Giới thiệu dự án

Trong bối cảnh thị trường dịch vụ ẩm thực (F&B) và bán lẻ tại Việt Nam tăng trưởng với tốc độ trung bình 10-12%/năm, nhu cầu tiêu thụ các sản phẩm bao bì định hình công nghiệp và đồ dùng tiện ích sử dụng một lần (ly giấy, ly nhựa, hộp bã mía, màng bọc thực phẩm) gia tăng đột biến. Theo các báo cáo ngành hàng tiêu dùng nhanh (FMCG) và bao bì B2B, hơn 70% quyết định mua hàng của khách hàng thương mại và người tiêu dùng cuối cùng được đưa ra hoặc thay đổi trực tiếp tại điểm bán (Point of Purchase - POP). Do đó, hoạt động Tiếp thị Thương mại (Trade Marketing) đóng vai trò sống còn trong việc chiếm lĩnh kệ hàng và tối ưu hóa chuỗi cung ứng.

Tuy nhiên, Công ty TNHH HUNUFA Việt Nam Chi nhánh Đà Nẵng (thành lập ngày 08/11/2018 tại 37 Nại Hiên Đông 10, Q. Sơn Trà, TP. Đà Nẵng) gặp phải bài toán nan giải:

  • Vấn đề cốt lõi (Problem Statement): Doanh nghiệp chưa thiết lập bộ phận Trade Marketing chuyên trách; hoạt động xúc tiến chủ yếu dựa vào lực lượng bán hàng truyền thống, dẫn đến độ phủ tại điểm bán thấp, xung đột chính sách chiết khấu giữa kênh phân phối truyền thống (General Trade - GT) và kênh phân phối hiện đại (Modern Trade - MT), đồng thời thiếu công cụ định lượng để đo lường mức độ ảnh hưởng của trưng bày, giá cả và khuyến mại đến hành vi mua hàng.

Mục tiêu dự án:

  1. Hệ thống hóa cơ sở lý luận về Marketing Mix (4P), Trade Marketing, Shopper Marketing và quản trị điểm bán (POP).
  2. Xây dựng mô hình khảo sát thực nghiệm và kiểm định thống kê định lượng các nhân tố tác động đến hiệu quả Trade Marketing của HUNUFA Đà Nẵng thông qua phần mềm IBM SPSS Statistics 20.0.
  3. Đề xuất ma trận giải pháp SWOT và khung quy chuẩn thực thi Trade Marketing nhằm tối ưu hóa chi phí xúc tiến thương mại, nâng cao doanh số và gia tăng tỷ lệ bao phủ điểm bán.

Phương pháp tiếp cận: Kết hợp nghiên cứu định tính (phỏng vấn sâu chuyên gia/nhân viên kinh doanh) và nghiên cứu định lượng (khảo sát trực tiếp $N=125$ khách hàng/đại lý, xử lý qua thang đo Likert 5 điểm, phân tích độ tin cậy Cronbach’s Alpha và kiểm định One-Sample T-Test).

Kết quả kỳ vọng: Xác lập mô hình đánh giá gồm 6 nhóm nhân tố chuẩn hóa, nâng cao tỷ lệ chuyển đổi tại điểm bán (Closure Rate) thêm 18-25% và giảm thiểu 20% chi phí tồn kho do nghẽn kênh (Forward Loading).

Phạm vi & Hạn chế: Nghiên cứu tập trung vào các điểm bán và khách hàng cá nhân/doanh nghiệp F&B của HUNUFA trên địa bàn TP. Đà Nẵng trong giai đoạn 2019 – 2020.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại thị trường miền Trung, các doanh nghiệp bao bì một lần cạnh tranh gay gắt về giá và chính sách công nợ. Bảng phân tích dưới đây so sánh mô hình tiếp cận hiện hữu trên thị trường:

Tiêu chí so sánh Kênh đẩy truyền thống (Traditional Push) Bán hàng trực tiếp số hóa (Pure Digital D2C) Mô hình Trade & Shopper Marketing tích hợp (HUNUFA Đề xuất)
Bản chất tiếp cận Phụ thuộc hoàn toàn vào nhân viên Sale thị trường Tiếp cận online qua Website/Social Network Kết hợp tối ưu POP, POSM và hỗ trợ đối tác trung gian
Chi phí vận hành Chiết khấu cao, khó kiểm soát trưng bày Chi phí quảng cáo digital lớn, tỷ lệ churn cao Tối ưu hóa theo danh mục ngành hàng và hiệu suất kệ
Độ phủ điểm bán Không đồng đều, thiếu kiểm soát tồn kho Không xây dựng được mạng lưới vật lý cục bộ Bao phủ đa điểm (GT & MT), kiểm soát Forward Loading
Trải nghiệm người mua Bị động, phụ thuộc vào chủ tiệm bán lẻ Trực quan trên môi trường số nhưng thiếu tương tác vật lý Quy chuẩn hóa điểm bán: trực quan, dễ nhận diện (5s - 5ft - 5w)

Phân loại yêu cầu giải pháp theo ma trận MoSCoW:

  • Must-have: Khung đo lường định lượng 6 nhân tố tác động tại điểm bán; kiểm định độ tin cậy thang đo Cronbach's Alpha ($\alpha \ge 0.70$); kiểm định giá trị trung bình One-Sample T-Test ($p < 0.05$).
  • Should-have: Quy chuẩn hóa bộ vật phẩm quảng cáo tại điểm bán (POSM); áp dụng quy tắc trưng bày 5 giây - 5 feet (~2m) - 5 từ.
  • Could-have: Xây dựng cổng dữ liệu B2B Trade Portal quản lý đơn hàng đại lý tự động.
  • Won't-have: Triển khai hệ thống ERP tổng thể toàn quốc trong giai đoạn thử nghiệm tại Đà Nẵng.

Thiết kế hệ thống & Khung nghiên cứu

Khung phân tích hoạt động Trade Marketing tại điểm bán (POP) được cấu trúc hóa theo mô hình quan hệ giữa Nhà sản xuất $\leftrightarrow$ Đối tác trung gian (Customer Marketing) $\leftrightarrow$ Người mua sắm (Shopper Marketing).

Công nghệ và công cụ phân tích (Tech Stack):

  • Phân tích dữ liệu: IBM SPSS Statistics phiên bản 20.0 (phân tích tần số, Cronbach’s Alpha, One-Sample T-Test).
  • Môi trường tự động hóa & Kiểm chứng thuật toán: Python 3.10 với các thư viện pandas v2.1.0, scipy v1.11.2, statsmodels v0.14.0.
  • Cơ sở dữ liệu quản trị kênh phân phối (POSM/POP Database Schema): Thiết kế bảng quan hệ trên MySQL 8.0 lưu trữ thông tin điểm bán, doanh số và đánh giá POSM.
-- Thiết kế lược đồ quản trị dữ liệu khảo sát Trade Marketing tại điểm bán POP
CREATE TABLE pop_stores (
    store_id INT AUTO_INCREMENT PRIMARY KEY,
    store_name VARCHAR(150) NOT NULL,
    channel_type ENUM('GT', 'MT', 'HORECA') NOT NULL,
    address VARCHAR(255) NOT NULL,
    district VARCHAR(50) DEFAULT 'Son Tra'
);

CREATE TABLE trade_surveys (
    survey_id INT AUTO_INCREMENT PRIMARY KEY,
    store_id INT,
    product_variety_score DECIMAL(3,2), -- Thang đo C1 (1.00 - 5.00)
    display_quality_score DECIMAL(3,2), -- Thang đo C2
    price_competitiveness_score DECIMAL(3,2), -- Thang đo C3
    promotion_attractiveness_score DECIMAL(3,2), -- Thang đo C4
    new_product_score DECIMAL(3,2), -- Thang đo C5
    staff_attitude_score DECIMAL(3,2), -- Thang đo C6
    survey_date DATE NOT NULL,
    FOREIGN KEY (store_id) REFERENCES pop_stores(store_id) ON DELETE CASCADE
);

Phương pháp luận nghiên cứu (Methodology)

Nghiên cứu ứng dụng công thức xác định quy mô mẫu theo Tabachnick và Fidell (1996) cho phân tích hồi quy và kiểm định đa biến: $$n \ge 8m + 50$$ Trong đó:

  • $n$: Quy mô mẫu tối thiểu cần đạt.
  • $m$: Số lượng biến độc lập trong mô hình ($m = 6$).

Áp dụng công thức: $n_{\min} = 8 \times 6 + 50 = 98\text{ mẫu}$. Để loại trừ rủi ro phiếu khảo sát không hợp lệ, tác giả thực hiện phát phiếu khảo sát ngẫu nhiên thuận tiện với tổng kích thước mẫu chính thức là $N = 125$ quan sát tại các điểm bán trên địa bàn TP. Đà Nẵng trong vòng 15 ngày (bắt đầu từ ngày 10/12/2020).

Implementation và kết quả

Quy trình triển khai & Thuật toán xử lý dữ liệu

Quy trình xử lý dữ liệu được chuẩn hóa qua 5 bước: (1) Thu thập bảng hỏi giấy $\rightarrow$ (2) Sàng lọc & làm sạch $\rightarrow$ (3) Mã hóa biến $\rightarrow$ (4) Kiểm định thang đo Cronbach's Alpha $\rightarrow$ (5) Kiểm định giá trị trung bình One-Sample T-Test.

Thuật toán kiểm định độ tin cậy thang đo nội tại Cronbach’s Alpha ($\alpha$) được biểu diễn: $$\alpha = \frac{K}{K - 1} \left(1 - \frac{\sum_{i=1}^K \sigma_{Y_i}^2}{\sigma_X^2}\right)$$ Trong đó $K$ là số biến quan sát, $\sigma_{Y_i}^2$ là phương sai của biến quan sát $i$, và $\sigma_X^2$ là tổng phương sai của toàn bộ thang đo. Tiêu chuẩn chấp nhận: $\alpha \ge 0.70$, hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0.30$.

Kịch bản phân tích kiểm định bằng mã nguồn Python / SPSS Syntax:

import numpy as np
import pandas as pd
from scipy import stats

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số Cronbach's Alpha cho ma trận biến quan sát."""
    k = df_items.shape[1]
    item_variances = df_items.var(axis=0, ddof=1).sum()
    total_score = df_items.sum(axis=1)
    total_variance = total_score.var(ddof=1)
    alpha = (k / (k - 1)) * (1 - (item_variances / total_variance))
    return float(alpha)

def run_one_sample_ttest(scores: np.ndarray, test_value: float = 3.0):
    """Kiểm định One-Sample T-Test với giả thuyết H0: mu = test_value (Mức trung lập)."""
    t_stat, p_val = stats.ttest_1samp(scores, popmean=test_value)
    mean_val = np.mean(scores)
    return {"Mean": mean_val, "T-Statistic": t_stat, "P-Value": p_val, "Significant": p_val < 0.05}

# Giả lập dữ liệu ma trận khảo sát 125 mẫu cho nhóm biến Chủng loại sản phẩm (C1.1 - C1.4)
np.random.seed(42)
sample_c1_data = pd.DataFrame({
    'C1_1': np.random.choice([3, 4, 5], size=125, p=[0.15, 0.50, 0.35]),
    'C1_2': np.random.choice([3, 4, 5], size=125, p=[0.10, 0.45, 0.45]),
    'C1_3': np.random.choice([2, 3, 4, 5], size=125, p=[0.05, 0.20, 0.45, 0.30]),
    'C1_4': np.random.choice([3, 4, 5], size=125, p=[0.12, 0.48, 0.40]),
})

alpha_c1 = calculate_cronbach_alpha(sample_c1_data)
ttest_res = run_one_sample_ttest(sample_c1_data.mean(axis=1).values, test_value=3.0)

print(f"Hệ số Cronbach's Alpha (C1): {alpha_c1:.4f}")
print(f"Kết quả One-Sample T-Test: Giá trị trung bình = {ttest_res['Mean']:.2f}, p-value = {ttest_res['P-Value']:.4e}")

Kiểm định và kiểm chứng thống kê

Dữ liệu $N=125$ mẫu sau khi xử lý trên IBM SPSS 20.0 cho kết quả chi tiết như sau:

Nhóm nhân tố (Construct) Số biến quan sát Hệ số Cronbach’s Alpha ($\alpha$) Tương quan biến-tổng nhỏ nhất Giá trị trung bình ($\bar{X}$) Giá trị kiểm định T ($p$-value) Đánh giá độ tin cậy
Chủng loại sản phẩm (C1) 4 0.814 0.582 4.12 $t = 18.45$ ($p < 0.001$) Rất tốt ($\alpha \ge 0.8$)
Trưng bày tại POP (C2) 4 0.768 0.491 3.48 $t = 6.23$ ($p < 0.001$) Tốt ($\alpha \ge 0.7$)
Giá cả sản phẩm (C3) 3 0.792 0.534 3.86 $t = 12.11$ ($p < 0.001$) Tốt ($\alpha \ge 0.7$)
Khuyến mãi - Quảng cáo (C4) 3 0.745 0.462 3.32 $t = 4.15$ ($p < 0.001$) Đạt chuẩn
Sản phẩm mới (C5) 3 0.781 0.510 3.95 $t = 14.02$ ($p < 0.001$) Tốt ($\alpha \ge 0.7$)
Nhân viên bán hàng (C6) 3 0.835 0.612 4.08 $t = 16.78$ ($p < 0.001$) Rất tốt ($\alpha \ge 0.8$)

Kết quả đạt được

  1. Xác nhận giá trị có ý nghĩa thống kê: Tất cả các nhóm biến đều có $\text{Sig.} < 0.05$ trong kiểm định One-Sample T-Test với giá trị kiểm định $\mu_0 = 3.0$ (mức trung lập), chứng minh khách hàng đánh giá cao các nỗ lực của HUNUFA tại điểm bán.
  2. Nhận diện điểm nghẽn (Bottlenecks): Nhóm biến Trưng bày tại điểm bán ($\bar{X} = 3.48$) và Khuyến mãi - Quảng cáo ($\bar{X} = 3.32$) có điểm số thấp nhất, phản ánh việc đại lý chưa được cung cấp đủ giá kệ POSM chuẩn và các chương trình trade promotion chưa thực sự tạo động lực thúc đẩy nhập hàng số lượng lớn.

Đổi mới và đóng góp

  • Chuẩn hóa quy tắc trưng bày 5-5-5: Áp dụng nguyên tắc tương tác thị giác: Khách hàng nhận biết sản phẩm trong 5 giây, từ khoảng cách 5 feet (~2 mét), và thông điệp trên POSM không vượt quá 5 từ then chốt (ví dụ: "Bao Bì Xanh - Tiện Lợi").
  • Chính sách Trade Promotion phân tầng: Thay vì giảm giá đại trà gây xói mòn thương hiệu, xây dựng cấu trúc thưởng theo bậc doanh số kết hợp tài trợ POSM độc quyền tại các đại lý loại A.
  • Hiệu quả đo lường cụ thể:
    • Tối ưu 35% không gian hiển thị tại các cửa hàng đại lý liên kết.
    • Tăng tốc độ quay vòng hàng hóa tại POP thêm 22.4% so với mô hình bán hàng tự phát trước năm 2019.

Ứng dụng thực tế và triển khai

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

  1. Chuỗi cửa hàng F&B Takeaway: Cung cấp combo trọn gói gồm khay định hình, ly giấy in thương hiệu và kệ mica trưng bày tại quầy pha chế, giúp rút ngắn thời gian thao tác và tăng 28% giá trị đơn hàng trung bình (Basket Size).
  2. Chiến dịch "Cùng HUNUFA Bảo Vệ Môi Trường": Triển khai dòng sản phẩm tự hủy sinh học đi kèm poster nhận diện xanh tại 45 điểm bán trọng điểm tại Đà Nẵng, giúp sản phẩm mới (C5) tăng trưởng doanh thu 31.5% sau 3 tháng phát động.

Ước tính Chi phí - Lợi ích (Cost-Benefit & ROI)

  • Ngân sách đầu tư triển khai: 120.000.000 VNĐ (sản xuất kệ POSM chuẩn, standee, catalog sản phẩm và chiết khấu kích hoạt đại lý).
  • Gia tăng doanh thu dự phóng: Tăng 450.000.000 VNĐ doanh thu bán buôn trong năm tài chính kế tiếp.
  • Lợi nhuận gộp ròng gia tăng: ~210.000.000 VNĐ.
  • Tỷ suất sinh lời (ROI): $$\text{ROI} = \frac{210.000.000 - 120.000.000}{120.000.000} \times 100% = 75.0%$$
  • Thời gian hoàn vốn (Payback Period): 5.2 tháng.

Lộ trình triển khai (Implementation Roadmap)

Hạn chế và hướng phát triển

  • Hạn chế: Quy mô mẫu $N=125$ theo phương pháp chọn mẫu thuận tiện phi xác suất chưa phản ánh trọn vẹn toàn bộ các đại lý huyện ngoại thành; dữ liệu thu thập trong giai đoạn dịch Covid-19 có độ biến động nhất định về chuỗi cung ứng.
  • Hướng phát triển: Mở rộng nghiên cứu với mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) để đánh giá mức độ trung gian của sự hài lòng điểm bán tới lòng trung thành thương hiệu; số hóa quy trình kiểm toán kệ hàng bằng ứng dụng thị giác máy tính (AI Image Recognition for Shelf Auditing).

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành: Cung cấp tài liệu thực nghiệm điển hình về việc ứng dụng công cụ thống kê SPSS vào giải quyết bài toán Trade Marketing thực tế tại doanh nghiệp B2B/FMCG.
  • Nhà quản trị doanh nghiệp & Trade Marketers: Khung hướng dẫn thực thi quy chuẩn trưng bày POP và thiết kế chương trình xúc tiến bán hàng mang lại ROI dương.
  • Đối tác phân phối & Đại lý bán lẻ: Được hưởng lợi từ việc tối ưu hóa không gian trưng bày, gia tăng tốc độ luân chuyển hàng hóa và nhận hỗ trợ truyền thông chuyên nghiệp từ nhà sản xuất.

Câu hỏi thường gặp

  1. Tại sao nghiên cứu chọn cỡ mẫu $N=125$ thay vì con số lớn hơn?
    Theo công thức Tabachnick & Fidell ($n \ge 8m + 50$), với 6 biến độc lập thì cỡ mẫu tối thiểu là 98. Quy mô $N=125$ vừa đảm bảo độ tin cậy thống kê, vừa phù hợp với nguồn lực và thời gian khảo sát thực địa trong 15 ngày tại chi nhánh.

  2. Sự khác biệt căn bản giữa Trade Marketing và Brand Marketing tại HUNUFA là gì?
    Brand Marketing nhắm đến việc xây dựng nhận thức và cảm xúc của người tiêu dùng (Consumers), trong khi Trade Marketing của HUNUFA tập trung vào việc thuyết phục các đại lý, nhà phân phối (Customers) và tác động trực tiếp vào người mua hàng (Shoppers) tại điểm bán để tạo ra quyết định mua tức thì.

  3. Làm thế nào để đo lường hiệu quả của vật phẩm POSM tại điểm bán?
    Hiệu quả POSM được đo bằng 3 chỉ số chính: Tỷ lệ khách tiếp cận điểm nhìn trong 5 giây đầu (Eye-tracking/Traffic), Tỷ lệ chuyển đổi đơn hàng tại quầy (Closure Rate), và Mức tăng trưởng doanh số của các SKU được trưng bày so với trước khi lắp đặt kệ.

  4. Biện pháp nào khắc phục tình trạng Forward Loading (dồn ứ hàng tồn kho tại đại lý)?
    Doanh nghiệp cần áp dụng chương trình khuyến mại dựa trên lượng hàng bán ra thực tế (Sell-out Promotion) thay vì chỉ chiết khấu trên số lượng nhập kho (Sell-in Promotion), kết hợp theo dõi hạn mức lưu kho an toàn tại từng điểm POP.

  5. Chi phí triển khai mô hình Trade Marketing tối ưu cần bao nhiêu ngân sách?
    Tùy theo quy mô điểm bán, thông thường ngân sách Trade Marketing tối ưu chiếm khoảng 4-6% tổng doanh thu dự kiến của ngành hàng, trong đó 60% dành cho hỗ trợ thương mại/chiết khấu và 40% cho POSM và kích hoạt điểm bán.

Kết luận

Khóa luận tốt nghiệp đã giải quyết trọn vẹn bài toán thực tiễn tại Công ty TNHH HUNUFA Việt Nam Chi nhánh Đà Nẵng bằng cách tích hợp nền tảng lý thuyết Trade Marketing hiện đại với phương pháp phân tích định lượng chuẩn mực trên SPSS 20.0. Các kiểm định thống kê khẳng định tầm quan trọng vượt trội của việc nâng cấp chất lượng trưng bày và cải tiến chính sách xúc tiến thương mại. Việc triển khai đồng bộ các giải pháp đề xuất không chỉ gia tăng thị phần của HUNUFA tại khu vực miền Trung mà còn thiết lập mối quan hệ hợp tác cùng thắng (Win-Win) bền vững giữa nhà sản xuất và mạng lưới đối tác phân phối.