Công nghệ nhận diện kệ hàng bằng AI: Thủ công, Chụp ảnh hay Thực tế tăng cường (Augmented Reality)?

Disclaimer: Bài viết này được CASK dịch và biên soạn lại từ nguồn gốc của Softserves. Mọi nội dung, số liệu và quan điểm thuộc về Softserves. CASK chỉ cung cấp bản dịch để tham khảo và không chịu trách nhiệm về tính chính xác hay đầy đủ của nội dung gốc.

Trong thế giới công nghệ ngày nay, thị trường nhận diện hình ảnh kệ hàng (shelf image recognition) đang phát triển mạnh mẽ và tạo ra nhiều thay đổi đáng kể cho các ngành hàng. Theo Allied Market Research, thị trường nhận diện hình ảnh toàn cầu đạt giá trị 28,3 tỷ USD vào năm 2022 và dự kiến sẽ chạm mốc 126,8 tỷ USD vào năm 2032, với tốc độ tăng trưởng CAGR 16,5% giai đoạn 2023–2032.

Nhu cầu tự động hóa ngày càng tăng chính là động lực thúc đẩy sự mở rộng của thị trường này. Các doanh nghiệp FMCG đang chủ động tìm kiếm giải pháp nâng cao hiệu suất, đưa tự động hóa trở thành ưu tiên chiến lược. Đồng thời, những tiến bộ trong machine learning và computer vision tiếp tục đóng vai trò quan trọng trong việc định hình sự phát triển của ngành.

Sự Tiến Hóa của Công Nghệ Shelf Image Recognition

Hành trình phát triển của công nghệ nhận diện kệ hàng bắt đầu vào khoảng năm 2015, dựa trên phiên bản Gartner Hype Cycle for Computer Vision thời điểm đó.

• Giai đoạn công nghệ bắt đầu nổi lên (Technology Trigger): Đây là lúc kỳ vọng tăng mạnh, nhiều người tin rằng nhận diện hình ảnh có thể giải quyết gần như mọi thách thức trong ngành.
• Đến năm 2017, sự hào hứng và đầu tư bùng nổ. Thị trường kỳ vọng vào một giải pháp “hoàn hảo”, có thể vận hành mượt mà, chính xác.
• Khi đó, độ chính xác và tốc độ xử lý được xem là hai ưu tiên hàng đầu – được kỳ vọng sẽ tối ưu hóa hoạt động thực thi tại thị trường.

Tuy nhiên, đến năm 2021, ngành FMCG bắt đầu trải qua “trũng kỳ vọng” (trough of disillusionment). Các doanh nghiệp nhận ra rằng chỉ nhận diện sản phẩm thôi là chưa đủ. Công nghệ cần phải mang đến phân tích thời gian thực, khả năng ứng dụng tốt hơn, và mang lại giá trị thực tiễn cao hơn.

Bước ngoặt đến vào năm 2023, khi shelf image recognition tiến gần tới “cao nguyên năng suất” (plateau of productivity). Công nghệ không chỉ hỗ trợ đội ngũ thị trường mà còn trở thành nguồn dữ liệu cốt lõi cho nhiều phòng ban. Không chỉ thế, với sự xuất hiện của Augmented Reality, việc quét kệ hàng trở nên nhanh chóng và trực quan hơn bao giờ hết, mở ra một kỷ nguyên mới cho hoạt động bán hàng và quản lý trưng bày trong FMCG.

Nhận diện hình ảnh kệ hàng thủ công (Manual Shelf Image Recognition)

Trong nhiều thập kỷ, các doanh nghiệp FMCG đã dựa vào phương pháp nhận diện kệ hàng thủ công như một cách chính để kiểm tra và đánh giá tình trạng trưng bày tại điểm bán. Quy trình này yêu cầu nhân viên đi thị trường trực tiếp quan sát kệ hàng nhằm đối chiếu việc trưng bày sản phẩm với planogram, xác nhận mức độ sẵn có của sản phẩm, kiểm tra danh mục (assortment) và đảm bảo tuân thủ các tiêu chuẩn merchandising của ngành FMCG.

Tuy nhiên, cách làm này vốn dĩ tốn nhiều thời gian, tiêu hao nhân lực và chi phí cao. Không chỉ vậy, nó còn dễ xảy ra sai sót do yếu tố con người, mang tính chủ quan và thường dẫn đến dữ liệu kiểm tra không đầy đủ, khiến việc duy trì chất lượng dữ liệu audit tại điểm bán trở nên rất khó khăn. Khi các yếu tố cảm tính được đưa vào đánh giá, doanh nghiệp FMCG không còn dựa hoàn toàn vào số liệu và tính logic – điều có thể ảnh hưởng trực tiếp đến hiệu quả kinh doanh.

Một ví dụ thực tế từ kinh nghiệm triển khai của chúng tôi cho thấy rõ vấn đề này:

Một khách hàng tại Anh sử dụng một bộ KPI cụ thể để đánh giá đội ngũ sales thị trường, trong đó một chỉ số quan trọng là số lượng facings trên kệ. Tuy nhiên, để một SKU được tính là đạt KPI, sản phẩm đó phải được trưng bày mà không có bất kỳ bao bì phụ nào đi kèm. Khi quy trình này được thực hiện hoàn toàn thủ công, mọi thứ dường như vẫn vận hành ổn định và đội ngũ sales liên tục đạt chỉ tiêu.

Nhưng sau khi doanh nghiệp triển khai công nghệ nhận diện hình ảnh bằng AI để tự động hóa quá trình kiểm tra, sự thật mới được phơi bày: rất nhiều “kết quả đạt KPI” trước đó thực chất là không chính xác. Nhiều SKU vẫn được trưng bày kèm bao bì phụ. Khi đội ngũ được hỏi về sự chênh lệch này, các cuộc trao đổi nhanh chóng trở nên mang tính chủ quan, bởi mỗi người có một cách hiểu khác nhau về thế nào là “SKU không có bao bì bổ sung”.

Sự không thống nhất này đã tác động nghiêm trọng đến hoạt động kinh doanh, khiến hơn 50% KPI không đạt, kéo theo sụt giảm doanh số và doanh thu.

Dưới đây là những con số trung bình có thể kỳ vọng khi doanh nghiệp vẫn sử dụng phương pháp manual shelf recognition:

Ngoài ra, cần làm rõ một hiểu lầm khá phổ biến: nhiều người cho rằng audit thủ công là cách chính xác nhất. Trên thực tế, do yếu tố chủ quan và sai sót con người, độ chính xác chỉ đạt khoảng 30–60%, trong khi mỗi lượt audit thường mất 20–30 phút hoặc hơn (với cửa hàng quy mô trung bình).

Bất chấp những hạn chế kể trên, một khảo sát toàn cầu của CGT cho thấy rằng, không phân biệt FMCG hay CPG, có tới 58% doanh nghiệp có doanh thu dưới 500 triệu USD/năm vẫn sử dụng Excel để phân tích dữ liệu thị trường. Các doanh nghiệp này tiếp tục dựa vào phương pháp nhận diện kệ hàng thủ công do:

• Hạn chế về ngân sách
• Thiếu hạ tầng công nghệ
• Ngại thay đổi các quy trình đã vận hành lâu năm

Ngoài ra, việc thuê bên thứ ba thực hiện merchandising cũng khá phổ biến, bởi chi phí thường thấp hơn so với việc duy trì một đội ngũ nội bộ.

Tuy nhiên, theo chính khảo sát của CGT, hơn 25% lãnh đạo trong các công ty CPG đang cân nhắc ứng dụng AI để hỗ trợ mục tiêu retail execution. Và một cách tự nhiên, AI nhận diện hình ảnh kệ hàng đang trở thành bước đi đầu tiên trong hành trình tự động hóa và nâng cao hiệu quả vận hành.

Nhận diện kệ hàng bằng AI dựa trên hình ảnh chụp (AI Photo-Based Shelf Image Recognition)

Giải pháp FMCG Image Recognition sử dụng công nghệ nhận diện hình ảnh dựa trên ảnh chụp, giúp doanh nghiệp thực hiện kiểm tra kệ hàng một cách hiệu quả và đáng tin cậy. Công cụ này cho phép audit kệ hàng nhanh chóng, đồng thời đóng vai trò như một nguồn dữ liệu thời gian thực cho quản lý kệ, từ đó nâng cao độ chính xác và tinh gọn vận hành.

Độ chính xác của các giải pháp nhận diện kệ hàng dựa trên ảnh phụ thuộc vào chất lượng hình ảnh, thuật toán nhận diện và mức độ huấn luyện của hệ thống. Hiện nay, nhiều giải pháp ứng dụng AI đã đạt độ chính xác trên 95%, vượt xa phương pháp thủ công. Không chỉ vậy, các hệ thống tự động còn giúp giảm đáng kể thời gian audit, trung bình rút ngắn khoảng 30% cho mỗi lượt kiểm tra.

Quan trọng hơn, AI Image Recognition tạo ra tác động rất lớn đến kết quả kinh doanh. Khi công nghệ tiên tiến được triển khai, các doanh nghiệp FMCG có thể chuyển đổi hoàn toàn cách ra quyết định và “kiểm chứng thực tế” (reality check), từ đó tạo ảnh hưởng tích cực đến doanh thu và trải nghiệm người tiêu dùng.

Một ví dụ điển hình là case của khách hàng chúng tôi trong ngành hàng vệ sinh cá nhân. Doanh nghiệp này triển khai AI nhận diện kệ hàng theo hai giai đoạn và cuối cùng đã:

• Phủ 17.000 cửa hàng
• Hơn 500 sales reps
• 60+ area sales managers
• Khoảng 11.000 lượt ghé thăm mỗi tháng

Việc tự động hóa một khối lượng công việc thủ công lớn như vậy đã tạo ra sự thay đổi rất đáng kể cho hoạt động kinh doanh.

Ngay sau khi đưa automation vào vận hành, KPI kinh doanh giảm mạnh, bởi doanh nghiệp bắt đầu nhận được dữ liệu thực, khách quan từ cửa hàng theo thời gian thực. Tuy nhiên, sau 4 tháng, các KPI đã quay trở lại mức ban đầu – nhưng lần này được hỗ trợ bởi hiệu suất và kết quả “thực” của đội ngũ, thay vì con số mang tính chủ quan.

Không dừng lại ở đó, Image Recognition tự động giúp giảm 60% chi phí và tăng tốc độ audit khoảng 30%, giải phóng thời gian để đội sales tập trung nhiều hơn vào hoạt động bán hàng.

Từ kinh nghiệm triển khai cho nhiều khách hàng trên khắp châu Âu, chúng tôi có thể tổng hợp so sánh trung bình giữa audit kệ hàng bằng AI và audit thủ công như sau:

Mặc dù nhận diện kệ hàng bằng AI đã chứng minh hiệu quả rõ rệt, hơn 75% doanh nghiệp vẫn gặp khó khăn trong việc đảm bảo các chương trình khuyến mãi được triển khai đúng tại điểm bán. Thực tế từ các khách hàng của chúng tôi cho thấy: khi AI Image Recognition được tích hợp chặt chẽ với SFA và TPM, doanh nghiệp có thể nâng cao đáng kể hiệu quả thực thi khuyến mãi. Nhờ dữ liệu tại cửa hàng chất lượng cao, cập nhật theo thời gian thực, các chỉ số như promo compliance và các KPI liên quan đến khuyến mãi có thể được tính toán gần như ngay lập tức, giúp doanh nghiệp kiểm soát tốt hơn và phản ứng nhanh hơn với thực tế thị trường.

Công nghệ nhận diện kệ hàng bằng Thực tế tăng cường (Augmented Reality – AR)

Thực tế tăng cường (Augmented Reality – AR) là một công nghệ tiên tiến, cho phép kết hợp không gian kệ hàng ngoài đời thực với các lớp thông tin do máy tính tạo ra. Khi được ứng dụng cùng machine learning trong FMCG, giải pháp này giúp nâng cao đáng kể hiệu suất làm việc của đội ngũ sales và lực lượng thị trường. Vậy công nghệ này hoạt động như thế nào?

Thay vì chỉ chụp lại một hình ảnh kệ hàng tĩnh, AR cho phép người dùng tương tác trực tiếp với môi trường cửa hàng theo thời gian thực. AR shelf recognition đóng vai trò như một trợ lý ảo cho sales reps, cung cấp hướng dẫn ngay lập tức sau khi quét kệ hàng và chỉ rõ những hành động cần thực hiện tại điểm bán.

Công nghệ này đặc biệt được thiết kế để tối ưu hiệu quả kinh doanh khi audit các cửa hàng lớn hoặc những khu trưng bày phụ (secondary displays) phức tạp. Về bản chất, mức độ tương tác nâng cao với kệ hàng không làm dữ liệu chính xác hơn so với AI thông thường, nhưng nó cho phép đội ngũ thực hiện audit tại cửa hàng nhanh hơn bao giờ hết. Lý do là bởi dữ liệu được hiển thị theo thời gian thực, ngay trên màn hình, không cần chờ hệ thống xử lý và trả kết quả nhận diện. Điều này giúp ra quyết định nhanh hơn và vận hành hiệu quả hơn ngay tại điểm bán.

Để thấy rõ lợi thế của AR, hãy xét một ví dụ thực tế. Giả sử mỗi sales representative thực hiện trung bình 7 lượt ghé thăm cửa hàng mỗi ngày (hypermarket và supermarket). Đây là những cửa hàng có lối đi rất dài, mỗi lối đi có thể dài tới 30 mét. Mục tiêu của bạn là thu thập đầy đủ dữ liệu về tất cả SKU, giá bán và đối thủ cạnh tranh trên kệ.

So sánh trực tiếp giữa Photo-Based Shelf Recognition, Manual Audit và AR Shelf Recognition sẽ như sau:

Với AR Shelf Recognition, doanh nghiệp FMCG có thể tăng thêm ít nhất 1 lượt ghé thăm cửa hàng mỗi ngày cho mỗi sales representative, từ đó tác động trực tiếp và tức thì đến doanh số toàn hệ thống.

Bên cạnh đó, AR còn mang lại những lợi ích quan trọng sau:

• Toàn cảnh kệ hàng theo thời gian thực, bao gồm các khoảng trống và khu vực chưa được quét
• Quét lại kệ hàng mà không làm mất dữ liệu, vì hệ thống sẽ tự động cập nhật toàn bộ KPI dựa trên điều kiện thực tế tại cửa hàng
• Ngăn chặn việc đếm trùng sản phẩm, ngay cả khi cùng một SKU được quét nhiều lần, đảm bảo độ chính xác ở cấp độ hệ thống

Xa hơn nữa, AR-driven shelf recognition mở ra khả năng hướng dẫn động theo thời gian thực cho sales agents và cho phép phân tích dữ liệu sâu hơn, dựa trên dữ liệu thực tế tại kệ. Nhờ đó, doanh nghiệp có thể chuyển insight từ công nghệ nhận diện kệ hàng thành hành động cụ thể, giúp tối ưu retail execution một cách hiệu quả và có hệ thống hơn.

Cách tiếp cận nào phù hợp nhất cho doanh nghiệp của bạn?

Khi lựa chọn một hệ thống nhận diện hình ảnh kệ hàng, điều quan trọng là đánh giá toàn diện mọi khía cạnh, thay vì chỉ chạy theo xu hướng thị trường. Để đưa ra quyết định đúng đắn, doanh nghiệp cần hiểu rõ công nghệ nào phù hợp nhất với năng lực tài chính và kỹ thuật hiện tại, đồng thời thực hiện so sánh nghiêm túc giữa các giải pháp đang có.

Việc so sánh các giải pháp shelf recognition là bước không thể thiếu trong quá trình này. Điều đã quá rõ ràng ở thời điểm hiện tại là phương pháp audit thủ công không còn chỗ đứng trong hệ sinh thái FMCG hiện đại. Cách làm này tiêu tốn quá nhiều nguồn lực nhưng mang lại quá ít giá trị thực tế.

Tuy nhiên, lựa chọn giữa AI Shelf Image Recognition “truyền thống” và Augmented Reality Shelf Image Recognition nâng cao lại là một bài toán phức tạp hơn. Quyết định này phụ thuộc rất nhiều vào nhu cầu cụ thể, cơ hội phát triển và yêu cầu vận hành của từng doanh nghiệp. Chúng tôi khuyến nghị bắt đầu từ quy mô nhỏ. Trước tiên, doanh nghiệp cần nhìn lại chính mình và trả lời những câu hỏi cốt lõi như:

• Bạn cần loại dữ liệu gì từ cửa hàng?
• Dữ liệu cần nhanh đến mức nào?
• Tần suất thu thập ra sao?
• Sau khi có dữ liệu, doanh nghiệp sẽ sử dụng nó như thế nào?

Khi chiến lược đã rõ ràng, bước tiếp theo là triển khai pilot, thử nghiệm nhiều công nghệ và cách tiếp cận khác nhau. Từ đó, doanh nghiệp có thể xác định chiến lược rollout phù hợp và từng bước nâng cao mức độ trưởng thành về mặt công nghệ theo thời gian.

Cuối cùng, cần nhớ rằng Image Recognition chỉ là một công cụ. Nó chỉ thực sự tạo ra giá trị khi được con người sử dụng đúng cách. Vì vậy, khi tiếp cận chuyển đổi số toàn bộ tổ chức, thay vì xem đây chỉ là việc triển khai một giải pháp phần mềm CPG đơn lẻ, doanh nghiệp cần đặt bài toán kinh doanh lên trước và lựa chọn một đối tác đủ năng lực để đồng hành xuyên suốt hành trình đó.

Đọc bài viết gốc AI Shelf Image Recognition: Manual vs Photo vs Augmented Reality tại đây