자동차 딜러는 전통적인 리테일러와 비교할 때 인원 계수에 있어 독특한 어려움을 겪습니다. 고객이 들어와서 자동차를 구매하고 다시 나가는 것만큼 간단하지 않습니다. 대리점은 자동차 서비스, 새 부품, 신차 또는 중고차 구매 등 다양한 이유로 고객이 방문하는 보다 복잡한 소매 환경입니다. 영업 사원은 고객에게 자동차를 보여주거나 시승을 위해 자주 출입하며, 자동차 서비스를 받기 위해 방문한 고객도 쇼룸을 둘러볼 수 있습니다. 즉, 모든 사람이 잠재 구매자는 아니며, 하루 종일 사람들이 오가기 때문에 같은 사람이 두 번 이상 집계되어 트래픽 수치가 인위적으로 부풀려질 수 있습니다.

기존의 인원 계수 기술로 이러한 모든 문제를 해결하려면 복잡한 작업이 필요합니다. 하지만 반복 식별 이 도움이 될 수 있습니다.

자동차 대리점은 정적인 환경이 아닙니다. 여러 개의 출입구와 실내 및 실외 공간으로 이루어진 거대한 공간입니다. 방문객은 여러 번 드나들며 다양한 차량을 살펴보거나 시승을 해볼 수 있습니다. 여기에는 두 가지 과제가 있습니다:

• 대리점의 실제 방문자 수 확인
• 최종 집계에서 고객의 여정을 함께하는 직원 제외

기존의 배제 기술에서는 직원들이 트래픽 집계 센서가 인식할 수 있는 바코드가 있는 끈이나 명찰을 착용해야 합니다. 이로 인해 직원 규정 준수에 어려움이 있을 뿐만 아니라 줄/명찰이 실수로 가려지거나 잘못 착용되거나 손상되지 않도록 하는 데에도 어려움이 있습니다. 또한 미적으로 보기 좋지 않고 회사 브랜딩과 반드시 일치하지 않기 때문에 리테일러 자체에서 이를 활용하는 것을 꺼릴 수도 있습니다.

그러나 반복 식별의 혁신적인 기술은 인공 지능을 사용하여 누가 직원이고 누가 고객인지 인식합니다. 직원의 유니폼과 대리점에서 보낸 시간을 기반으로 반복 식별은 직원이 누구인지 파악한 후 전체 트래픽 수에서 해당 직원을 제외할 수 있습니다. 또한 자동차 대리점에서 가장 중요한 고객 참여도와 직원들이 방문객을 응대하는 데 걸리는 시간을 측정할 수 있습니다.

반복 식별의 또 다른 고유한 이점은 대리점을 방문하는 동안 개인을 추적할 수 있다는 점입니다. 이 기술은 각 사용자에게 고유한 사용자 식별을 할당하므로, 시승하러 가거나 차에 앉아 있거나 주차장으로 나가는 등 여정 중에 잠시 시야에서 사라지더라도 다시 나타나면 인식할 수 있습니다. 즉, 같은 사람이 쇼룸을 돌아다닐 때 여러 번 계산되지 않습니다. 자동차 대리점에서는 이를 사용하여 특정 구역의 성과를 측정할 수도 있습니다. 예를 들어, 어떤 차가 가장 많은 관심을 끄는지, 다른 차로 교체된 후 해당 구역의 트래픽량이 변화하는지, 사람들이 특정 차를 보는 데 얼마나 오래 머무는지 등을 측정할 수 있습니다. 또한 방문자가 항상 100% 표시될 필요가 없기 때문에 고객 추적 및 고객 흐름 매핑에 필요한 디바이스 수가 훨씬 줄어든다는 이점도 있습니다. 따라서 솔루션이 훨씬 더 저렴해집니다.

자동차 대리점을 방문하는 사람들이 모두 같은 이유로 방문하는 것은 아닙니다. 서비스를 받기 위해 자동차를 가져온 사람들이 나중에 대리점을 둘러볼 수도 있습니다(따라서 자동차 판매 전환이 왜곡될 수 있음). 그런 다음 새 차를 구매하는 사람들이 있으므로, 서비스 고객과 구별되어야 합니다. 또한 중고차를 구매하는 고객 중에는 대리점의 실내와 실외를 자주 오가는 고객도 있어 총 트래픽량이 더 늘어납니다. 전환율과 실제 방문자 수를 파악하는 것은 불가능해 보이지만, 반복 식별은 이러한 문제를 해결합니다.

자동차 대리점은 반복 식별의 고유 식별자를 사용하여 전환율을 정확하게 파악할 수 있습니다. 반복 식별은 새 차만 보는 사람, 중고차도 보는 사람, 정비를 위해 차를 가져온 사람의 수를 계산할 수 있습니다. 중복된 수를 걸러내고 실제 자동차를 보러 온 사람과 서비스 및/또는 부품을 보러 온 사람의 수를 파악하면 보다 정확한 전환 수치를 얻을 수 있습니다. 또한 대리점을 통한 고객의 경로를 더 잘 이해할 수 있다는 의미이기도 합니다.

반복 식별은 자동차 대리점의 판도를 바꾸는 기술입니다. 이제 반복 식별 기술을 통해 개별 고객과 전시장 내 고객 여정을 정확하게 추적하고, 다양한 유형의 고객을 구분하고, 구매 전환율을 정확하게 평가할 수 있습니다. 또한 직원을 집계에서 쉽게 제외할 수 있습니다. 반복 식별은 트래픽과 전환을 모두 최적화하는 동시에 직원 참여, 쇼퍼 여정 및 영역 사용에 대한 인사이트를 제공합니다.

더 자세히 알고 싶으신가요? Sensormatic Solutions에 문의하세요.