Mẫu quần áo mới không có lịch sử bán, nên mọi con số đặt may ban đầu đều là ước lượng. Câu hỏi không phải là làm sao đoán đúng, mà là làm sao đoán có căn cứ, biết mình có thể sai bao nhiêu, và đặt lô đầu sao cho sai về phía nào cũng không quá đau. Với shop và xưởng nhỏ, cách thực tế nhất là ước từ những mẫu tương tự đã bán, rồi điều chỉnh có lý do.
Bài này đi qua từng bước: chọn mẫu tương tự, tính mức bán tham chiếu, điều chỉnh, đưa ra khoảng thấp – cơ sở – cao, chia theo size và màu, và quyết định lô đầu. AI được dùng để tính nhanh và phản biện giả định. Mọi con số là ví dụ giả định. Phần lý thuyết dự báo doanh số chung có ở các site phân tích của hệ; bài này đi vào đặc thù của một mẫu quần áo.
Vì sao mẫu quần áo mới khó dự báo hơn hàng thường
Hàng tiêu dùng thông thường như gạo hay bột giặt bán đều qua nhiều tháng, nên số tháng trước nói khá nhiều về tháng sau. Một mẫu quần áo thì khác: nó có vòng đời ngắn, gắn với mùa, bị tách ra thành nhiều size và màu, và mỗi tổ hợp size – màu lại có số bán riêng. Một mẫu áo bán tổng cộng một trăm chiếc có thể là hai mươi tổ hợp, mỗi tổ hợp chỉ vài chiếc.
Thêm vào đó, cùng một kiểu dáng nhưng khác chất liệu, khác ảnh chụp hay lên kệ khác tuần đều có thể cho kết quả rất khác. Không có mô hình nào, kể cả AI, dự báo chính xác một mẫu chưa từng bán. Điều bạn có thể làm là khoanh vùng hợp lý và giảm thiệt hại khi sai.
Vì vậy mục tiêu của bài là một khoảng số lượng có lý do, không phải một con số. Con số đặt lô đầu được chọn trong khoảng đó tuỳ vào việc bạn có đặt bổ sung được hay không. Shop có xưởng may linh hoạt, đặt thêm nhanh, có thể đặt lô đầu thấp. Shop nhập hàng xa, đặt một lần, phải cân nhắc kỹ hơn giữa rủi ro thiếu và rủi ro thừa.
Chọn mẫu tương tự cho đúng
Giống ở chỗ khách quan tâm. Một mẫu tương tự tốt cùng nhóm hàng, cùng dịp mặc, cùng mức giá trong shop, cùng nhóm khách. Áo sơ mi công sở mới nên so với áo sơ mi công sở cũ, không so với áo thun dạo phố dù cùng là áo.
Cùng mùa và cùng thời điểm lên kệ. Mẫu bán vào mùa nóng không nên làm tham chiếu cho mẫu lên kệ mùa mưa. Nếu không có mẫu cùng mùa, ghi rõ điều đó để điều chỉnh sau.
Lấy ba đến năm mẫu chứ không lấy một. Một mẫu tham chiếu duy nhất có thể là mẫu may mắn hay xui xẻo. Ba đến năm mẫu cho bạn thấy dải bán thường gặp của loại hàng này ở shop mình.
Ghi lại hoàn cảnh bán của mẫu cũ. Mẫu cũ có được giảm giá, có hết hàng giữa chừng, có được quảng cáo riêng không. Những điều này làm số bán của nó lệch khỏi nhu cầu bình thường.
Dùng thuộc tính để tìm nhanh. Nếu đã gắn thuộc tính cho từng mã như nhóm hàng, form, chất liệu, dịp mặc, bạn có thể nhờ AI lọc ra các mã cũ gần nhất với mẫu mới thay vì nhớ.
Từ mẫu tương tự đến khoảng dự báo: ví dụ giả định
Giả sử một shop đồ công sở định làm mẫu áo sơ mi tay lỡ vải lanh pha, lên kệ đầu mùa nóng, bán trong khoảng tám tuần. Ba mẫu tương tự đã bán trong cùng mùa năm trước như sau.
| Mẫu tham chiếu | Số bán 8 tuần | Hoàn cảnh | Ghi chú điều chỉnh |
|---|---|---|---|
| Sơ mi tay ngắn cotton | 140 chiếc | Có hai tuần giảm giá | Số bán bị đẩy lên một phần |
| Sơ mi tay dài lanh | 90 chiếc | Hết size M ở tuần thứ năm | Số bán bị kéo xuống |
| Sơ mi cổ đức cotton pha | 110 chiếc | Bán bình thường | Tham chiếu sạch nhất |
| Trung bình ba mẫu | Khoảng 113 chiếc | Mức tham chiếu ban đầu |
Sau khi xem hoàn cảnh, chủ shop đặt khoảng dự báo cho mẫu mới: mức thấp khoảng 80 chiếc nếu khách chưa quen vải lanh, mức cơ sở khoảng 110 chiếc, mức cao khoảng 150 chiếc nếu tay lỡ đang lên như dữ liệu thuộc tính gợi ý. Mỗi mức đi kèm một câu lý do, để sau đợt bán biết giả định nào đúng.
Chia theo size và màu mà không lẻ hàng
Phần lớn hàng tồn của shop quần áo không nằm ở mẫu bán kém, mà ở những size và màu lẻ của mẫu bán được. Chia đúng tỷ lệ quan trọng không kém tổng số.
- Lấy tỷ lệ size của nhóm hàng tương ứng từ dữ liệu bán của shop, không lấy tỷ lệ chung trên mạng. Ví dụ giả định áo sơ mi nữ của shop: S khoảng 20%, M khoảng 35%, L khoảng 30%, XL khoảng 15%.
- Điều chỉnh theo form: mẫu form rộng thường dồn về size nhỏ và vừa hơn mẫu form ôm, vì người mặc size lớn có thể chọn size vừa. Ghi lý do nếu đổi tỷ lệ.
- Chọn số màu theo tầng: mẫu mới chỉ nên có hai đến ba màu, phần lớn là màu nền đã bán tốt, một màu thử với số lượng nhỏ.
- Nhân tổng số lô đầu với tỷ lệ size và tỷ lệ màu, làm tròn. Ví dụ lô đầu 80 chiếc chia size sẽ ra khoảng 16 chiếc S, 28 chiếc M, 24 chiếc L, 12 chiếc XL.
- Kiểm tổ hợp quá nhỏ: tổ hợp nào chỉ còn một hai chiếc thì gộp bớt màu hoặc bỏ size đó ở màu thử, vì quá ít thì khó bán hết và tốn công may.
- Ghi bảng chia cuối cùng và gửi xưởng kèm thông số; giữ một bản để so với số bán thật sau đợt.
Phần lập kế hoạch cắt theo tỷ lệ size và giác sơ đồ trong xưởng có bài riêng ở danh mục xưởng may. Bài này chỉ dừng ở con số bạn cần đặt.
Câu lệnh để AI tính nhanh và phản biện
Bạn có thể làm hết bằng bảng tính, nhưng chatbot giúp tính nhanh, kiểm lỗi cộng trừ và nhất là chỉ ra giả định yếu. Đưa vào số bán đã bỏ tên khách và giá vốn.
- "Đây là số bán tám tuần của ba mẫu tương tự kèm hoàn cảnh bán của từng mẫu. Hãy đề xuất cách điều chỉnh số bán của từng mẫu về điều kiện bình thường, nói rõ giả định, rồi tính mức tham chiếu."
- "Với mức thấp 80, cơ sở 110, cao 150 chiếc và tỷ lệ size, màu mình đưa, hãy chia ra số lượng cho từng tổ hợp size – màu cho cả ba mức. Đánh dấu tổ hợp nào dưới ba chiếc."
- "Hãy đóng vai người phản biện: nêu năm lý do khiến mẫu này có thể bán dưới mức thấp, và năm lý do có thể vượt mức cao. Không cần kết luận."
- "Nếu mình đặt lô đầu 80 chiếc và đặt bổ sung mất ba tuần, tuần thứ mấy cần quyết định đặt bổ sung để không đứt hàng nếu bán theo mức cao?"
AI có thể tính sai khi bảng dài hoặc khi làm tròn. Luôn cộng lại tổng sau khi chia, và kiểm vài tổ hợp bằng tay.
Cân rủi ro thiếu hàng và thừa hàng trước khi chốt
Thiếu hàng và thừa hàng đều tốn tiền, nhưng tốn theo cách khác nhau. Thiếu hàng làm mất phần lãi của những chiếc lẽ ra bán được, cộng với một phần khó đo là khách hỏi mà không có, có thể chuyển sang shop khác. Thừa hàng giữ vốn, chiếm chỗ, và cuối mùa thường phải giảm giá, đôi khi xuống dưới giá vốn. Với quần áo theo mùa, hàng thừa còn mất giá theo thời gian vì mẫu cũ dần.
Một cách nghĩ đơn giản: so phần lãi mất đi khi thiếu một chiếc với phần lỗ khi phải xả một chiếc dư. Ví dụ giả định tính theo đơn vị tương đối: một mẫu có lãi mỗi chiếc bằng một phần, còn nếu dư thì cuối mùa phải bán lỗ khoảng nửa phần. Khi lãi lớn hơn lỗ, đặt nhỉnh về phía mức cao có lý. Khi lỗ lúc xả có thể lớn hơn lãi, như mẫu theo mốt khó bán sau mùa, nên đặt về phía mức thấp.
AI có thể giúp bạn làm phép so này với số liệu của chính shop, chỉ cần đưa vào tỷ lệ lãi tương đối và mức giảm giá cuối mùa thường gặp, không cần đưa giá vốn thật. Câu lệnh gợi ý: "Với ba mức dự báo và tỷ lệ lãi, lỗ tương đối như sau, đặt lô đầu ở mỗi mức thì kết quả trung bình thế nào nếu khả năng xảy ra của ba mức là ngang nhau? Giải thích từng bước tính." Kết quả là một gợi ý để suy nghĩ, không phải đáp án cuối cùng.
Quyết định lô đầu và theo dõi sau khi lên kệ
Con số lô đầu phụ thuộc vào khả năng đặt bổ sung. Nếu xưởng có thể may thêm trong hai ba tuần, lô đầu gần mức thấp là an toàn: bán tốt thì đặt thêm, bán kém thì tồn ít. Nếu phải đặt một lần, như nhập hàng xa, bạn cân nhắc giữa mất doanh thu khi thiếu và mất vốn khi thừa. Với mẫu thử mốt, nên nghiêng về thiếu; với mẫu cơ bản bán được nhiều mùa, có thể nghiêng về cơ sở vì hàng dư vẫn bán được mùa sau.
Sau khi lên kệ, theo dõi số bán theo tuần và theo tổ hợp size – màu, đặt cạnh ba mức dự báo. Ví dụ giả định: hai tuần đầu bán 30 chiếc, nếu nhịp này giữ đều thì tám tuần sẽ gần mức cao. Đó là tín hiệu chuẩn bị đặt bổ sung, ưu tiên những size đang cạn. Ngược lại, nếu hai tuần chỉ bán 8 chiếc, hãy xem lại ảnh, mô tả, giá trước khi kết luận mẫu kém.
Cuối đợt, ghi lại số bán thật so với ba mức, và giả định nào đúng, giả định nào sai. Lần sau làm mẫu cùng loại, bạn đã có thêm một mẫu tham chiếu, và cách điều chỉnh của bạn sát dần với thực tế của shop mình. Đây là cách duy nhất để dự báo tốt lên theo thời gian, dù có dùng AI hay không.
Câu hỏi thường gặp
Không có mẫu nào tương tự thì ước thế nào?
Lấy mẫu gần nhất về nhóm khách và dịp mặc, ghi rõ chỗ khác biệt, và để khoảng dự báo rộng hơn. Trong trường hợp này nên ưu tiên thử lô nhỏ hoặc nhận đặt trước để có số liệu thật trước khi đặt số lượng lớn.
AI có tự dự báo số lượng cho mẫu mới được không?
AI có thể tính giúp nếu bạn đưa dữ liệu mẫu tương tự và giả định. Nó không biết khách của bạn, không biết mẫu sẽ được chụp ảnh ra sao, nên con số nó đưa chỉ có giá trị bằng dữ liệu và giả định bạn cung cấp. Đừng tin một con số AI đưa ra mà không có căn cứ.
Tỷ lệ size có nên lấy theo bảng chung trên mạng không?
Không nên. Tỷ lệ size phụ thuộc vóc dáng khách của từng shop, nhóm hàng và form. Dữ liệu bán của chính shop là nguồn tốt nhất; nếu shop mới, có thể bắt đầu với tỷ lệ của nguồn hàng hoặc xưởng rồi chỉnh sau đợt đầu.
Nên đặt bổ sung khi nào?
Khi nhịp bán hai ba tuần đầu cho thấy mẫu đang đi về phía mức cao, và tính cả thời gian xưởng cần để may thêm. Ưu tiên đặt bổ sung những size, màu đang cạn, không đặt đều cho mọi tổ hợp.
Có nên làm nhiều màu để khách có lựa chọn không?
Với mẫu mới, nhiều màu làm lô hàng bị chia nhỏ và dễ lẻ. Hai đến ba màu, phần lớn là màu nền đã bán tốt, thường là lựa chọn an toàn. Khi mẫu đã chứng minh bán tốt, có thể thêm màu ở đợt bổ sung.
Dự báo sai nhiều thì có nên bỏ cách này không?
Sai là bình thường với mẫu mới. Điều quan trọng là ghi lại sai ở đâu và vì sao để chỉnh giả định cho lần sau. Sau vài đợt, khoảng dự báo của bạn sẽ hẹp dần và lô đầu sát nhu cầu hơn.