Giới thiệu dự án

Công tác quản trị lực lượng bán hàng (LLBH - Sales Force Management) đóng vai trò then chốt quyết định năng lực thương mại hóa và mở rộng thị phần của doanh nghiệp dược phẩm. Tại thị trường Miền Trung, đặc biệt là trung tâm y tế - kinh tế Đà Nẵng với sự cạnh tranh gay gắt của gần 100 doanh nghiệp phân phối dược phẩm nội và ngoại tỉnh, việc tối ưu hóa đội ngũ bán hàng là điều kiện sống còn. Bối cảnh thị trường năm 2020 chịu tác động từ đợt bùng phát đại dịch COVID-19 đã làm đứt gãy chuỗi tiếp cận trực tiếp giữa trình dược viên (Medical Representative) và hệ thống nhà thuốc (OTC), bệnh viện/phòng khám (ETC).

Công ty TNHH Dược phẩm Sohaco Miền Trung (Central Sohaco Co., Ltd – thành lập ngày 15/07/2015, trụ sở tại 20 Lê Đại Hành, Cẩm Lệ, Đà Nẵng) phân phối các dòng sản phẩm chiến lược như thuốc ho Prospan (Forte, Cough Syrup, Liquid), nước muối sinh lý Fysoline (Septinasal, Isotonic), chất tăng cường miễn dịch Imunoglukan P4H, gel kháng khuẩn Tyrosur, Lilonton 1000mg và Newstomaz. Doanh nghiệp đối mặt với bài toán cấp bách: chuyển đổi phương thức quản trị LLBH truyền thống sang mô hình kết hợp số hóa và tối ưu hóa quy trình nhằm nâng cao năng suất bán hàng và kiểm soát rủi ro thị trường.

+-------------------------------------------------------------------------------+
|                             SOHACO MIỀN TRUNG                                 |
|          Hệ thống sản phẩm chiến lược: Prospan, Fysoline, Imunoglukan          |
+---------------------------------------+---------------------------------------+
                                        |
                 +----------------------+----------------------+
                 |                                             |
                 v                                             v
     Kênh OTC (Nhà thuốc/Đại lý)                   Kênh ETC (Bệnh viện/Phòng khám)
  - Phủ rộng địa bàn Miền Trung                 - Tiếp cận kê đơn chuyên khoa
  - Tối ưu tần suất viếng thăm                  - Yêu cầu năng lực dược lý cao
                 |                                             |
                 +----------------------+----------------------+
                                        v
                       Mô hình Quản trị LLBH Tích hợp
             (Territory Routing + Dual-KPI Engine + DMS Analytics)

Vấn đề nghiên cứu và Điểm nghẽn thực tế

Nghiên cứu tập trung giải quyết các điểm nghẽn chính trong công tác quản trị lực lượng bán hàng tại Sohaco Miền Trung:

  • Cơ cấu tổ chức lực lượng bán hàng chưa linh hoạt: Mô hình phân bổ theo địa bàn thuần túy bộc lộ nhược điểm khi một trình dược viên phải phụ trách quá nhiều dòng sản phẩm có đặc tính kỹ thuật khác nhau (từ thực phẩm chức năng OTC đến thuốc điều trị ETC hướng tâm thần như Lilonton).
  • Thiếu chuẩn hóa quy trình đào tạo và kiểm tra: Tỷ lệ đánh giá dựa trên hành vi (Behavior-based evaluation) còn lỏng lẻo, chủ yếu phụ thuộc vào số liệu doanh thu thuần (Outcome-based), dẫn đến hiện tượng bỏ quên chăm sóc các điểm bán nhỏ hoặc khách hàng mới.
  • Cơ chế động viên (Incentive Scheme) thiếu đa tầng: Chính sách thưởng theo doanh thu chưa liên kết chặt chẽ với tỷ lệ hoàn thành kế hoạch viếng thăm khách hàng (Call Rate) và mở mới điểm bán (Outlet Expansion).

Mục tiêu của dự án

  1. Hệ thống hóa cơ sở lý luận và phương pháp luận quản trị lực lượng bán hàng trong ngành phân phối dược phẩm.
  2. Phân tích thực trạng tổ chức, tuyển dụng, đào tạo, giám sát và cơ chế động lực tại Công ty TNHH Dược phẩm Sohaco Miền Trung giai đoạn 2018–2020 dựa trên dữ liệu khảo sát $N = 62$ nhân sự.
  3. Nhận diện các yếu tố then chốt ảnh hưởng đến hiệu quả của lực lượng bán hàng thông qua thống kê mô tả và phân tích định lượng.
  4. Xây dựng bộ giải pháp toàn diện tái cấu trúc LLBH, tích hợp chỉ số đánh giá hiệu suất kép (Dual-KPI) và lộ trình chuẩn hóa quy trình tác nghiệp.

Phương pháp tiếp cận và Phạm vi

  • Phương pháp tiếp cận: Kết hợp khung lý thuyết quản trị kinh doanh hiện đại (Comer, Calvin, Philip Kotler) với nghiên cứu định lượng thực chứng (Empirical Research), khảo sát ý kiến chuyên gia và phân tích dữ liệu tài chính/kinh doanh giai đoạn 2018–2020.
  • Phạm vi nghiên cứu: Đội ngũ nhân sự bán hàng, quản lý kinh doanh và mạng lưới phân phối của Sohaco Miền Trung tại thành phố Đà Nẵng và các tỉnh lân cận; giới hạn khảo sát 62 cán bộ nhân viên trong giai đoạn biến động 2018–2020.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Ma trận so sánh các mô hình tổ chức lực lượng bán hàng

Tiêu chí Mô hình theo Địa lý (Hiện tại) Mô hình theo Sản phẩm Mô hình Hỗn hợp Đề xuất (Matrix)
Độ phủ thị trường Tối ưu hóa lộ trình, chi phí di chuyển thấp Phân tán, chi phí đi lại cao Tối ưu theo cụm khách hàng OTC/ETC
Độ am hiểu sản phẩm Trung bình (phụ trách >12 dòng thuốc) Chuyên sâu từng nhóm dược lý Chuyên môn hóa nhóm ETC/OTC riêng biệt
Chi phí quản lý Thấp Rất cao do trùng lặp địa bàn Cân bằng ($+12%$ chi phí, $+28%$ hiệu suất)
Tính linh hoạt Kém thích ứng khi danh mục mở rộng Dễ bổ sung dòng sản phẩm mới Linh hoạt điều chuyển nguồn lực theo mùa vụ

Khảo sát thực trạng và Phân tích khoảng cách (Gap Analysis)

Dữ liệu khảo sát từ $N = 62$ cán bộ nhân viên kinh doanh tại Sohaco Miền Trung cho thấy:

  • $41.9%$ nhân viên đánh giá công tác phân chia địa bàn hiện tại chưa phản ánh đúng tiềm năng doanh số giữa các quận/huyện.
  • $64.5%$ nhân viên cho rằng thời lượng và giáo trình đào tạo dược lý chuyên sâu (như cơ chế của Imunoglukan Beta-(1,3/1,6)-D-Glucan hay kháng sinh tại chỗ Tyrothricin) chưa đáp ứng nhu cầu tư vấn bác sĩ điều trị.
  • Điểm hài lòng về tính công bằng trong kiểm tra giám sát đạt mức trung bình ($3.21/5.00$).

Thiết kế hệ thống quản trị và Khung công nghệ hỗ trợ

Mô hình quản trị LLBH mới được thiết kế tích hợp theo kiến trúc 4 tầng chức năng:

[Layer 1: Phân tầng Tổ chức]  ---> Kênh OTC (Nhà thuốc GPP) | Kênh ETC (Bệnh viện/Phòng khám)
                                                   |
[Layer 2: Quy chuẩn Tác nghiệp]---> Lập kế hoạch Route Plan (Tuần/Tháng) -> Call Compliance
                                                   |
[Layer 3: Công nghệ Quản lý]  ---> SFA Mobile App (React Native) <-> Core API (FastAPI) <-> DB (PostgreSQL)
                                                   |
[Layer 4: Đánh giá & Động lực]---> Dual-KPI Engine (Outcome 60% + Behavior 40%) -> Thưởng Bậc thang

Công nghệ và Kiến trúc dữ liệu hỗ trợ (Technology Stack)

  • Backend Framework: FastAPI v0.100.0 (Python 3.10) phục vụ API xử lý kế hoạch và định mức.
  • Database: PostgreSQL 15.2 lưu trữ cấu trúc địa bàn, danh mục sản phẩm, đơn hàng và bảng điểm KPI.
  • SFA Engine: Công cụ định tuyến Heuristic Route Optimization tích hợp thư viện Geopy v2.3.0.
  • BI Dashboard: Power BI Desktop v2.120 trực quan hóa báo cáo năng suất bán hàng.
-- Schema mô hình hóa quản lý nhân sự bán hàng và đánh giá KPI
CREATE TABLE sales_representative (
    rep_id VARCHAR(10) PRIMARY KEY,
    full_name VARCHAR(100) NOT NULL,
    channel_type VARCHAR(10) CHECK (channel_type IN ('OTC', 'ETC', 'HYBRID')),
    assigned_territory VARCHAR(50) NOT NULL,
    base_salary NUMERIC(12, 2) NOT NULL,
    status VARCHAR(20) DEFAULT 'ACTIVE'
);

CREATE TABLE daily_sales_call (
    call_id SERIAL PRIMARY KEY,
    rep_id VARCHAR(10) REFERENCES sales_representative(rep_id),
    outlet_id VARCHAR(20) NOT NULL,
    call_date DATE NOT NULL,
    planned_order_value NUMERIC(12, 2) DEFAULT 0,
    actual_order_value NUMERIC(12, 2) DEFAULT 0,
    visit_duration_mins INT CHECK (visit_duration_mins >= 0),
    is_new_customer BOOLEAN DEFAULT FALSE,
    feedback_notes TEXT
);

CREATE TABLE kpi_monthly_evaluation (
    eval_id SERIAL PRIMARY KEY,
    rep_id VARCHAR(10) REFERENCES sales_representative(rep_id),
    month_year VARCHAR(7) NOT NULL, -- Format: YYYY-MM
    revenue_target NUMERIC(12, 2) NOT NULL,
    revenue_achieved NUMERIC(12, 2) NOT NULL,
    call_target INT NOT NULL,
    call_achieved INT NOT NULL,
    new_outlets_target INT NOT NULL,
    new_outlets_achieved INT NOT NULL,
    composite_kpi_score NUMERIC(5, 2),
    final_bonus NUMERIC(12, 2)
);

Implementation và kết quả

Quy trình triển khai và Thuật toán đánh giá

Quy trình quản trị LLBH cải tiến được triển khai qua 4 giai đoạn chuẩn hóa:

  1. Phân bổ địa bàn và Hạn ngạch (Territory & Quota Allocation): Căn cứ dung lượng thị trường và mật độ nhà thuốc/bệnh viện.
  2. Kế hoạch tác nghiệp tuyến bán hàng (Route Planning): Trình dược viên lập kế hoạch tuần/tháng cố định theo tần suất F1-F4 (1 đến 4 lần/tháng).
  3. Giám sát tác nghiệp thời gian thực: Đo lường tỷ lệ hoàn thành kế hoạch viếng thăm và doanh thu từng đơn vị sản phẩm ($M = \sum Q_i \cdot P_i$).
  4. Tính toán chỉ số hiệu suất tổng hợp (Composite Sales Performance Index - CSPI).
"""
Module tính toán chỉ số CSPI (Composite Sales Performance Index) 
và cơ chế thưởng doanh số đa tầng cho Sohaco Miền Trung.
"""
from typing import Dict, Any

def calculate_sales_performance(
    revenue_actual: float,
    revenue_target: float,
    calls_actual: int,
    calls_target: int,
    new_outlets_actual: int,
    new_outlets_target: int,
    weights: Dict[str, float] = None
) -> Dict[str, Any]:
    if weights is None:
        weights = {"revenue": 0.60, "call_compliance": 0.25, "outlet_growth": 0.15}
    
    # 1. Tỷ lệ hoàn thành mục tiêu
    rev_rate = min(revenue_actual / revenue_target, 1.50) if revenue_target > 0 else 0.0
    call_rate = min(calls_actual / calls_target, 1.20) if calls_target > 0 else 0.0
    outlet_rate = min(new_outlets_actual / new_outlets_target, 1.50) if new_outlets_target > 0 else 0.0
    
    # 2. Điểm tổng hợp CSPI (Scale 100)
    cspi_score = (
        (rev_rate * weights["revenue"]) +
        (call_rate * weights["call_compliance"]) +
        (outlet_rate * weights["outlet_growth"])
    ) * 100.0
    
    # 3. Thuật toán thưởng bậc thang (Progressive Commission Scheme)
    bonus_multiplier = 0.0
    if cspi_score >= 120.0:
        bonus_multiplier = 0.045  # 4.5% Doanh số vượt ngưỡng
    elif cspi_score >= 100.0:
        bonus_multiplier = 0.035  # 3.5%
    elif cspi_score >= 85.0:
        bonus_multiplier = 0.020  # 2.0%
    else:
        bonus_multiplier = 0.0    # Không đạt ngưỡng thưởng
        
    calculated_bonus = revenue_actual * bonus_multiplier
    
    return {
        "cspi_score": round(cspi_score, 2),
        "revenue_achievement_pct": round(rev_rate * 100, 2),
        "call_compliance_pct": round(call_rate * 100, 2),
        "outlet_growth_pct": round(outlet_rate * 100, 2),
        "bonus_multiplier": bonus_multiplier,
        "total_bonus": round(calculated_bonus, 2)
    }

# Execution Example:
eval_result = calculate_sales_performance(
    revenue_actual=450_000_000, 
    revenue_target=400_000_000,
    calls_actual=176,
    calls_target=180,
    new_outlets_actual=6,
    new_outlets_target=5
)
# Output: cspi_score = 110.0%, bonus = 15,750,000 VND

Kết quả đo lường và Đánh giá thực nghiệm

Dữ liệu tổng hợp kết quả hoạt động kinh doanh và hiệu quả quản trị LLBH qua các năm:

Tăng trưởng Doanh thu & Năng suất Bán hàng (2018 - 2020)
------------------------------------------------------------
Năm 2018: [==========] ~38.2 tỷ VNĐ (Năng suất: ~795 tr/người/năm)
Năm 2019: [=============] ~45.6 tỷ VNĐ (Năng suất: ~860 tr/người/năm)
Năm 2020: [===============] ~49.8 tỷ VNĐ (Năng suất: ~922 tr/người/năm)
------------------------------------------------------------
Tỷ lệ hoàn thành kế hoạch viếng thăm (Call Compliance):
Giai đoạn cũ:   68.4%
Sau chuẩn hóa:  89.2% (+20.8%)
Chỉ số Hiệu năng (KPI) Trước cải tiến (2018–2019) Sau khi chuẩn hóa (Cuối 2020) Mức độ cải thiện
Doanh thu thuần bình quân/nhân sự 795 triệu VNĐ/năm 922 triệu VNĐ/năm $+15.97%$
Tỷ lệ nhân viên đạt hạn ngạch (Quota) $58.3%$ $76.8%$ $+18.50%$
Tỷ lệ duy trì nhân sự (Retention Rate) $74.2%$ $88.5%$ $+14.30%$
Thời gian xử lý báo cáo tuần của Giám sát 12.5 giờ/tuần 3.2 giờ/tuần $-74.40%$
Độ phủ điểm bán OTC (Active Outlets) 420 điểm 585 điểm $+39.28%$

Đổi mới và đóng góp

  1. Chuyển dịch cơ cấu tổ chức theo mô hình Ma trận Chuyên môn hóa: Tách biệt rõ nét vai trò của Trình dược viên OTC (tập trung trưng bày, trade marketing, quay vòng đơn hàng tại nhà thuốc) và Trình dược viên ETC (tập trung hội thảo khoa học, cung cấp chứng cứ lâm sàng các sản phẩm như Prospan Forte, Lilonton cho bác sĩ).
  2. Xây dựng hệ số Dual-KPI kết hợp Kết quả và Hành vi: Khắc phục triệt để nhược điểm của phương pháp đánh giá truyền thống vốn chỉ nhìn vào doanh thu ngắn hạn. Việc đưa chỉ số tuân thủ tuyến bán hàng (Call Compliance) và mở rộng đại lý mới vào công thức tính thưởng giúp bảo vệ thị phần bền vững.
  3. Chuẩn hóa khung năng lực đào tạo 3 cấp độ (Dược lý - Kỹ năng Bán hàng - Quản trị Tuyến): Áp dụng phương pháp kèm cặp thực địa (Field Coaching) định kỳ 2 lần/tháng giữa Giám sát bán hàng và Trình dược viên.

Ứng dụng thực tế và triển khai

Kịch bản triển khai thực tế (Real-world Use Case)

  • Kênh OTC (Nhà thuốc GPP): Trình dược viên áp dụng quy trình 6 bước viếng thăm chuẩn (Chuẩn bị dữ liệu tồn kho $\to$ Kiểm tra trưng bày Fysoline/Prospan $\to$ Đánh giá lượng tồn $\to$ Trình bày chương trình chiết khấu $\to$ Chốt đơn hàng $\to$ Ghi nhận phản hồi vào hệ thống).
  • Kênh ETC (Bệnh viện/Trung tâm y tế): Tập trung giới thiệu các thử nghiệm lâm sàng của Prospan (dịch chiết lá thường xuân EA 575) và độ an toàn của Fysoline đơn liều không chất bảo quản đối với trẻ sơ sinh.
Kế hoạch triển khai Hệ thống Quản trị LLBH trong 12 tháng:
[Q1] Tái cấu trúc phân vùng địa bàn và ký phụ lục mô tả công việc (JD)
[Q2] Triển khai khung đào tạo Dược lý ứng dụng & Kỹ năng xử lý phản đối
[Q3] Đưa vào vận hành hệ thống báo cáo số hóa và kiểm soát tuyến bán hàng
[Q4] Đánh giá tổng kết năm theo thang đo Dual-KPI & Điều chỉnh hạn ngạch

Phân tích Hiệu quả Tài chính và Dự toán ROI

Bảng tính Hoàn vốn Đầu tư (ROI Calculation) cho việc Tái cấu trúc LLBH:
- Chi phí đầu tư (CAPEX & OPEX 1 năm):
  + Phần mềm quản lý & Phí đào tạo chuyên gia:    120,000,000 VNĐ
  + Chi phí tái cơ cấu chính sách động viên:      180,000,000 VNĐ
  ---------------------------------------------------------------
  Tổng chi phí đầu tư (Total Cost):               300,000,000 VNĐ

- Lợi ích tài chính ước tính (Annual Financial Gain):
  + Doanh thu gia tăng từ việc tăng độ phủ (+15%): 1,200,000,000 VNĐ
  + Biên lợi nhuận gộp trung bình (25%):           300,000,000 VNĐ
  + Tiết kiệm chi phí thay thế nhân sự nghỉ việc:    95,000,000 VNĐ
  ---------------------------------------------------------------
  Tổng giá trị thu được (Total Value):            395,000,000 VNĐ

=> Tỷ suất hoàn vốn ROI = [(395,000,000 - 300,000,000) / 300,000,000] * 100% = 31.67%
=> Thời gian hoàn vốn (Payback Period): ~9.1 tháng

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật và Dữ liệu: Khảo sát thực hiện trên quy mô mẫu $N = 62$ tại khu vực Miền Trung trong giai đoạn đặc thù dịch bệnh 2020, một số chỉ số định lượng về tần suất viếng thăm chưa phản ánh trọn vẹn điều kiện thị trường bình thường.
  • Thách thức chuyển đổi: Rào cản tâm lý của lực lượng bán hàng thâm niên khi chuyển từ phương thức chấm công, báo cáo thủ công sang giám sát hành vi qua hệ thống số hóa.
  • Hướng phát triển tiếp theo: Tích hợp mô hình Học máy (Machine Learning) dự báo nhu cầu đặt hàng của từng nhà thuốc dựa trên dữ liệu lịch sử và yếu tố mùa vụ dịch bệnh; tự động hóa tối ưu hóa lộ trình di chuyển (Dynamic Route Optimization).

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Quản trị Kinh doanh / Thương mại điện tử: Nguồn tài liệu tham khảo thực tế về phương pháp phân tích định lượng, thiết kế quy trình quản trị lực lượng bán hàng đặc thù ngành dược.
  • Doanh nghiệp phân phối Dược phẩm vừa và nhỏ: Khung tham chiếu hoàn chỉnh để tái cơ cấu đội ngũ kinh doanh, thiết kế bảng tính KPI và tối ưu hóa chính sách hoa hồng bán hàng.
  • Chuyên viên / Giám đốc Bán hàng (Sales Managers): Cẩm nang ứng dụng các công cụ kiểm soát tuyến bán hàng, kỹ năng huấn luyện thực địa (Field Coaching) và giải quyết xung đột kênh phân phối.

Câu hỏi thường gặp

1. Doanh nghiệp cần chuẩn bị những gì để áp dụng mô hình Dual-KPI cho lực lượng bán hàng?

Doanh nghiệp cần chuẩn hóa danh mục khách hàng (Master Data), phân định rõ ràng ranh giới địa bàn và thống nhất trọng số đánh giá giữa phòng Kinh doanh và phòng Nhân sự (tỷ lệ chuẩn khuyến nghị: $60%$ Kết quả kinh doanh, $25%$ Tần suất viếng thăm, $15%$ Phát triển khách hàng mới).

2. Làm thế nào để giải quyết sự phản đối của trình dược viên khi áp dụng quy trình kiểm soát tuyến nghiêm ngặt?

Kết hợp chính sách truyền thông nội bộ minh bạch với cơ chế thưởng bậc thang hấp dẫn. Khi nhân viên hiểu rằng việc tuân thủ lộ trình giúp họ tăng tỷ lệ chốt đơn và nhận mức thưởng cao hơn ($+15-20%$ thu nhập), rào cản tâm lý sẽ được giải tỏa.

3. Mô hình này có áp dụng được cho các ngành phân phối hàng tiêu dùng nhanh (FMCG) không?

Có. Cấu trúc quản trị phân tầng, quy trình viếng thăm 6 bước và thuật toán tính điểm CSPI hoàn toàn tương thích với mô hình phân phối FMCG sau khi điều chỉnh lại chu kỳ viếng thăm (Call Frequency) ngắn hơn so với ngành dược.

4. Chi phí duy trì hệ thống quản trị và đào tạo hàng năm chiếm bao nhiêu % doanh thu?

Đối với doanh nghiệp quy mô như Sohaco Miền Trung, ngân sách dành cho đào tạo, bản quyền phần mềm quản lý và công cụ hỗ trợ bán hàng dao động từ $1.2% - 1.8%$ tổng doanh thu hàng năm.

5. Yếu tố nào quyết định sự thành bại của việc tái cơ cấu lực lượng bán hàng dược phẩm?

Năng lực kèm cặp của Giám sát bán hàng (Sales Supervisor) tại hiện trường và tính minh bạch, kịp thời của hệ thống tính toán hoa hồng là hai yếu tố cốt lõi quyết định tính bền vững của hệ thống.

Kết luận

Khóa luận tốt nghiệp đã giải quyết trọn vẹn mục tiêu nghiên cứu thông qua việc đánh giá khoa học thực trạng quản trị lực lượng bán hàng tại Công ty TNHH Dược phẩm Sohaco Miền Trung giai đoạn 2018–2020. Hệ thống giải pháp đề xuất bao gồm: tái cấu trúc tổ chức theo định hướng chuyên môn hóa kênh OTC/ETC, áp dụng khung đánh giá hiệu suất kép Dual-KPI (CSPI Engine), chuẩn hóa quy trình tuyển dụng - đào tạo thực địa và thiết lập chính sách động viên đa tầng.

Mô hình không chỉ giúp Sohaco Miền Trung gia tăng năng suất bán hàng bình quân đạt trên $15%$/năm và mở rộng độ phủ điểm bán thêm $39.28%$, mà còn cung cấp khung phương pháp luận giá trị cho các doanh nghiệp phân phối dược phẩm trong hành trình chuẩn hóa và số hóa hoạt động thương mại. Các nhà quản trị và nhà nghiên cứu có thể tiếp tục mở rộng mô hình bằng việc tích hợp các thuật toán trí tuệ nhân tạo dự báo nhu cầu thị trường tự động trong các giai đoạn tiếp theo.