商场购物中心线下客流统计方案分析

线下客流统计方案分析1 简述消费者在线下商业场所消费时，留下了非常丰富的数据，客流数据是其中最为重要的数据类别，线下商业场所内外客流数据的分析和挖掘对于线下商业场所的数据化营销和精细化运营有着非常重要的指导意义，例如：顾客动线设计应该如何调整商业场所里面的业态应该如何调整商业场所内铺位的租金应该如何调整设计什么样的促销对客流的拉动效果比较好，顾客留存率比较高分析商业场所内客群的需求，实现数据化精准营销和精细化运营关注哪些商业场所消费者常用的比价线上网站竞争对手2 客流统计方案比较线下商业场所使用的客流统计方案到目前为止经历了几代的发展：第一代人工客流统计方案;第二代红外线客流统计方案;第三代视频客流统计方案;第四代WiFi信号客流分析方案：第一代人工客流统计方案，是最传统的客流统计方式，工作人员手持计数器在线下商业场所门口统计客流，再通过人工的方式将数据输入到文档中生成最后的报表第二代红外线客流统计方案，在线下商业场所门口安装红外检测装置，当消费者走过检测区时，检测装置发出的红外光束就会被打断，系统就会认为是一个人通过第三代视频客流统计方案，将摄像机垂直安放在线下商业场所主要的出入口、扶手电梯和租户场所的出入口，对在镜头范围内出现的人群进行统计，了解顾客进出店及在特定区域停留的数量第四代WiFi信号客流分析方案，在线下商业场所里布置WiFi信号采集设备，利用带有WiFi模块的智能终端会持续发出Ping信号的特点，采集进入商业场所并在里面流动的智能终端发出的WiFi Ping信号，并推断分析商业场所里面的客流情况目前第一代人工客流统计方案和第二代红外线客流统计方案已经基本被市场淘汰，第三代视频客流统计方案是现在市场上线下商业场所广泛使用的主流方案，第四代WiFi信号客流分析方案从2012年左右开始在市场上出现，还处于市场开拓阶段，由于智能终端的普及程度及WiFi终端打开/关闭的影响，WiFi信号客流统计方案还无法保证客流采集100%的准确率，目前的实验结果显示 - 城市里面的客流采集准确率约为40%~70%，随着智能终端的进一步普及及WiFi上网习惯的培养，WiFi信号客流分析方案的客流采集准确率会进一步提高。

第三代视频客流统计方案在客流的准确度统计方面比较好，但是由于面部识别技术限制以及无法时时刻刻捕捉到消费者的完整面部的问题，对消费者的个体识别方面比较弱，第四代WiFi信号客流分析方案在客流的准确度统计方面不如视频客流统计方案，但是WiFi设备唯一性MAC地址作为识别ID的特点赋予了WiFi信号客流统计方案其他更加重要的优点，辅以数据分析和数据挖掘的技术手段使得客流特征的指标从简单统计走向了深入分析的阶段，第三代视频客流统计方案和第四代WiFi信号客流分析方案的性能比较如表1：表1 –视频客流统计方案/WiFi信号客流统计方案对比3 WiFi信号检测客流分析方案图1 – WiFi信号客流分析方案流程WiFi信号客流分析方案的原理是利用部署在线下商业场所里面的WiFi信号采集设备，采集消费者携带的智能终端WiFi模块发出的Ping信号，包括时间戳、RSSI信号强度、终端唯一性识别MAC地址等参数，再将采集到的数据扰码处理后通过加密通道发送到后端云平台进行数据分析和数据挖掘，生成一系列反映线下商业场所客流特征的指标，通过WEB页面方式提供给线下商业场所管理者作为数据化营销和精细化运营决策参考。

WiFi信号客流分析方案能够给线下商业经营者提供下列反应消费者行为的信息和分析：- 每日分时段的顾客流量变化- 每周顾客流量变化- 顾客的平均停留时间以及停留时间发布- 顾客忠诚度分析- 顾客活跃度分析- 老顾客流失预警分析- 促销的效果分析- 促销后的顾客留存分析- 顾客在线下商业场所动线分析线下企业也非常希望了解其店内外的客流特征，以便提高自己的管理效率，给消费者提高更好的服务。

使用线下客流分析方案（例如基于WiFi信号的客流分析方案）,可以获取下述基本的客流特征数据，在这些客流特征数据的基础上，可以进行进一步的数据分析和挖掘，给门店的经营提供决策指导。

1. 店内外客流变化图1–某餐饮广场一周店内外客流比较如图1，店内外客流放到一起分析，一方面可以用来评估线下门店所在区域客流情况（门前经过的人流情况及时间段发布），另一方面可以评估同一时期店内的客流情况。

将店内客流除以店内客流能够得到进店转化率指标，此指标可以用来评估店铺的店外引流能力，例如店招、橱窗陈列、店外宣传推广和营销的效果。

2. 门店内客流变化特征图2 - 某餐饮广场工作日店内客流变化特征图3 - 某餐饮广场节假日店内客流变化特征图4 - 某餐饮广场一周店内客流变化特征门店内客流变化特征包括日客流变化，周客流变化，月客流变化等等。

客流变化特征数据可以帮助门店更好的调整营业时间，一方面节约人力开销，另一方面确保门店的运营高效合理，门店管理人员也可以根据客流特征把最精干的营销人员安排到客流高峰时（最需要服务的时候）工作。

3. 顾客停留时间图5–某餐饮广场顾客平均停留时间图6–某餐饮广场顾客停留时间分布顾客平均停留时间与店铺的盈利能力有一定的正线性关系，也反映了门店服务人员的服务水平，顾客对门店的满意度等指标，对于餐饮行业来说，和翻台率有直接的关系。

顾客忠诚度是可以用来衡量消费者对线下商业场所忠诚程度的量化指标，评估消费者对线下商业场所的提供的产品或者服务的偏爱，并长期重复去该场所消费的程度。

保有和提高消费者的忠诚度对线下商业场所的经营者来说，是相当重要的任务。

下面我们会以某CBD 区域餐饮广场两个月的数据对顾客忠诚度进行一个简单分析。

1. 常客比例及变化图1 - 某餐饮广场两月常客及顾客变化从图1可见，在10月15日到12月15日这段时间内，相对于顾客数量的平稳（或略微变化），在关顾的顾客中，常客的数量变化更加明显，绝对数量和占比都有有一定的上升趋势，显示出该餐饮广场在运营上面在逐渐提高。

2. 顾客光顾频次分布图2 - 某餐饮广场顾客光顾频次分布从图2可见，只光顾一次的消费者比例还是非常高，而该餐饮广场位于CBD区域，主力客源是在附近上班的白领，理论上每天都需要找地方吃饭，可见该餐饮广场在提高顾客忠诚度，增加消费者光顾的频次方面还有比较大的提升空间。

在这种情形下，餐饮广场的运营者也许可以考虑选择周套票的促销方式，这样吸引顾客一周内多次来餐饮广场消费。

3. 顾客早/晚光顾分析图3 - 某餐饮广场中午/晚上连续光顾顾客比例由图3可见，该餐饮广场中午晚上都光顾的消费者比例还比较低，由于CBD区域白领下班后回家或者去其他地方用餐的缘故，晚餐的客流相对于午餐下降很多，在这种情形下，餐饮广场的运营者也许可以考虑采用午餐、晚餐捆绑打折销售的方式，希望能够在保有午餐客流量的基础上，增加晚餐的客流量。

4.常客来店间隔分布图4 - 某餐饮广场常客来店间隔时间分布由图4可见，常客来店的间隔时间主要分布在1~某之内，可以认为该餐饮广场目前的常客还比较活跃，尤其以间隔1天光顾最多，可以推测有好多来店顾客喜欢连续两天光顾，在这以后有一段时间不来。

还有一个有趣的现象，该分布图有以周为单位梯度递减的现象，可以看出常客的活跃规律也喜欢以周为单位，这一点与常客的平均来店间隔时间- 6.96天也比较相符合。

客流大数据-动线分析1. 室内定位在讨论顾客动线之前，首先要了解室内定位技术，购物中心内顾客动线的分析依赖于室内定位技术，在对顾客持续定位的基础上，进行数据处理和数据挖掘（例如聚类等），从而分析购物中心内典型的顾客动线。

到目前为止室内定位已经有了多种技术：1）蓝牙室内定位技术，例如Nokia推出了 HAIP 的室内精确定位解决方案，采用基于蓝牙的三角定位技术，除了使用手机的蓝牙模块外，还需部署蓝牙基站，最高可以达到亚米级定位精度。

但由于蓝牙基站的不普及，室内精确定位成本较高，在目前公开报道中，尚没有大规模推广的报道。

2）超宽带定位技术，例如 Ubisense，其定位方案采用 UWB（超宽带）脉冲信号，由多个传感器采用 TDOA 和 AOA 定位算法对标签位置进行分析，多径分辨能力强、精度高，定位精度可达亚米级。

但 UWB 难以实现大范围室内覆盖，且手机不支持 UWB，定位成本非常高。

3）超声波定位技术，例如 Shopkic，在店铺安装超声波信号盒，能够被手机麦克风检测到，从而实现定位，主要用于店铺的签到。

4）手机自主惯性传感器定位导航，例如Broadcom 和 Intel，他们推出利用手机的惯性传感器数据进行定位计算的硬件解决方案，但由于手机初始姿态的不确定性和手机惯性传感器精度问题，室内定位效果不佳。

5）LED定位技术，例如 Bytelight， LED 定位系统通过往天花板上的 LED 灯具实现，灯具发出像莫斯电报密码一样的闪烁信号，再由用户智能手机照相机接收并进行检测，而且用户不需要将手机相机对准某一个特定方向，亦可以接收到反馈过来的直接光源信号，定位精度可以在 1 米之内。

但LED 定位需要改造 LED 灯具，增加芯片，增加成本，目前还无法普及。

6）基于RFID的定位，采用刷卡方式，根据阅读器位置对刷卡人员或设备进行区间定位。

主要应用在仓库、煤矿、货物跟踪、安检、ETC、办公考勤等，无法进行实时定位，定位精确度低。

7）Wi-Fi定位，由于 Wi-Fi 网络的普及，目前国内外很多公司都使用WiFi定位技术推出产品。

Wi-Fi 定位可以达到米级定位（1~10 米），Wi-Fi 定位产品可以应用在专业行业领域（矿井、监狱、医院、石油某等），如 Aeroscout 和 Ekahau 公司的 Wi-Fi 定位产品，现在也有很多WiFi定位产品用在了商场内的导航上。

这也是目前我们正在尝试使用在线下商业场所内对消费者动线进行分析的技术手段。

2. 顾客动线分析消费者从购物中心哪个门，哪个通道进入，在购物中心的内部按照什么样的线路某，在哪些门店里面有较长时间的停留，最后又从哪个门、哪个通道离开，对于消费者来购物中心完整动线的分析：- 从这些数据中，能够分析和挖掘消费者来店的方式，自驾、地铁、公交等等- 从这些数据中，能够分析和挖掘消费者来购物中心的消费购买模型，例如看电影+吃饭+溜冰+买衣服- 从这些数据中，能够分析和挖掘消费者的消费能力和喜好，例如快餐、西餐、中餐等等- 从这些数据中，能够通过分析和挖掘，预测这个消费者未来的消费倾向，例如购买孕妇用品的，未来会对婴儿用品有需求进一步的将所有消费者的动线进行聚类分析，可以分析和挖掘出整个购物中心内部的几条最典型的实际消费者动线，这些数据可以对购物中心的运营决策，例如业态布置和调整，租金制定和调整，消费者动线调整设计，促销广告的摆放位置等提供详细的数据支撑，同时可以对所有的决策提供后评估数据支撑，辅助购物中心的运营实现迭代式提高，是购物中心等线下商业场所从粗放式运营向精细化运营迈进的不可缺少的步骤。