấp trải nghiệm cá nhân hoá vì “nhờ đó, quá trình mua sắm của họ liền mạch, nhanh gọn hơn”. Trong đó có đến 43% người khẳng định “việc được nhân viên nhận diện trong quá trình cung cấp dịch vụ khiến họ cảm kích và thoả mãn hơn khi sử dụng sản phẩm”.

Nói đến thương hiệu triển khai quảng cáo cá nhân hoá thành công, có thể kể đến trường hợp của Sephora. Năm 2016, thương hiệu làm đẹp này ra mắt ứng dụng Virtual Artist ứng dụng công nghệ AR với mục tiêu trở thành người bạn đồng hành cùng hành trình mua sắm của khách hàng. Ngoài việc đề xuất các sản phẩm, đưa ra lời khuyên làm đẹp phù hợp với từng cá nhân, ứng dụng còn cung cấp tính năng dùng thử sản phẩm trên khuôn mặt, mái tóc qua ảnh selfie để khách hàng có thể chọn màu son, tóc vừa ý. Sau gần 2 năm, thương hiệu ghi nhận khoảng 200 triệu lượt thử sản phẩm, và lượt tải ứng dụng lên đến gần 8,5 triệu.

Nguồn: Medium

Nhưng họ không muốn bị xâm phạm quyền riêng tư

Mặt khác, khi các hoạt động cá nhân hoá chưa được tối ưu, quảng cáo liên tục “theo đuôi” người dùng mọi lúc mọi nơi hay dữ liệu không được sử dụng đúng nơi đúng chỗ khiến người dùng cảm thấy bị “rình rập”, thậm chí sợ sệt với việc nhìn thấy quảng cáo nói chung. Có đến 75% người dùng cho biết quảng cáo cá nhân hóa phần nào hơi “đáng sợ” (theo báo cáo CX Trends của InMoment năm 2018). 

Như trường hợp của siêu thị Target có nhắc đến ở trên. Siêu thị này thiết lập một ID cá nhân cho từng khách hàng và bắt đầu ghi lại mọi hành vi mua sắm của họ. Và để tiếp cận các mẹ bầu, Target đã tạo ra “điểm dự đoán mang thai” dựa trên sự thay đổi trong quyết định mua hàng, ví dụ kem dưỡng để ngăn ngừa rạn da hay nước rửa tay, xà phòng không mùi. Từ đó, thương hiệu này có thể biết một người có bầu với độ chính xác tới 80% để đề xuất các sản phẩm liên quan, bất chấp liệu người dùng có muốn điều đó hay không.

Những đề xuất liên quan đến mẹ bầu của Target đã khiến một người cha tức giận khi thấy siêu thị gửi phiếu giảm giá quần áo và nôi trẻ em cho cô con gái tuổi teen của mình. Sau đó ông mới biết rằng cô thực sự có thai. Có thể thấy, Target đã biết điều này còn trước cả cha ruột của cô. Tuy nhiên, có lẽ đó không phải là cách cô gái muốn kể với ông.

Hay việc Netflix sử dụng dữ liệu sai mục đích cũng làm người dùng khó chịu. Năm 2017, Netflix cập nhật trạng thái trên Twitter: “To the 53 people who’ve watched A Christmas Prince everyday for the past 18 days: Who hurt you?”. Dòng trạng thái với mục đích gây cười đã hoàn toàn phản tác dụng khi để lại cảm giác rùng rợn cho người dùng ứng dụng này. Hiển nhiên, người dùng nhận thức được việc Netflix theo dõi hành vi của họ. Thế nhưng, họ không đồng ý để Netflix sử dụng dữ liệu một cách thiếu trách nhiệm, như để chọc cười vô bổ trên mạng xã hội.

Những trải nghiệm đáng sợ như trên đã vô tình khiến người dùng mất dần thiện cảm với quảng cáo cá nhân hoá. Từ đó họ khắt khe hơn với những yêu cầu cung cấp thông tin cá nhân từ thương hiệu. Theo đó, “phòng bệnh hơn chữa bệnh”, họ không còn sẵn sàng trao đổi thông tin lấy trải nghiệm tốt, để rồi dữ liệu lại bị lạm dụng cho mục đích xấu.

Dữ liệu người dùng: Thu thập càng nhiều, trách nhiệm càng cao

Rõ ràng, thương hiệu có quyền thu thập dữ liệu người dùng để nâng cao khả năng cá nhân hoá, gia tăng trải nghiệm khách hàng. Nhưng thực tế là không ít thương hiệu đã lợi dụng quyền hạn đó để thu thập và sử dụng dữ liệu một cách vô trách nhiệm. Và sự thiếu trách nhiệm đó có thể xảy ra ở nhiều giai đoạn, chẳng hạn:

• Thu thập dữ liệu khi chưa có sự đồng ý từ khách hàng. Ví dụ điển hình mà phần lớn người dùng smartphone gặp phải là chỉ có thể sử dụng ứng dụng khi cho phép chúng truy cập vào các mục như thư viện ảnh, danh bạ…
• Không minh bạch về cách dữ liệu được sử dụng dẫn đến các trải nghiệm cá nhân hoá đáng sợ, theo đuôi… gây phiền phức cho người dùng.
• Không bảo mật tốt gây rò rỉ dữ liệu như sự kiện Facebook làm lộ thông tin của hơn 500 triệu tài khoản người dùng hồi tháng 4/2021. 

Trước hàng loạt trải nghiệm như vậy, người dùng cẩn trọng hơn bằng cách cài đặt tính năng chặn theo dõi hành vi trên môi trường số. Hậu quả là làm giới hạn khả năng cũng như lượng dữ liệu quý báu thương hiệu có thể thu thập được để nâng cấp chiến lược cá nhân hoá của mình.

Vậy, cách tiếp cận đúng là…

Vậy thế nào là cách thu thập và sử dụng dữ liệu cho cá nhân hoá đúng đắn? Theo chia sẻ của chuyên gia từ ANTS Digital tại hội nghị Omnichannel Playbook – Conquering the Future of Unified Commerce (12/2020), câu trả lời là hãy ưu tiên 1st-party data – dữ liệu thuộc sở hữu của doanh nghiệp. Các dữ liệu này bao gồm dữ liệu từ các kênh số như website, kênh thương mại điện tử, ứng dụng di động...; dữ liệu từ cửa hàng như hệ thống Wifi, máy bán hàng...; dữ liệu vận hành như hệ thống Call Center, CRM... Ngoài ra, còn có các loại dữ liệu thu được từ các chiến dịch truyền thông tiếp thị như các sự kiện, hoạt động kích hoạt thương hiệu...

Hãy ưu tiên 1st-party data – dữ liệu thuộc sở hữu của doanh nghiệp.

Tại sao? Bởi vì các dữ liệu này chỉ doanh nghiệp mới có, là lợi thế tăng trưởng mà không một đối thủ nào có được. Ngoài ra, việc tận dụng 1st-party data cũng giúp thương hiệu dần loại bỏ sự phụ thuộc vào dữ liệu từ các nền tảng, chủ động hơn trong quá trình thử nghiệm các ý tưởng sáng tạo mới, cải tiến dịch vụ, sản phẩm.

Thế nên thu thập 1st-party data như thế nào là minh bạch và có trách nhiệm? Thương hiệu có thể tham khảo chính sách từ Apple: 4 cấp độ thu thập dữ liệu. Cụ thể như sau:

• Data Minimization: Chỉ thu thập đúng và đủ lượng dữ liệu cần sử dụng.
• Local Processing: Xử lý dữ liệu trên thiết bị thay vì chuyển đến máy chủ của Apple, để bảo vệ quyền riêng tư của người dùng và giảm thiểu hoạt động thu thập dữ liệu. Đối với các thương hiệu, điều này có nghĩa là phải tổ chức lưu trữ, kiểm soát và xử lý dữ liệu 1st-party data với một quy trình nghiệm ngặt.
• User Transparency and Control: Đảm bảo người dùng biết dữ liệu của họ được dùng cho mục đích gì, và họ được quyền chủ động dừng việc cung cấp dữ liệu.
• Security: Đảm bảo phần cứng và phần mềm hoạt động chặt chẽ với nhau để lưu trữ dữ liệu an toàn.

Nguồn: Apple

Tuy nhiên, không phải thương hiệu nào cũng sở hữu lượng 1st-party data dồi dào để phục vụ cho chiến lược cá nhân hoá. Do đó, đôi khi họ sẽ cần đến 2nd-party data hay 3rd-party data nhờ độ phủ và tính sẵn có cao. Trong đó 2nd-party data là dữ liệu mà doanh nghiệp phải trả phí mới được tiếp cận, thường gặp nhất khi chạy media. Ví dụ như dữ liệu người dùng của Facebook, Google, hay mạng lưới quảng cáo, cookie của các nền tảng quảng cáo tự động (programmatic)... Và 3rd-party data là dữ liệu doanh nghiệp sở hữu nhờ vào việc mua lại. Khi sử dụng hai dạng dữ liệu này, thương hiệu cần cẩn trọng đề ra các chính sách, đặt ra giới hạn và nghiêm túc tuân theo. 

Với trường hợp này, thương hiệu có thể tham khảo chính sách của Google liên quan đến việc sử dụng kết hợp 1st-party data và 3rd-party data dành cho quảng cáo cá nhân hoá. 

Theo đó, Google không cho phép nhà quảng cáo sử dụng dữ liệu 3rd-party data để tạo quảng cáo cá nhân hoá, quảng cáo nhắm mục tiêu. Họ chỉ có thể nhắm mục tiêu thông qua 1st-party data có sẵn (dù là ít hay nhiều). 

Cách sử dụng 3rd-party data đúng cách là nhà quảng cáo tiến hành chạy quảng cáo đại trà, từ đó tiếp tục tạo quảng cáo nhắm mục tiêu dành riêng cho nhóm quan tâm và tương tác trực tiếp với thương hiệu.

 

Như vậy, lằn ranh giữa trải nghiệm tốt và đáng sợ mà cá nhân hoá mang lại thật mỏng manh. Thế nên, thương hiệu cần thiết lập quy trình cá nhân hoá một cách kỹ lưỡng. Vậy quy trình đó gồm những gì, đâu là các yếu tố thiết yếu và làm sao để đo lường hiệu quả toàn bộ quá trình? Mời bạn đón đọc bài viết tiếp theo trong chuỗi bài viết về cá nhân hoá.

Nội dung series Personalization gồm 9 bài viết đi theo trình tự:

• Personalization #1: “Nhập môn” Tiếp thị Cá nhân hoá
• Personalization #2: Lằn ranh giữa Cá nhân hoá và xâm phạm quyền riêng tư
• Personalization #3: Quy trình, điều kiện tiên quyết trong triển khai cá nhân hoá trải nghiệm hành trình khách hàng
• Personalization #4: Tại sao “Cá nhân hoá đòi hỏi sự kết hợp giữa creative và media”? 
• Personalization #5: Các bước triển khai Cá nhân hoá cho doanh nghiệp? (Phần 1)
• Personalization #6: Các bước triển khai Cá nhân hoá cho doanh nghiệp? (Phần 2)
• Personalization #7: Các bước triển khai Cá nhân hoá cho doanh nghiệp? (Phần 3)
• Personalization #8: Triển khai cá nhân hoá như thế nào trong thời đại Cookie-less?
• Personalization #9: Triển khai cá nhân hoá trong tiếp thị sao cho hiệu quả?

Thảo Nguyên / Brands Vietnam
* Nguồn: Brands Vietnam