为了更好地对门店进行数字化运营管理，越来越多的零售品牌正在通过「门店客流系统」来采集、分析、洞察和管理客流数据。门店客流量，已经成为评估零售实体经营状况的重要指标之一。实际运营中，不少企业都曾遇到这样的问题，虽然采买了客流系统，但由于数据不准确、不完整，运营支持不够甚至有隐私风险等问题，才买没多久就要更换系统，或是沦为用不起来的数字化“摆设”。
如何正确选择「门店客流系统」，如何不在数字化建设中花冤枉钱?
大数据分析中有一个重要的原则 Garbage In, Garbage Out(GIGO)，指输入数据的质量直接影响输出结果的质量。如果输入的数据不准确、有误或不完整，那么无论处理过程如何建模、分析，输出的结果都是不可用的。GIGO 原则同样适用于零售数据的分析，如果「门店客流系统」提供的数据不准确，在制定门店经营策略、考核业绩时也会出现偏差。
而数字化运营的精髓，就在于通过智能技术让运营管理过程和结果得以量化，进而数字化、标准化、指标化地进行目标的设定与考核的开展。利用数据分析去看清问题，说清事实，预测未来，衡量提升效率、降低成本等目标的达成度。但值得警惕的是，任何考核都需要依托准确的数据事实，哪怕只有10%～20%的偏差，都不可作为考核依据。
因此，数据准不准，就成为衡量「门店客流系统」是否真正可用的关键。本篇文章开始，我们将通过系列内容详细介绍数据准确、真正可用的门店客流系统的必备特点/能力。本期重点：(1)要能准确剔除店员进出店事件，(2)要能去除重复进店及无效客流数据(如穿堂客、外卖员、保洁员等)，(3)要能精准捕捉过店客流数据。
要能准确「剔除店员进出店事件」
线下门店客流统计中，需要将店员进出店的数据剔除，才能得到相对准确的客流数据。比如店员送顾客出店，或是店员去洗手间，有些门店还需要店员在门口带领顾客测试产品等等，都会引发反复进出门店的情况出现。
这有多影响客流数据准确性呢?举个让某珠宝品牌店头疼的实际案例，该店常规配置6-7个店员接待，其中单个店员去洗手间、拿外卖/吃饭、换班等进出店事件就接近10次。从传统客流系统的当日进店人次统计来看，进店客流总计160人次，事实上其中60-70人次为店员数据，这就给依托数据做运营判断带来很大的干扰。
爱笔门店客流数据显示，以汽车商超店为例，店员进出店事件占客流数据的比例最少可能不超过5%，最多则接近50%，不同门店类型，店员进出店事件在客流数据中的占比也不同。如果不能针对不同门店情况准确剔除店员数据，误将店员当顾客，客流系统的可用性就大打折扣。
传统客流系统基于垂直俯视的摄像机，从最早利用头肩识别到近几年采用 ReID 算法( 行人重识别，Person re-identification)，不难做到较为准确地统计「进店人次」。但是，由于从头顶向下拍摄范围有限(多为头顶及肩膀等特征)，能够用于区分店员的特征较少，很难做到准确剔除店员事件。特别是客流量大、顾客与店员穿着类似等情况，基本就是不可能的任务。
为解决这一难题，爱笔门店客流系统的做法是，通过独家的线下人员行为全流程感知技术，其融合了10-15个不同的空间计算技术(包含ReID)，基于200多个人体表观特征进行时空关联分析，能够对穿着工服的店员特征、行为及在店时长等进行自训练，基于深度学习AI算法形成「店员剔除模型」，实现店员数据的精准过滤。
爱笔门店客流系统的「店员剔除模型」更能根据工服变换进行动态调整。例如，有些零售企业夏冬季工服不同，又或是企业定期更换工服样式，传统客流系统的店员剔除功能就会彻底“失灵”，但是爱笔门店客流系统能够基于对店员服装变化的精准捕捉，进行持续的自学习，迭代升级「店员剔除模型」，保持数据的准确性。
要能准确「去除重复进店及无效客流」
日常门店经营中，同一顾客短时间内的重复进店，又或是在店停留时间过短的穿堂客，非顾客属性的外卖员、保洁员、商场管理员等，均不被看作是有效客流。这就要求「门店客流系统」要想做到真正可用，不仅要剔除店员数据，更要将重复到店、无效数据去除。只有「进店人次」的系统是不够的，要有「进店人数」，更重要的是，要「准」。
传统客流技术如红外、头肩识别等，难以区分进店顾客是否为同一人，正在逐渐退出客流系统舞台。市面上不少厂商也在尝试采用一些新技术进行升级，例如人脸识别、ReID等：
人脸识别技术是基于每个顾客的人脸 ID，能够实现一定程度上的去重效果，但是这一方案对顾客状态的要求比较高，顾客在抬头时可以识别，但一旦低头、转身，就容易漏识，准确率不稳定。自2021年《个人信息保护法》出台，明确规定了购物中心内顾客未同意情况下进行人脸识别属于违法行为，这一技术基本淡出市场。
ReID 是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术，目前多通过人的衣着、配饰等人体表观特征进行检测。但是，单纯依赖 ReID 技术，很容易因为顾客“撞衫”或“遮挡”等问题而无法辨认是否为同一人，尤其是在客流量较大的店铺，又或在北方的冬季(穿暗色系衣服的顾客较多)，很难准确区分重复到店顾客。
爱笔门店客流系采用独家的线下人员行为全流程感知技术，会基于200多个人体表观特征进行时空关联分析，例如发型及颜色，上衣、首饰、下装、鞋履等类型及特征，能够智能区分并去除同一顾客重复到店事件，并通过对线下人员动线的匿名连续感知，精准判断顾客的进店与离店时间，进而过滤掉停留时长过短的穿堂客。通过人体表观特征与行为动线、停留时长等分析，亦能去除外卖员、保洁员、着制服的商场管理员等无效客流数据。
对于多入口的门店来说，不止在单一的客流设备上进行顾客去重，更要能够实现跨设备的去重。举个例子，当某个门店有两个入口A和B时，同一顾客在短时间内从A入口进店，离店后又再次折返回来从B入口进店，如果是传统的客流设备，则很难进行跨设备的去重，此时将被多记一次进店事件，而爱笔门店客流系统则可以跨多摄像头进行去重。
让人放心的是，爱笔门店客流系统不收集任何人脸特征等生物识别信息，也不存储任何个人信息，整个过程全匿名化，完全符合《个人信息保护法》保护个人隐私及个人信息权益不受侵害的立法宗旨，更通过了欧盟 GDPR 的合规评估(General Data Protection Regulation 通用数据保护条例，被称作史上最严苛的隐私保护条例之一)。
知名3C品牌X的门店运营负责人曾透露，进店客流人数的精准统计、去重，能够帮助运营人员了解线下门店的商机获取情况，可见其重要程度。
但是，在零售企业实际运营中，不同门店对于进店客流的「去重」定义不同。比如一些门店运营者认为，顾客在上午到访店铺，而再次到店是当天晚上，其购买需求很可能不同，因此应该被算作两次进店客流会更能体现门店商机情况。
基于实际需求，爱笔门店客流系统除了提供全天内去重的精准「进店人数」外，可根据任意零售业态进行自定义的「去重」设置，让客流系统不再僵硬地执行计数任务，而是进化成为「更懂业务的数字化运营系统」。
要能「精准捕捉」过店客流数据
漏斗模型在店铺数字化运营中已被广泛认知与应用。从过店到进店的比例变化，能够反映店铺集客与商机获取的效率;从进店到深逛的转化趋势(根据顾客店内停留时长进行深逛统计)，透露出顾客的意向程度与成交可能。最后配合订单数据，则可以量化整个店铺的潜客转化与成单效率，是店铺运营管理的重要抓手。
考虑篇幅，本期文章暂不做「停留时长」等深度数据的展开介绍。回到数据准确性上，再来看看「进店率」，这个门店经营的重要客流指标(进店率=进店客流过店客流100%)，要如何保证准确性呢?更需要过店客流能够真实反映所有经过门口区域的顾客数据。
传统客流系统往往通过在店内或门头安装垂直向下的摄像设备，最大覆盖范围为4～5米。视域最佳的情况下(不受门头遮挡)，往往也只能采集到紧贴门口经过的顾客数据。实际运营场景中，过店客流不仅仅是紧贴门口经过的顾客，而是要根据「门外主动线」的不同情况设置不同的区域。
「门外主动线」能够反映顾客从店铺门外经过所形成的主要游逛趋势。以下图情况为例，该店铺临近电梯，门口有多条距离较近的商场通道，通过爱笔门店客流系统发现，店铺门外主动线多达3条。由远及近来看，包括一条距离门头较远通道的主动线【1】，一条上下扶梯的主动线【2】以及一条靠近门口、完整经过门店的主动线【3】。结合门店经营规律、顾客游逛偏好判断，门外主动线【3】所经过的区域，是该店铺过店客流的统计区域。
传统客流设备的垂直照射方式，使其能够监测的门口过客区域相对固定并受限，较难灵活地结合门外主动线来清晰判断、精准捕捉过店客流数据。爱笔门店客流系统的感知设备安装在店内，采用斜照方式，向外可覆盖15~20米进深。不仅避免了垂直照射的视域受限，更能完整的覆盖门前各种不同的主动线，再根据实际业务场景确定店铺过店主动线并划定过店区域，从而获得真实的过店情况。
结合上图案例1的情况来看，店铺门口范围较大(两条通道)，通过对门外主动线的监测发现，过店顾客往往不是紧贴门口经过，而是从距离店铺稍远的通道经过，如果只是简单将紧贴门头的区域作为过店客流区域，统计结果将遗漏很多真正过店顾客数据。
案例2的店铺开设在较为开阔的单侧路边，有2条门外主动线，过店区域的划定应能全面覆盖这两条主动线，才能准确反映全部过店客流数据。如果按照传统客流系统过店区域的划定，则只能覆盖紧贴门口的区域，则必然会导致漏采，数据不准确也是一定的。
当然，过店区域的划定也并非越远越好，符合门店业务实际情况最为重要。比如案例3的情况，店铺门口是较开阔的中庭，有两条平行的通道，门外主动线也有2条。从动线趋势来看，远离门头的门外主动线【1】是对面店铺的过店客流，靠近店铺的门外主动线【2】则是该店铺需要监测的过店客流所在区域。
值得注意的是，门外主动线【2】尽管靠近店铺一侧，但也并不是紧贴门口经过，如果划定过店区域时不结合主动线来看，则很有可能采集不到顾客真正经过的范围。
通过门外主动线来准确划定过店客流区域，精准捕捉过店客流数据，基于此得出的进店率等数据指标，也就能更准确地反映商场导流、店铺引流等情况，真正发挥辅助店铺运营的作用。
结语
如何选择一套真正可用的「门店客流系统」，数据的准确性，关乎着整个系统是否有用、是否可用，是重中之重。
是否能剔除店员进出店数据?是否能去除重复进店数据，甚至是否能过滤穿堂客、外卖员、保洁员、商场管理者等无效的客流数据?是否能精准捕捉过店客流区域?这些都直接关系着「门店客流系统」是否能为您的日常运营真正带来价值。
除此之外，「停留时长」也是门店运营中需要参考的关键指标，「门店客流系统」在统计过店、进店的同时是否也能产出准确的「停留时长」?更进一步，将摄像机覆盖范围从门口延伸至店内区域，基于线下人员行为全流程感知技术，爱笔的系统还能提供哪些精细的数据和丰富的功能，我们将在下期详细展开，敬请期待。
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。
