Assortment Optimization: Cách dữ liệu giúp nhà bán lẻ tăng lợi nhuận bền vững

Từ nền tảng nghiên cứu đó, CASK dịch và biên soạn thành 5 bài viết chuyên sâu để hệ thống hóa tư duy “Assortment Optimization” dành riêng cho những người làm Trade Marketing, Category Development và Sales Planning tại Việt Nam.

Assortment Optimization không đến từ việc tăng giá hay mở rộng cửa hàng mà từ sự tinh chỉnh khoa học trong từng quyết định list – delist – sắp xếp SKU, đọc ngay bài viết đầu tiên ngay để hiểu rõ hơn.

Vì sao Assortment Optimization trở nên cấp thiết?

Theo McKinsey, có năm yếu tố khiến việc tối ưu danh mục hàng hóa (Assortment Optimization) trở thành trọng tâm chiến lược trong bán lẻ:

• Số lượng SKU tăng nhanh: cả từ các thương hiệu lớn, thương hiệu mới và nhãn hàng riêng.
• Không gian trưng bày cố định: việc mở rộng quầy kệ gần như không thể, đặc biệt tại các cửa hàng trong đô thị.
• Chuỗi cung ứng phức tạp: khi số SKU tăng, chi phí vận hành và tồn kho cũng tăng theo.
• Người tiêu dùng đa dạng: mỗi cửa hàng có đặc thù khu vực, nhân khẩu học, và hành vi mua sắm khác nhau.
• Thách thức trong thương mại điện tử: dù “kệ hàng online” tưởng chừng vô hạn, doanh nghiệp vẫn cần kiểm soát danh mục để tránh nhiễu loạn lựa chọn và chi phí logistics cao.

Tất cả buộc nhà bán lẻ phải tìm cách “chọn đúng” hơn là “chọn nhiều”, nghĩa là phải ra quyết định dựa trên dữ liệu, không chỉ cảm tính.

Từ trực giác đến phân tích: bước ngoặt của dữ liệu

Trước đây, assortment management chỉ dừng ở mức “thống kê cơ bản” như doanh số, tốc độ quay vòng (rotation) hoặc tồn kho.

Giờ đây, big data và advanced analytics cho phép phân tích sâu đến hành vi mua hàng thực tế của khách.

McKinsey phát triển chỉ số Walk Rate, một thước đo thể hiện “độ độc nhất” của sản phẩm:

• Nếu sản phẩm bị loại khỏi kệ (delist), Walk Rate dự đoán tỷ lệ doanh số không thể chuyển sang sản phẩm khác và sẽ bị mất hoàn toàn.
• Chỉ số này giúp xác định SKU nào thật sự là “không thể thay thế” và SKU nào chỉ chiếm chỗ.

Nhờ vậy, các nhà bán lẻ có thể ra quyết định delist mà không sợ mất khách hàng, đồng thời tối ưu danh mục để nâng hiệu suất trên mỗi mét kệ hàng.

Giá trị tài chính của một quyết định đúng

McKinsey cũng chỉ ra rằng việc áp dụng hệ thống Assortment Optimization có thể tạo ra tác động tài chính đáng kể, bạn có thể xem chi tiết ở bảng bên dưới.

Ví dụ trong ngành e-grocery, một nhà bán lẻ khi áp dụng phân tích KPI đã giảm 36% số SKU, nhưng doanh thu và biên lợi nhuận vẫn tăng 1–2% nhờ danh mục tập trung và dễ quản lý hơn.

Bước khởi đầu: từ thử nghiệm nhỏ đến chiến lược toàn diện

Theo McKinsey, hành trình triển khai Analytical Assortment Optimization có thể bắt đầu chỉ trong 4–6 tuần với một pilot trên vài danh mục chọn lọc.

Kết quả ban đầu thường tạo ra “quick win” – ví dụ phát hiện nhóm sản phẩm có độ trùng lặp cao, hoặc SKU lợi nhuận thấp nhưng chiếm nhiều không gian.

Điều quan trọng không phải là công cụ, mà là tư duy data-driven:

“Retailers chỉ có thể khai thác toàn bộ giá trị của analytics khi insights được đưa vào tay chính những người ra quyết định thương mại.”

Tối ưu hóa danh mục – đòn bẩy lợi nhuận bền vững

Assortment Optimization không phải là dự án “làm một lần rồi xong”.

Đó là chu trình liên tục giữa listing – delisting – phân bổ không gian – phân tích hành vi khách hàng.

Những doanh nghiệp duy trì được chu trình này sẽ:

• Đạt hiệu suất biên lợi nhuận cao hơn nhờ loại bỏ SKU kém hiệu quả.
• Giảm độ phức tạp trong chuỗi cung ứng, từ mua hàng, vận hành đến tồn kho.
• Tăng mức độ gắn kết khách hàng nhờ danh mục phù hợp và trải nghiệm liền mạch hơn.

Khi đó, dữ liệu không còn là công cụ hỗ trợ mà trở thành năng lực cốt lõi để điều hành thương mại hiệu quả.

Kết luận

McKinsey gọi Analytical Assortment Optimization là “đòn bẩy lợi nhuận trong tầm tay” – bởi khi được ứng dụng đúng, nó giúp doanh nghiệp không chỉ tối ưu danh mục, mà còn nâng cấp tư duy ra quyết định thương mại.

Đây chính là nền tảng để chuyển từ “bán được nhiều hàng” sang “bán đúng hàng – đúng nơi – đúng cách”.

Nguồn: McKinsey & Company – Retail Analytics: Analytical Assortment Optimization, 2019.

👉 Trong Bài 2, chúng ta sẽ đi sâu vào quy trình “Listing – Delisting” và cách McKinsey đề xuất hệ thống hóa quyết định list SKU dựa trên 4 nhóm chỉ số hiệu quả: kinh tế, độc nhất, chi phí và chiến lược.

Trở thành chuyên gia Trade Marketing thời dữ liệu cùng CASK

Hiểu dữ liệu là một chuyện, biết cách biến dữ liệu thành hành động thương mại hiệu quả lại là một năng lực khác.

Khóa học Data-driven Trade Marketing Excellence của CASK giúp bạn:

• Làm chủ phân tích Sell-in / Sell-out, Assortment, Distribution, Promotion và Visibility;
• Xây dựng báo cáo có chiều sâu, biết kể chuyện bằng dữ liệu;
• Ứng dụng ngay phân tích thương mại vào công việc thực tế để thúc đẩy tăng trưởng.