Hồ sơ Cửa hàng — DMHH Optimize

Bước 1 — Mặt bằng

Tên mặt bằng

Địa chỉ

Diện tích sàn bán hàng (m²)

Giá thuê (triệu đồng/tháng)

Giá thuê/m² (nghìn đồng/m²/tháng)

Đơn vị môi giới

Ghi chú

Ghi đặc điểm VẬT LÝ riêng của mặt bằng — thứ không nằm ở trường nào khác nhưng ảnh hưởng tới thiết kế: hình dạng (dài/hẹp/vuông), mặt tiền rộng bao nhiêu mét, có tầng lửng/tầng 2 không, chỗ để xe máy, hướng nắng, cột/kết cấu vướng, khoảng lùi vỉa hè...

Bước 2 — Bằng chứng địa bàn

Khảo sát thực địa — điền số đếm/quan sát thật, không suy đoán.

Số hộ dân cư lân cận (300m)

Số toà văn phòng lân cận (300m)

Số trường học lân cận (300m)

Lưu lượng đi bộ ước tính

Lưu lượng xe ước tính

Loại hình tuyến đường

Ghi chú khảo sát

Ghi rõ 3 việc: (1) Nguồn số liệu — tự đếm, hỏi bảo vệ/dân quanh đó, hay tra Google Maps; (2) Thời điểm khảo sát — giờ nào, ngày thường hay cuối tuần (lưu lượng lệch rất nhiều giữa 2 loại ngày); (3) Đối thủ cạnh tranh đã thấy quanh đó — tên chuỗi CVS/tạp hoá/chợ, khoảng cách ước tính. Đây là nguồn duy nhất để MKT/ngành hàng biết địa bàn thật sự có gì xung quanh — càng cụ thể càng tốt, đừng chỉ ghi cảm nhận chung chung.

Ảnh hiện trường

Bước 3 — Gợi ý Location Type

2 lớp thông tin song song (chốt 16/09/2026, xem CONG-THUC.md mục 19): Location Type — 6 loại, nguồn chân lý là Lark base "CVS Target" (bảng "2. Hệ số mô hình CH", dùng để tính target bán hàng) — quyết định nhịp ngày thường/cuối tuần/event VÀ dùng để prefill Bước 5. Location Specific — đặc điểm nổi bật, chọn được nhiều, không có hệ số riêng, chỉ là gợi ý tham khảo thêm cho Bước 5 (sửa tay theo hint của từng tag).

Location Type (chọn 1)

Location Specific (chọn được nhiều, không bắt buộc)

Đã xác nhận thực địa (không phải suy đoán)

Ghi chú

Ghi lý do CỤ THỂ vì sao chọn Location Type này — dẫn chứng từ số liệu Bước 2, đừng chỉ chọn theo cảm giác. Nếu mặt bằng pha trộn nhiều đặc điểm (vd vừa gần văn phòng vừa gần chung cư), ghi rõ tỷ lệ pha trộn đó thay vì ép vào 1 đáp án duy nhất.

Bước 4 — Customer

Hồ sơ khách hàng mục tiêu

Mô tả càng cụ thể càng tốt: độ tuổi, nghề nghiệp/thu nhập ước tính, phương tiện di chuyển, thói quen ghé cửa hàng (đi bộ hay xe máy, ghé trước/trong/sau giờ làm, đi 1 mình hay có con nhỏ...). Đây là input chính để MKT lên nội dung truyền thông/khuyến mãi đúng đối tượng — mô tả chung chung như "khách văn phòng" sẽ không đủ để họ làm việc.

Need state chính (mỗi dòng 1 nhu cầu)

Mỗi dòng viết theo cấu trúc "Ai — cần gì — vào lúc nào", càng cụ thể càng dễ soi đúng vào 24 mission ở Bước 5 (vd không viết "ăn uống" chung chung mà viết "nhân viên văn phòng cần ăn sáng nhanh trước 8h"). Ngành hàng sẽ đối chiếu trực tiếp danh sách này với thư viện Mission.

Bước 5 — Ma trận Mission → Role → Store Promise

Gợi ý Role tự động prefill từ mức độ liên quan giữa 24 Mission và Location Type đã chọn ở Bước 3 (ma trận 24×6, xem CONG-THUC.md mục 19) — chỉ là gợi ý khởi đầu Claude đề xuất, chưa kiểm chứng bằng dữ liệu thật, sửa tay lại cho đúng thực tế mặt bằng. Nếu có chọn Location Specific ở Bước 3, đọc hint của từng tag để tự nâng/hạ Role thêm — Prefill KHÔNG tự áp dụng tag.

Mission	Role	Store Promise	Thông tin chú thích

Bước 6 — Phân bổ LM (LM_Calculator v0)

Công cụ tham khảo trước khi ra quyết định layout — càng nhập đủ càng đáng tin. Anchor thật: 34VPH hiện có 87,4m kệ thực đo (xem CONG-THUC.md mục 11.1) — KHÔNG có tỷ lệ LM/m² xác thực, totalLm_m nên lấy từ bản vẽ/đếm kệ thật của chính mặt bằng này.

Tổng LM mặt bằng này (m)

Nguồn số liệu

Đếm kệ theo loại

1. Tỉ trọng phân bổ tham khảo:

Tham khảo cơ cấu LM thực tế tại 34VPH theo Ngành hàng — KHÔNG phải mục tiêu tối ưu, chỉ để có 1 điểm neo thật khi ước lượng cho mặt bằng mới. Cột bên phải cho phép gõ tay điều chỉnh riêng cho hồ sơ này.

2. Tính toán phân bổ LM theo Mission (dùng Role ở Bước 5 + Tổng LM)

Mission	Role	Tỷ trọng đề xuất	LM đề xuất (m)