Комментарии 11
Спасибо за статью.
На скриншоте с отчетом по счетчику посетителей, по некоторым группам вышло меньше людей чем зашло, это статистика только по одному входу? Бывает ли такое в целом по локации и как вы с этим работаете?
На скриншоте с отчетом по счетчику посетителей, по некоторым группам вышло меньше людей чем зашло, это статистика только по одному входу? Бывает ли такое в целом по локации и как вы с этим работаете?
Это, скорее всего, те самые 5-15% неточности. У нас такая картина тоже постоянно наблюдается в могазинах с единственным датчиком.
Расхождение между входом и выходом возможно по двум причинам. Нет, даже по трём: неточность подсчета, наличие нескольких входов и целенаправленное искажение статистики. Очень важно, когда погрешность носит некую постоянную и приемлемую величину, независимо от интенсивности трафика. В этом случае со статистикой можно работать и опираться на нее. А если погрешность скачет от 0% до 50% и более, то что толку от заявлений что «точность подсчета достигает 100%»?
достаточно простой, надежный и дающий гарантированную точность подсчета не менее 85%, а по факту даже более 90%
Отсюда и получается эта небольшая разница.
Ну и да, это не группы, это время, каждый столбик — час.
Объект не может появиться и исчезнуть в определенных областях
Легко: приходит папа с дочкой на шее, снимает её, и вот у вас уже два объекта.
Парень с девушкой плотно обнимаются, накрываются курткой сверху, и вот уже один объект.
Или камера залагала и пропустила несколько кадров и объекты появились/исчезли. Или свет выключили на пару секунд. Или отблеск от металлического объекта засветил камеру на пару секунд. Или детектор объекта ошибочно воспринял графический узор за человека.
Очень надеюсь, что вся собранная информация в магазинах и ресторанах, и других местах, действительно будет проанализирована и применена для улучшения сервиса.
Особенно понравилось определение эмоций на лице. Это же сколько возможностей для исследований поведенческих факторов.
Особенно понравилось определение эмоций на лице. Это же сколько возможностей для исследований поведенческих факторов.
эти решения стоят денег. Поэтому их внедряют, в первую очередь, для того, чтобы повысить прибыль. Основной заказчик решений по видео-, wifi- и прочей аналитике — маркетинговые службы, которым нужно повысить конверсию рекламы, онлайн-в-оффлайн, средний чек и т.п.
улучшение сервиса тоже, конечно, повысит средний чек, но косвенно.
улучшение сервиса тоже, конечно, повысит средний чек, но косвенно.
Дело не только в намерениях тех, кто ставит такое оборудование.
Важно еще кто в какой форме и объеме будет иметь доступ к собранной информации.
Не вводим дополнительные персонализированные параметры: номера документов, имя, даты рождения и не ищем его в социальных сетях и других базах данных. Таким образом, технологии позволяют получить не большее количество информации, чем ее мог получить обычный человек, просматривая видео, записанное в разрешенном публичном месте (магазин, ресторан, парикмахерская и прочие точки).
То, что этого не делает система — прекрасно. Важно что бы сырой массив данных не попал к не самому честному сотруднику, который парой py-скриптов сможет привязать и профилям в соц. сетях и много чего еще.
НЛО прилетело и опубликовало эту надпись здесь
Благодарю за труд. Полезная информация…
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Как нас анализируют в магазинах и ресторанах