인원 계수는 단순히 행사장에 들어오고 나가는 사람의 수를 측정하던 시절부터 지금까지 많은 발전을 거듭해 왔습니다. 최신 트래픽 카메라는 이제 사람들의 나이와 성별을 분석하여 직원을 제외할 수 있으며, 여러 센서를 연결하여 구역 체류 시간을 측정하고 다양한 영역의 히트맵을 생성할 수 있습니다.

하지만 이제 새로운 기술이 등장했습니다: 반복 식별. 반복 식별은 인공 지능을 사용하여 옷차림, 패턴 및 색상, 액세서리, 로고 등 수많은 고유한 특성을 기반으로 개별 방문자를 식별합니다. 즉, 얼굴 인식을 사용하지 않고도 여러 센서에서 동일한 사람을 인식할 수 있어 GDPR을 준수할 수 있습니다.

반복 식별은 일반적인 인원 계수 이상의 기능을 제공합니다. 리테일 환경 내에서 개인을 식별하고 지속적으로 추적할 수 있는 기능을 통해 완전히 새로운 가능성의 영역이 열립니다.

반복 식별은 단일 디바이스를 사용하여 사이트 수준의 체류 시간을 정확하게 측정할 수 있습니다. 이 기술은 고객이 매장에 들어오고 나갈 때 개개인의 수를 세고 추적하기 때문에 고객이 매장에 머무는 시간도 파악할 수 있습니다. 이는 인구조사 수준의 매장 방문 데이터를 기반으로 하므로 체류 시간에 대한 포괄적인 개요를 제공합니다. 따라서 반복 식별은 고객의 모바일 기기를 핑하여 체류 시간을 추정하므로 전체 트래픽의 샘플만을 나타내는 Wi-Fi 기반 기술과는 차별화됩니다.

반복 식별 기술의 주요 장점은 적극적으로 쇼핑을 하지 않고 단순히 매장을 지나가는 사람을 식별할 수 있다는 점입니다. 여러 개의 출입구가 있는 상점이나 대형 백화점은 쇼핑이나 구매 의도가 없이 통행로로 이용되는 경우가 많습니다. 반복 식별은 여러 센서에서 동일한 개인을 추적할 수 있으므로 체류 임계값을 설정하여 짧은 시간 내에 출입하는 사람을 통과자로 식별할 수 있습니다. 이를 통해 매장은 여러 번 들어오고 나가는 방문자를 이중으로 계산하지 않고 순 방문자 수를 측정할 수 있습니다.

반복 식별은 통과자 추적 외에도 고객 여정에 대한 심층적인 이해를 가능하게 합니다. 리테일러는 가장 붐비거나 가장 조용한 구역을 파악하고 각 구역에서 고객이 얼마나 오래 머무르는지 측정할 수 있습니다.

예를 들어, 반복 식별은 고객이 피팅룸에 들어오는 시점을 추적하고 나가는 시점을 감지하여 체류 시간을 측정할 수 있습니다. 또한 여러 센서를 통해 고객을 추적할 수 있으므로 필요한 디바이스 수가 줄어들어 전체 경로를 추적할 필요가 없습니다. 쇼핑 센터에서는 반복 식별을 사용하여 쇼퍼가 어떤 매장을 방문하고 얼마나 자주 방문하는지 파악할 수도 있습니다.

다른 직원 배제 기술과 달리 반복 식별은 리테일러의 브랜드 가이드라인에 맞지 않을 수 있는 끈이나 배지를 착용한 직원에 의존하지 않습니다. 대신 반복 식별의 AI는 다른 고객과 비교하여 매장에 머무는 시간을 분석하여 직원을 고객과 구별할 수 있으며, 직원 유니폼을 인식하는 방법도 학습할 수 있습니다. 이는 특히 직원 수가 많은 매장, 고객을 지원하기 위해 자주 출입하는 직원, 직원을 카운트에서 제외하면 전환 지표에 큰 영향을 미칠 수 있는 트래픽이 적은 매장(예: 고급 명품 리테일러)에 유용합니다.

반복 식별과 인원 계수 기술의 미래에 대해 더 자세히 알고 싶으신가요? 여기를 클릭하여 Sensormatic Solutions 팀과 지금 바로 대화를 시작하세요.