Trade Data

Danh mục sản phẩm trên kênh online đang trở thành một biến số ngày càng khó kiểm soát đối với doanh nghiệp FMCG. Không giống offline, nơi danh mục thường ổn định trong thời gian dài, FMCG assortment online liên tục thay đổi theo mùa vụ, theo từng nhà bán lẻ và theo đặc thù từng thị trường. Chuỗi phân tích của NielsenIQ (2024), dựa trên dữ liệu nội bộ (in-house data), cho thấy danh mục FMCG online không phải là một cấu trúc tĩnh. Ngược lại, nó phản ánh rõ cách các retailer điều chỉnh danh mục theo thời gian thực, từ đó mở ra một góc nhìn chi tiết hơn về cách FMCG assortment online đang vận động trong thực tế.

Trong nhiều năm, phân phối FMCG thường được đánh giá qua một câu hỏi quen thuộc: đã phủ được bao nhiêu điểm bán? Tuy nhiên, khi chi phí ngày càng tăng và kênh bán ngày càng phân mảnh, độ phủ không còn là bảo chứng cho tăng trưởng. Phân tích của NielsenIQ (2023) cho thấy, nếu doanh nghiệp sử dụng trade marketing data để xác định đúng khoảng trống phân phối và tập trung vào các điểm bán có giá trị cao, doanh nghiệp có thể mở khóa 57% tiềm năng tăng trưởng và gia tăng 10% thị phần. Điều này đặt ra một yêu cầu mới cho Trade Marketing: chuyển từ tư duy “phủ rộng” sang tối ưu phân phối dựa trên hiệu quả.

Trong Trade Marketing và Category Management, delist SKU (loại SKU khỏi danh mục bán) là một quyết định không đơn giản. Quyết định này không chỉ ảnh hưởng đến doanh thu ngắn hạn, mà còn tác động đến cấu trúc danh mục, hiệu quả sử dụng kệ và cách phân bổ nguồn lực Trade trong trung hạn. Tuy nhiên, trên thực tế, không ít quyết định delist lại được đưa ra khá nhanh, dựa trên những quan sát bề mặt như “SKU bán chậm”, “Sales không muốn bán”, hoặc “retailer không ưu tiên trưng bày”

Trong phân tích Trade Data, việc cùng một SKU cho ra kết quả sell-out hoặc velocity khác nhau giữa General Trade (GT), Modern Trade (MT) và eCommerce là hiện tượng thường gặp. Tuy nhiên, nếu chỉ nhìn SKU mà không đặt dữ liệu vào đúng Retail Environment (RE – môi trường bán lẻ), các chỉ số này rất dễ bị diễn giải sai. Bài viết này tiếp cận vấn đề từ góc nhìn phân tích dữ liệu, nhằm làm rõ bản chất của sự khác biệt và cung cấp khung phân tích phù hợp cho Trade Marketing và Business Analyst.

Trong nhiều doanh nghiệp FMCG/CPG, báo cáo ngành hàng (Category Performance) thường rơi vào một nghịch lý quen thuộc: số liệu nhiều, biểu đồ đẹp, nhưng sau cuộc họp lại thiếu quyết định rõ ràng và thiếu hành động ưu tiên. Vấn đề không nằm ở dữ liệu. Vấn đề nằm ở cách chúng ta thiết kế phân tích: làm dashboard trước rồi mới đi tìm câu hỏi, hoặc bám theo thói quen KPI/biểu đồ có sẵn nên báo cáo trở thành “tường thuật kết quả” thay vì “công cụ quản trị”.

Trong nhiều doanh nghiệp FMCG, dữ liệu Trade ngày càng nhiều nhưng việc ra quyết định lại ngày càng khó. Báo cáo dày lên, dashboard đẹp hơn, nhưng tranh luận trong các buổi review ngành hàng thì không bao giờ dứt. Nguyên nhân thường không nằm ở dữ liệu hay công cụ, mà nằm ở một nền tảng rất cơ bản: Category Hierarchy. Khi ngành hàng không được định nghĩa và cấu trúc đúng, mọi phân tích phía sau – từ tăng trưởng, segmentation đến assortment đều có nguy cơ “đúng số nhưng sai nghĩa”. Bài viết này phân tích vì sao Category Hierarchy là nền móng dữ liệu quan trọng nhất trong Trade Marketing, những sai lầm phổ biến khi xây dựng, và cách nó quyết định trực tiếp chất lượng insight và quyết định thương mại.