Triển khai AI kiểm tra kệ hàng trên diện rộng: checklist 30 ngày

05/10/2026

Dự án AI ở điểm bán hiếm khi vấp chỉ vì mô hình nhận diện. Nó vấp ở những chỗ rất đời thường: planogram nằm rải rác trong email, nhân viên thị trường không hiểu vì sao phải chụp kỹ hơn, và dashboard thì đẹp nhưng chẳng ai được giao việc đọc. Ba mươi ngày đầu là lúc những chuyện đó lộ ra, hoặc được xử lý.

Checklist dưới đây chia việc triển khai AI kiểm tra kệ hàng thành các chặng theo tuần, viết cho đội trade marketing và sales ops đang chuẩn bị đưa VTraks vào một mạng lưới nhiều cửa hàng. Nó không phải quy trình duy nhất đúng. Nó là thứ tự tôi thấy hợp lý nhất để tránh làm lại.

Trước ngày 1: chốt bài toán và phạm vi

• Chọn một câu hỏi dẫn dắt: tuân thủ planogram, kệ trống hay ảnh gian lận. Đo được cả ba, nhưng nên có một thước đo chính để cả đội cùng nhìn.
• Chọn vùng thí điểm: hai vùng khác nhau về kênh, ví dụ một vùng dày cửa hàng tiện lợi, một vùng nhiều tạp hóa.
• Chọn ngành hàng: một hoặc hai ngành đang có chương trình trưng bày chạy thật, để có planogram thật mà chấm.
• Chỉ định người chịu trách nhiệm: một người bên trade marketing, một người bên sales ops, và một trưởng vùng ở mỗi vùng thí điểm.

Nếu cần một bản tóm tắt tính năng để mang vào buổi chốt phạm vi, trang VTraks trên aivision.vn là chỗ gọn nhất.

Ngày 1 đến 7: dọn dữ liệu nền

Tuần này chưa ai chụp ảnh. Nghe chán, nhưng đây là tuần quyết định mọi thứ phía sau.

• Rà danh mục SKU, tách rõ SKU của mình và SKU đối thủ cần theo dõi.
• Đưa planogram lên nền tảng của VTraks, khai báo quy tắc áp dụng theo thời gian, địa điểm và cửa hàng. Nền tảng chịu được hàng ngàn planogram, nên đừng ép nhiều kiểu kệ vào một sơ đồ chung chỉ cho gọn.
• Viết lại các yêu cầu mơ hồ thành tiêu chí đo được: số mặt, tầng kệ, sản phẩm nào đứng cạnh sản phẩm nào.
• Lập danh sách cửa hàng thí điểm, gắn đúng kênh, đúng vùng, đúng người phụ trách.

Ngày 8 đến 14: huấn luyện đội thị trường

• Tổ chức một buổi ngắn tại cửa hàng thật, không phải trong phòng họp. Chụp sai rồi xem kết quả là cách học nhanh nhất.
• Thống nhất chuẩn ảnh: chính diện, đủ chiều cao kệ, không bị che. Kệ dài thì chụp loạt, vì VTraks nhận tới 200 ảnh một lần quét và đếm mỗi mặt hàng một lần.
• Nói rõ rằng ảnh trùng, ảnh giả và ảnh chụp qua màn hình sẽ được kiểm tra tự động. Nói trước thì là quy tắc. Để sau mới nói thì thành cái bẫy.
• Giải thích kết quả Đạt và Không đạt dùng để làm gì. Nếu đội nghĩ đây là công cụ bắt lỗi người, họ sẽ chụp để qua, không chụp để thật.

Ngày 15 đến 21: chạy song song và hiệu chỉnh

Đây là tuần để nghi ngờ mọi thứ, kể cả AI.

• Lấy một mẫu cửa hàng, cho giám sát chấm tay song song với kết quả của VTraks. Chỗ nào lệch thì tìm nguyên nhân: do ảnh, do planogram, do người chấm hay do phần nhận diện.
• Đừng vội đổ lỗi cho ai. Kiểm tra planogram đã khai báo đúng chưa, ảnh có đủ chuẩn không, rồi mới xét tới phần nhận diện.
• Ngồi cùng trưởng vùng xem các ảnh bị gắn cờ gian lận. Phân biệt sơ suất với cố ý trước khi nói chuyện với bất kỳ ai.
• Đo thời gian mỗi lượt ghé trước và sau. Nếu chụp ảnh làm chuyến ghé dài ra quá nhiều, hãy sửa quy trình chứ đừng ép nhân viên chạy nhanh hơn.

Ngày 22 đến 30: gắn vào nhịp vận hành

• Dựng dashboard theo vùng trên data lake chung. Mỗi màn hình phải trả lời được một câu hỏi cụ thể, nếu không thì bỏ.
• Đưa danh sách cửa hàng Không đạt vào cuộc họp đầu tuần, kèm tên người xử lý và hạn chót.
• Bắt đầu đọc phần thông tin đối thủ và giá. Dữ liệu này đến từ cùng lần quét, nhưng cần người hiểu thị trường để diễn giải.
• Chốt tiêu chí mở rộng: tỉ lệ ảnh đạt chuẩn, mức khớp giữa AI và chấm tay trên mẫu, số lỗi đã thật sự được sửa tại cửa hàng.

Những thứ nên để sau ngày 30

Đừng gắn thưởng phạt vào điểm AI ngay tháng đầu, và kể cả về sau thì quyết định cuối cùng vẫn nên do người đưa ra. Đội cần thời gian để tin con số, và bạn cũng vậy. Đừng mở rộng mọi ngành hàng cùng lúc chỉ vì thí điểm suôn sẻ. Quy mô hiếm khi là nút thắt: theo số liệu công bố trên vtraks.com, hệ thống đã phục vụ hơn 1 triệu cửa hàng. Nút thắt thường là con người và quy trình quanh nó.

Và đừng đo thành công bằng số ảnh đã quét. Một triệu ảnh không tự sửa được cái kệ nào. Câu hỏi đáng hỏi vào ngày 30, và cả ngày 300, là có bao nhiêu kệ đã thật sự được sửa nhờ dữ liệu đó.