Камери є майже в кожному магазині. Корисні дані з них — майже ні в кого. А тим часом найважливіше питання фізичного рітейлу — скільки людей заходить і скільки купує? — вирішується саме там, без купівлі нового обладнання.
Чому підрахунок відвідувачів змінює рішення
Чеки кажуть, скільки купили. Але без трафіку не зрозуміти, чи падіння продажів — це проблема потоку (маркетинг, вітрина, години) чи конверсії (асортимент, персонал, ціни). Це дві різні хвороби з різним лікуванням — і без підрахунку входів ти лікуєш їх наосліп.
Звʼязавши відвідування з чеками по кожному магазину, отримуєш:
- реальну конверсію кожної точки, порівнювану в часі;
- справжні пікові години для планування змін;
- вимірюваний ефект вітрин, акцій і перестановок.
Як це працює без спеціального «заліза»
Комерційні лічильники людей існують давно: пропрієтарні сенсори, монтаж, абонплата. Мій шлях інший: наявні IP-камери вже віддають відеопотік (RTSP) — невеликий сервер із моделлю компʼютерного зору аналізує його й рахує входи-виходи. Жодних нових сенсорів і ремонтних робіт.
Але сирі цифри охоче брешуть: відблиски, персонал, зачинені години. Тому половина роботи — чищення: відфільтрувати шум і привʼязати цифри до реальних годин роботи. Це різниця між лічильником і даними, яким можна вірити.
А приватність?
Система рахує силуети, а не розпізнає людей: жодної біометрії, жодних збережених облич. Налаштування сумісне з GDPR і документується в політиці приватності магазину.
З чого почати
З пілота на одному магазині, на камерах, які вже є: два-три тижні на налаштування моделі й звірку точності контрольними підрахунками. Далі — масштабування на мережу і звʼязка з продажами, як у реальному кейсі рітейл-мережі.
Хочеш дізнатись, чи здатні на це твої камери? Дивись напрямок Відеоаналітика / Computer Vision або напиши — для відповіді досить моделі камер.