Chụp ảnh kệ hàng thế nào để AI Visibility chấm điểm chính xác?

10/10/2026

Ảnh chụp xấu, AI Visibility có còn giá trị không?

"Tại sao kết quả chấm điểm trưng bày (display scoring) của AI Visibility lại sai lệch so với thực tế tại cửa hàng?" Đây là câu hỏi tôi hay nghe nhất khi làm việc với các đội ngũ bán hàng tại Việt Nam và cả các đối tác từ Thái Lan hay Philippines. Câu trả lời ngắn gọn: 80% lỗi không nằm ở thuật toán mà nằm ở bức ảnh đầu vào. Nếu ảnh bị mờ, thiếu góc nhìn hoặc bị làm giả, hệ thống AI Vision sẽ không thể đưa ra kết quả tin cậy, dù công nghệ có tốt đến đâu.

Tôi đã từng thấy những báo cáo hiển thị mức độ tuân thủ planogram rất cao, nhưng khi đội kiểm tra thực địa đi xuống, họ phát hiện hàng hóa đã hết từ lâu. Nguyên nhân? Nhân viên chụp ảnh màn hình từ điện thoại cũ hoặc chụp từ xa khiến SKU không rõ nét. Trong ngành bán lẻ, dữ liệu rác vào thì dữ liệu rác ra. Vì vậy, việc chuẩn hóa quy trình chụp ảnh không phải là việc của IT, mà là một phần của quy trình vận hành bán hàng.

Góc nhìn của người đứng đầu: Chi phí ẩn của dữ liệu kém chất lượng

Đối với ban lãnh đạo, bài toán không nằm ở việc mua phần mềm AI Visibility đắt hay rẻ, mà nằm ở chi phí cơ hội của dữ liệu sai. Khi display scoring không chính xác, bạn sẽ ra quyết định sai về khuyến mãi, tồn kho và nhân sự. Ví dụ, nếu AI báo rằng một cửa hàng tuân thủ tốt 100% nhưng thực tế kệ hàng trống, bạn sẽ bỏ lỡ cơ hội bổ sung hàng kịp thời, dẫn đến mất doanh thu và khách hàng chuyển sang đối thủ.

Chi phí của việc chụp ảnh kém không chỉ là tiền phạt nhân viên. Nó là sự mất niềm tin vào hệ thống. Một khi đội bán hàng tin rằng "AI đang nói dối", họ sẽ bỏ qua các cảnh báo và quay lại thói quen báo cáo thủ công. Đây là rủi ro lớn nhất trong quá trình chuyển đổi số bán lẻ. Tôi thường tư vấn cho các CEO rằng, hãy đầu tư vào quy trình thu thập dữ liệu trước khi đầu tư vào thuật toán phức tạp hơn. Một quy trình chụp ảnh chuẩn, đơn giản, nhưng được thực hiện nhất quán sẽ mang lại giá trị lớn hơn nhiều so với việc nâng cấp mô hình AI mà bỏ qua chất lượng đầu vào.

Nếu bạn đang triển khai hệ thống giám sát trưng bày tại điểm bán cho các thương hiệu lớn như Masan hay P&G (những đối tác tin dùng VTraks), bạn sẽ thấy rằng áp lực về độ chính xác là cực kỳ lớn. Sai một con số nhỏ có thể ảnh hưởng đến hàng triệu đơn vị hàng hóa. Do đó, góc nhìn chiến lược phải bao gồm cả việc kiểm soát chất lượng dữ liệu từ nguồn.

Góc nhìn đội vận hành: Ba cách chụp và cái giá phải trả

Thực tế tại các chuỗi cửa hàng, có ba cách tiếp cận phổ biến để thu thập hình ảnh kệ hàng. Mỗi cách đều có lợi ích và hạn chế riêng.

1. Chụp tự do: Đây là cách phổ biến nhất vì nó không tốn thêm chi phí nào. Nhân viên chỉ cần mở camera điện thoại và chụp. Vấn đề là mỗi người một kiểu. Người thì chụp xéo, người thì chụp quá xa, người thì để bóng tối che khuất nhãn giá. Với AI Visibility, điều này nghĩa là thuật toán phải "đoán" rất nhiều thứ, làm giảm độ tin cậy của display scoring. Cách này chỉ phù hợp với giai đoạn thử nghiệm hoặc các kênh phân phối nhỏ lẻ, ít quan trọng.

2. Chụp theo khung hướng dẫn: Đây là bước tiến bộ đáng kể. Ứng dụng di động sẽ hiển thị một khung ảo hoặc hướng dẫn cụ thể: "Đứng cách kệ 1 mét", "Chụp thẳng góc", "Đảm bảo toàn bộ mặt hàng trong khung". Nhân viên chỉ cần căn chỉnh điện thoại sao cho khớp khung. Cách này cân bằng tốt giữa chi phí và chất lượng. Tuy nhiên, nó phụ thuộc vào ý thức của nhân viên. Nếu họ vội vàng, họ vẫn có thể chụp qua loa. Đào tạo là chìa khóa ở đây, nhưng đừng quên rằng đào tạo không bao giờ là 100% hiệu quả.

3. Chụp bằng thiết bị chuyên dụng: Một số doanh nghiệp lớn bắt đầu thử nghiệm các thiết bị cầm tay có khung chiếu sáng hoặc công nghệ AR để đảm bảo góc chụp chuẩn xác tuyệt đối. Cách này cho kết quả AI chính xác nhất, nhưng chi phí đầu tư phần cứng và bảo trì là đáng kể. Nó phù hợp với các trung tâm phân phối hoặc cửa hàng flagship nơi dữ liệu có giá trị rất cao, nhưng khó nhân rộng ra hàng nghìn điểm bán nhỏ lẻ.

Trong quá trình tư vấn cho các khách hàng của AIVISION, tôi thường khuyến nghị bắt đầu với cách 2. Nó đủ tốt để hệ thống AI Vision hoạt động ổn định và đủ rẻ để triển khai nhanh. Bạn có thể nâng cấp dần lên cách 3 cho những khu vực trọng điểm.

Góc nhìn đội IT: Tích hợp và kiểm soát kỹ thuật

Đội IT thường bị đặt câu hỏi: "Làm sao để đảm bảo ảnh không bị làm giả?" Đây là một vấn đề nghiêm trọng. Khi display scoring gắn với KPI và lương thưởng, động cơ gian lận là rất lớn. Nhân viên có thể chụp ảnh từ điện thoại khác, dùng ảnh cũ, hoặc thậm chí là ảnh chụp màn hình từ internet.

Giải pháp kỹ thuật không chỉ dừng lại ở việc nhận diện khuôn mặt hay SKU. Hệ thống cần có cơ chế phát hiện ảnh trùng, ảnh giả, và ảnh chụp màn hình. VTraks, một sản phẩm của AIVISION, có khả năng phát hiện các trường hợp này dựa trên các đặc điểm kỹ thuật của file ảnh và ngữ cảnh thời gian - vị trí. Tuy nhiên, công nghệ không thay thế được quy trình. Đội IT cần làm việc cùng đội vận hành để thiết lập các ngưỡng cảnh báo. Ví dụ, nếu một bức ảnh có độ phân giải quá thấp so với chuẩn, hệ thống nên từ chối tiếp nhận và yêu cầu chụp lại ngay lập tức, thay vì chờ đến cuối ngày mới phát hiện lỗi.

Bên cạnh đó, vấn đề băng thông cũng là một thách thức thực tế ở Việt Nam, đặc biệt tại các cửa hàng ở vùng sâu vùng xa. Nếu ảnh quá lớn, việc tải lên server sẽ chậm và dễ lỗi. Đội IT cần tối ưu hóa kích thước ảnh: đủ sắc nét để AI Visibility nhận diện chính xác, nhưng không quá lớn để gây tắc nghẽn mạng. Một bức ảnh JPEG nén tốt, độ phân giải vừa phải, thường là sự lựa chọn tối ưu nhất cho đa số các điểm bán.

Hơn nữa, dữ liệu cần được lưu trữ có cấu trúc. Mỗi bức ảnh cần gắn kèm metadata: thời gian chụp, vị trí GPS, ID nhân viên, mã cửa hàng. Đây là nền tảng để truy vết và kiểm toán. Nếu không có metadata này, khi có tranh chấp về kết quả chấm điểm, bạn sẽ không có bằng chứng để bảo vệ hệ thống hoặc nhân viên.

Câu hỏi thường gặp

Độ chính xác 99,97% của VTraks có nghĩa là gì trong thực tế?

Theo vtraks.com, con số này phản ánh khả năng nhận diện chính xác của hệ thống khi đầu vào là dữ liệu sạch, tức là ảnh chụp rõ nét, đúng góc và không bị can thiệp. Trong thực tế, độ chính xác cuối cùng còn phụ thuộc vào chất lượng ảnh mà đội bán hàng cung cấp. Nếu ảnh tốt, hệ thống sẽ đạt gần mức công bố. Nếu ảnh kém, độ chính xác sẽ giảm.

Nhân viên bán hàng có cần được đào tạo lại không?

Có. Nhưng không cần đào tạo quá phức tạp. Chỉ cần hướng dẫn ngắn gọn về các nguyên tắc chụp cơ bản: ánh sáng đủ, góc thẳng, khoảng cách phù hợp. Quan trọng hơn là xây dựng văn hóa coi trọng chất lượng dữ liệu. Khi nhân viên hiểu rằng ảnh chụp tốt giúp họ được đánh giá công bằng hơn, họ sẽ tự động cải thiện.

Bao lâu thì nên kiểm tra lại quy trình chụp ảnh?

Tôi khuyến nghị kiểm tra định kỳ hàng quý. Ban đầu, có thể cần tần suất cao hơn để điều chỉnh. Sau khi quy trình ổn định, bạn có thể giảm tần suất. Việc kiểm tra nên bao gồm cả việc xem lại các trường hợp bị từ chối hoặc cảnh báo để tìm ra nguyên nhân gốc rễ: là do lỗi kỹ thuật hay lỗi con người.

Chúng tôi viết loạt bài này từ kinh nghiệm triển khai AI cho doanh nghiệp. Xem thêm tại blog AIVISION, tìm hiểu nhận diện khuôn mặt và các giải pháp khác, hoặc liên hệ để được tư vấn.