AI personalizácia v marketingu: čo funguje a čo nie

V skratke: AI personalizácia v marketingu funguje, ale nie tak, ako ju predávajú dodávatelia softvéru. Meta-analýza 1 536 veľkostí účinku z 290 štúdií zistila, že personalizácia zvyšuje presvedčivosť komunikácie a jej negatívne účinky sú zanedbateľné (Eisend a kol., 2026). Terénny experiment u online predajcu zároveň ukázal, že odporúčacie boxy krátkodobo len presúvajú predaje z jedného tovaru na druhý. Ich skutočná hodnota sa prejaví až v lojalite a dlhodobých tržbách (Sun a kol., 2026). Na Slovensku pritom AI na marketing alebo predaj používa 4,85 % podnikov s desiatimi a viac zamestnancami (Eurostat, 2025). V článku nájdete, čo z personalizácie má pre malú firmu reálnu návratnosť, v akom poradí ju zavádzať, ako ju merať a čo o nej musíte podľa slovenského zákona zákazníkovi povedať.

Čo je AI personalizácia v marketingu a čo ňou nie je

AI personalizácia znamená, že obsah, ponuku alebo cenu prispôsobuje algoritmus na základe dát o konkrétnom človeku alebo o skupine, do ktorej ho zaradil. Rozdiel oproti klasickej segmentácii je v tom, kto rozhoduje: pri segmentácii pravidlá napíše človek („kto kúpil kávovar, dostane ponuku na kapsuly“), pri AI personalizácii sa pravidlá odvodzujú zo správania a menia sa priebežne.

Tri veci, ktoré sa za AI personalizáciu vydávajú, hoci ňou nie sú:

• Oslovenie menom v e-maile. To je zlučovanie polí z databázy. Má merateľný efekt, ale nemá s umelou inteligenciou nič spoločné.
• Segmentácia podľa pravidiel. Rozposielanie iného newslettera novým a stálym zákazníkom je dobrá prax, nie strojové učenie.
• Generovanie textov cez ChatGPT. Nástroj vytvorí obsah, no bez napojenia na dáta o konkrétnom príjemcovi ide o hromadnú komunikáciu, len napísanú rýchlejšie.

Rozlíšenie nie je akademické. Väčšina firiem, ktoré si myslia, že „robia AI personalizáciu“, robí v skutočnosti prvé dve veci, a tie sú lacnejšie, právne jednoduchšie a často stačia.

Funguje personalizácia? Čo ukázala meta-analýza 290 štúdií

Doteraz najsilnejším dôkazom je meta-analýza publikovaná v Journal of Marketing. Autori integrovali 1 536 veľkostí účinku z 290 štúdií nájdených v 229 odborných prácach a hľadali, či platí takzvaný paradox personalizácie: prispôsobená komunikácia je relevantnejšia, a teda presvedčivejšia, no zároveň vyvoláva obavy o súkromie, ktoré presviedčanie kazia (Eisend, Niewiadomska & van Noort, 2026).

Tri zistenia, ktoré menia spôsob uvažovania o personalizácii:

1. Personalizácia vedie k úspechu presviedčania a jej negatívne účinky sú zanedbateľné. Obava, že prispôsobenie obsahu zákazníka odplaší, sa naprieč stovkami štúdií nepotvrdila ako dominantný efekt.
2. Záleží na type dát. Personalizácia je presvedčivejšia vtedy, keď sú použité dáta úzko previazané so sebaobrazom spotrebiteľa, teda s tým, ako sám seba vníma, a nie s náhodným demografickým údajom.
3. Vzťah medzi úrovňou personalizácie a jej účinkom má tvar písmena J. Najsilnejšie účinky sú na konci spektra. Inak povedané: veľmi hlbokú personalizáciu sa oplatí robiť poriadne a veľmi plytkú je lacné nechať tak. Najhoršie výsledky prináša polovičatý stred.

Praktický dôsledok pre malú firmu: nemá zmysel investovať do „trochu personalizovaného“ newslettera, ktorý sa od hromadného líši len oslovením a jedným produktom navyše. Buď použite dáta, ktoré o zákazníkovi skutočne niečo hovoria, alebo posielajte dobrý hromadný obsah.

Poznámka k zdroju: ide o článok prijatý a zverejnený v režime online-first (EXPRESS), teda pred pridelením čísla a strán. Metodika aj výsledky sú finálne, citácia sa však ešte doplní o zväzok a stranu.

Odporúčacie systémy v e-shope: krátkodobý a dlhodobý efekt

Najčastejšia forma AI personalizácie v e-shope je odporúčací box: „Zákazníci, ktorí kúpili toto, kúpili aj…“. Presvedčenie, že takýto box automaticky zvyšuje tržby, spochybnil randomizovaný terénny experiment publikovaný v MIS Quarterly, ktorý u online predajcu zapínal a vypínal odporúčania z kolaboratívneho filtrovania (Sun, Chen, Zheng, Su & Zhang, 2026).

Čo z experimentu vyplynulo:

Z toho plynie dôležité varovanie pre meranie: ak vyhodnocujete odporúčací systém dvojtýždňovým testom obratu, s veľkou pravdepodobnosťou nenameriate nič a systém vypnete. Efekt, pre ktorý sa odporúčania oplatia, sa nachádza v opakovanom nákupe a v životnej hodnote zákazníka (LTV), nie v okamžitom obrate.

Kam odporúčania umiestniť a čo do nich dať

Detail, ktorý sa dá zmeniť za jedno popoludnie, skúmal randomizovaný terénny experiment publikovaný v ACM Transactions on Recommender Systems. Autori porovnávali sady odporúčaní zložené len z relevantných položiek so sadami, kde bola jedna relevantná položka obklopená nerelevantnými kontrastnými produktmi, a menili pozíciu relevantnej položky v zozname (Lill & Spann, 2025).

Zistili, že mieru preklikov významne ovplyvňuje aj pozícia, aj odlíšenie od okolia. Relevantné položky na druhej a tretej pozícii dosiahli vyššiu mieru preklikov než na prvej. Nerelevantné kontrastné produkty zvýšili preklikovosť relevantnej položky, hoci znížili celkovú preklikovosť sady.

Prakticky: nedávajte najsilnejší produkt hneď ako prvý a nesnažte sa, aby všetky odporúčania boli rovnako dobré. Kontrast pomáha zákazníkovi rozhodnúť sa. Jedna poznámka k zdroju: ACM Transactions on Recommender Systems je recenzovaný časopis vydavateľstva ACM, ktorý ešte nemá zaradenie v databáze SJR, takže mu nevieme priradiť kvartil. Zistenie berte ako doplnok k výsledkom z MIS Quarterly vyššie, nie ako samostatný dôkaz.

Koľko slovenských firiem AI v marketingu naozaj používa

Odvetvové články o „revolúcii v personalizácii“ nezodpovedajú tomu, čo ukazujú tvrdé štatistické dáta. Podľa zisťovania Eurostatu za rok 2025 (podniky s desiatimi a viac zamestnanými osobami, bez finančného sektora) je situácia takáto:

Najzaujímavejší je tretí riadok. Slovenské a české firmy majú takmer rovnakú mieru zavedenia AI ako takej (18,0 % oproti 17,6 %), ale české firmy ju oveľa častejšie nasmerujú do marketingu a predaja. Rozdiel teda nie je v tom, či firmy AI majú, ale na čo ju použijú. Na Slovensku končí častejšie v prevádzke a administratíve než pri zákazníkovi.

Eurostat zároveň zisťoval, prečo firmy AI nezaviedli. Na Slovensku uviedlo 4,5 % podnikov obavy z porušenia ochrany osobných údajov a súkromia a 4,73 % nejasnosti o právnych dôsledkoch. Práve tieto dve bariéry sa dajú odstrániť poznaním pravidiel, nie nákupom softvéru; venuje sa im kapitola o právnych hraniciach.

Personalizácia e-mailov pomocou AI: dôkaz z malej firmy

Väčšina štúdií o AI v marketingu vzniká na veľkých firmách alebo na študentských vzorkách. Výnimkou je séria troch randomizovaných kontrolovaných experimentov, ktorú publikoval časopis Quantitative Marketing and Economics a ktorá riešila konkrétne rozhodnutie malého online predajcu vína: má obsah marketingových e-mailov písať človek, jazykový model, alebo kombinácia oboch? (Dubé & Xu, 2026)

Testovali sa tri politiky: obsah od platených copywriterov, obsah z veľkého jazykového modelu a hybrid, kde človek edituje výstup modelu. Výsledky:

• Keď sa do porovnania zaradila kontrolná skupina bez e-mailu, všetky tri varianty približne zdvojnásobili hrubý zisk z objednávok oproti stavu, keď sa e-mail neposiela.
• Po započítaní mzdových a softvérových nákladov dal rozhodovací rámec vždy prednosť niektorej z AI politík pred čisto ľudskou.

Prvý bod je z pohľadu malej firmy dôležitejší než druhý. Najväčší rozdiel nerobí to, kto e-mail napíše, ale to, či sa vôbec pošle. Ak newsletter neposielate, otázka „AI verzus copywriter“ je predčasná; začnite uvítacou sériou a e-mailom pri opustenom košíku.

Autori zároveň upozorňujú na obmedzenie, ktoré treba brať vážne: ide o jednu firmu a malé vzorky, na ktoré bolo nutné použiť špecifické štatistické postupy. Výsledok je silná indícia, nie univerzálny zákon.

Personalizácia a súkromie: hranica, ktorú nemá zmysel prekračovať

Personalizácia stojí a padá na dôvere. Kvalitatívne aj kvantitatívne dôkazy sa v tom zhodujú.

Štúdia publikovaná v Journal of Retailing and Consumer Services skúmala, ako spotrebitelia kalibrujú dôveru voči AI v e-commerce, a navrhla rámec štyroch mechanizmov: úžitok, kontrola, komunikácia a správa dát. Podstatné zistenie znie, že ľudia AI nedôverujú „viac alebo menej“; robia s ňou rôzne veci: jedni ju využívajú na personalizáciu, druhí si vyjednávajú jej podmienky, tretí hodnotia jej štýl a štvrtí obmedzujú jej vplyv (Vu, Ozuem, Willis & Katz, 2026).

Zmiešaná štúdia v časopise Sustainability to dopĺňa z druhej strany: nákupné správanie výrazne ovplyvňuje vystavenie AI odporúčaniam (najmä ak sú relevantné, včasné a emocionálne príťažlivé) a dôvera v AI, pričom vnímaný nedostatok dôvery nákup brzdí. Kvalitatívna časť ukázala, že popri emóciách rozhodujú etické obavy, vnímaná transparentnosť a pocit kontroly nad vlastnými dátami. Autori uzatvárajú, že účinnosť personalizácie nezávisí len od sofistikovanosti algoritmu, ale aj od toho, či si používateľ zachová pocit relevancie a autonómie (Alsaffarini & Awwad, 2026).

Opačný pól skúma výskum manipulatívnych vzorov v oznámeniach o súhlase so spracúvaním dát. Práca v Journal of Advertising prepája model znalosti presviedčania a teóriu psychologickej reaktancie a vysvetľuje, ako dizajn súhlasu formuje vnímanie ohrozenia súkromia a kontroly, a tým aj výsledok presviedčania (Ju, Ham & Yel, 2025). Jednoducho povedané: vynútený súhlas získaný mätúcou lištou personalizáciu nezachráni, lebo poškodí presne tú vec, na ktorej stojí.

Aj oslovenie menom má strop. Séria piatich experimentov v Psychology & Marketing ukázala, že oslovovanie menom v správach chatbota zvyšuje vnímanú úprimnosť chatbota aj značky a vedie k priaznivejším postojom a vyšším nákupným zámerom, no s dvoma hranicami. Efekt mizne, ak chatbot nefunguje dobre, a obracia sa, ak používateľ vníma meno ako nadmerne opakované (Lee, Pontes, Khan & Hau, 2026). Kto stavia chatbota na web, mal by teda meno použiť raz na začiatku, nie v každej vete.

Právne hranice na Slovensku: čo musíte zákazníkovi povedať

Toto je časť, ktorú väčšina článkov o AI personalizácii preskakuje. Pritom ide o povinnosti, ktoré sa vzťahujú aj na malý e-shop.

Najprehliadanejšia je prvá povinnosť. Slovenský zákon o ochrane spotrebiteľa ju formuluje priamo: obchodník musí spotrebiteľovi oznámiť „informáciu, že predajná cena je pre konkrétneho spotrebiteľa alebo pre skupinu spotrebiteľov určená na základe automatizovaného rozhodovania vrátane profilovania“. Ide o transpozíciu čl. 6 ods. 1 písm. ea) smernice 2011/83/EÚ, ktorý v slovenskom znení hovorí o povinnosti oznámiť, „prípadne, že cena bola personalizovaná na základe automatizovaného rozhodovania“.

Čo to znamená v praxi:

• Dynamická cena podľa dopytu alebo času (rovnaká pre všetkých v danej chvíli) do tejto kategórie spravidla nepatrí.
• Cena odvodená z profilu konkrétneho človeka alebo segmentu už áno, a treba to uviesť.
• Kupón alebo zľava pre segment je v sivej zóne. Ak je zľava dobrovoľná výhoda oproti verejnej cene, riziko je nižšie; ak je verejná cena pre niektorých vyššia, informačná povinnosť sa uplatní.

Kde presne hranica leží, posudzuje v spornom prípade dozorný orgán alebo súd, preto sa oplatí formulovať vetu o personalizácii ceny do obchodných podmienok radšej aj vtedy, keď si nie ste istí. Súvisiace pravidlá pre súhlas s marketingovou komunikáciou nájdete v článku o newslettri a GDPR.

Päť úrovní personalizácie: čím začať a čo odložiť

Nasledujúce rozdelenie je praktická pomôcka na plánovanie, nie oficiálna klasifikácia. Poradie sleduje pomer výsledku k náročnosti.

Väčšina malých firiem má nevyužitý potenciál na úrovniach 1 a 2, ale rieši úroveň 3. Predpokladom oboch je usporiadaná zákaznícka databáza; ako ju rozbehnúť, opisuje článok o CRM pre malé firmy.

Ako personalizáciu zmerať, aby ste vedeli, či sa oplatí

Chyba, ktorú ukázal experiment z MIS Quarterly, je najčastejšia aj v praxi: krátkodobé meranie zachytí presun predajov, nie prírastok. Preto:

1. Merajte prírastok, nie podiel. Otázka neznie „koľko tržieb prišlo z odporúčacieho boxu“, ale „o koľko sa zmenili celkové tržby oproti skupine bez neho“.
2. Nechajte test bežať cez celý nákupný cyklus. Ak zákazníci nakupujú raz za štvrťrok, dvojtýždňový test nemôže povedať nič.
3. Sledujte opakovaný nákup a mieru zotrvania. Práve tam sa podľa citovaného experimentu efekt nachádza.
4. Rátajte plné náklady. Licencia, čas na nastavenie, údržba dátových napojení a čas na kontrolu odporúčaní.
5. Kontrolujte, čo systém odporúča. Algoritmus optimalizuje preklik, nie maržu ani vhodnosť. Vypredané a nízkomaržové položky patria z odporúčaní preč.

Časté otázky

Čo je AI personalizácia v marketingu?

Je to prispôsobovanie obsahu, ponuky alebo ceny konkrétnemu človeku pomocou algoritmu, ktorý si pravidlá odvodzuje z dát o správaní, namiesto toho, aby ich ručne napísal marketér.

Oplatí sa AI personalizácia malej firme?

Podľa dostupných dôkazov áno, ale až po zvládnutí základov. Meta-analýza v Journal of Marketing ukázala vzťah v tvare písmena J: najhoršie výsledky prináša polovičatá personalizácia, takže lacnejšia segmentácia podľa pravidiel býva pre malú firmu rozumnejším prvým krokom.

Zvyšujú odporúčacie boxy v e-shope tržby?

Krátkodobo nie nutne. Terénny experiment publikovaný v MIS Quarterly zistil, že odporúčania zvyšujú predaj odporúčaných produktov na úkor ostatných, no zároveň zvyšujú lojalitu, a po ich vypnutí dlhodobé tržby významne klesli.

Musím zákazníkovi povedať, že cenu určuje algoritmus?

Áno, ak je cena určená pre konkrétneho spotrebiteľa alebo skupinu na základe automatizovaného rozhodovania vrátane profilovania. Vyplýva to z § 15 ods. 1 písm. d) zákona č. 108/2024 Z. z. o ochrane spotrebiteľa.

Musím označiť, že so zákazníkom komunikuje AI?

Áno. Článok 50 nariadenia o umelej inteligencii vyžaduje informovať človeka, že komunikuje s AI systémom, ak to nie je zrejmé z okolností; tieto povinnosti sa uplatňujú od 2. augusta 2026.

Koľko slovenských firiem používa AI v marketingu?

Podľa Eurostatu za rok 2025 používalo AI na marketing alebo predaj 4,85 % slovenských podnikov s desiatimi a viac zamestnanými osobami, čo je 26,9 % z tých, ktoré AI vôbec nasadili. Priemer EÚ je 6,92 %, v Česku je to 10,41 %.

Má zmysel oslovovať zákazníka menom v chatbote?

Má, ale s mierou. Séria piatich experimentov v Psychology & Marketing ukázala, že meno zvyšuje vnímanú úprimnosť chatbota aj značky, no efekt zaniká pri zlom fungovaní chatbota a obracia sa, keď používateľ vníma meno ako nadmerne opakované.

Je personalizovaná cena to isté ako dynamická cena?

Nie. Dynamická cena sa mení podľa dopytu alebo času a v danej chvíli je rovnaká pre všetkých. Personalizovaná cena vychádza z profilu konkrétneho zákazníka alebo segmentu a viaže sa na ňu informačná povinnosť voči spotrebiteľovi.