Jak mohou nákupní centra analyzovat data z turniketů prostřednictvím velkých dat?

一, Sběr dat: Vytváření sítě vjemů, která zahrnuje mnoho dimenzí
Rotační brána může shromažďovat data, protože její hardware a software spolupracují, aby se to stalo. Většina moderních turniketů má následující senzory a rozpoznávací moduly:
Modul biometrického rozpoznávání: Tento modul využívá kamery pro rozpoznávání obličeje ke shromažďování informací o věku, pohlaví, výrazech obličeje a dalších vlastnostech osoby. Poté použije členský systém ke spárování těchto záznamů a vytvoří dynamický uživatelský profil.
Behaviorální senzory: Infračervené senzory sledují směr, rychlost a dobu trvání provozu. Tlakové senzory sledují frekvenci a zatížení vratových spínačů, aby zjistily, jak je zařízení zdravé.
Zařízení, která snímají prostředí: snímače teploty a vlhkosti sledují podmínky v oblasti brány, Wi-Fi sondy zaznamenávají MAC adresy mobilních telefonů zákazníků a pomáhají zjistit, kolik lidí tudy prochází a kam jde teplo.
Brána je napojena na POS systém a členský bodový systém. Tím se uzavírá smyčka „spotřeby průchodu“ synchronizací dat, jako je kolik bylo utraceno, kolik kupónů bylo použito a kolik bodů bylo uplatněno.
Například systém inteligentní brány instalovaný v nákupním středisku v-městě první úrovně generuje 500 000 bitů dat denně. To zahrnuje 200 000 záznamů o rozpoznání obličeje, 150 000 dopravních protokolů, 100 000 indikátorů prostředí a 50 000 dat souvisejících{12}}s transakcemi. Edge computing uzel tato data nejprve zpracuje a poté se v reálném čase odešlou do cloudového datového skladu, který je základem pro pozdější analýzu.

2, Zpracování dat: čištění, kombinování a modelování
Nezpracovaná data obsahují problémy včetně nadměrného šumu, mnoha rozměrů a smíšených formátů. Chcete-li tyto potíže vyřešit, data musí projít následujícími kroky:

Čištění dat: Zbavte se duplicitních záznamů o provozu (jako je stejný zákazník, který mnohokrát vstupuje a odchází), odlehlých hodnot (jako je příliš vysoké časování otevírání a zavírání brány) a chybějících hodnot (jako jsou mezery ve sloupci věku způsobené selháním rozpoznávání obličeje). Přesnost vyčištěných dat vzrostla na více než 99 % díky použití algoritmů strojového učení, které samy našly a opravily chyby v datech.
Kombinování dat: Chcete-li vytvořit jediné datové jezero, zkombinujte data brány s daty z jiných systémů obchodního centra, jako jsou CRM, ERP a POS. Můžete například porovnat množství času, který zákazníci stráví cestováním přes bránu, s množstvím času, který stráví v systému POS, a podívat se na konverzní poměr pro „spotřebu v-prodejně“. Můžete také porovnat tok cestujících v oblasti brány s údaji o prodejích v prodejně, abyste viděli, jak dobře obchod odtéká.
Technické funkce: Chcete-li vytvořit strukturovanou datovou sadu, musíte z nezpracovaných dat vytáhnout důležité části, včetně „špičkového objemu provozu“, „distribuce doby setrvání spotřebitelů“, „frekvence selhání brány“ a tak dále. Principal Component Analysis (PCA) je metoda pro snížení počtu dimenzí a množství práce potřebné k provádění výpočtů.
3, Analýza dat: Chytrá volba Přechod od popisu k predikci
Maloobchodní centrum může provést více{0}}úrovňovou analýzu na základě dat, která zpracovala:

1. Popisná analýza: pohled na současný stav věcí
Kde a kdy cestující proudí: Použijte tepelnou mapu k zobrazení hustoty toku cestujících v oblasti brány, najděte nejrušnější časy (například 14:00–16:00 o víkendech) a nejméně vytížené časy (například 10:00–12:00 ve všední dny) a co nejlépe využijte úklidový a bezpečnostní personál.
Profil spotřebitele: Pomocí dat rozpoznávání obličeje a členských systémů se podívejte, jak často lidé různého věku a pohlaví cestují, kde se zastaví a co rádi jedí. Výzkum například ukázal, že ženy ve věku od 25 do 35 let častěji zůstávají v kosmetických podnicích poblíž brány, kde mohou být vytlačeny cílené kupony.
Stav provozu zařízení: Sledujte počet vratových spínačů, poruchovost, záznamy o údržbě, předpokládanou životnost zařízení a rizika prostojů.
2. Prediktivní analýza: Hádání, co se stane dál
Předpovídání toku cestujících: Model časové řady (ARIMA) se používá k odhadu budoucího toku cestujících na základě minulých dopravních údajů a vnějších faktorů, jako je počasí, svátky a aktivity probíhající v okolí. To umožňuje bezpečnostním jednotkám a hodinám skladů upravovat za chodu.
Předvídání toho, jak se budou spotřebitelé chovat: Pomocí asociačních pravidel (jako je algoritmus Apriori) se podívejte, jak souvisí cesty spotřebitelů a spotřební chování. Pokud například lidé, kteří jdou přímo do jídelny poté, co našli dopravní bránu, utratí o 30 % více než typický člověk, lze naplánovat cílené aktivity na propagaci stravování.
Upozornění na problémy se zařízením: Pomocí modelu neuronové sítě LSTM se podívejte na data senzoru brány (jako je teplota motoru a frekvence spínání), abyste našli problémy 72 hodin předtím, než nastanou, a zmírněte vliv náhlého vypnutí na provoz.
3. Kauzální analýza: metoda optimalizace
Vyhodnocení efektivity marketingu: A/B testování vám umožní zjistit, jak reklamy v různých oblastech brány (jako jsou propagační informace na elektronické obrazovce) ovlivňují, jak dlouho lidé zůstávají a kolik nakupují. Poté můžete vylepšit obsah a umístění reklam.
Vylepšení uspořádání prodejny: Podívejte se, jak počet zákazníků v oblasti brány ovlivňuje prodej v prodejně, a poté prodejnu přesuňte. Například propojení turniketů ve frekventovaných úsecích s provozovnami, které se příliš neprodávají, může lidem pomoci zorientovat se tím, že jim nabídne jiné trasy, kterými se mohou vydat.
Prevence a kontrola bezpečnostních rizik: Algoritmy detekce anomálií, jako jsou izolované lesy, nacházejí v oblasti brány zvláštní chování, jako jsou lidé, kteří se hodně pohybují nebo sledují ostatní. Bezpečnostní systém je pak propojen s odesíláním-upozornění v reálném čase, což snižuje pravděpodobnost krádeže a podvodu.
4, Aplikace dat: Uzavřená smyčka od porozumění k akci
Závěry analýzy je třeba převést do strategií, které lze uvést do praxe:

Precizní marketing: Reklamy, které jsou přizpůsobeny každému zákazníkovi, jsou umístěny v oblasti brány. Například zasílání materiálů na propagaci současné značky mladým lidem, kteří často navštěvují, a zasílání slev na dětský koutek rodinám.
Dynamický provoz: Změňte provozní dobu prodejny na základě předpovědí, kolik zákazníků přijde. Například restaurace mohou zůstat otevřené déle o rušných víkendech a opravovat zařízení během méně vytížených časů.
Upgradujte zabezpečení umístěním kamer na vysoce-riziková místa (například tam, kde se setkávají turnikety a výtahy), zefektivníte bezpečnostní hlídkové trasy a zrychlíte dobu odezvy na nouzové situace.
Správa zařízení: Vytvořte zdravotní záznam brány, sledujte historii údržby, typy závad, náhradní díly a další informace. Zlepšete také zásoby náhradních dílů a plány údržby.
Letištní bezpečnostní křídlová turniketová brána E-