1. Hết hàng không chỉ là lỗi của chuỗi cung ứng

Trong ngành hàng tiêu dùng nhanh (FMCG), “hết hàng” hay gọi là Out of Stock (OOS) là tình huống người mua đến kệ nhưng không thấy sản phẩm họ muốn. Nghe có vẻ đơn giản, nhưng đây là một trong những nguyên nhân khiến doanh nghiệp mất doanh số nhiều nhất.

Theo ECR Europe, tỷ lệ hết hàng trung bình của ngành FMCG toàn cầu ở mức khoảng 8%. Điều đáng nói là hơn 3/4 nguyên nhân lại xảy ra ngay tại cửa hàng – ví dụ như hàng chưa được trưng bày kịp, không refill đúng thời điểm, hoặc báo cáo tồn kho bị sai. Nghĩa là, vấn đề không chỉ nằm ở nhà máy hay kho tổng, mà ở “khoảnh khắc cuối cùng” trên kệ hàng – nơi quyết định có bán được hay không.

Ở Việt Nam, người mua ngày càng cẩn trọng hơn. Họ không mua quá nhiều, nhưng mỗi lần mua đều muốn “phải có đúng hàng, đúng giá”. Nếu kệ trống, họ đổi sang thương hiệu khác – nhanh và dứt khoát. Nghiên cứu của Kantar năm 2025 cho thấy 37% người mua sẽ không quay lại thương hiệu đã hết hàng hai lần liên tiếp.

Vì vậy, hết hàng không chỉ là vấn đề của bộ phận cung ứng, mà là vấn đề thương mại. Khi sản phẩm không có mặt trên kệ, thương hiệu mất cơ hội bán hàng, retailer mất doanh thu, và KAM mất niềm tin trong mối quan hệ hợp tác.

Nói ngắn gọn: “Tính sẵn sàng trên kệ” (On-Shelf Availability – OSA) chính là chỉ số sống còn mà một KAM cần theo dõi hàng ngày.

2. Dòng chảy hàng hóa trong chuỗi tồn kho và vai trò của KAM

Để hiểu vì sao tình trạng hết hàng (out-of-stock) xảy ra, cần hình dung chuỗi tồn kho trong kênh bán lẻ hiện đại (Modern Trade) như một hệ thống ba tầng vận hành liên kết:

1. Kho trung tâm (Distribution Center – DC Stock): Là nơi hàng hóa được tập kết, lưu trữ và điều phối đến các cửa hàng trong hệ thống. Theo phân tích của McKinsey, trung tâm phân phối đóng vai trò then chốt trong việc đảm bảo khả năng cung ứng ổn định, tối ưu hóa chi phí logistics và tốc độ luân chuyển hàng hóa (McKinsey & Company).
2. Kho cửa hàng hoặc kho phụ (Store / Back-room Stock): Là lượng hàng đã được vận chuyển đến cửa hàng nhưng chưa trưng bày ra kệ. Các nghiên cứu cho thấy, việc chậm bổ sung hàng từ kho phụ lên kệ là một trong những nguyên nhân phổ biến khiến “kệ trống” dù tồn kho tổng thể vẫn dương (Grubor et al., 2015).
3. Hàng trên kệ (Shelf Stock / On-Shelf Availability – OSA): Là hàng hóa khách hàng có thể nhìn thấy và mua trực tiếp. Theo nghiên cứu của Thomas Gruen và Daniel Corsten, tỷ lệ thiếu hàng trên kệ trung bình toàn cầu vào khoảng 8%, gây thiệt hại đáng kể cho doanh thu và trải nghiệm mua sắm (Gruen & Corsten, 2016).

Chỉ cần dòng hàng bị “nghẽn” tại một trong ba tầng, ví dụ, hàng về kho cửa hàng nhưng chưa được refill kịp thời thì kệ sẽ trống, dẫn tới mất doanh thu và giảm trải nghiệm mua sắm. Đây là khu vực mà KAM (Key Account Manager) cần theo dõi sát sao và chủ động can thiệp.

KAM đóng vai trò kết nối toàn bộ chuỗi tồn kho, là đầu mối sở hữu bức tranh tổng thể: dữ liệu nhập hàng từ công ty (sell-in), dữ liệu bán ra từ nhà bán lẻ (sell-out) và phản hồi thực tế từ đội ngũ trưng bày tại điểm bán. Với khả năng này, KAM có thể phát hiện sớm các điểm nghẽn trong luồng hàng và phối hợp với các bộ phận liên quan để xử lý kịp thời.

Tại Việt Nam, các chuỗi bán lẻ lớn như WinCommerce và AEON Vietnam đang đẩy mạnh chuyển đổi số trong quản trị chuỗi cung ứng bao gồm việc áp dụng hệ thống ERP, phân tích dữ liệu và số hóa báo cáo vận hành nhằm tối ưu quản lý tồn kho và nâng cao hiệu quả bán lẻ (FPT IS & AEON Vietnam, 2024; Vietnam.vn).

Sự chuyển đổi này đặt ra yêu cầu mới cho đội ngũ KAM: không thể chỉ dựa vào cảm nhận hay báo cáo tuần, mà phải hiểu rõ dữ liệu, theo dõi “nhịp thở” của dòng hàng, và phản ứng nhanh khi có dấu hiệu bất thường.

Tồn kho không chỉ là con số trên bảng tính, đó là nhịp đập của hệ thống thương mại. Và KAM chính là người giữ cho nhịp đập ấy luôn ổn định.

3. KAM thời dữ liệu – từ bán hàng sang điều phối thông tin

Ngày trước, KAM chủ yếu tập trung vào thương lượng và doanh số. Nhưng giờ, khi dữ liệu được cập nhật theo giờ, vai trò của KAM đã thay đổi: họ trở thành người kết nối thông tin và ra quyết định bằng dữ liệu.

Một KAM hiện đại phải làm chủ bốn nhóm dữ liệu cơ bản:

• Sell-in: lượng hàng công ty giao cho retailer.
• Sell-out: lượng hàng bán ra cho người mua.
• OSA (On-Shelf Availability): tỷ lệ sản phẩm thực sự có mặt trên kệ.
• Promotion Sell-through: tỷ lệ hàng bán ra trong các chương trình khuyến mãi.

Khi bốn dòng dữ liệu này được nối liền, KAM có thể thấy trước nguy cơ hết hàng, thay vì chỉ phản ứng sau khi doanh số giảm.

Ví dụ:

• Nếu Sell-out tăng mạnh nhưng Sell-in đứng yên, nghĩa là hàng đang “bốc nhanh” và cần refill sớm.
• Nếu Sell-in cao nhưng OSA giảm, hàng có thể đang bị “kẹt” ở kho cửa hàng.
• Nếu Sell-through vượt 80% sau hai ngày khuyến mãi, cần bổ sung hàng ngay để không “cháy” kệ.

KAM cũng cần đọc được các tín hiệu cảnh báo sớm, chẳng hạn:

• Chênh lệch Sell-in và Sell-out trên 15% trong hai kỳ liên tiếp.
• SKU bán nhanh hơn 20% so với trung bình nhưng không refill trong 5 ngày.
• Cửa hàng giảm tần suất đặt hàng bất thường.

Những dấu hiệu này giúp KAM phát hiện vấn đề trước khi kệ trống.

Thực tế tại Việt Nam, nhiều doanh nghiệp lớn như Unilever, Nestlé hay Masan Consumer đã có dashboard OSA và Forecast Accuracy cho từng khách hàng trọng điểm. Các KPI như Forecast Accuracy ≥ 85% hay OSA ≥ 90% không còn là chỉ tiêu kỹ thuật, mà là thước đo năng lực vận hành thương mại của KAM.

Nói cách khác, nếu trước đây KAM “bán hàng bằng quan hệ”, thì nay họ phải giữ được quan hệ bằng dữ liệu. Dữ liệu chính là ngôn ngữ chung giữa nhà cung cấp và nhà bán lẻ, và ai hiểu nó tốt hơn – người đó làm chủ cuộc chơi.

4. Case study: Unilever - khi camera trở thành “mắt” của KAM

Một trong những thách thức lớn nhất của KAM là không thể ở cùng lúc ở mọi cửa hàng. Bạn có thể xem báo cáo bán hàng, nhưng không biết kệ đang trống ở đâu hay vì sao.

Unilever đã giải quyết vấn đề này bằng công nghệ. Tại Thổ Nhĩ Kỳ, họ hợp tác với Pensa Systems, công ty chuyên dùng AI computer vision để theo dõi tình trạng kệ hàng trong thời gian thực.

Cách làm rất đơn giản mà hiệu quả: camera được đặt ở các điểm bán chụp ảnh kệ 4–6 lần mỗi ngày. Phần mềm AI của Pensa phân tích hình ảnh, phát hiện chỗ trống theo SKU, rồi gửi báo cáo trực tiếp về dashboard của đội KAM và Supply.

Thay vì đợi đến kỳ kiểm tra tuần, KAM giờ có thể biết cửa hàng nào đang thiếu hàng, SKU nào đang “cháy”, và nguyên nhân do đâu (do không refill hay do DC hết hàng).

Kết quả thử nghiệm cho thấy:

• Tỷ lệ hết hàng giảm rõ rệt,

• Tỷ lệ có mặt trên kệ (OSA) tăng ổn định,

• Doanh số tăng hơn 4% chỉ sau 6 tháng nhờ phản ứng nhanh.

  (Nguồn: Pensa Systems – Unilever Case Study, 2024)

Điều đáng chú ý là không chỉ doanh số tăng. Điều thay đổi sâu hơn chính là cách KAM vận hành: từ bị động chờ báo cáo → sang chủ động giám sát theo thời gian thực.

Tại Việt Nam, vài nhà bán lẻ lớn như WinCommerce, Guardian đang bắt đầu thử nghiệm hệ thống camera nhận diện trưng bày. Khi công nghệ này phổ biến, KAM sẽ không cần đến cửa hàng kiểm tra thủ công, mà “nhìn kệ” qua dữ liệu hình ảnh – chính xác, nhanh và minh bạch hơn nhiều.

Thông điệp từ case này rất rõ:

“KAM không cần có mặt ở cửa hàng, nhưng vẫn phải thấy được điều đang diễn ra ở đó.”

5. Case study: Coca-Cola Hellenic - giữ kệ luôn đầy bằng dữ liệu hình ảnh

Coca-Cola Hellenic, một trong những nhà đóng chai lớn nhất của Coca-Cola tại châu Âu, từng đối mặt với vấn đề giống hệt: mạng lưới bán hàng rộng, nhưng kiểm tra kệ quá chậm.

Họ hợp tác với Trax Retail, nền tảng AI giúp phân tích hình ảnh kệ hàng. Nhân viên cửa hàng chỉ cần chụp ảnh quầy – hệ thống tự động nhận diện SKU, tính toán tỷ lệ có hàng, vị trí trưng bày, và báo về trung tâm.

Kết quả sau khi áp dụng:

• Tỷ lệ hết hàng giảm 3–5 điểm phần trăm.

• Phạm vi trưng bày tăng gấp 3,6 lần.

• Thời gian xử lý lỗi trưng bày giảm từ 5 ngày xuống 1 ngày.

  (Nguồn: BestPractice.AI – Coca-Cola Hellenic × Trax, 2023)

Điểm đáng học hỏi ở đây không chỉ là công nghệ, mà là tốc độ phản ứng. Trước đây, KAM cần vài ngày để phát hiện sai trưng bày; nay, họ có thể phản hồi trong 24 giờ.

Tại Việt Nam, các doanh nghiệp FMCG đang dần tiến về hướng này.

Hệ thống Retailer Portal và DMS (Distribution Management System) đã cung cấp dữ liệu bán ra gần theo ngày. Khi kết hợp thêm dữ liệu hình ảnh, KAM Việt Nam hoàn toàn có thể đạt “Perfect Store” mà không phải đi thị sát từng điểm.

6. Những hành động dành cho KAM

Khi thị trường ngày càng cạnh tranh, “kệ trống” không chỉ là lỗi nhỏ, mà là lỗ hổng doanh thu. Để kiểm soát tốt tồn kho và đảm bảo hàng luôn sẵn sàng, KAM cần ba trụ cột hành động rõ ràng:

Visibility – Thấy được toàn cảnh

Mọi quyết định phải dựa trên dữ liệu cập nhật. KAM cần có dashboard hàng tuần hiển thị OSA, Sell-in, Sell-out, Days of Supply và Forecast Accuracy cho từng retailer. Khi dữ liệu minh bạch, phản ứng cũng nhanh hơn.

Accountability – Rõ người, rõ việc

Mỗi KAM nên có “OSA Champion” – người chịu trách nhiệm theo dõi và xử lý tình trạng hết hàng của từng nhóm sản phẩm. Nếu OSA giảm, phải biết ai hành động và khi nào.

Agility – Phản ứng trong 48 giờ

Theo McKinsey (2024), các doanh nghiệp đạt OTIF ≥ 95% đều có khả năng xử lý cảnh báo trong vòng 48 giờ. Tại Việt Nam, nhiều công ty sữa và hàng tiêu dùng nhanh đã áp dụng quy trình tương tự: khi có cảnh báo thiếu hàng, KAM và Supply cùng họp khẩn, xác định nguyên nhân – và refill trong vòng 2 ngày.

Checklist cho KAM mỗi tuần

• Thứ Hai: kiểm tra dashboard OSA và Sell-out.
• Thứ Ba: review forecast & tồn kho cùng Supply team.
• Thứ Năm: kiểm tra kết quả refill và cập nhật lại dự báo.
• Nếu OSA < 90% hoặc Days of Supply < 3 ngày, phải hành động ngay.

Khi vận hành đều đặn ba trụ cột này, KAM sẽ duy trì được “nhịp thở hàng hóa” ổn định. Hàng luôn có mặt, kệ luôn đầy và doanh số luôn vững.

7. Kết luận: KAM - người gác cổng của “Perfect Shelf”

Tồn kho không chỉ là chuyện logistics. Nó là thước đo sức khỏe thương mại của thương hiệu trong kênh hiện đại.

Nếu hàng không có mặt trên kệ, mọi chiến dịch marketing, trade hay giá bán đều vô nghĩa.

KAM chính là người giữ cho điều đó không xảy ra.

Họ không chỉ bán hàng, mà điều hành dòng chảy hàng hóa – nhìn được dữ liệu, hiểu được vấn đề, và phản ứng đủ nhanh để ngăn kệ trống.

Trong bối cảnh Việt Nam, nơi cạnh tranh khuyến mãi gay gắt và shopper ngày càng khó tính, “Perfect Shelf” không phải là mục tiêu xa vời. Nó là công việc mỗi ngày của KAM: đảm bảo hàng đúng chỗ, đúng lúc, đúng cách.

Khi KAM làm được điều đó, thương hiệu không chỉ giữ được doanh số, mà còn giữ được niềm tin của retailer – yếu tố quan trọng nhất trong mọi quan hệ kinh doanh lâu dài.

Nếu bạn muốn hiểu sâu hơn cách quản lý dữ liệu Sell-in, Sell-out, On-shelf Availability và xây dựng kế hoạch JBP hiệu quả, hãy tham khảo khóa học

👉 Modern Trade Key Account Management của CASK: https://www.cask.vn/business/modern-trade-key-account-management

Tài liệu tham khảo

• ECR Europe. (2024). Optimal Shelf Availability Report. https://ecr-shrink-group.com/optimal-shelf-availability-report
• McKinsey & Company. (2024). Defining On-Time In-Full (OTIF) in the Consumer Sector. https://www.mckinsey.com/industries/consumer-packaged-goods/our-insights/defining-on-time-in-full
• Pensa Systems & Unilever. (2024). Unilever Case Study – AI Shelf Monitoring. https://www.pensasystems.com/resources/unilever-case-study
• Trax Retail & Coca-Cola Hellenic Bottling Company. (2023). Smart Merchandising Audit Case Study. https://traxretail.com/resources/coca-cola-hellenic-case-study
• BestPractice.AI. (2023). How Coca-Cola Hellenic Used AI to Optimize On-Shelf Availability. https://bestpractice.ai/ai-case-study/coca-cola-hellenic-trax-ai-retail-shelf-availability