Chăm sóc da cá nhân hóa đang định hình thị trường thế nào?

Điểm đáng chú ý là thị trường đang đầu tư mạnh nhất vào những hình thức có thể cá nhân hóa nhưng vẫn mở rộng ở quy mô lớn. Theo Vogue Business, 33% số thương hiệu được theo dõi trong chỉ số đổi mới năm 2025 đã cung cấp công cụ skin matching hoặc colour matching, tăng 3 điểm phần trăm so với năm trước; trong khi công thức được sản xuất hoàn toàn riêng cho từng cá nhân vẫn hiếm vì chi phí cao.

Nhu cầu đang dịch chuyển từ sản phẩm đại trà sang độ phù hợp cá nhân

Ảnh hưởng căn bản nhất của chăm sóc da cá nhân hóa là thay đổi tiêu chí mà người tiêu dùng dùng để đánh giá sản phẩm. Một sản phẩm không còn chỉ phải có thành phần tốt, thương hiệu mạnh hoặc phù hợp với một nhóm tuổi; người mua ngày càng muốn biết “nó có phù hợp với tình trạng và mục tiêu của chính tôi hay không?”

Sự thay đổi này xảy ra trong bối cảnh hành vi làm đẹp ngày càng phân mảnh. Nghiên cứu của McKinsey năm 2025 với hơn 15.000 người tiêu dùng tại 13 thị trường cho thấy khác biệt không chỉ tồn tại giữa các quốc gia mà còn rất lớn giữa những người tiêu dùng trong cùng một thị trường. McKinsey cho rằng phân khúc chỉ dựa trên tuổi, giới tính hay sắc tộc ngày càng ít hữu ích hơn; thái độ, nhu cầu và cách mỗi người tham gia vào làm đẹp mới giúp nhận diện các nhóm khách hàng có ý nghĩa hơn.

Điều này đặc biệt quan trọng với skincare. McKinsey dự báo chăm sóc da sẽ chiếm khoảng 40% giá trị của bốn phân khúc làm đẹp cốt lõi vào năm 2030. Khi một phân khúc lớn đồng thời chứa rất nhiều vấn đề khác nhau — độ ẩm, sắc tố, dầu, dấu hiệu lão hóa, độ nhạy cảm hay mục tiêu phòng ngừa — một danh mục được tổ chức đơn thuần theo “da khô”, “da dầu” hoặc độ tuổi khó phản ánh hết nhu cầu.

Vì vậy, cá nhân hóa đang làm thị trường dịch chuyển từ segmentation sang microsegmentation: thay vì hỏi khách hàng thuộc nhóm nào, thương hiệu cố gắng xác định tổ hợp nhu cầu nào đang đúng với khách hàng tại một thời điểm cụ thể. Đây là lý do cá nhân hóa tác động không chỉ đến sản phẩm mà còn đến dữ liệu, trải nghiệm mua hàng và cách thương hiệu xác định giá trị.

AI biến tư vấn và phân tích da thành một phần của trải nghiệm sản phẩm

Trước đây, giá trị của một thương hiệu skincare chủ yếu nằm trong chai, lọ và công thức. Cá nhân hóa đang bổ sung một lớp giá trị khác: khả năng giúp khách hàng xác định mình nên dùng sản phẩm nào.

Cơ chế này thường bắt đầu từ dữ liệu. Người dùng có thể cung cấp ảnh selfie, câu trả lời về loại da, vấn đề quan tâm, thói quen hoặc môi trường sống. Hệ thống dùng computer vision và các mô hình phân tích để nhận diện những đặc điểm như sắc tố, đỏ da hoặc vùng khô, sau đó kết hợp chúng với dữ liệu sản phẩm để tạo đề xuất phù hợp hơn. White & Case mô tả đây là một trong những ứng dụng hyper-personalization đang được triển khai trong ngành beauty, còn L’Oréal cho biết dữ liệu, chẩn đoán kỹ thuật số và AI hiện được dùng để phân tích đặc điểm da và hành vi nhằm đưa ra đề xuất riêng cả trực tuyến lẫn tại cửa hàng.

Như vậy, personalization giảm một loại “chi phí” mà người mua skincare thường gặp: chi phí lựa chọn. Một danh mục có hàng chục serum, kem dưỡng và hoạt chất có thể tạo nhiều lựa chọn nhưng không nhất thiết tạo nhiều giá trị nếu khách hàng không biết sản phẩm nào phù hợp với mình. Công cụ phân tích da, bộ câu hỏi thông minh hay trợ lý mua sắm biến danh mục lớn thành một tập lựa chọn nhỏ hơn và có lý do rõ ràng hơn.

Đó cũng là lý do xu hướng này không nên được hiểu đơn giản là “AI bán mỹ phẩm”. Giá trị kinh tế thực sự nằm ở việc biến tư vấn thành một phần của sản phẩm: khách hàng không chỉ mua một lọ serum mà còn mua sự tự tin rằng lựa chọn đó có liên quan đến nhu cầu của họ.

Cá nhân hóa làm thay đổi cách thương hiệu cạnh tranh và chuyển đổi

Khi nhiều thương hiệu có thể tiếp cận những hoạt chất, định dạng và xu hướng tương tự nhau, khả năng hiểu đúng khách hàng trở thành một nguồn khác biệt cạnh tranh.

McKinsey xếp hyperpersonalized targeting vào nhóm ứng dụng AI tạo ảnh hưởng lớn trong ngành beauty. Theo quan sát của tổ chức này, thông điệp được cá nhân hóa ở quy mô lớn có thể cải thiện tỷ lệ chuyển đổi tới 40% trong một số trường hợp. Một trợ lý mua sắm dùng generative AI tại một doanh nghiệp lifestyle toàn cầu cũng ghi nhận mức tăng chuyển đổi lên tới 20%. Đây không phải các mức tăng có thể mặc định cho mọi thương hiệu skincare, nhưng chúng cho thấy cơ chế kinh tế của personalization: tăng mức độ liên quan có thể rút ngắn khoảng cách từ khám phá sản phẩm đến quyết định mua.

Tác động còn đi xa hơn conversion. Khi một thương hiệu biết khách hàng đang quan tâm đến hàng rào bảo vệ da, sắc tố hay dấu hiệu lão hóa, họ có thể điều chỉnh nội dung giáo dục, thứ tự sản phẩm được giới thiệu, bundle, thời điểm nhắc mua lại và chương trình chăm sóc sau bán. Một hồ sơ khách hàng vì thế có thể trở thành nền tảng cho nhiều điểm chạm thay vì chỉ phục vụ một giao dịch.

Nhưng lợi thế này cũng tạo ra một tiêu chuẩn cạnh tranh mới. Một thương hiệu có công cụ “skin quiz” nhưng cuối cùng đưa gần như mọi người đến cùng một nhóm sản phẩm sẽ khó tạo giá trị bền vững. Khi người tiêu dùng quen với trải nghiệm phù hợp hơn, cá nhân hóa giả — thay đổi cách trình bày nhưng không thay đổi chất lượng quyết định — có nguy cơ bị nhìn nhận như một lớp marketing bổ sung.

Vì vậy, cuộc cạnh tranh đang chuyển từ câu hỏi “ai có nhiều dữ liệu hơn?” sang “ai biến dữ liệu thành một đề xuất đáng tin hơn?”.

Dữ liệu cá nhân đang đi ngược vào phát triển sản phẩm

Một ảnh hưởng ít dễ thấy hơn nằm ở phía sau thị trường: personalization làm dữ liệu người tiêu dùng quay trở lại quá trình nghiên cứu và phát triển sản phẩm.

Ở mô hình truyền thống, doanh nghiệp nghiên cứu một nhóm nhu cầu, tạo công thức, tung sản phẩm rồi đo phản hồi. Khi có thêm dữ liệu từ công cụ phân tích da, lịch sử mua, đánh giá sản phẩm, social listening và các hệ thống đề xuất, vòng phản hồi có thể diễn ra nhanh và chi tiết hơn. Doanh nghiệp không chỉ biết sản phẩm nào bán tốt mà còn có thể nhận diện những tổ hợp nhu cầu nào đang xuất hiện nhiều hơn.

Generative AI còn có thể hỗ trợ giai đoạn nghiên cứu công thức. McKinsey cho biết các mô hình được huấn luyện bằng dữ liệu nguyên liệu, thử nghiệm và thông số nội bộ có thể rút thời gian nghiên cứu một số ý tưởng sản phẩm từ hàng tuần xuống hàng ngày và trong một số trường hợp giúp tiết kiệm tới 5% chi phí nguyên liệu trong quá trình phát triển. Tuy nhiên, công thức do AI đề xuất vẫn phải qua kiểm tra tương thích, độ ổn định, an toàn và thử nghiệm phù hợp; AI không loại bỏ quá trình kiểm chứng vật lý.

Quy mô dữ liệu mà các tập đoàn lớn đang sử dụng cũng cho thấy personalization đã đi vào R&D chứ không còn đứng ngoài như một tiện ích marketing. L’Oréal cho biết một mô hình của hãng được huấn luyện bằng dữ liệu từ hơn 1,8 triệu công thức để hỗ trợ nghiên cứu kết cấu và tối ưu hiệu năng công thức theo sự đa dạng của nhu cầu người tiêu dùng.

Hệ quả là chu kỳ thị trường có thể chuyển từ “phát triển sản phẩm rồi tìm người mua” sang “phát hiện cụm nhu cầu rồi phát triển giải pháp cho cụm nhu cầu đó”. Cá nhân hóa vì thế có khả năng tác động đồng thời đến tốc độ đổi mới, cấu trúc danh mục và cách doanh nghiệp xác định cơ hội sản phẩm.

Kênh bán lẻ trở thành hệ thống tư vấn thay vì chỉ là nơi bán

Cá nhân hóa cũng làm thay đổi vai trò của website, ứng dụng và cửa hàng. Chúng không còn chỉ là nơi trưng bày SKU mà dần trở thành nơi thu thập tín hiệu, diễn giải nhu cầu và định tuyến khách hàng đến giải pháp phù hợp.

Điều này phù hợp với hướng dịch chuyển chung của beauty sang môi trường số. McKinsey dự báo thương mại điện tử sẽ chiếm hơn 30% thị trường beauty toàn cầu vào năm 2030. Khi một tỷ lệ lớn hơn của hành trình mua diễn ra mà không có chuyên viên tư vấn trực tiếp, các công cụ skin analysis, trợ lý hội thoại và hệ thống recommendation có thể đảm nhận một phần vai trò giải thích vốn thuộc về quầy tư vấn.

Cá nhân hóa đồng thời làm mờ ranh giới giữa marketing và dịch vụ. Một bài kiểm tra tình trạng da có thể bắt đầu như công cụ khám phá sản phẩm, nhưng dữ liệu thu được có thể tiếp tục được dùng để điều chỉnh nội dung, CRM, chăm sóc sau mua và đề xuất lần tiếp theo. L’Oréal gọi đây là quá trình Beauty Tech tạo ra các điểm chạm, dịch vụ và kênh tăng trưởng mới trong hành trình người tiêu dùng.

Từ góc độ thị trường, lợi thế vì vậy không còn thuộc riêng về thương hiệu có nhiều cửa hàng hay ngân sách truyền thông lớn. Những doanh nghiệp xây dựng được hệ thống dữ liệu, recommendation và nội dung tốt có thể tạo trải nghiệm tư vấn với quy mô lớn hơn. Ngược lại, personalization cũng làm tăng yêu cầu về hạ tầng dữ liệu, tích hợp công nghệ và năng lực đo lường — một rào cản mà không phải doanh nghiệp nào cũng dễ vượt qua.

Tăng trưởng phụ thuộc vào hiệu quả, niềm tin và quyền riêng tư

Cá nhân hóa có tiềm năng lớn nhưng không tạo tăng trưởng chỉ vì nó sử dụng AI. Ba giới hạn đang quyết định giá trị thực tế của xu hướng này là độ chính xác, niềm tin và quyền kiểm soát dữ liệu.

Trước hết, người tiêu dùng vẫn đòi hỏi sản phẩm phải chứng minh giá trị. Nghiên cứu beauty của McKinsey cho thấy hiệu quả vẫn là một tiêu chí quan trọng, trong khi người mua đồng thời quan tâm nhiều hơn đến thành phần và giá trị nhận được. Vì vậy, một recommendation “rất cá nhân” nhưng dẫn đến sản phẩm không tạo kết quả đủ tốt sẽ không giải quyết được bài toán cốt lõi.

Thứ hai, thái độ với AI không đồng nhất giữa các thị trường. Trong khảo sát được McKinsey công bố năm 2025, khoảng 60% người tiêu dùng toàn cầu tỏ ra hoài nghi đối với nội dung do AI tạo, nhưng tại Trung Quốc, 83% người được khảo sát cho rằng đề xuất do AI tạo tốt hơn đề xuất của con người. Chênh lệch này cho thấy một mô hình personalization không thể được triển khai giống nhau ở mọi thị trường; mức độ tự động hóa, cách giải thích recommendation và vai trò của con người cần phù hợp với kỳ vọng địa phương.

Thứ ba là dữ liệu. Một công cụ phân tích da có thể xử lý ảnh khuôn mặt, hình học khuôn mặt, màu và kết cấu da, tình trạng da, dị ứng hoặc những dấu hiệu có khả năng liên quan đến sức khỏe. White & Case lưu ý rằng một số dữ liệu này có thể thuộc các nhóm được bảo vệ nghiêm ngặt và tạo ra rủi ro pháp lý, tài chính cũng như danh tiếng nếu doanh nghiệp thu thập hoặc sử dụng không phù hợp.

Do đó, nghịch lý của personalization là: muốn tạo đề xuất chính xác hơn, doanh nghiệp thường cần dữ liệu chi tiết hơn; nhưng càng yêu cầu nhiều dữ liệu, họ càng phải đưa cho khách hàng một lý do đủ thuyết phục để tin tưởng.

Đây cũng là điểm phân biệt personalization bền vững với personalization mang tính trình diễn. Công nghệ chỉ tạo lợi thế khi người dùng hiểu dữ liệu nào được thu thập, nhận được giá trị tương xứng, thấy recommendation có logic và có thể nhận ra vì sao đề xuất dành cho mình khác với đề xuất dành cho người khác.

Chăm sóc da cá nhân hóa vì thế đang định hình thị trường theo cách sâu hơn việc tạo ra “sản phẩm riêng cho từng người”. Nó chuyển trọng tâm cạnh tranh từ độ rộng danh mục sang độ phù hợp, biến tư vấn thành một phần của trải nghiệm sản phẩm, đưa dữ liệu người tiêu dùng vào R&D và khiến các kênh bán hàng phải đóng vai trò như những hệ thống ra quyết định.

Tuy nhiên, thị trường khó đi theo hướng mỗi khách hàng có một công thức hoàn toàn riêng. Dấu hiệu hiện tại cho thấy mô hình có khả năng mở rộng tốt hơn là kết hợp sản phẩm đã được chuẩn hóa với lớp phân tích, recommendation, nội dung và dịch vụ được cá nhân hóa. Việc các công cụ matching tiếp tục được mở rộng trong khi công thức hoàn toàn bespoke còn tương đối hiếm phản ánh chính sự cân bằng giữa mức độ cá nhân hóa và hiệu quả kinh tế này.

Vì vậy, tác động dài hạn của chăm sóc da cá nhân hóa không chỉ nằm ở việc thị trường bán thêm một nhóm sản phẩm mới. Nó đang thay đổi cách nhu cầu được nhận diện, cách sản phẩm được phát triển, cách người mua được tư vấn và cách giá trị được chứng minh. Những thương hiệu tạo được vòng lặp dữ liệu → hiểu nhu cầu → đề xuất phù hợp → kết quả đáng tin → phản hồi để cải thiện sẽ có lợi thế rõ ràng hơn; còn những thương hiệu chỉ thêm một lớp “AI” vào hành trình mua hàng mà không cải thiện chất lượng quyết định sẽ khó biến cá nhân hóa thành lợi thế cạnh tranh thực sự.