Tuân thủ planogram từ một tấm ảnh kệ: quy trình cho trade marketing

05/10/2026

Ảnh kệ hàng thì công ty hàng tiêu dùng nào cũng có. Nhiều khi là cả một ổ cứng, chia thư mục theo tháng, theo vùng, theo tên nhân viên thị trường. Thứ còn thiếu là câu trả lời cho một câu hỏi rất ngắn trong cuộc họp đầu tuần: tuần trước bao nhiêu cửa hàng thật sự tuân thủ planogram? Ai cũng biết đáp án nằm đâu đó trong đống ảnh. Không ai đủ thời gian mở từng tấm ra đếm.

Bài này đi theo hành trình của một tấm ảnh chụp tại điểm bán: Chụp, Quét, Nhận diện, rồi ra kết quả Đạt hoặc Không đạt. Đó cũng là luồng mà VTraks đang dùng. Người tôi nghĩ tới khi viết là dân trade marketing và sales ops, những người phải biến chương trình trưng bày trên giấy thành thứ đo được, sửa được.

Trước khi chụp: planogram phải là dữ liệu

Nghe hơi ngược, nhưng phần việc quyết định nhất diễn ra trước khi có ai giơ điện thoại lên. AI chỉ chấm được khi biết một cái kệ “đúng” trông ra sao. Nếu planogram vẫn là một file thiết kế gửi qua email, kèm dòng ghi chú “tầng giữa ưu tiên vị mới”, thì máy chẳng có gì để so.

Nền tảng planogram của VTraks cho phép cấu hình hàng ngàn planogram và tự động áp dụng chúng theo thời gian, địa điểm và cửa hàng. Thử hình dung một chương trình trưng bày Tết chạy sáu tuần ở chuỗi cửa hàng tiện lợi nội thành, trong khi tạp hóa ở tỉnh vẫn dùng sơ đồ thường ngày. Khi quy tắc đã khai báo xong, ảnh chụp ở cửa hàng nào, vào ngày nào sẽ được so với đúng sơ đồ của cửa hàng đó, ngày đó. Không ai phải nhớ, không ai phải tra bảng.

Hai mẹo nhỏ cho phần này. Viết planogram sao cho đo được: “trưng bày nổi bật” thì không chấm nổi, còn “bốn mặt, tầng ngang tầm mắt, đứng cạnh dòng chủ lực” thì chấm được ngay. Và chốt luôn ai là người cập nhật sơ đồ khi chương trình đổi. Không có một cái tên cụ thể, planogram trên hệ thống sẽ cũ dần, và AI sẽ chấm rất chính xác theo một thứ đã sai.

Chụp, Quét, Nhận diện: tấm ảnh đi đâu

Chụp: ảnh tốt là ảnh thấy đủ

Ảnh không cần đẹp, chỉ cần đủ. Đứng chính diện, lấy trọn chiều cao kệ, đừng để xe đẩy hay khách hàng che mất nửa tầng. Kệ dài thì đừng cố nhét vào một khung hình. VTraks nhận cả một loạt quét tới 200 ảnh cho cùng một lần kiểm tra, và mỗi mặt hàng chỉ được đếm một lần dù nó lọt vào hai ảnh liền nhau. Nhân viên cứ chụp lần lượt từ trái sang phải, không cần tự ghép ảnh.

Quét và nhận diện: từ điểm ảnh tới danh sách SKU

AI nhận diện từng SKU trên kệ: sản phẩm nào, nằm ở đâu, bao nhiêu mặt. Theo số liệu công bố trên vtraks.com, mỗi ảnh được xử lý dưới 1 giây với độ chính xác 99,97%. Con số đẹp, nhưng với tôi điều đáng tiền hơn là sự đều tay. Một người kiểm tra lúc bốn giờ chiều, sau ba mươi cửa hàng, sẽ đếm khác lúc tám giờ sáng. Máy thì không biết mệt.

Chấm điểm: Đạt hay Không đạt, tới từng mặt trưng bày

Danh sách SKU được đặt cạnh planogram đang áp dụng cho cửa hàng đó. Kết quả là Đạt hoặc Không đạt cho từng điểm trưng bày, chi tiết tới số mặt và vị trí. Một kệ nước giải khát có thể Không đạt chỉ vì vị mới bị đẩy xuống tầng sát sàn, dù tổng số mặt vẫn đủ. Đây đúng là kiểu lỗi mà mắt người lướt ảnh rất dễ bỏ qua.

Biến Đạt và Không đạt thành việc cần làm

Dữ liệu tuân thủ chỉ có giá trị khi có người hành động theo nó. Vài cách dùng đáng thử:

• Sửa khi còn đứng ở cửa hàng: nếu kết quả về trong lúc nhân viên còn trước kệ, sắp lại vài mặt hàng chỉ mất vài phút. Để tuần sau quay lại thì tốn nguyên một chuyến đi.
• Nhìn theo vùng trước, theo người sau: mọi cửa hàng đổ về một data lake, dashboard trực tiếp cho thấy lỗi đang dồn ở khu vực nào.
• Tách lỗi sắp xếp khỏi lỗi hết hàng: kết quả nhận diện còn cho biết mức sẵn có trên kệ. Kệ Không đạt vì trống hàng là chuyện của khâu cung ứng, trách nhân viên thị trường cũng chẳng giải quyết được gì.
• Đổi thứ được chiếu trong cuộc họp: thay vì năm mươi tấm ảnh đẹp nhất, hãy mở danh sách những cửa hàng Không đạt nhiều tuần liền.

Nếu muốn xem các mảnh ghép này được gói lại thành một sản phẩm ra sao, trang giới thiệu VTraks trên aivision.vn tóm tắt đủ cả, từ nền tảng planogram tới phát hiện ảnh gian lận và thông tin đối thủ.

Những giới hạn nên nói thẳng từ đầu

AI không chấm được thứ nó không nhìn thấy. Ảnh ngược sáng, kệ bị thùng hàng che, cửa tủ mát mờ hơi nước: kết quả sẽ kém đi, và đó không phải lỗi của thuật toán. Hãy đưa tiêu chuẩn chụp vào buổi huấn luyện, đừng để mỗi người tự đoán.

Đạt hay Không đạt cũng chỉ là tín hiệu, không phải bản án. Một cửa hàng Không đạt ba tuần liền có thể vì chủ tiệm đã cho đối thủ thuê đúng vị trí đó. Việc của AI là chỉ ra khoảng trống, nhanh và đều. Còn ngồi xuống nói chuyện với chủ tiệm vẫn là việc của con người, và tôi nghĩ nên giữ nguyên như vậy.