Hvordan kan indkøbscentre analysere drejekorsdata gennem big data?

一, Dataindsamling: Oprettelse af et netværk af opfattelser, der omfatter mange dimensioner
Den roterende port kan indsamle data, fordi dens hardware og software arbejder sammen for at få det til at ske. De fleste moderne drejekors har følgende sensorer og genkendelsesmoduler:
Biometrisk genkendelsesmodul: Dette modul bruger ansigtsgenkendelseskameraer til at indsamle oplysninger om en persons alder, køn, ansigtsudtryk og andre træk. Den bruger derefter medlemssystemet til at matche disse poster for at skabe en dynamisk brugerprofil.
Adfærdssensorer: Infrarøde sensorer holder styr på trafikkens retning, hastighed og varighed. Tryksensorer holder styr på frekvensen og belastningen af ​​portkontakter for at finde ud af, hvor sundt udstyret er.
Enheder, der føler miljøet: Temperatur- og fugtsensorer holder øje med forholdene i gateområdet, Wi Fi-sonder registrerer MAC-adresserne på kundernes mobiltelefoner og hjælper med at finde ud af, hvor mange mennesker der passerer igennem, og hvor varmen er på vej hen.
Porten er forbundet med POS-systemet og medlemspointsystemet. Dette gør et "pasforbrug" lukket løkke ved at synkronisere data som hvor meget der blev brugt, hvor mange kuponer der blev brugt og hvor mange point der blev indløst.
For eksempel genererer et intelligent portsystem, der er installeret i et indkøbscenter i en første-by, 500.000 bits data om dagen. Dette inkluderer 200.000 ansigtsgenkendelsesposter, 150.000 trafiklogge, 100.000 miljøindikatorer og 50.000 transaktionsrelaterede{12}}data. Edge computing noden behandler disse data først, og derefter sendes de til cloud data warehouse i realtid, som er grundlaget for senere analyse.

2, Behandling af data: rengøring, kombination og modellering
De rå data indeholder problemer, herunder overdreven støj, mange dimensioner og blandede formater. For at løse disse problemer skal dataene gennemgå følgende trin:

Datarensning: Slip af med duplikerede trafikregistreringer (såsom den samme kunde, der kommer ind og ud mange gange), outliers (som portåbnings- og lukketidspunkter, der er for høje) og manglende værdier (som huller i alderskolonnen forårsaget af ansigtsgenkendelsesfejl). Nøjagtigheden af ​​de rensede data er steget til over 99% ved at bruge maskinlæringsalgoritmer til at finde og rette fejl i dataene på egen hånd.
Kombinering af data: For at etablere en enkelt datasø skal du kombinere gatedata med data fra andre indkøbscentre, såsom CRM, ERP og POS. Du kan f.eks. sammenligne den tid, kunderne bruger på at rejse gennem porten, med den tid, de bruger på POS-systemet og se på konverteringsraten for "i-butiksforbrug". Du kan også sammenligne strømmen af ​​passagerer i gateområdet med butikkens salgsdata for at se, hvor godt virksomheden dræner.
Tekniske funktioner: For at lave et struktureret datasæt skal du trække vigtige dele ud fra rådata, herunder "spidstrafikvolumen", "fordeling af forbrugeropholdstid", "gatefejlfrekvens" og så videre. Principal Component Analysis (PCA) er en metode til at sænke antallet af dimensioner og mængden af ​​arbejde, der skal til for at udføre beregninger.
3, Dataanalyse: Smart valg fra beskrivelse til forudsigelse
Butikscentret kan lave analyser på flere-niveauer baseret på de data, det har behandlet:

1. Deskriptiv analyse: et kig på tingenes nuværende tilstand
Hvor og hvornår passagererne flyder: Brug et varmekort til at vise tætheden af ​​passagerstrømmen i gateområdet, find de travleste tider (f.eks. 14.00-16.00 i weekenden) og de mindst travle tider (som 10.00-12.00 på hverdage), og udnyt rengørings- og sikkerhedspersonalet bedst muligt.
Forbrugerens profil: Brug ansigtsgenkendelsesdata og medlemssystemer til at se på, hvor ofte folk i forskellige aldre og køn rejser, hvor de stopper, og hvad de kan lide at spise. For eksempel har forskning vist, at kvinder mellem 25 og 35 år er mere tilbøjelige til at bo på kosmetikvirksomheder i nærheden af ​​porten, hvor målrettede kuponer kan skubbes.
Status for udstyrsdrift: Hold øje med antallet af portkontakter, fejlfrekvensen, vedligeholdelsesregistreringerne, udstyrets forventede levetid og farerne ved nedetid.
2. Prediktiv analyse: Gætter på, hvad der vil ske næste gang
Forudsigelse af passagerstrømmen: En tidsseriemodel (ARIMA) bruges til at estimere fremtidig passagerflow baseret på tidligere trafikdata og eksterne faktorer som vejret, ferier og aktiviteter, der foregår i nærheden. Dette gør det muligt at justere sikkerhedstropper og butikstimer på farten.
Forudsigelse af, hvordan forbrugerne vil agere: Brug tilknytningsregler (som Apriori-algoritmen) til at se på, hvordan forbrugernes rejseveje og forbrugsadfærd hænger sammen. For eksempel, hvis folk, der går direkte til spisepladsen efter at have fundet trafikporten, bruger 30 % mere end den typiske person, kan der planlægges målrettede cateringfremstødsaktiviteter.
Advarsel om udstyrsproblemer: Brug en LSTM neural netværksmodel til at se på portsensordata (såsom motortemperatur og switch-frekvens) for at finde problemer 72 timer før de opstår og mindske virkningen af ​​en brat nedlukning på driften.
3. Årsagsanalyse: metode til optimering
Evaluering af effektiviteten af ​​marketing: A/B-test giver dig mulighed for at se, hvordan annoncer i forskellige gateområder (sådan elektronisk skærmkampagneinformation) påvirker, hvor længe folk bliver, og hvor meget de køber. Du kan derefter forbedre indholdet og placeringen af ​​annoncerne.
Forbedring af butikkens indretning: Se på, hvordan antallet af kunder i portområdet påvirker butikssalget, og flyt derefter butikken. For eksempel kan det at forbinde drejekorserne i travle sektioner med virksomheder, der ikke sælger meget, hjælpe folk med at finde rundt ved at give dem andre ruter at tage.
Forebyggelse og kontrol af sikkerhedsrisici: Algoritmer til registrering af anomalier, som isolerede skove, finder mærkelig adfærd i portområdet, som at folk bevæger sig meget eller følger andre. Sikkerhedssystemet kobles derefter til at sende realtidsadvarsler-, hvilket mindsker chancerne for tyveri og svindel.
4, Dataapplikation: En lukket sløjfe fra forståelse til handling
Analysens konklusioner skal omsættes til strategier, der kan sættes i værk:

Præcisionsmarkedsføring: Annoncer, der er skræddersyet til den enkelte kunde, sættes i portområdet. For eksempel at sende moderne brandpromoveringsmateriale til unge mennesker, der besøger ofte, og at sende rabatter på legepladsen til familier.
Dynamisk drift: Skift butikkens åbningstider baseret på forudsigelser om, hvor mange kunder der kommer ind. For eksempel kan restauranter holde længere åbent i travle weekender og udføre reparationer på deres udstyr i mindre travle tider.
Opgrader sikkerheden ved at placere kameraer på-højrisikosteder (såsom hvor tællekors og elevatorer mødes), gør sikkerhedspatruljeruter mere effektive og fremskynde udrykningstider.
Håndtering af udstyr: Lav en gatesundhedsjournal, hold styr på vedligeholdelseshistorik, typer af fejl, reservedele og andre oplysninger. Forbedre også reservedelsbeholdning og vedligeholdelsesplaner.
Airport Security Swing Turnstile E-gate