Cum pot centrele comerciale să analizeze datele turnichete prin big data?

一, Colectarea datelor: Crearea unei rețele de percepții care include multe dimensiuni
Poarta rotativă poate colecta date deoarece hardware-ul și software-ul său lucrează împreună pentru a face acest lucru. Majoritatea turnichetelor moderne au următorii senzori și module de recunoaștere:
Modul de recunoaștere biometrică: acest modul utilizează camere de recunoaștere facială pentru a aduna informații despre vârsta, sexul, expresiile faciale și alte trăsături ale unei persoane. Apoi utilizează sistemul de membru pentru a potrivi aceste înregistrări pentru a crea un profil de utilizator dinamic.
Senzori de comportament: Senzorii cu infraroșu urmăresc direcția, viteza și durata de timp a traficului. Senzorii de presiune urmăresc frecvența și sarcina comutatoarelor de poartă pentru a afla cât de sănătos este echipamentul.
Dispozitive care percep mediul: senzorii de temperatură și umiditate urmăresc condițiile din zona porții, sondele Wi-Fi înregistrează adresele MAC ale telefoanelor mobile ale clienților și ajută la a afla câți oameni trec și unde se îndreaptă căldura.
Poarta este conectată la sistemul POS și la sistemul de puncte pentru membri. Acest lucru face o buclă închisă „consum de trecere” prin sincronizarea datelor cum ar fi cât a fost cheltuit, câte cupoane au fost folosite și câte puncte au fost răscumpărate.
De exemplu, un sistem inteligent de poartă instalat într-un centru comercial dintr-un oraș de prim{0}}nivel generează 500.000 de biți de date pe zi. Aceasta include 200.000 de înregistrări de recunoaștere facială, 150.000 de jurnalele de trafic, 100.000 de indicatori de mediu și 50.000 de date legate de tranzacții-. Nodul edge computing prelucrează mai întâi aceste date, apoi sunt trimise la depozitul de date cloud în timp real, care stă la baza analizei ulterioare.

2, Prelucrarea datelor: curățare, combinare și modelare
Datele brute conțin probleme, inclusiv zgomot excesiv, multe dimensiuni și formate mixte. Pentru a remedia aceste dificultăți, datele trebuie să parcurgă următorii pași:

Curățarea datelor: scăpați de înregistrările de trafic duplicat (cum ar fi același client care intră și iese de multe ori), valorile aberante (cum ar fi timpii de deschidere și închidere a porții care sunt prea mari) și valorile lipsă (cum ar fi golurile în coloana de vârstă cauzate de eșecurile recunoașterii faciale). Precizia datelor curățate a crescut la peste 99% prin utilizarea algoritmilor de învățare automată pentru a găsi și a remedia singuri greșelile din date.
Combinarea datelor: pentru a stabili un singur lac de date, combinați datele de la poartă cu datele din alte sisteme de mall, cum ar fi CRM, ERP și POS. De exemplu, ați putea compara timpul petrecut de clienți călătorind prin poartă cu timpul petrecut la sistemul POS și să vă uitați la rata de conversie pentru „-consumul în magazin”. De asemenea, puteți compara fluxul de pasageri din zona porții cu datele de vânzări ale magazinului pentru a vedea cât de bine se scurge afacerea.
Caracteristici de inginerie: pentru a crea un set de date structurat, trebuie să extrageți părți importante din datele brute, inclusiv „volumul maxim de trafic”, „distribuția timpului de ședere a consumatorilor”, „frecvența defecțiunii porții” și așa mai departe. Analiza componentelor principale (PCA) este o metodă de scădere a numărului de dimensiuni și a cantității de muncă necesare pentru efectuarea calculelor.
3, Analiza datelor: alegere inteligentă, de la descriere la predicție
Mall-ul poate face analize pe mai multe-niveluri pe baza datelor pe care le-a procesat:

1. Analiza descriptivă: o privire asupra stării actuale a lucrurilor
Unde și când circulă pasagerii: utilizați o hartă termică pentru a arăta densitatea fluxului de pasageri în zona porții, găsiți orele cele mai aglomerate (cum ar fi 14:00–16:00 în weekend) și cele mai puțin aglomerate (cum ar fi 10:00–12:00 în zilele lucrătoare) și folosiți cât mai bine personalul de curățenie și securitate.
Profilul consumatorului: folosind datele de recunoaștere facială și sistemele de abonament, uitați-vă la cât de des călătoresc persoane de diferite vârste și sexe, unde opresc și ce le place să mănânce. De exemplu, cercetările au arătat că femeile cu vârste cuprinse între 25 și 35 de ani au mai multe șanse să rămână la companiile de cosmetice de lângă poartă, unde pot fi impuse cupoane specifice.
Starea funcționării echipamentului: Urmăriți numărul de comutatoare de poartă, rata defecțiunilor, înregistrările de întreținere, durata de viață estimată a echipamentului și pericolele de nefuncționare.
2. Analiza predictivă: Ghicirea ce se va întâmpla în continuare
Predicția fluxului de pasageri: Un model de serie cronologică (ARIMA) este utilizat pentru a estima fluxul viitor de pasageri pe baza datelor de trafic din trecut și a factorilor externi, cum ar fi vremea, vacanțele și activitățile care se desfășoară în apropiere. Acest lucru permite trupelor de securitate și orele de depozit să fie ajustate din mers.
Prezicerea modului în care vor acționa consumatorii: utilizați regulile de asociere (cum ar fi algoritmul Apriori) pentru a vedea cum sunt legate traseele de călătorie ale consumatorilor și comportamentul de consum. De exemplu, dacă oamenii care merg direct în zona de luat masa după ce au găsit poarta de trafic cheltuiesc cu 30% mai mult decât persoana obișnuită, se pot planifica activități de promovare a cateringului.
Avertisment despre problemele echipamentelor: folosind un model de rețea neuronală LSTM, analizați datele senzorului de poartă (cum ar fi temperatura motorului și frecvența comutatorului) pentru a găsi probleme cu 72 de ore înainte de a se produce și pentru a reduce efectul unei opriri bruște asupra operațiunilor.
3. Analiza cauzală: metodă de optimizare
Evaluarea eficienței marketingului: testarea A/B vă permite să vedeți cum reclamele din diferite zone de poartă (cum ar fi informațiile promoționale de pe ecranul electronic) afectează cât de mult stau oamenii și cât de mult cumpără. Apoi puteți îmbunătăți conținutul și plasarea anunțurilor.
Îmbunătățirea aspectului magazinului: Uitați-vă la modul în care numărul de clienți din zona porții afectează vânzările în magazin și apoi mutați magazinul. De exemplu, conectarea turnichetelor din secțiunile aglomerate cu unități care nu vând prea mult poate ajuta oamenii să-și găsească drumul, oferindu-le alte rute de urmat.
Prevenirea și controlul riscurilor de securitate: algoritmii de detectare a anomaliilor, cum ar fi pădurile izolate, găsesc un comportament ciudat în zona porții, cum ar fi oamenii care se mișcă mult sau îi urmăresc pe alții. Sistemul de securitate este apoi conectat pentru a trimite alerte-în timp real, ceea ce scade șansele de furt și fraudă.
4, Aplicația de date: o buclă închisă de la înțelegere la acțiune
Concluziile analizei trebuie transformate în strategii care pot fi puse în practică:

Marketing de precizie: anunțurile care sunt adaptate fiecărui client sunt plasate în zona porții. De exemplu, trimiterea de materiale de promovare a mărcii contemporane tinerilor care vizitează des și trimiterea de reduceri pentru spațiul de joacă pentru copii către familii.
Funcționare dinamică: modificați programul de funcționare al magazinului pe baza previziunilor cu privire la câți clienți vor intra. De exemplu, restaurantele pot rămâne deschise mai mult în weekendurile aglomerate și pot face reparații la echipamentele lor în perioadele mai puțin aglomerate.
Îmbunătățiți securitatea prin plasarea camerelor în locuri-cu risc ridicat (cum ar fi acolo unde turnichetele și ascensoarele se întâlnesc), făcând rutele de patrulare de securitate mai eficiente și accelerând timpul de răspuns în caz de urgență.
Gestionarea echipamentelor: faceți o evidență de sănătate a porții, urmăriți istoricul întreținerii, tipurile de defecte, piese de schimb și alte informații. De asemenea, îmbunătățiți inventarul de piese de schimb și planurile de întreținere.
Poarta E-turnichetă batantă de securitate pentru aeroport