Hvordan kan kjøpesentre analysere turnstile-data gjennom big data?

一, Datainnsamling: Skape et nettverk av oppfatninger som inkluderer mange dimensjoner
Den roterende porten kan samle inn data fordi maskinvaren og programvaren jobber sammen for å få det til. De fleste moderne turnstiles har følgende sensorer og gjenkjenningsmoduler:
Biometrisk gjenkjenningsmodul: Denne modulen bruker ansiktsgjenkjenningskameraer for å samle informasjon om en persons alder, kjønn, ansiktsuttrykk og andre egenskaper. Den bruker deretter medlemssystemet for å matche disse postene for å lage en dynamisk brukerprofil.
Atferdssensorer: Infrarøde sensorer holder styr på retningen, hastigheten og varigheten av trafikken. Trykksensorer holder styr på frekvens og belastning på portbrytere for å finne ut hvor sunt utstyret er.
Enheter som føler miljøet: temperatur- og fuktighetssensorer holder øye med forholdene i portområdet, Wi Fi-sonder registrerer MAC-adressene til kundenes mobiltelefoner, og hjelper til med å finne ut hvor mange mennesker som passerer og hvor varmen går.
Porten er koblet til POS-systemet og medlemspoengsystemet. Dette gjør en "pass forbruk" lukket sløyfe ved å synkronisere data som hvor mye som ble brukt, hvor mange kuponger som ble brukt og hvor mange poeng som ble innløst.
For eksempel genererer et intelligent portsystem installert i et kjøpesenter i en by på første nivå 500 000 databiter per dag. Dette inkluderer 200 000 ansiktsgjenkjenningsposter, 150 000 trafikklogger, 100 000 miljøindikatorer og 50 000 transaksjonsrelaterte{12}}data. Edgeberegningsnoden behandler disse dataene først, og deretter sendes de til skydatavarehuset i sanntid, som er grunnlaget for senere analyse.

2, Behandling av data: rengjøring, kombinering og modellering
Rådataene inneholder problemer, inkludert overdreven støy, mange dimensjoner og blandede formater. For å fikse disse problemene, må dataene gå gjennom følgende trinn:

Datarydding: Bli kvitt dupliserte trafikkregistreringer (slik som den samme kunden kommer inn og ut mange ganger), utliggere (som portåpnings- og lukketidspunkter som er for høye) og manglende verdier (som hull i alderskolonnen forårsaket av feil med ansiktsgjenkjenning). Nøyaktigheten til de rensede dataene har gått opp til over 99 % ved å bruke maskinlæringsalgoritmer for å finne og fikse feil i dataene på egen hånd.
Kombinere data: For å etablere en enkelt datainnsjø, kombiner portdata med data fra andre kjøpesentersystemer, for eksempel CRM, ERP og POS. Du kan for eksempel sammenligne tiden kundene bruker på å reise gjennom porten med tiden de bruker på POS-systemet og se på konverteringsfrekvensen for «i-butikkforbruk». Du kan også sammenligne passasjerstrømmen i gateområdet med butikkens salgsdata for å se hvor godt virksomheten drenerer.
Tekniske funksjoner: For å lage et strukturert datasett, må du trekke ut viktige deler fra rådata, inkludert "topp trafikkvolum", "fordeling av forbrukeroppholdstid", "gatefeilfrekvens" og så videre. Principal Component Analysis (PCA) er en metode for å redusere antall dimensjoner og mengden arbeid som trengs for å gjøre beregninger.
3, Dataanalyse: Smart valg fra beskrivelse til prediksjon
Kjøpesenteret kan gjøre analyser på flere-nivåer basert på dataene den har behandlet:

1. Deskriptiv analyse: en titt på tingenes nåværende tilstand
Hvor og når passasjerer strømmer: Bruk et varmekart for å vise tettheten av passasjerstrømmen i gateområdet, finn de travleste tidene (som 14.00–16.00 i helgene) og de minst travle tidene (som 10.00–12.00 på hverdager), og bruk rengjørings- og sikkerhetspersonalet best mulig.
Forbrukerens profil: Bruk ansiktsgjenkjenningsdata og medlemssystemer, se på hvor ofte folk i forskjellige aldre og kjønn reiser, hvor de stopper og hva de liker å spise. For eksempel har forskning vist at kvinner mellom 25 og 35 år er mer sannsynlig å bo på kosmetikkbedrifter i nærheten av porten, hvor målrettede kuponger kan skyves.
Status for utstyrsdrift: Hold øye med antall portbrytere, feilfrekvensen, vedlikeholdsregistrene, forventet levetid for utstyret og farene ved nedetid.
2. Prediktiv analyse: Å gjette hva som vil skje videre
Forutsi strømmen av passasjerer: En tidsseriemodell (ARIMA) brukes til å estimere fremtidig passasjerflyt basert på tidligere trafikkdata og eksterne faktorer som vær, ferier og aktiviteter som foregår i nærheten. Dette gjør at sikkerhetstropper og butikktimer kan justeres i farten.
Forutsi hvordan forbrukere vil handle: Bruk assosiasjonsregler (som Apriori-algoritmen) for å se på hvordan forbrukernes reiseveier og forbruksatferd er relatert. For eksempel, hvis folk som går rett til spiseområdet etter å ha funnet trafikkporten bruker 30 % mer enn den typiske personen, kan målrettede serveringsfremmende aktiviteter planlegges.
Advarsel om utstyrsproblemer: Bruk en LSTM-nevrale nettverksmodell, se på portsensordata (som motortemperatur og bryterfrekvens) for å finne problemer 72 timer før de skjer og redusere effekten av en brå driftsstans.
3. Årsaksanalyse: metode for optimalisering
Evaluering av effektiviteten til markedsføring: A/B-testing lar deg se hvordan annonser i ulike gateområder (slik elektronisk skjermkampanjeinformasjon) påvirker hvor lenge folk blir og hvor mye de kjøper. Du kan deretter forbedre innholdet og plasseringen av annonsene.
Forbedre utformingen av butikken: Se på hvordan antall kunder i portområdet påvirker butikksalget, og flytt deretter butikken. For eksempel kan det å koble turnkorsene i travle deler med virksomheter som ikke selger mye, hjelpe folk å finne veien rundt ved å gi dem andre ruter å ta.
Forebygging og kontroll av sikkerhetsrisikoer: Algoritmer for oppdagelse av anomalier, som isolerte skoger, finner merkelig oppførsel i portområdet, som at folk beveger seg mye eller følger andre. Sikkerhetssystemet kobles så til å sende sanntids-varsler, noe som reduserer sjansene for tyveri og svindel.
4, Dataapplikasjon: En lukket sløyfe fra forståelse til handling
Konklusjonene fra analysen må gjøres om til strategier som kan settes i verk:

Presisjonsmarkedsføring: Annonser som er skreddersydd for hver kunde settes i portområdet. For eksempel å sende moderne merkevarefremmende materiale til unge mennesker som besøker ofte og sende rabatter for barnas lekeområde til familier.
Dynamisk drift: Endre butikkens åpningstider basert på spådommer om hvor mange kunder som kommer inn. Restauranter kan for eksempel holde åpent lenger i travle helger og utføre reparasjoner på utstyret deres i mindre travle tider.
Oppgrader sikkerheten ved å plassere kameraer på-høyrisikosteder (for eksempel der turnkors og heiser møtes), gjør sikkerhetspatruljeruter mer effektive og raskere responstid for nødstilfeller.
Administrere utstyr: Lag en porthelsejournal, hold oversikt over vedlikeholdshistorikk, typer feil, reservedeler og annen informasjon. Forbedre også reservedelsbeholdning og vedlikeholdsplaner.
Airport Security Swing Turnstile E-gate