Paradoksy personalizacji

Nasze zachowania, zwyczaje i intencje są przedmiotem nieustannych analiz firm, które na personalizacji budują swoją przewagę rynkową. Rzeczywistość nie zawsze jednak odpowiada zgrabnym formułkom z wirtualnych folderów reklamowych przedsiębiorstw oferujących takie usługi.

Personalizacja – czy nawet hiperpersonalizacja – jest na ustach wszystkich. Ma być przyszłością marketingu, najlepiej odpowiadać na potrzeby klientów i najsilniej wiązać ich z markami. Wykracza poza wskaźniki socjodemograficzne i behawioralne, ponieważ jej bazą jest coś więcej niż rozpoznanie cech i zachowań konsumentów. Ma umożliwiać trafne rozpoznawanie intencji użytkowników oraz przewidywanie, kiedy i co można im podsunąć jako metodę zaspokojenia ich potrzeb i pragnień. Wszystko to dzięki wprzęgnięciu do analiz sztucznej inteligencji.

Problematyczność tak ujętej folderowej personalizacji niedawno uświadomiło mi bardzo boleśnie Spotify. Przez wiele miesięcy intensywnie korzystałem z tego serwisu, ale pojawiły się rysy, które przywróciły mi chęć interakcji z człowiekiem, nie algorytmami. Najpierw zauważyłem, że playlisty stają się do siebie podobne. Nic dziwnego – przecież zawsze ich rozwinięciem było to, co algorytm uznawał za pasujące do mojego gustu, w kółko wpadałem więc w te same koleiny. Ostatnio jednak Spotify zaserwowało mi wyjątkowo głośną i niedopasowaną reklamę. Rozumiem, że to część strategii przenoszenia darmowych kont do płatnych subskrypcji. Do przenosin miała mnie skłonić irytacja reklamą, a bezpośrednia zachęta pojawiała się w kolejnym spocie, który zawsze następował po tym wrzeszczącym i niedopasowanym. W swej naiwności cierpliwie zaznaczałem przy reklamie, że ta oferta mnie nie interesuje i nie jest do mnie dopasowana. Skutek był tylko taki, że musiałem słuchać jej niemal po każdym utworze. Rozumiem intencje, ale taka zabawa mnie nie kręci.

Słuchaj „Marketer+” Podcast

Wróciłem więc do słuchania stacji radiowych. Ich największą zaletą jest otwartość, wyjście poza komorę pogłosową mojego własnego (i domniemanego przez algorytmy) gustu. Słucham tego, co może nie zawsze lubię, ale co jest dla mnie odkrywcze, poszerza moje horyzonty. Natrafiam na japońską muzykę improwizowaną, operowe arie, black metal, neofolk, dark country, punk czy polski rap. Spotify wybrało drogę personalizacji. To droga zamykająca użytkownika w ślepym zaułku jasno wyartykułowanego gustu. A przecież muzyka to odkrycia, ciągłe poszukiwanie innego wyrażania emocji w uporządkowany sposób. Alternatywą, którą wybrałem, jest droga tradycyjnych gatekeeperów, redaktorów ze sprecyzowanymi, różnymi gustami muzycznymi, którzy trafili do instytucji dającej przywilej sterowania gustami muzycznymi. Ale do Spotify też pewnie wrócę, gdy skończy się budżet owej irytującej kampanii, przepalany przez serwis na cele inne niż założone przez reklamodawcę.

Za tą prostą anegdotą kryje się wiele głębszych zjawisk. Dotyczą one zarówno samej personalizacji, jak i możliwych alternatyw oraz metod naprawiania jej niedostatków.

Zamykanie w bańce gustu

Personalizacja zamyka konsumenta w jego własnej bańce filtrującej (filter bubble). Termin ten ukuł w 2011 r. Eli Pariser w książce „The Filter Bubble: What the Internet Is Hiding from You”. Wskazuje w niej na pogłębiającą się intelektualną izolację użytkownika na skutek decyzji algorytmów rekomendacyjnych, które są oparte na jego dotychczasowych zachowaniach (wyszukiwaniu w sieci, poruszaniu się po stronach WWW, przeglądaniu określonych ofert). Algorytmy te dążą do maksymalizacji klikalności. Promują więc treści i produkty zgodne z dotychczasowymi preferencjami użytkownika, a to prowadzić może do izolacji intelektualnej i estetycznej.

Późniejsze badania, w szczególności dotyczące personalizacji muzyki, zaprzeczyły jednak tak mocnemu odziaływaniu baniek filtrujących. Pokazały jednocześnie, że rekomendacje algorytmu mogą poszerzać gust muzyczny. Nie przeczy to moim doświadczeniom – zanim doszło do ujednolicenia playlist na Spotify, poznałem wiele nowych utworów. Łyżką dziegciu niech będzie tu jednak konstatacja, że odbywało się to głównie przez wyszukiwanie nowych gatunków muzycznych na skutek impulsu z zewnątrz. Z kolei zjawisko komór pogłosowych (echo chambers), które przez kształtowanie rekomendacji i kontekstu zamykają nas w bańkach informacyjnych, zostało już dobrze rozpoznane, a ich rola w kształtowaniu i zmienianiu postaw politycznych jest udowodniona.

Niedawno w czasopiśmie „Science”1 pojawiło się badanie, które pokazało, jak zmienia się polaryzacja polityczna użytkowników X, gdy zneutralizuje się algorytm tej platformy, promujący przekazy polaryzujące i skrajne. Stworzono narzędzie AI, które spychało skrajne treści na dalsze pozycje w feedzie. Średnia ocena postaw użytkowników tego narzędzia wobec partii przeciwnej poprawiła się o dwa punkty. W USA na zmianę tej wielkości potrzeba szacunkowo trzech lat.

Przypadkowe lekarstwo

Personalizacja pomaga zwalczyć paradoks wyboru, ale może się to dziać w specyficznie paradoksalny sposób. Gdy do wyboru mamy wiele opcji – podobnie jak w sytuacji, gdy otrzymujemy wciąż te same opcje skrojone pod nasz gust – ogarnia nas znużenie. Czy będzie ono wynikać z personalizowanej listy filmów na Netfliksie, czy wciąż podobnych ofert od naszego ulubionego e-retailera – tak czy owak nadmiar tego samego nuży i zniechęca do marki. Lekarstwem na to może być zdanie się na łut szczęścia lub planowe wyjście poza kategorie wynikające z personalizacji. Sklepy mogą więc np. zarekomendować coś z pobliskiej, choć nieoczywistej kategorii. I nie, nie chodzi tu o listę bestsellerów czy – przeciwnie – produktów zalegających na e-półkach. Celem jest rozpoznanie reakcji użytkownika, a ma to być reakcja wykraczająca poza irytację, że bierze się go za pierwszego naiwnego.

Znużenie konsumenta nadmiarem reklam, ofert, produktów i usług jest stanem, który znamy z epoki reklamy masowej. Nie chcemy, by taka sama emocja towarzyszyła nowoczesnym narzędziom marketingowym, sprzedawanym jako Święty Graal marketingu. Zainteresowanie, ciekawość i satysfakcję użytkownika możemy poprawić, sięgając po „szczęśliwy traf” (serendipidity). Przypadkowość trafienia zamiast wyboru z listy może zwiększać satysfakcję, radość z odkrycia, a te mogą przenieść się na markę i przełożyć na lojalność wobec niej. Takie wyniki przyniosło badanie Rutgers Business School z 2021 r., przeprowadzone w kontekście mechanizmów lojalizujących. Wychodzenie poza spersonalizowane komunikaty czy oferty poprzez budowanie doświadczenia, które było przyjemne, ale też nieoczekiwane oraz niewytłumaczalne, wzbudzało w konsumentach radość. Była ona zależna od postrzeganego stopnia losowości takiego zdarzenia. Ewentualna wiedza, że stoi za tym algorytm czy marketer, osłabiała ten efekt. Ludzie mają potrzebę eksploracji otoczenia, wychodzenia poza utarte szlaki, a przy tym lubią niespodzianki.

Warto to połączyć z koncepcją pre-swazji Cialdiniego, która polega na kształtowaniu warunków bazowych do skorzystania z właściwej oferty. Nieoczekiwane i pozytywne doświadczenie, które na dodatek nie znajduje wytłumaczenia w kontekście miejsca, to coś, co może poprawić jakość personalizacji. Paradoksalnie, wykraczając poza nią samą. Przykład – filiżanka herbaty podawana w Lukas Banku wieki temu, mająca być przejawem nowego, niemarmurowego podejścia do klienta usług finansowych.

Personalizacja na sterydach

Zastosowanie sztucznej inteligencji, jej mocy obliczeniowej i umiejętności poszukiwania wzorców oraz korelacji podnosi możliwości personalizacji na wyjątkowy poziom. Jak wskazuje dr Atila Gombos w obszernej analizie², profil konsumenta może zawierać np. takie wskazówki, jak:

Podatność na określone bodźce, np. czy skuteczniej będzie zaatakować tego konsumenta regułą niedostępności („to już ostatnie sztuki!”), czy dowodu społecznego („356 osób zdecydowało się na ten zakup!”).
Kontekst podatności na perswazję, czyli np. pora dnia czy stan psychiczny – wieczór po tygodniu pracy, gdy mechanizmy uwagowe i kontrolne są osłabione, a potrzeba relaksu i natychmiastowego zastrzyku dopaminowego zwiększona.
Podatność na zwodnicze interfejsy.
Zachowania na stronach WWW, np. szybkość przewijania strony, czas skupienia na określonym materiale wraz z predykcją, jak zwiększy się prawdopodobieństwo zakupu w danym czasie, przy danej długości czasu skupienia itp.
Popełniane błędy poznawcze, preferowane heurystyki i wzorce podejmowania decyzji.
Wydarzenia życiowe (ciąża, przeprowadzka, ślub itp.).
Potrzeby związane ze stylem życia w określonym punkcie czasowym.
Stany emocjonalne w danym czasie.

Na bazie zbiorów takich danych AI przewidzi intencje użytkownika, szanse na pożądane zachowanie (np. konwersję) i przygotuje kreację najbardziej dopasowaną do jego preferencji (zarówno pod względem wyglądu, jak i argumentów sprzedażowych). Taka personalizacja prowadzi do braku wspólnych przekazów wokół marki – każdy użytkownik może bowiem otrzymać reklamę bazującą na kompletnie różnym pozycjonowaniu produktu. W kontekście personalizacji pojęcie „pozycjonowania” traci właściwie jakikolwiek sens. Innym zjawiskiem może być poczucie zagrożenia użytkownika w reakcji na zbyt dopasowany przekaz i zbyt dużą wiedzę o nim po stronie reklamodawcy (over-personalization).

Ekspert zastanawia się w tym kontekście nad granicami działań etycznych w całej domenie personalizacji. Gdzie przebiega granica między perswazją a manipulacją? Czy etyczne jest wykorzystywanie wiedzy o wrażliwych stanach emocjonalnych w celu sprzedaży? Jak dalece może posunąć się inwigilacja i zbieranie danych o użytkowniku? Atila Gombos ratunek widzi w:

legislacji (raczej w UE niż w USA) wymuszającej transparentność i nienaruszanie ściśle wyznaczonych granic,
certyfikacji etyczności stosowanych rozwiązań,
rozwoju technologicznym,
edukacji konsumenckiej,
samoregulacji branży.

Jak widać po tej liście, nie wróży to dobrze przyszłości ochrony konsumentów w obliczu siły Big techów i branży reklamowej. Ich zainteresowanie poprawą jakości komunikacji pozostawia wiele do życzenia.

Zaufanie najcenniejszą walutą

Sztuczna inteligencja stanowi przyszłość personalizacji zarówno na poziomie analityki, jak i konstruowania komunikacji. Jej możliwości przekształcają masową komunikację w osobistą (personal) rozmowę z konsumentem. Jednak nadmiar ujawnianej wiedzy (over personalization) szkodzi, bo może prowadzić do „doliny niesamowitości” – uczucia dziwności i niepokoju oraz uświadomienia sobie przez konsumenta, jak wiele informacji o nim przechowuje firma. To również jest doświadczenie z gatunku nieoczekiwanych i niewytłumaczalnych, ale zdecydowanie nieprzyjemnych. Dotyczy to zwłaszcza danych wrażliwych – o stanie zdrowia, sytuacji finansowej czy wydarzeniach rodzinnych, o których użytkownik nie poinformował marki bezpośrednio.

Wątpliwości może budzić też wykorzystywanie wiedzy pochodzącej z konwersacji z czatbotami AI w celach reklamowych. W 2025 r. Meta wprowadziła opcję reklamową opartą na takich właśnie danych. Wydaje się, że konsumenci są tu niestety na przegranej pozycji. Już samo korzystanie z konwersacyjnej sztucznej inteligencji zasila ją nowymi danymi – niezależnie od tego, czy wierzymy w deklaracje big techów, że można to zablokować, czy nie. Dawno temu obawy budziło wprowadzenie reklam opartych na treści e-maili w Gmailu, a dziś robią tak wszyscy dostawcy darmowych usług poczty elektronicznej. Szacunek dla prywatności ze strony dużych podmiotów, które oferują darmowe lub niskokosztowe usługi, można włożyć między bajki. Tak samo jak honorowanie przez nie praw własności intelektualnej.

Być może jednak regulacje okażą się skuteczne i konsumenci odzyskają kontrolę nad swoimi danymi, które rozsiewają w sieci i poza nią. Z punktu widzenia marketerów powinno to być istotne. Wspomniany wyżej Atila Gombos powołuje się na przykład, w którym firma przestała korzystać z targetowania emocjonalnego i bardziej wątpliwych metod personalizacji. Jaki był efekt? Nie wpłynęło to znacząco na konwersję, za to poprawiło satysfakcję użytkowników o 28%, a firma uczyniła ze swojej postawy przewagę rynkową³. Po wprowadzeniu regulacji oczywiście przestałoby to mieć sens, niemniej w takiej sytuacji zyskaliby wszyscy konsumenci. Pole walki konkurencyjnej zostałoby otoczone ścisłymi granicami, a zatem i firmy grałyby na równych zasadach.

^{Piccardi i in., „Reranking partisan animosity in algorithmic social media feeds alters affective polarization”, „Science” 2025, t. 390, nr 6776, dostęp online: https://tiny.pl/n234w189p.}
^{R. Gombos, „Beyond Keywords: How AI Predicts Customer Intent”, dostęp online: https://tiny.pl/w_n7c0772.}
Tamże.