Счетчик людей
Счетчик посетителей — это электронное устройство, которое используется для измерения количества людей, проходящих через определенный проход или вход. Примеры включают простые ручные кликеры, технологии «умных полов», инфракрасные лучи, тепловизионные системы, Wi-Fi-трекеры и видеосчетчики с использованием передовых алгоритмов машинного обучения. Они обычно используются предприятиями розничной торговли для оценки эффективности маркетинговых кампаний, дизайна и планировки зданий, а также популярности конкретных брендов.
Отрасли [ править ]
Розничные магазины [ править ]
Системы подсчета посетителей в сфере розничной торговли используются для расчета коэффициента конверсии , который представляет собой процентное соотношение общего числа посетителей к количеству покупателей.
Специалисты по маркетингу торговых центров полагаются на статистику посетителей, чтобы оценить эффективность текущей маркетинговой кампании. Часто владельцы торговых центров измеряют эффективность маркетинга тем же коэффициентом конверсии, что и магазины розничной торговли. [1]
Розничные торговцы могут использовать различные бизнес-показатели для определения штатного расписания. Точный подсчет посетителей также полезен для оптимизации смен персонала. Потребности в персонале часто напрямую связаны с плотностью потока посетителей, и такие услуги, как уборка и техническое обслуживание, обычно предоставляются, когда трафик самый низкий. [2]
Торговые центры [ править ]
В торговых центрах используются счетчики посетителей для измерения количества посетителей в определенной зоне. Счетчики посетителей также помогают измерить места, где обычно собираются люди. В местах, где обычно собираются люди, часто взимается более высокая арендная плата. [3]
Торговые центры предпочитают сдавать в аренду площади только самым популярным брендам. Счетчики посетителей помогают торговым центрам обрести популярность, определяя структуру и трафик посетителей. Владельцы торговых центров могут определить поток трафика на одного покупателя, а также определить, какие зоны и уровни использования различных входов в торговый центр. [4]
Общественный транспорт [ править ]
В сочетании с GPS-позиционированием система подсчета людей внутри автобуса или поезда может помочь измерить заполняемость автобусов на протяжении всего пути. Это может помочь автобусному оператору распределять финансирование и ресурсы по маршрутам. [5]
Бизнес-показатели [ править ]
Счетчики посетителей используются для измерения различных бизнес-показателей. Несмотря на то, что существует множество различных типов счетчиков посетителей, и каждая модель различается по поддерживаемым показателям, большинство счетчиков посетителей предлагают некоторые или все из следующих показателей.
Шаг [ править ]
Шаг измеряет количество людей, которые заходят в магазин или на предприятие за определенный период времени. [6] При анализе тенденций посещаемость часто усредняется за такие периоды, как дни или недели. [7] [8] [9]
Процент сдачи [ править ]
Показатель сдачи — это процент покупателей, заходящих в магазин, по сравнению с количеством людей, проходящих мимо него. С помощью подсчета Wi-Fi магазины могут оценить количество людей, проходящих мимо магазина. Однако более точный метод – видеоподсчет. Количество людей, проходящих мимо магазина, часто отражает потенциал местоположения магазина, а коэффициент конверсии витрины зависит от таких факторов, как привлекательность оформления витрины и эффективность маркетинговых кампаний. [10]
Продолжительность посещения [ изменить ]
Продолжительность посещения — это количество времени, в течение которого посетители остаются в заведении. С помощью подсчета Wi-Fi владельцы могут отслеживать время, когда человек со смартфоном входил и покидал помещение. [11]
Пузырьковая карта/тепловая карта [ править ]
Этот показатель отслеживает активность пользователей по районам, секциям и судам комплекса. Пузырьковая карта или тепловая карта позволяют пользователям анализировать процент вовлеченности по всему комплексу за определенный период времени. Пузырьковые карты и тепловые карты функционируют одинаково, с той лишь разницей, что метод отображения. Тепловая карта показывает уровень вовлеченности с помощью цветов: более теплые цвета показывают большую вовлеченность, тогда как пузырьковая карта показывает вовлеченность с точки зрения процентиля и окружности нарисованного пузыря.
Подсчет зон/транспортный поток [ править ]
Эта метрика, аналогичная пузырьковой карте и тепловой карте , позволяет пользователю видеть поток трафика по уровням вовлеченности. С помощью диаграммы транспортных потоков владелец торгового центра может определить, какой район торгового центра является наиболее популярным, и может арендовать свои арендуемые площади в зависимости от спроса. [12]
Внешний трафик [ править ]
Измерение внешнего трафика позволяет ритейлерам определить количество людей, проходящих мимо розничного магазина в любой конкретный день, и оценить, сколько потенциальных клиентов данное место сможет привлечь в свой бизнес. [13]
Постоянные клиенты [ править ]
Этот показатель учитывает количество людей, входящих в магазин и ранее посещавших его, путем отслеживания уникального идентификатора сигнала Wi-Fi, передаваемого смартфоном. [14]
Современные технологии [ править ]
В устройствах для подсчета людей используется множество различных технологий, таких как технологии «умных полов», инфракрасные лучи, тепловидение , компьютерное зрение и подсчет Wi-Fi. [15] Нынешнее четвертое поколение счетчиков посетителей использует стереоскопическое изображение, чтобы преодолеть ограничения, наложенные предыдущими поколениями, такие как проблемы с тенями, большой подсчет трафика и нарушение узоров на полу.
Подсчет видео [ править ]
Компьютерное зрение работает через встроенное устройство , что снижает использование полосы пропускания сети, поскольку по сети необходимо передавать только количество людей. Адаптивные алгоритмы были разработаны для обеспечения точного подсчета как на открытом воздухе, так и в помещении. Многослойное вычитание фона , основанное на цвете и текстуре, считается наиболее надежным алгоритмом. [16] доступны для различных теней и условий освещения. [17] Благодаря достижениям в области обработки изображений точность подсчета видео может достигать 98% в некоторых условиях освещения. [18] Ожидается, что использование искусственного интеллекта и функций распознавания образов еще больше повысит его точность. [19]
Подсчет Wi-Fi [ править ]
При подсчете Wi-Fi используется приемник Wi-Fi для сбора уникальных кадров управления Wi-Fi, излучаемых смартфонами, находящимися в радиусе действия. [20] Хотя не все люди носят с собой смартфоны, подсчет Wi-Fi может дать статистически значимые показатели при достаточно большом размере выборки. Современные мобильные операционные системы, такие как Apple iOS9 и Android 6.0 Marshmallow, используют схемы ротации MAC-адресов, что усложняет подсчет Wi-Fi без использования сложных алгоритмов. [21] [22]
Видеоверификация [ править ]
Четвертое поколение счетчиков посетителей включает в себя возможность для пользователей проверять подлинность и целостность данных, предоставляемых их счетчиками посетителей. Пользователь сможет проверить точность счетчика и принять соответствующие бизнес-решения, учитывая все несоответствия данных.
Бесшовная интеграция с магазином [ править ]
Счетчики посетителей спроектированы так, чтобы интегрироваться в среду магазина, чтобы свести к минимуму препятствия и нарушения среды магазина. Более того, поскольку счетчики посетителей можно легко принять за камеры наблюдения, покупатели могут чувствовать себя неловко и отвлекаться, если они неправильно спроектированы и установлены. Если счетчик посетителей не скрыт должным образом или не интегрирован в окружающую среду, это повлияет на покупательское поведение потребителей, если они будут введены в заблуждение, полагая, что за ними наблюдают. [23]
Дополнительные возможности [ править ]
Счетчики посетителей четвертого поколения основаны на предыдущей технологии и включают в себя:
- Возможность использования в условиях низкой/переменной освещенности на основе объединения приемников света от нескольких источников различной интенсивности. [24]
- Функции, обеспечивающие соответствие местным законам, которые запрещают использование систем видеонаблюдения в некоторых торговых центрах, сохраняя при этом возможность получения полезных показателей при подсчете видео. [25]
- Исключение персонала с помощью подсчета на основе искусственного интеллекта
- Система подсчета людей на основе миллиметровых волн/радаров.
История [ править ]
электронных посетителей Предшественники счетчиков
До появления электронных счетчиков посетителей использовались ручные счетчики посетителей. Для этого сотрудник магазина должен был стоять возле входа в магазин и нажимать на счетное устройство каждый раз, когда человек входил в магазин. Это было сочтено неточным из-за высокого уровня человеческих ошибок, а также неэффективного использования человеческих ресурсов. Также использовались датчики, чувствительные к давлению, которые подсчитывают количество посетителей на основе количества шагов на чувствительной к давлению платформе или коврике.
1-е поколение: Счетчики инфракрасных лучей (2002-2004 гг . )
Первые счетчики лучей в Великобритании были установлены компанией Business Blueprints в 1988 году в центре Медоухолл, недалеко от Шеффилда, Южный Йоркшир, Англия. Они охватили все 14 входов и зарегистрировали посещаемость в 20 миллионов покупателей в год. Ежедневные ручные проверки проводились для повторной калибровки каждого счетчика лучей, что приводило к уровню ошибок +\-3%. [ нужна ссылка ] , значительно более точный, чем более поздние видеосистемы.
Самая простая форма счетчика — это одиночный горизонтальный инфракрасный луч через вход, который обычно связан с небольшим ЖК- дисплеем сбоку от дверного проема. При разрыве луча «записывается тик». Поскольку человек обычно входит и выходит через одну и ту же дверь, деление «галочек» на два дает оценку количества посетителей. Для счетчиков лучей обычно требуется приемник или отражатель, установленный напротив устройства с типичным диапазоном от 2,5 метров (8 футов 2 дюйма) до 6 метров (20 футов). Несмотря на ограничения, инфракрасные счетчики до сих пор широко используются благодаря дешевизне и простоте установки. [26] Ожидаемый уровень точности первого поколения счетчиков посетителей составлял от 60% до 80%. [ нужна ссылка ] .
2-е поколение: Тепловые счетчики (2005-2011 . гг )
В тепловизионных системах используются матричные датчики, которые обнаруживают источники тепла. Эти системы обычно реализуются с использованием встроенных технологий и монтируются над головой. Проверить точность термосчетчиков сложно, так как реле подачи изображения на устройствах являются источниками тепла. Они могут быть неточными, поскольку тепловые счетчики с трудом измеряют время пребывания целей, превышающее несколько секунд. Благодаря этому счетчики посетителей второго поколения имеют среднюю точность от 80% до 85%.
3-е поколение: подсчет видео и Wi-Fi (2012–2016 . гг )
Существует два типа счетчиков посетителей третьего поколения. Видеосчетчики используют сложные алгоритмы и изображения с камер для подсчета количества людей непосредственно с видеокассеты. Функция подсчета Wi-Fi собирает сигналы запросов Wi-Fi-зондов со смартфонов покупателей, в том числе за пределами магазина. Это добавляет ряд важных показателей для бизнеса, особенно для розничной торговли, например, возможность определить, насколько эффективна кампания витринного маркетинга. Благодаря технологии подсчета видео ожидаемая точность устройства составляет от 80% до 95%.
См. также [ править ]
Ссылки [ править ]
- ^ «Метрики измерения эффективности рекламной кампании» . www.allbusiness.com . Июль 2010 года . Проверено 17 августа 2017 г.
- ^ «Использование маркетинговых идей для оптимизации кадрового обеспечения» . МойКлиент . 9 июня 2017 года . Проверено 18 августа 2017 г.
- ^ Фатхи, Надер. «Как Shopper Analytics обеспечивает процветание торгового центра?» . Возраст сети магазинов . Архивировано из оригинала 17 августа 2017 года . Проверено 17 августа 2017 г.
- ^ Д'Мелло, Сандхья. «Торговые центры Дубая используют датчики для подсчета толпы» . www.khaleejtimes.com . Проверено 18 августа 2017 г.
- ^ «Автоматические системы подсчета пассажиров на общественном транспорте» .
- ^ Словарь, Оксфорд. «шаг» . Оксфордский словарь . Архивировано из оригинала 27 сентября 2016 года . Проверено 17 августа 2017 г.
- ^ Хаунсли, Тара (6 марта 2017 г.). «Primark увеличивает посещаемость торговых центров Колчестера на 30%» . Драпировщики . Проверено 23 ноября 2018 г.
- ^ «Средняя ежедневная посещаемость авиационных домов по неделям — data.gov.uk» . data.gov.uk. 21 февраля 2018 года . Проверено 23 ноября 2018 г.
- ^ «Средняя посещаемость Marks & Spencer в 2009–2018 гг. | Статистика» . Статистика . Проверено 23 ноября 2018 г.
- ^ Диллон, Крис (30 июля 2015 г.). «Сундер Сандхе меняет правила игры в сфере технологий» . Архивировано из оригинала 30 июля 2015 года . Проверено 27 августа 2015 г.
{{cite journal}}: Для цитирования журнала требуется|journal=( помощь ) - ^ «Аналитика местоположения Wi-Fi» (PDF) . Офис комиссара по информации . Проверено 18 августа 2017 г.
- ^ Лоури, Джеймс. «Как использовать исследование трафика для выбора места розничной торговли» (PDF) . Центр женского предпринимательства . Проверено 21 августа 2017 г.
- ^ Марсан, Джереми. «Как определить пешеходный трафик и использовать данные для выбора местоположения бизнеса» . Подходит для малого бизнеса . Проверено 18 августа 2017 г.
- ^ Клиффорд, Стефани; Харди, Квентин (15 июля 2013 г.). «Внимание, покупатели: магазин отслеживает ваш мобильный» . Нью-Йорк Таймс . Проверено 18 августа 2017 г.
- ^ Пол К. Бокс, Джозеф К. Оппенландер (1976), Руководство по исследованиям в области дорожного движения , Институт инженеров транспорта, стр. 17 , получено 21 декабря 2010 г.
- ^ Яо, Цзянь; Одобез, Жан-Марк (2007). «Многослойное вычитание фона на основе цвета и текстуры». Конференция IEEE 2007 г. по компьютерному зрению и распознаванию образов (PDF) . стр. 1–8. дои : 10.1109/CVPR.2007.383497 . ISBN 978-1-4244-1179-5 . S2CID 1548628 . Архивировано из оригинала (PDF) 21 августа 2017 года . Проверено 21 августа 2017 г.
- ^ Цзянь Яо; Жан-Марк Одобез (2007). Многослойное вычитание фона на основе цвета и текстуры (PDF) . Семинар по визуальному наблюдению CVPR (CVPR-VS). Миннеаполис, Миннесота, США: IEEE. дои : 10.1109/CVPR.2007.383497 .
- ^ «Как работает система подсчета посетителей видеонаблюдения» . Розничное зондирование . Проверено 15 апреля 2016 г.
- ^ Сюй, Джереми (19 октября 2015 г.). «Теперь возможен компьютерный подсчет огромной толпы» . IEEE-спектр . Проверено 18 августа 2017 г.
- ^ Венц, Джон (9 июня 2015 г.). «Как Wi-Fi может подсчитывать людей в комнате, не отслеживая их телефоны» . Популярная механика . Проверено 17 августа 2017 г.
- ^ «Изменения безопасности и конфиденциальности в iOS 9» . 2015.
- ^ Амадео, Рон (5 октября 2015 г.). «Android 6.0 Marshmallow, тщательно проверенный» . arstechnica.com .
- ^ поп, мак; Роткранц, лм. «Анализ покупательского поведения на основе системы наблюдения» (PDF) . Обработка видео и изображений, Philips Research : 2512–2519.
- ^ Русер, Генрих; Павлов, Владислав. «Счетчик людей на основе слияния интенсивностей отраженного света от массива инфракрасных датчиков» (PDF) . Институт технологий измерения и автоматизации (IMA) .
- ^ Сарр, Рик. «Видеонаблюдение: кто за кем может наблюдать по закону?» . Разговор . Проверено 19 января 2018 г.
- ^ Каяла, Л.; Альмик, А.; Даль, Р.; Диксаито, Л.; Эркконен, Дж.; Фредман, П.; Дженсен, Ф.; Зондергаард, К; Сиеванер, Т. (2007). Мониторинг посетителей в природных зонах – руководство, основанное на опыте стран Северной Европы и Балтии . Швеция: ТемаНорд. п. 46. ИСБН 9789162012588 . Проверено 21 августа 2017 г.