Quy trình kiểm tra Shelf: Vì sao AI Visibility đang thay đổi FMCG

09/10/2026

Mở đầu: Sự thật trần trụi về 'Share of Shelf' và quy trình Display Scoring

Đi bất kỳ siêu thị nào ở Hà Nội hay TP.HCM, bạn sẽ thấy kệ hàng luôn trong trạng thái 'đổ bộ' lẫn lộn. Sản phẩm của đối thủ nhô cao hơn, hàng của bạn bị che khuất sau lớp giấy gói. Đây là hiện tượng mà mọi nhà phân phối FMCG đều biết, nhưng ít ai đo được chính xác nó đang xảy ra với tần suất bao nhiêu. Share of shelf không chỉ là một con số thống kê, mà là chỉ số sinh tồn của thương hiệu tại điểm bán. Nếu sản phẩm không hiện diện đúng vị trí, đúng tỷ lệ, doanh số sẽ giảm sút ngay lập tức mà bạn thậm chí không nhận ra nguyên nhân cho đến khi báo cáo bán hàng quý sau ra đời.

Vấn đề cốt lõi nằm ở quy trình chấm điểm trưng bày (display scoring). Đây là bước 'chốt hạ' trong chuỗi giá trị từ nhà máy đến kệ hàng. Nếu khâu này yếu, mọi nỗ lực marketing trước đó đều thành công cốc. Hiện tại, phần lớn doanh nghiệp vẫn đang chạy theo một quy trình thủ công hoặc bán tự động kém hiệu quả. Chúng ta sẽ cùng mổ xẻ quy trình này, xem xét những sai lầm chết người mà các nhà quản lý thường mắc phải, và điểm nào trong chuỗi đó AI Visibility (thông qua công nghệ AI Vision) có thể can thiệp hiệu quả nhất.

Sai lầm 1: Dựa vào 'con mắt' nhân viên và những bản báo cáo Excel lỗi thời

Đây là lỗi phổ biến nhất, đặc biệt ở các doanh nghiệp vừa và nhỏ. Quy trình thường diễn ra như thế này: nhân viên giám sát đi vòng quanh cửa hàng, chụp vài tấm ảnh bằng điện thoại cá nhân, sau đó ngồi lại văn phòng để 'nhìn bằng mắt' và điền vào file Excel. Một tấm ảnh có thể mất từ 5 đến 10 phút để phân tích thủ công nếu yêu cầu chi tiết về từng SKU.

Hậu quả là gì? Thứ nhất, tốc độ quá chậm. Thông tin về việc hàng hóa có bị đối thủ lấn át hay không đến tay bộ phận marketing khi đã quá muộn để hành động. Thứ hai, sai số con người. Khi mệt mỏi, nhân viên có thể bỏ sót một SKU bị thiếu hay đánh giá sai tỷ lệ diện tích trưng bày. Khoảng cách giữa thực tế trên kệ và số liệu trên báo cáo có thể chênh lệch đến 20-30%. Với một chuỗi có hàng nghìn cửa hàng, việc nhân viên tự ý chỉnh sửa dữ liệu hoặc thậm chí là 'làm màu' để báo cáo tiến độ cũng là một rủi ro không nhỏ. Bạn đang đưa ra quyết định chiến lược dựa trên dữ liệu đã bị biến dạng.

Sai lầm 2: Nghĩ rằng chụp ảnh là đủ, bỏ qua khâu xác thực dữ liệu đầu vào

Nhiều doanh nghiệp nghĩ rằng chỉ cần thu thập được ảnh là có thể xử lý. Họ bỏ qua một chi tiết kỹ thuật quan trọng: chất lượng và tính chân thực của dữ liệu đầu vào. Trong thực tế, nhân viên có thể chụp ảnh màn hình từ mạng, chụp ảnh cũ để báo cáo lại, hoặc chụp ở góc khuất khiến camera không nhận diện được mã vạch hoặc tên sản phẩm.

Việc thiếu một lớp xác thực tự động khiến toàn bộ quy trình trở nên mong manh. Nếu hệ thống AI nhận vào một ảnh giả, nó sẽ đưa ra kết quả sai, và bộ phận quản trị sẽ tốn thời gian vô ích để đối chiếu thủ công. Đây là lúc công nghệ AI Vision (AI Visibility) phát huy tác dụng. Thay vì chỉ là một bộ nhận diện khuôn mặt hay chữ viết đơn thuần, các giải pháp chuyên biệt cho bán lẻ như VTraks của AIVISION tập trung vào việc phát hiện ảnh trùng, ảnh giả và ảnh chụp màn hình ngay từ đầu vào. Nếu ảnh không đạt chuẩn, hệ thống sẽ từ chối xử lý hoặc cảnh báo, đảm bảo rằng mọi dữ liệu đi vào dashboard đều là 'thịt' chứ không phải 'rác'. Điều này tiết kiệm hàng giờ làm việc cho đội ngũ vận hành.

Sai lầm 3: Chấm điểm thủ công và thiếu sự đồng bộ về tiêu chí Planogram

Ngay cả khi có ảnh chất lượng, việc chấm điểm tuân thủ planogram (bản vẽ bố trí kệ) thường gặp sai lệch do tiêu chí không thống nhất. Nhân viên A có thể cho điểm 8/10 vì hàng đủ, trong khi nhân viên B cho điểm 5/10 vì vị trí chưa đúng. Sự chủ quan này làm mất đi ý nghĩa của việc so sánh hiệu quả giữa các cửa hàng hoặc các khu vực.

Cách khắc phục nằm ở việc tự động hóa hoàn toàn khâu chấm điểm. Với độ chính xác công bố trên vtraks.com là 99,97%, các giải pháp AI hiện nay có thể xử lý từng ảnh trong chưa đầy 1 giây. Hệ thống sẽ so sánh ảnh thực tế với bản planogram chuẩn đã được định nghĩa trước đó, và đưa ra kết quả 'Đạt' hoặc 'Không đạt' một cách khách quan. Không còn tranh cãi về con mắt con người. Dữ liệu từ hàng triệu cửa hàng được gom về một dashboard chung, cho phép quản lý nhìn thấy bức tranh toàn cảnh về Share of Shelf theo thời gian thực. Khi phát hiện một khu vực có tỷ lệ tuân thủ thấp bất thường, đội ngũ sales có thể can thiệp ngay trong ngày, thay vì chờ đến cuối tuần.

Đánh đổi và những điều còn bỏ ngỏ trong quy trình AI Vision

Việc triển khai AI Visibility không phải là phép màu biến mọi thứ thành xanh. Có những đánh đổi bạn cần chấp nhận. Chi phí ban đầu cho việc tích hợp hệ thống và đào tạo nhân viên chụp ảnh đúng chuẩn vẫn tồn tại. Hơn nữa, AI Vision chỉ giải quyết khâu 'nhìn' và 'đo'. Nó không tự động sắp xếp hàng hóa trên kệ. Con người vẫn cần xuống hiện trường để di chuyển sản phẩm, dán giá, và xử lý hàng hết hạn. AI là công cụ hỗ trợ ra quyết định, không phải robot dọn dẹp.

Ngoài ra, chất lượng planogram gốc là yếu tố then chốt. Nếu bản planogram bạn đưa vào hệ thống đã sai, hoặc không phù hợp với thực tế mặt bằng cửa hàng, kết quả chấm điểm sẽ phản ánh sự sai lệch đó. Doanh nghiệp cần liên tục cập nhật và tinh chỉnh planogram dựa trên dữ liệu phản hồi từ chính hệ thống AI. Đây là một vòng lặp cải tiến liên tục, đòi hỏi sự phối hợp chặt chẽ giữa bộ phận marketing, sales và IT. Hiện tại, vẫn chưa có giải pháp nào tự động hóa hoàn toàn khâu 'hành động' sau khi phát hiện sai lệch. Việc tích hợp với các ứng dụng quản lý bán hàng hoặc phần mềm chấm công nhân viên để tự động sinh ra nhiệm vụ (task) cho đội ngũ sales vẫn là một khoảng trống cần được lấp đầy. Nhưng bù lại, việc nắm bắt được dữ liệu chính xác, nhanh chóng và trung thực qua AI Vision đã giải quyết được 80% nỗi đau về tính minh bạch trong kênh bán lẻ truyền thống. Đây là bước nền tảng vững chắc để bất kỳ chiến lược tăng trưởng nào cũng có thể đứng vững.

Còn nhiều thứ không gói được trong một bài viết. Bạn có thể đọc tiếp các bài khác của AIVISION, xem giải pháp chấm điểm trưng bày hoặc nói chuyện trực tiếp với chúng tôi.