การให้บริการแบบเจาะจงตัวบุคคล: ความรู้เบื้องต้น การนำไปใช้ ประเด็นปัญหา และข้อเสนอแนะ
Article Sidebar
Main Article Content
บทคัดย่อ
ปัจจุบันธุรกิจต่าง ๆ ในโลกออนไลน์มักนำวิธีการให้บริการแบบเจาะจงตัวบุคคล (personalization) มาใช้ในการให้บริการแก่ลูกค้า ซึ่งการให้บริการแบบนี้ นอกจากจะช่วยสร้างความสะดวกให้กับผู้ใช้แล้ว ยังสร้างผลกำไรให้กับธุรกิจอีกด้วย แต่ในขณะเดียวกันการนำการให้บริการแบบเจาะจงตัวบุคคลมาใช้ ก็อาจมีข้อจำกัดเกิดขึ้นได้เช่นกัน บทความนี้จึงมุ่งนำเสนอความรู้และการตระหนักรู้เบื้องต้นให้แก่ผู้อ่าน โดยแบ่งเป็น 4 หัวข้อ ดังนี้ 1) แนะนำความรู้เบื้องต้นเกี่ยวกับการให้บริการแบบเจาะจงตัวบุคคล ผู้อ่านจะได้ทราบถึงกระบวนการเก็บข้อมูลผู้บริโภค เพื่อนำมาใช้ในระบบแนะนำรูปแบบต่าง ๆ 2) ยกตัวอย่างการนำ การให้บริการแบบเจาะจงตัวบุคคลไปใช้ในทางธุรกิจ ได้แก่ ใช้ในการโฆษณา การสร้างการมีส่วนร่วม และการเพิ่มยอดขายจากการแนะนำสินค้า 3) นำเสนอประเด็นปัญหาต่อผู้บริโภคและสังคม ในเรื่องการสูญเสียความเป็นส่วนตัวของผู้บริโภค และการลดลงของความหลากหลายของข้อมูลข่าวสารที่ผู้บริโภคได้รับ และ 4) เสนอข้อแนะนำต่อผู้มีส่วนได้ส่วนเสีย ทั้งในส่วนองค์กรธุรกิจ ผู้บริโภค และหน่วยงานภาครัฐ
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เนื้อหาและข้อมูลในบทความที่ลงตีพิมพ์ในวารสารบริหารธุรกิจและสังคมศาสตร์ มหาวิทยาลัยรามคำแหง ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรง ซึ่งกองบรรณาธิการไม่จำเป็นต้องเห็นด้วย หรือร่วมรับผิดชอบใดๆ
บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารบริหารธุรกิจและสังคมศาสตร์ มหาวิทยาลัยรามคำแหง ถือเป็นลิขสิทธิ์ของวารสารบริหารธุรกิจและสังคมศาสตร์ มหาวิทยาลัยรามคำแหง หากบุคคลหรือหน่วยงานใดต้องการนำบทความทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่ต่อ หรือเพื่อกระทำการใดๆ จะต้องได้รับอนุญาตเป็นลายลักษณ์อักษรจากวารสารบริหารธุรกิจและสังคมศาสตร์ มหาวิทยาลัยรามคำแหง ก่อนเท่านั้น
เอกสารอ้างอิง
กระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม. (2565). รายงานผลการสำรวจพฤติกรรมผู้ใช้อินเทอร์เน็ตใน
ประเทศไทย ปี 2565. สืบค้นจาก https://www.etda.or.th/getattachment/78750426-4a58-4c3685d3d1c11c3db1f3/IUB-65-Final.pdf.aspx
สำนักงานคณะกรรมการกฤษฏีกา. พระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคล. 2562 (พฤษภาคม, 27)
Anand, S. S., & Mobasher, B. (2005). Intelligent Techniques for Web Personalization. Springer
Heidelberg, LNAI (169), DOI:10.1007/11577935_1
Bodó, B., Helberger, N., Eskens, S., & MöllerInterested, J. (2019). Interested in Diversity: The
role of user attitudes, algorithmic feedback loops, and policy in news personalization.
Digital Journalism, 7(2), 206-229, DOI: 10.1080/21670811.2018.1521292
Bol, N., Dienlin, T., Kruikemeier, S., Sax, M., Boerman, C. S., Strycharz, J. Helberger, N., &
Vreese, H. C. (2018). Understanding the Effects of Personalization as a Privacy Calculus:
Analyzing Self-Disclosure Across Health, News, and Commerce Contexts. Journal of
Computer-Mediated Communication, 23, 370–388. DOI:10.1093/jcmc/zmy020
Bozdag, E. (2013). Bias in algorithmic filtering and personalization. Ethics and Information
Technology, 15, 209-227. DOI: 10.1007/s10676-013-9321-6
Das, A. S., Datar, M., Garg, A., & Rajaram, S. (2007). Google news personalization: scalable
online collaborative filtering. Proceedings of the 16th international conference on World Wide Web (pp. 271-280).
de Pechpeyrou, P. (2009). How consumers value online personalization: a longitudinal
experiment. Direct Marketing: An International Journal, 3(1), 35-51.DOI:10.1108/17505930910945723
Dubois, E., & Blank, G. (2018). The echo chamber is overstated: the moderating effect of
political interest and diverse media. Information, Communication & Society, 21(5), 729
DOI:10.1080/1369118X.2018.1428656
Eirinaki, M., & Vazirgiannis, M. (2003). Web Mining for Web Personalization. ACM Transactions
on Internet Technology, 1(3), 1-27. DOI:10.1145/643477.643478
Fleder, D., & Hosanagar, K. (2009). Blockbuster Culture's Next Rise or Fall: The Impact of
Recommender Systems on Sales Diversity. Management Science, 55(5), 697-712.
DOI:10.1287/mnsc.1080.0974
Google.com (2022, December 15). Google privacy policy. [Press release]. Retrieved from
https://policies.google.com/privacy
Guo, X., Sun, Y., Ziyu, Y., & Nan, W. (2012). Privacy-Personalization Paradox in Adoption of
Mobile Health Service: The Mediating Role of Trust. PACIS 2012 Proceedings, 27-42.
Retrieved from https://aisel.aisnet.org/pacis2012/27/
Helberger, N., Karppinen, K., & D’Acunto, L. (2018). Exposure diversity as a design principle for
recommender systems. Information, Communication & Society, 21(2), 191-207.
DOI: 10.1080/1369118X.2016.1271900
Kalaignanam, K., Kushwaha, T., & Rajavi, K. (2018). How Does Web Personalization Create
Value for Online Retailers? Lower Cash Flow Volatility or Enhanced Cash Flows. Journal
of Retailing, 94(3), 265–279. DOI: 10.1016/j.jretai.2018.05.001
Koene, A., Perez, E. J., Carter, J. C., Statache, R., Adolphs, S., O’Malley, C., Rodden,
T., & McAuley, D. (2015). Privacy concerns arising from Internet service personalization
filters. Durham Research Online, 45(3), 167-171. DOI:10.1145/2874239.2874263
Möller, J., Trilling, D., Helberger, N., & van Es, B. (2018). Do not blame it on the algorithm: an
empirical assessment of multiple recommender systems and their impact on content
DOI:10.1080/1369118X.2018.1444076
Mulvenna, M.D., Anand, S.S., & Büchner, A.G. (2000). Personalization on the Net using Web
Mining. Communications of The ACM. 43(8), 122-125. DOI: 10.1145/345124.345165
Nguyen, T. T., Hui, P. M., Harper, F. M., Terveen, J., & Konstan, A. J. (2014). Exploring the Filter
Bubble: The Effect of Using Recommender Systems on Content Diversity. The
International world wide web conference committee (IW3C2), 677–686.
DOI:10.1145/2566486.2568012
Noor, U., Mansoor, M., & Shamim, A. (2022). Customers Create Customers!–Assessing the role
of perceived personalization, online advertising engagement and online users' modes in
generating positive e-WOM. Asia-Pacific Journal of Business Administration, Vol. ahead
of print No. ahead-of-print. https://doi.org/10.1108/APJBA-11-2021-0569
Pariser, E. (2011). The fitter bubble: What the internet Is hiding from you. New York: The
Penguin Press
RSA. (2019). RSA Data Privacy and Security Survey 2019: The growing data disconnect
Between consumers and businesses.https://www.rsa.com/content/dam/en/misc/rsa-data
privacy-and-security-survey- 2019.pdf
Salonen, V., & Karjaluoto, H. (2016). Web Personalization : The State of the Art and
Future Avenues for Research and Practice. Telematics and Informatics, 33(4), 1088-
DOI: 10.1016/j.tele.2016.03.004 Schwartz, B., & Ward, A. (2004). Doing better but feeling worse: The paradox of choice. John
iley & Sons, Inc. DOI:10.1002/9780470939338.
Schwartz, K. M. (2019). The personalization–privacy paradox explored through a privacy
calculus model and hofstede’s model of cultural dimensions. Honors Projects, 97
Stevenson, D., & Pasek, J. (2015). Privacy Concern, Trust, and Desire for Content
Personalization. Information and Internet Policy Paper. DOI: 10.2139/ssrn.2587541
Thurman, N., Moeller, J., Helberger, N., & Trilling, D. (2019). My Friends, Editors, Algorithms,
and I: Examining audience attitudes to news selection. Digital Journalism, 7(4), 447-469.
DOI: 10.1080/21670811.2018.1493936
Treiblmaier, H., Madlberger, M., Knotzer, N., & Pollach, I. (2004). Evaluating Personalization and
Customization from an Ethical Point of View: An Empirical Study. 37th Annual Hawaii International Conference on System Sciences, 1-10. DOI:10.1109/HICSS.2004.1265434
Yu, H. J. (2011). Is it worth it to be unethical? Consumers’ attitudes toward personalized
commercial emails. Journal of Database Marketing &Customer Strategy Management, 18, 274–285. DOI: 10.1057/dbm.2011.38
Zhang, R., Jun, M. & Palacios, S. (2023). M-shopping service quality dimensions and their
effects on customer trust and loyalty: an empirical study. International Journal of Quality & Reliability Management, 40(1). 169-191. DOI:10.1108/IJQRM-11-2020-0374
