Hyper-personalisasi dan privasi dapat terjadi bersamaan ketika personalisasi didasarkan pada apa yang orang-orang bagikan secara sadar dan pada apa yang dikatakan audiens di depan umum, bukan pada kesimpulan yang tidak pernah mereka setujui. Dalam praktiknya, hal ini berarti menggunakan data pribadi seminimal mungkin, menjelaskan dengan kata-kata sederhana mengapa seseorang melihat sebuah pesan, memberi mereka kontrol nyata untuk mengarahkannya, dan menjauhkan sifat-sifat sensitif dan anak-anak dari penargetan iklan.
Poin penting
- Personalisasi menjadi menyeramkan ketika memperlihatkan kesimpulan yang tidak pernah diberikan pelanggan secara sadar kepada Anda.
- Gartner menemukan bahwa personalisasi menciptakan pengalaman negatif bagi 53% pelanggan, yang kemudian 3.2 kali lebih mungkin menyesali pembelian.
- PDPC Singapura dan Uni Eropa menunjukkan kebiasaan yang sama: pemberitahuan dan persetujuan, minimalisasi data, transparansi, dan tidak ada iklan berbasis profil yang ditujukan kepada anak di bawah umur atau tentang sifat-sifat sensitif.
- Personalisasi berdasarkan persona dan ketegangan, menggunakan konten publik dan data panel gabungan, memberikan relevansi tanpa perlu mempedulikan siapa pun.
- Tanyakan, jelaskan, dan biarkan orang yang mengarahkan: personalisasi yang diciptakan bersama menghasilkan lebih banyak kepercayaan daripada kesimpulan diam-diam.
Mengapa hiper-personalisasi terasa menyeramkan?
Karena hal ini mengungkapkan bahwa suatu merek mengetahui sesuatu yang tidak diberitahukan secara sadar oleh pelanggan. Relevansi diterima; tidak ada pengawasan, dan jalur tersebut berada di mana pun pelanggan terkejut dengan bagaimana Anda mengetahuinya.
Biayanya dapat diukur. Survei Gartner terhadap 1,464 B2B pembeli dan konsumen, yang diterbitkan pada bulan Juni 2025, menemukan bahwa personalisasi menghasilkan pengalaman negatif bagi 53% pelanggan. Pelanggan tersebut memiliki kemungkinan 3.2 kali lebih besar untuk menyesali pembelian dan 44% lebih kecil kemungkinannya untuk membeli lagi, dan pelanggan yang dipersonalisasi dua kali lebih mungkin merasa kewalahan dengan informasi.
Ruang kerja penelitian audiens SOMIN membingkai ketegangan yang sama dari sisi pemasar. Mesin wawasannya menulis, "Kepercayaan muncul dari percakapan, bukan dari data algoritme" untuk seseorang yang disebut The Insightful Strategist, dalam sudut pandang yang diberi label Distrust in Automation, yang diambil dari Trust Theory: ketika orang menyadari pemasaran berbasis algoritme, mereka semakin skeptis terhadap merek yang bersandar pada hal tersebut. Wawasannya terletak pada postingan 51. Seperti semua persona dan wawasan SOMIN, model ini dihasilkan dari konten yang dipublikasikan, jadi bacalah ini sebagai hipotesis dasar, bukan sebagai hasil survei.
Pola ini muncul berdasarkan pasar dan generasi. Studi SOMIN terhadap postingan 279 dari bulan Juli hingga Oktober 2025 mengelompokkan sembilan postingan berdasarkan ketegangan tentang adopsi AI dalam pemasaran Thailand, yang berpusat pada keraguan konsumen tentang apakah AI dapat dipercaya. Studi 2026 bulan Oktober terhadap postingan 151 yang dikelompokkan 22 dalam krisis keaslian dan koneksi, menyebutkan hilangnya kepercayaan di kalangan pengguna Gen Z seiring dengan menyebarnya konten buatan AI dan kepalsuan yang dikurasi.
Apa yang diharapkan regulator dari pemasaran yang dipersonalisasi?
Secara umum: beri tahu orang-orang apa yang Anda gunakan dan alasannya, gunakan hanya apa yang Anda butuhkan, beri mereka kendali, dan jauhkan sifat sensitif dan anak-anak dari penargetan iklan. Ini adalah ringkasan praktis, bukan nasihat hukum; periksa kewajiban Anda dengan penasihat di setiap pasar.
Singapura
Pedoman Penasihat PDPC tentang Penggunaan Data Pribadi dalam Sistem Rekomendasi dan Keputusan AI, yang diterbitkan pada 1 Maret 2024, menyatakan bahwa persetujuan umumnya diperlukan untuk mengumpulkan dan menggunakan data pribadi untuk membuat rekomendasi kecuali jika dianggap sebagai persetujuan atau pengecualian yang berlaku. Mereka menyarankan untuk memberi tahu orang-orang fitur produk mana yang menggunakan data mereka, jenis data apa yang terlibat, dan fitur data mana yang paling memengaruhi hasil, dalam pemberitahuan berlapis yang tidak terlalu teknis. Mereka juga mendorong minimalisasi data dan menganonimkan kumpulan data sejauh mungkin.
Uni Eropa
Berdasarkan Undang-Undang Layanan Digital, Komisi Eropa mencantumkan larangan menyeluruh terhadap penargetan anak di bawah umur dengan iklan berdasarkan pembuatan profil, larangan terhadap iklan yang menargetkan orang berdasarkan data sensitif seperti keyakinan politik atau agama, dan hak untuk melihat alasan iklan ditampilkan. Secara terpisah, pedoman Komisi pada bulan Februari 2025 tentang praktik AI yang dilarang berdasarkan UU AI mencakup manipulasi berbahaya dan praktik lainnya. Mereka tidak mengikat, namun menunjukkan di mana garis itu ditarik.
Dari mana data personalisasi berasal?
Dari sumber yang paling tidak mengganggu yang menjawab pertanyaan itu. Kebanyakan strategi dan keputusan kreatif perlu mengetahui apa yang menjadi perhatian kelompok, bukan apa yang dilakukan satu orang kemarin.
| Tingkat data | Contoh | Risiko privasi | Penggunaan terbaik |
|---|---|---|---|
| Konten publik dan iklan pesaing, dibaca secara agregat | Tema, ketegangan, dan iklan mana yang tampil dalam suatu kategori | Rendah | Strategi, persona, sudut kreatif |
| Data panel gabungan | Indeks survei untuk segmen pasar | Rendah | Memvalidasi persona dan pesan |
| Preferensi yang diumumkan | Apa yang diberitahukan pelanggan kepada Anda di kuis atau pusat preferensi | Rendah hingga sedang, dengan persetujuan | Rekomendasi individu |
| Data perilaku pihak pertama | Pembelian dan penjelajahan di situs Anda sendiri | Sedang; membutuhkan pemberitahuan dan persetujuan jika diperlukan | Pesan siklus hidup |
| Profil individu yang disimpulkan | Sifat yang diprediksi, peristiwa kehidupan, data broker | Tinggi, terutama untuk kesimpulan sensitif | Hemat, dan jangan pernah untuk sifat sensitif |
Riset audiens SOMIN dimulai dari dua tingkatan pertama. Ini merekayasa balik strategi dari konten yang dipublikasikan dan iklan pesaing, bukan profil individu, dan setiap kesimpulan AI dapat dibandingkan dengan postingan di baliknya. Ketika model proposisi SOMIN menuliskan pendapat konsumen mengenai ide tersebut, ada yang berbunyi: "Saya ingin wawasan yang didasarkan pada percakapan nyata, bukan hanya angka." Ini adalah garis yang dibuat, tetapi ini adalah ringkasan yang tepat.
Studi kasus Keeta HK menunjukkan personalisasi tingkat segmen dalam praktiknya. SOMIN membandingkan baris iklan yang ditulis dengan AI dengan gambaran agregat GWI dari pemesan makanan Hong Kong yang berada dalam kelompok pendapatan di atas rata-rata dan menulis ulang setiap baris tindakan langsung berdasarkan kurasi, bukan harga. Pekerjaan ini menggunakan iklan publik dan gambaran audiens, bukan data pelanggan individual.
Bagaimana Anda melakukan personalisasi tanpa melewati batas?
Personalisasikan ketegangan dan momen bersama, jelaskan, dan biarkan orang yang mengarahkan.
- Tanyakan sebelum Anda mengambil kesimpulan. Gartner merekomendasikan untuk beralih dari inferensi pasif ke menanyakan langsung preferensi dan konteks pelanggan, menggunakan kuis, penilaian, dan pengalaman terpandu.
- Jelaskan alasannya dalam satu baris. "Karena Anda menyimpan tiga postingan trail-running" sudah jelas; rekomendasi yang tidak dapat dijelaskan mengundang dugaan.
- Berikan kontrol yang berfungsi. Platform bergerak dengan cara ini: Pembaruan Facebook Meta pada bulan Oktober 2026 memungkinkan orang mendeskripsikan topik yang lebih mereka inginkan dengan kata-kata mereka sendiri.
- Tarik garis tegas. Tidak ada penargetan terhadap kesehatan, agama, politik atau seksualitas, tidak ada iklan berbasis profil untuk anak di bawah umur, dan tidak ada kesimpulan peristiwa kehidupan yang belum dibagikan orang.
- Jaga suara manusia. Di ruang kerja SOMIN yang mendengarkan sosial, wawasan "Keaslian berkembang ketika teknologi mengambil posisi belakang dalam hubungan manusia" memperingatkan bahwa otomatisasi dapat membuat interaksi terasa transaksional; itu bertumpu pada keterlibatan 488 di seluruh 36 postingan.
- Audit juga materi iklan. Materi iklan yang dihasilkan dapat mempersonalisasi nada dengan cara yang terasa manipulatif, jadi tinjau materi iklan tersebut berdasarkan aturan yang sama seperti penargetan.
Poin terakhir adalah poin yang saya angkat dalam pembicaraan WSDM 2023 saya tentang penggunaan AI secara bertanggung jawab untuk penargetan iklan dan evaluasi materi iklan. Penelitian ini mengamati pembuatan profil pengguna otomatis dalam platform terprogram seperti Meta Ads, dan penerapan model penilaian kreatif sesuai pedoman etika bisnis. Kedua bagian sistem, siapa yang melihat iklan dan apa yang dikatakan iklan tersebut, memerlukan pengawasan yang sama.
Bisakah AI membuat personalisasi lebih dapat dipercaya?
Ya, jika bisa dijelaskan. Model yang dapat menjelaskan mengapa suatu pesan sesuai dengan persona dapat diperiksa; kotak hitam yang hanya memilih varian pemenang tidak bisa.
Penjelasan dijalankan melalui karya SOMIN yang ditinjau oleh rekan sejawat, mulai dari makalah ACM Multimedia 2023 Against Opacity, yang memasangkan prediksi kinerja kreatif dengan LLM yang menjelaskan pendorongnya, hingga makalah yang terdaftar di halaman penelitian kami. Akurasi juga merupakan masalah privasi. Wawasan SOMIN lainnya, "Kepercayaan adalah tanah di mana keterlibatan tumbuh", berada pada sudut pandang di mana orang menjadi enggan untuk berbagi wawasan pribadi ketika mereka menyadari bahwa merek salah memasukkan datanya; itu bertumpu pada 64 postingan.
FAQ
Apakah hiper-personalisasi legal menurut PDPA Singapura dan GDPR UE?
Hal ini dapat dilakukan, jika Anda memiliki izin atau dasar hukum lainnya jika diperlukan, memberi tahu orang-orang apa yang Anda gunakan dan alasannya, serta menghindari praktik terlarang seperti iklan berbasis profil kepada anak di bawah umur di UE. Persyaratannya berbeda-beda di setiap pasar, jadi ikutilah nasihat hukum; artikel ini hanyalah panduan praktis.
Apa perbedaan antara personalisasi dan hiper-personalisasi?
Personalisasi menyesuaikan pesan ke segmen atau preferensi yang dinyatakan. Hyper-personalisasi menyesuaikannya dengan satu orang secara real-time menggunakan data perilaku dan data yang disimpulkan, sehingga meningkatkan relevansi dan risiko privasinya.
Bagaimana cara mengetahui apakah personalisasi itu menyeramkan?
Tanyakan apakah pelanggan akan terkejut dengan cara Anda mengetahuinya. Jika sebuah pesan mengungkapkan kesimpulan yang tidak pernah mereka sampaikan, seperti kondisi kesehatan atau peristiwa kehidupan, maka pesan tersebut telah melewati batas.
Apakah personalisasi yang mengutamakan privasi memiliki kinerja lebih buruk?
Belum tentu. Gartner menemukan bahwa pelanggan yang terlibat melalui apa yang disebut personalisasi aktif memiliki kemungkinan 2.3 kali lebih besar untuk menyelesaikan keputusan pembelian penting dengan percaya diri.
Mulailah dengan audit. Cantumkan setiap aturan personalisasi yang Anda jalankan, data yang digunakan masing-masing aturan, dan apakah pelanggan akan mengenali dari mana data tersebut berasal. Hentikan aturan yang mengandalkan kesimpulan yang tidak diharapkan orang, dan pindahkan keputusan tingkat strategi ke data agregat. Untuk melihat cara kerja SOMIN dari konten yang dipublikasikan dan bukan dari profil pribadi, baca cara kami menangani data pribadi atau mulai dengan SOMIN untuk merek.
