Vì sao cách hãng minh họa công nghệ dễ khiến người mua kỳ vọng quá mức?

Một đoạn quảng cáo máy giặt có thể cho chúng ta thấy hàng triệu bong bóng nhỏ len sâu vào từng sợi vải, dòng nước xuyên qua quần áo, cảm biến “nhìn thấy” chất liệu rồi bộ xử lý lập tức lựa chọn cách giặt tối ưu.

Xem những hình ảnh ấy, người dùng rất dễ có cảm giác mình vừa nhìn thấy công nghệ hoạt động.

Và từ đó, một bước suy luận khác diễn ra gần như tự nhiên:

“Nếu hoạt động như thế thì chắc chắn phải giặt sạch hơn, nhanh hơn hoặc bảo vệ quần áo tốt hơn.”

Vấn đề không nằm ở việc hình minh họa sai hay không nên sử dụng. Hình ảnh là một cách rất tốt để giải thích những quá trình vốn khó quan sát bên trong máy giặt.

Điều cần phân biệt là:

Hình minh họa giúp chúng ta hình dung cơ chế. Nó không tự trở thành bằng chứng cho mức độ hiệu quả của cơ chế ấy.

Những gì xảy ra trong máy giặt rất khó nhìn bằng mắt

Nếu chỉ nhìn một chiếc máy giặt đang chạy, người sử dụng chủ yếu thấy quần áo đảo trong lồng, một phần nước và bọt qua cửa kính.

Chúng ta không thể nhìn trực tiếp chất hoạt động bề mặt đang tương tác với dầu mỡ ra sao, cảm biến đang đọc tín hiệu gì, thuật toán đang thay đổi tham số nào hay từng sợi vải đang chịu tác động cơ học đến mức nào.

Vì vậy, nhà sản xuất cần biến những quá trình khó nhìn thành hình ảnh dễ hiểu.

Bong bóng được phóng to.

Sợi vải được vẽ như những sợi dây lớn.

Dòng nước được tô màu xanh và biểu diễn bằng những mũi tên.

Cảm biến trở thành một “con mắt”.

Thuật toán AI có thể được minh họa bằng những đường dữ liệu chạy từ quần áo tới bộ xử lý rồi quay trở lại lồng giặt.

Những cách diễn giải này có giá trị lớn về mặt truyền đạt.

Nhưng chính vì chúng trực quan nên người xem dễ quên rằng mình đang nhìn một mô hình minh họa, chứ không phải quan sát trực tiếp quá trình ở kích thước và tốc độ thực tế.

Phóng đại giúp dễ hiểu nhưng cũng dễ làm chúng ta đánh giá quá mức

Hãy lấy hình ảnh bong bóng làm ví dụ.

Nếu bong bóng được vẽ nhỏ đúng tỷ lệ thực tế, người xem gần như không thể nhìn thấy. Vì vậy, trong hình minh họa, chúng thường được phóng lớn lên rất nhiều.

Điều này hoàn toàn hợp lý nếu mục đích là giải thích.

Nhưng khi những bong bóng rất lớn xuất hiện dày đặc, xuyên qua từng khoảng trống của sợi vải, não chúng ta dễ hình thành cảm giác rằng đây là một tác động rất mạnh và rất khác biệt.

Tương tự, một vòi phun nước có thể được minh họa bằng luồng nước phủ kín toàn bộ quần áo. Mũi tên lớn cho cảm giác dung dịch đi sâu, nhanh và đồng đều.

Nhưng hình ảnh ấy chưa cho chúng ta biết:

dung dịch thực sự phân bố đồng đều hơn bao nhiêu;

thời gian tiếp xúc thay đổi bao nhiêu;

hay kết quả loại bỏ chất bẩn cuối cùng tăng đến mức nào.

Hình càng trực quan thì khả năng giải thích càng tốt, nhưng sức thuyết phục bằng cảm giác cũng càng mạnh.

Đó là lý do người xem cần tách hai câu hỏi:

“Tôi đã hiểu cơ chế chưa?”

và

“Cơ chế ấy đã được chứng minh mang lại kết quả gì?”

Chuyển động trong video quảng cáo cũng có thể khiến chúng ta hiểu sai

Một đoạn animation vài giây có thể cho thấy nước được phun vào lồng, chất giặt hòa tan, bong bóng nhanh chóng phủ kín áo rồi vết bẩn biến mất.

Tất cả diễn ra rất nhanh.

Nhưng tốc độ của video không phải tốc độ của quá trình giặt thực tế.

Animation được rút gọn để người xem hiểu mạch hoạt động trong vài giây. Nếu diễn lại đúng hàng chục phút hoặc hàng giờ của một chương trình, gần như không ai xem hết.

Vì vậy, khi thấy:

chất giặt → thấm vào sợi → vết bẩn tách ra → áo sạch

trong một đoạn animation ngắn, điều chúng ta đang được xem là trình tự ý tưởng, không phải phép đo thời gian thực tế.

Điều này đặc biệt quan trọng khi công nghệ được quảng bá bằng các từ như “nhanh”, “thấm sâu”, “tức thì” hay “ngay lập tức”. Hình chuyển động có thể làm những từ ấy có vẻ mạnh hơn rất nhiều so với dữ liệu thực tế phía sau.

“Thấm sâu vào sợi vải” nghe rất thuyết phục, nhưng sâu đến đâu?

Đây là một ví dụ điển hình về cách ngôn ngữ và hình ảnh hỗ trợ lẫn nhau.

Hình ảnh có thể phóng đại cấu trúc sợi vải rồi cho thấy nước, bong bóng hoặc dung dịch len vào giữa các sợi. Người xem dễ hiểu rằng công nghệ đang tiếp cận những nơi mà máy thông thường không làm được.

Nhưng trước khi đi tới kết luận đó, cần hỏi:

Máy thông thường có thực sự không đưa dung dịch tới khu vực ấy không?

Và nếu công nghệ giúp dung dịch tiếp cận nhanh hơn hoặc đồng đều hơn:

kết quả làm sạch cuối cùng thay đổi đến mức nào?

Một cơ chế mới có thể cải thiện cách dung dịch tiếp xúc với vải. Nhưng nếu chương trình thông thường vốn đã làm quần áo thấm đủ dung dịch sau một khoảng thời gian nhất định, khác biệt cuối cùng có thể nhỏ hơn rất nhiều so với cảm giác từ hình minh họa.

Vì vậy, cụm từ “thấm sâu” mô tả một ý tưởng hoạt động chưa đủ để tự chứng minh “giặt sạch sâu hơn”.

Hình “trước và sau” cũng cần được đọc cẩn thận

Một hình ảnh rất phổ biến là đặt hai chiếc áo cạnh nhau:

một bên xỉn màu, còn bẩn hoặc nhiều xơ;

một bên trắng sáng, sạch đẹp và phẳng phiu.

Hình ảnh trước – sau có sức thuyết phục cực mạnh vì kết quả dường như nằm ngay trước mắt.

Nhưng để hình ảnh ấy trở thành bằng chứng, cần biết hai bên được tạo ra trong điều kiện nào.

Có phải cùng loại vải?

Cùng vết bẩn?

Cùng tải?

Cùng chất giặt?

Cùng số lần giặt?

Có phải ảnh chụp trực tiếp từ mẫu thử hay chỉ là hình đồ họa minh họa?

Ánh sáng, cân bằng trắng, độ tương phản và cách xử lý ảnh có giống nhau không?

Nếu những thông tin này không rõ, hình trước – sau vẫn có thể rất hữu ích để diễn đạt thông điệp, nhưng chưa đủ để đo mức độ khác biệt.

Hình phóng đại sợi vải không phải lúc nào cũng là ảnh hiển vi

Một chi tiết rất dễ gây hiểu lầm là hình ảnh cấu trúc sợi.

Người xem có thể thấy một vùng vải được phóng đại rất đẹp, với sợi dệt rõ ràng, vết bẩn bám vào bề mặt rồi bị bong bóng hoặc nước cuốn đi.

Nhưng hình đó có thể là:

ảnh thật được chụp bằng thiết bị phóng đại;

ảnh hiển vi;

ảnh 3D dựng bằng máy tính;

hoặc đơn giản là hình minh họa đồ họa.

Các loại hình ảnh này có giá trị hoàn toàn khác nhau.

Một hình 3D dựng đẹp có thể giải thích cơ chế rất tốt, nhưng không nên được hiểu như bằng chứng rằng quá trình ấy đã được quan sát trực tiếp trên sợi vải.

Người mua không nhất thiết phải truy tìm nguồn của mọi hình. Chỉ cần giữ một thói quen:

Nếu hình quá đẹp và quá dễ hiểu, hãy xem nó như công cụ giải thích trước khi xem nó như dữ liệu.

AI được minh họa giống như “máy hiểu quần áo” cũng dễ tạo kỳ vọng quá mức

Đây là một trường hợp đặc biệt thú vị.

Quảng cáo có thể mô tả AI bằng hình chiếc áo được quét, sau đó máy nhận ra “cotton”, “đồ mềm”, “bẩn nhiều” rồi tự chọn cách giặt tối ưu.

Người xem dễ có cảm giác máy đang nhìn và hiểu quần áo gần giống con người.

Nhưng hệ thống thực tế có thể chỉ nhận dữ liệu từ một số cảm biến nhất định rồi dùng thuật toán để phân loại hoặc điều chỉnh trong một phạm vi đã thiết kế.

Có hệ thống nhận biết tải.

Có hệ thống kết hợp thêm dữ liệu về đặc tính vải.

Có hệ thống chủ yếu học thói quen người dùng hoặc đề xuất chương trình.

Những khả năng này rất khác nhau.

Vì vậy, hình bộ não, con mắt hoặc biểu tượng AI chỉ là cách diễn đạt trực quan.

Muốn hiểu thật, vẫn phải quay lại những câu hỏi cũ:

Máy nhận biết gì?

Dựa trên tín hiệu nào?

Điều chỉnh được gì?

Hoạt động trong những chương trình nào?

Kết quả đã được chứng minh ra sao?

Một tên “6 chuyển động” không tự cho biết sáu chuyển động tốt hơn một chuyển động

Video có thể lần lượt cho thấy sáu kiểu chuyển động rất đẹp: nhào, đảo, quay, chà, lăn…

Nhìn trực quan, sáu chuyển động dễ tạo cảm giác máy có năng lực phong phú hơn một máy chỉ mô tả “lồng quay”.

Nhưng điều quan trọng không phải số lượng hình chuyển động.

Cần biết:

mỗi chuyển động được dùng khi nào;

có thực sự khác nhau về tác động lên quần áo không;

thuật toán lựa chọn chúng thế nào;

và cuối cùng:

kết quả làm sạch hoặc chăm sóc vải thay đổi ra sao.

Nhiều cách chuyển động hơn có thể mang lại khả năng kiểm soát tốt hơn. Nhưng “nhiều hơn” chưa tự động bằng “tốt hơn”.

Đây chính là lý do không nên đếm số công nghệ hay số kiểu chuyển động để xếp hạng máy.

Cách đặt chữ cạnh hình ảnh cũng ảnh hưởng rất lớn đến kỳ vọng

Hãy tưởng tượng một hình bong bóng len vào vải.

Nếu bên cạnh chỉ viết:

“Hòa trộn chất giặt trước khi đưa vào lồng”

người đọc hiểu đây là cơ chế.

Nhưng nếu viết:

“Đánh bật mọi vết bẩn cứng đầu, bảo vệ từng sợi vải”

cùng một hình ảnh sẽ tạo kỳ vọng hoàn toàn khác.

Ngôn ngữ như:

“thông minh”;

“chuyên sâu”;

“vượt trội”;

“tối ưu”;

“chăm sóc hoàn hảo”;

“đột phá”;

có tác dụng mạnh về mặt cảm nhận nhưng thường chưa nói rõ mức độ kết quả.

Những từ này không nhất thiết sai. Nhưng khi đọc, nên tự dịch chúng thành câu hỏi có thể kiểm tra.

“Vượt trội” → vượt trội so với cái gì?

“Tối ưu” → tối ưu tham số nào?

“Bảo vệ” → bảo vệ màu, bề mặt hay form?

“Thông minh” → máy nhận biết và điều chỉnh điều gì?

Chỉ một thao tác nhỏ như vậy cũng giúp thông tin trở nên cụ thể hơn rất nhiều.

Marketing thường cho chúng ta xem trường hợp đẹp nhất

Khi giới thiệu một tính năng, nhà sản xuất đương nhiên muốn trình bày tình huống mà công nghệ phát huy rõ nhất.

Một chương trình nhanh sẽ được minh họa bằng mẻ đồ phù hợp với chương trình nhanh.

Một công nghệ chăm sóc len được minh họa bằng áo len đẹp.

Một hệ thống xử lý vết bẩn được thể hiện bằng nhóm vết bẩn mà công nghệ hướng tới.

Điều này hoàn toàn bình thường.

Nhưng người mua cần nhớ rằng trường hợp minh họa chưa chắc đại diện cho mọi lần sử dụng.

Nếu gia đình chủ yếu giặt một loại đồ khác hoặc thường dùng tải khác, mức giá trị nhận được có thể không giống hình dung từ quảng cáo.

Đây là lý do điều kiện áp dụng rất quan trọng.

Hình minh họa tốt nhất là hình giúp người đọc đặt thêm câu hỏi

Không cần phải nghi ngờ mọi hình ảnh quảng cáo.

Ngược lại, hình minh họa có thể là điểm xuất phát rất tốt để hiểu công nghệ.

Khi thấy dòng nước được phun từ trên xuống, ta có thể hỏi:

“Mục tiêu là phân bố dung dịch nhanh hơn?”

Khi thấy cảm biến nhận biết đồ, ta hỏi:

“Máy đang đo gì?”

Khi thấy chuyển động nhẹ, ta hỏi:

“Có thử nghiệm nào về hao mòn vải không?”

Khi thấy áo sạch hơn, ta hỏi:

“Hai bên được thử trong điều kiện nào?”

Lúc này, quảng cáo không còn chỉ là thứ để tin hoặc không tin.

Nó trở thành đầu mối để chúng ta tìm hiểu bản chất của sản phẩm.

Không cần loại bỏ cảm xúc khỏi việc mua hàng

Một sản phẩm được trình bày đẹp, công nghệ dễ hiểu và ý tưởng hấp dẫn hoàn toàn có thể làm chúng ta thích chiếc máy hơn.

Điều đó bình thường.

Mua hàng không chỉ là bài toán phòng thí nghiệm.

Thiết kế, thương hiệu, trải nghiệm sử dụng và cảm giác tin tưởng đều có giá trị.

Điều cần tránh chỉ là biến cảm giác thuyết phục thành kết luận kỹ thuật.

Một animation rất đẹp có thể khiến chúng ta thích công nghệ.

Nhưng để nói công nghệ làm sạch tốt hơn bao nhiêu, bảo vệ vải thế nào hoặc tiết kiệm đến đâu, vẫn cần dữ liệu phù hợp.

Hai cách nhìn này có thể tồn tại cùng nhau mà không mâu thuẫn.

Từ nay, hãy chia hình ảnh công nghệ thành hai nhóm

Khi xem một trang giới thiệu máy giặt, người dùng có thể tự phân loại khá đơn giản.

Nhóm thứ nhất:

HÌNH GIẢI THÍCH

Mục tiêu là giúp chúng ta hiểu cơ chế: dòng nước, bong bóng, sợi vải, cảm biến, chuyển động…

Nhóm thứ hai:

HÌNH BẰNG CHỨNG

Đi kèm dữ liệu hoặc phép thử: mẫu vải, kết quả đo màu, mức loại bỏ vết bẩn, điện nước tiêu thụ, điều kiện thử nghiệm…

Hình giải thích không kém giá trị.

Nó chỉ trả lời một câu hỏi khác.

Sai lầm xảy ra khi chúng ta nhìn hình thuộc nhóm thứ nhất rồi tưởng mình đang nhìn nhóm thứ hai.

Điều cần nhớ: hình ảnh có thể giúp hiểu rất nhanh — và cũng khiến chúng ta kết luận quá nhanh

Một hình ảnh tốt có thể giải thích trong vài giây điều mà một đoạn văn dài khó diễn đạt.

Đó là sức mạnh của hình minh họa.

Nhưng chính sức mạnh ấy cũng tạo ra một rủi ro: chúng ta cảm giác mình đã “thấy tận mắt”, nên bỏ qua bước kiểm tra bằng chứng.

Vì vậy, khi nhìn một hình công nghệ rất thuyết phục, hãy dừng ở kết luận đầu tiên:

“Tôi đã hiểu cách hãng muốn công nghệ này hoạt động.”

Sau đó mới hỏi tiếp:

“Bây giờ, dữ liệu nào cho thấy nó thực sự mang lại kết quả đó?”

Chỉ cần giữ được hai bước này tách biệt, người tiêu dùng đã tránh được rất nhiều kỳ vọng quá mức.

Và công nghệ cũng được đặt về đúng vị trí:

hình ảnh giúp chúng ta hiểu cơ chế; kết quả thử nghiệm mới giúp chúng ta đánh giá hiệu quả.

Tìm hiểu thêm

•  Công nghệ trên máy giặt thực sự nói lên điều gì?

•  Vì sao một công nghệ nghe rất hợp lý vẫn chưa đủ để kết luận nó hiệu quả?

•  Từ tên công nghệ đến kết quả thực tế: người mua cần kiểm tra những bước nào?

• Muốn so công nghệ của hai máy giặt, nên so tên gọi hay kết quả thử nghiệm?