Việc ghép đôi sản phẩm, hay còn gọi là “matching” trong một số trường hợp, là quá trình tự động xác định các sản phẩm tương đương giữa các thương hiệu hoặc dòng sản phẩm khác nhau nhằm so sánh giá cả, hiệu suất và vị thế cạnh tranh của chúng trên một cơ sở đồng nhất. Công việc này giải quyết một vấn đề đơn giản nhưng mang tính nền tảng: việc so sánh giá chỉ có ý nghĩa khi so sánh các sản phẩm thực sự tương đương. Nếu không có cơ chế ghép đôi đáng tin cậy, hoạt động theo dõi cạnh tranh có nguy cơ so sánh các sản phẩm gần giống nhưng khác biệt — chẳng hạn như định dạng khác nhau, thành phần hơi khác — và dẫn đến kết luận sai lệch về vị thế giá thực sự của thương hiệu. BOOPER MPS cấu trúc sự liên kết này thông qua nhiều cơ chế bổ sung cho nhau: khớp tự động bằng trí tuệ nhân tạo (AI) cho các trường hợp có thể phát hiện sự trùng khớp qua tên gọi và thuộc tính; sao chép khi không có sự trùng khớp trực tiếp qua mã EAN; và liên kết chuỗi để tổ chức mối quan hệ giữa các sản phẩm của chính thương hiệu đó. Đối với một nhà bán lẻ, việc liên kết sản phẩm này là một điều kiện tiên quyết thường không dễ nhận thấy nhưng lại không thể thiếu đối với bất kỳ chiến lược định giá cạnh tranh nghiêm túc nào: nó quyết định độ tin cậy của việc theo dõi giá cả và, từ đó, tính phù hợp của các quyết định về giá được đưa ra để phản ứng hoặc dự đoán thị trường.

Trí tuệ nhân tạo (AI) phân tích đồng thời các tên sản phẩm, thuộc tính, định dạng, thương hiệu và xu hướng giá để phát hiện những điểm tương đồng mà con người không thể nhận ra. Hệ thống liên tục học hỏi từ các phản hồi xác nhận của người dùng để nâng cao độ chính xác. Khi có sẵn, AI cũng tận dụng công nghệ nhận diện hình ảnh. Đóng góp chính của trí tuệ nhân tạo (AI) trong lĩnh vực này là khả năng xử lý các tên sản phẩm đa dạng: hai thương hiệu khác nhau hiếm khi đặt tên cho cùng một mã sản phẩm theo cùng một cách, điều này khiến việc so sánh đáng tin cậy chỉ dựa trên sự trùng khớp văn bản trở nên bất khả thi. Công nghệ xử lý ngôn ngữ tự nhiên cho phép nhận diện rằng đó là cùng một sản phẩm dù tên gọi khác nhau, bằng cách dựa vào các thuộc tính, định dạng và thương hiệu bên cạnh tên gọi. Độ chính xác này được cải thiện theo thời gian nhờ cơ chế học tập liên tục: mỗi lần xác nhận hoặc chỉnh sửa do người dùng thực hiện đều làm phong phú thêm mô hình, giúp mô hình dần dần tinh chỉnh các đề xuất về việc đối chiếu trong tương lai thay vì bị giới hạn bởi các thiết lập ban đầu. Đối với một nhà bán lẻ, khả năng này thay đổi quy mô mà công việc khớp sản phẩm có thể được thực hiện: việc xử lý thủ công để khớp sản phẩm nhanh chóng đạt đến giới hạn khi phải đối mặt với danh mục gồm hàng nghìn mã sản phẩm được theo dõi trên nhiều chuỗi cửa hàng cạnh tranh, trong khi trí tuệ nhân tạo (AI) cho phép xử lý khối lượng này đồng thời vẫn duy trì sự xác nhận của con người đối với các trường hợp không rõ ràng.

Khi không có sự liên kết trực tiếp qua mã EAN, cơ chế sao chép sẽ được áp dụng để liên kết các sản phẩm của thương hiệu với các sản phẩm của đối thủ cạnh tranh; điều này áp dụng cho cả thương hiệu riêng lẫn thương hiệu quốc gia. Loại mối quan hệ bổ sung khác là cơ chế liên kết theo chuỗi: các sản phẩm của thương hiệu được nhóm lại để thiết lập các mối liên kết về thứ bậc, hệ số và mô hình lịch sử. Hai cơ chế này đáp ứng các nhu cầu khác nhau. Cơ chế sao chép phục vụ cho việc so sánh cạnh tranh: nó cho phép đối chiếu một sản phẩm của chuỗi bán lẻ với một sản phẩm tương đương của đối thủ khi việc đối chiếu tự động thông qua mã định danh tiêu chuẩn (EAN) không thể thực hiện được, ví dụ như đối với thương hiệu riêng không có sản phẩm tương đương trực tiếp được liệt kê tại đối thủ. Về phần mình, tính năng xâu chuỗi hoạt động nội bộ trên danh mục sản phẩm của thương hiệu: nó cấu trúc các mối liên kết phân cấp giữa các mã sản phẩm tương tự (các biến thể về kích cỡ, bao bì) và các hệ số, giúp tái tạo lịch sử bán hàng nhất quán ngay cả khi các mã sản phẩm thay đổi hoặc bị thay thế theo thời gian. Đối với một nhà bán lẻ, hai mối quan hệ này bổ sung cho nhau hơn là trùng lặp: phương pháp sao chép đảm bảo việc phân tích cạnh tranh bên ngoài, trong khi phương pháp liên kết đảm bảo tính liên tục và nhất quán của phân tích nội bộ, đặc biệt khi một sản phẩm thay đổi mã sản phẩm mà bản chất thực tế không thay đổi.

BOOPER xác định các sản phẩm có thể thay thế lẫn nhau dựa trên các đặc tính chức năng và định vị giá của chúng, nhằm xây dựng các chuỗi sản phẩm MN/MDD/PPx và phân tích các tác động của hiện tượng “cạnh tranh nội bộ” và “nâng cấp phân khúc”. Việc cấu trúc này giải quyết một thách thức cốt lõi trong quản lý danh mục sản phẩm: thương hiệu quốc gia, thương hiệu riêng của nhà phân phối và sản phẩm giá rẻ không phải là các phân khúc tách biệt, mà là các sản phẩm tương tác lẫn nhau trong quá trình ra quyết định mua hàng của khách hàng. Việc liên kết các sản phẩm này với nhau cho phép phân tích cách sự thay đổi giá của một sản phẩm ảnh hưởng đến doanh số của các sản phẩm khác, thay vì phân tích từng sản phẩm một cách riêng lẻ. Cụ thể, phân tích này làm nổi bật các hiệu ứng cạnh tranh nội bộ — khách hàng chuyển từ thương hiệu quốc gia sang thương hiệu riêng của nhà bán lẻ khi chênh lệch giá thu hẹp quá mức — hoặc các hiệu ứng nâng cấp phân khúc, khi sự khác biệt về chất lượng được nhận thức đủ để biện minh cho mức chênh lệch giá lớn hơn mà không làm giảm khối lượng tiêu thụ. Đối với một nhà bán lẻ, việc phân tích chéo giữa thương hiệu quốc gia (MN), thương hiệu riêng (MDD) và thương hiệu của nhà bán lẻ (PPx) là yếu tố quyết định để xây dựng một cấu trúc giá nhất quán trong một danh mục sản phẩm: việc định giá cho một thương hiệu riêng mà không tính đến vị trí của nó so với thương hiệu quốc gia tương đương đồng nghĩa với việc bỏ qua phần lớn động lực thực tế của nhu cầu trên kệ hàng.

Không, quá trình ghép cặp không hoàn toàn tự động. Mặc dù các đề xuất ngày càng thông minh và tự động hơn, việc ghép cặp vẫn cần sự xác nhận của con người để các thuật toán có thể học hỏi. Sự lựa chọn này không phải là một hạn chế kỹ thuật mà là một nguyên tắc phương pháp luận: một kết quả ghép cặp sai sẽ làm sai lệch tất cả các phân tích cạnh tranh dựa trên đó, từ đó gây ra hiệu ứng domino đối với các quyết định về giá. Việc duy trì sự kiểm soát của con người đối với các trường hợp không chắc chắn giúp ngăn chặn các lỗi ghép nối lan truyền âm thầm trong quá trình điều hành định giá. Cách thức hoạt động này nằm trong logic của quá trình học tập liên tục: càng nhiều người dùng xác nhận hoặc điều chỉnh các đề xuất của AI, mô hình càng tinh chỉnh độ chính xác và theo thời gian, giảm bớt tỷ lệ các trường hợp cần can thiệp thủ công. Do đó, tự động hóa đang phát triển, nhưng vẫn luôn đi kèm với sự kiểm soát chuyên môn đối với các trường hợp so sánh ít rõ ràng hơn. Đối với một nhà bán lẻ, sự cân bằng giữa tự động hóa và xác nhận thủ công là đảm bảo cho độ tin cậy: nó giúp tránh việc hy sinh chất lượng cơ sở dữ liệu sản phẩm vì tốc độ xử lý, trong khi cơ sở dữ liệu này trực tiếp quyết định tính chính xác của các quyết định định giá dựa trên so sánh với đối thủ cạnh tranh.

MPS khai thác các cơ sở dữ liệu sản phẩm, tên gọi sản phẩm, các thuộc tính kỹ thuật, lịch sử giá cả và dữ liệu về đối thủ cạnh tranh. Dữ liệu càng phong phú thì đề xuất kết hợp càng chính xác. Cơ sở dữ liệu sản phẩm và tên gọi là nền tảng cho quá trình ghép đôi: các thuộc tính có sẵn càng đầy đủ và có cấu trúc (định dạng, thương hiệu, bao bì, danh mục), AI càng có nhiều yếu tố đáng tin cậy để phân biệt các sản phẩm thực sự tương đương với các sản phẩm chỉ tương tự. Lịch sử giá cả và dữ liệu cạnh tranh sau đó sẽ tinh chỉnh và xác thực các kết quả ghép đôi này theo thời gian. Khi cơ sở dữ liệu sản phẩm không đầy đủ hoặc thiếu cấu trúc — tên sản phẩm chung chung, thiếu thuộc tính — độ chính xác của các đề xuất ghép đôi sẽ bị ảnh hưởng trực tiếp, điều này giải thích tại sao việc xác nhận thủ công vẫn là cần thiết trong những trường hợp dữ liệu nguồn thiếu chất lượng. Đối với một nhà bán lẻ, điều này có nghĩa là chất lượng của việc ghép đôi sản phẩm phần nào phụ thuộc vào một công việc nền tảng thường bị bỏ qua: việc cấu trúc và đảm bảo độ tin cậy của cơ sở dữ liệu sản phẩm nội bộ, vốn quyết định hiệu suất của tất cả các mô-đun dựa trên nó sau này, từ việc ghép đôi đến phân tích cạnh tranh.

Các lợi ích đến từ việc giảm thời gian thực hiện thủ công, tính đáng tin cậy của việc so sánh giá, việc cải thiện các quyết định kinh doanh và năng lực cạnh tranh tổng thể. Những lợi ích ban đầu thường được ghi nhận chỉ sau vài tháng. Thời gian thực hiện thủ công được tiết kiệm thường là hiệu quả đầu tiên có thể nhận thấy: việc đối chiếu sản phẩm giữa các thương hiệu cạnh tranh vốn là công việc tốn nhiều thời gian khi thực hiện thủ công, từng mã sản phẩm một, và đặc biệt khó duy trì tính cập nhật đối với danh mục sản phẩm rộng lớn với tỷ lệ thay mới sản phẩm cao. Về phần lợi ích về độ tin cậy, mặc dù khó đo lường trực tiếp hơn nhưng lại có tác động lớn hơn trong dài hạn: các so sánh cạnh tranh được xây dựng trên cơ sở dữ liệu sản phẩm đáng tin cậy giúp tránh những quyết định định giá bị sai lệch do việc đối chiếu không chính xác, từ đó nâng cao chất lượng các quyết định điều chỉnh giá trong dài hạn thay vì chỉ trong một chiến dịch duy nhất. Đối với một nhà bán lẻ, mô-đun này thường là một nền tảng nền tảng ít được chú ý nhưng có vai trò cấu trúc: nó không trực tiếp tạo ra lợi nhuận, nhưng lại quyết định độ tin cậy của tất cả các phân tích cạnh tranh và quyết định định giá, vốn sau đó đều dựa trên các so sánh sản phẩm này.