백화점은 인원 계수 집계 및 전환 측정에 접근하는 방식이 소규모 리테일 업체와 다릅니다. 얼마나 많은 사람들이 방문하고 얼마나 많은 돈을 썼는지 확인한다는 전체적인 명제는 동일하지만, 훨씬 더 큰 규모로 운영됩니다. 여러 층과 다양한 리테일 카테고리가 한 곳에 모여 있는 백화점은 기본적인 핵심 성과 지표(KPI)를 넘어 공간 활용 방식에 대한 심층적인 인사이트를 얻고자 합니다. 기존의 트래픽 카운팅 기술은 이러한 정보 중 일부를 제공할 수 있지만, 반복 식별은 종합적인 솔루션과 훨씬 더 많은 정보를 제공합니다.

반복 식별 기술은 첨단 AI와 딥러닝을 활용해 의류 패턴, 색상, 액세서리, 로고 등 고객 고유의 특징을 분석하여, 매장 내에서 이동하는 익명의 쇼퍼를 식별합니다. 이 기술은 얼굴 인식이나 어떠한 종류의 개인정보(PII)도 활용하지 않고도, 하나의 인물을 여러 센서 간에 식별할 수 있도록 합니다.

인원 계수 솔루션의 첫 번째 단계는 주변 통행량 또는 각 출입구를 통과하는 사람의 수를 계산할 수 있어야 합니다. 하지만 그 다음 단계는 고객이 매장에 들어온 후 어디로 가는지 파악하는 것입니다. 의류, 가정용품 또는 가전제품으로 향하고 있나요? 어느 층으로 이동하고 몇 층을 방문하나요? 각 영역에서 소비하는 시간은 얼마나 되나요?

기존의 인원 계수 계산 기술은 이러한 인사이트를 부분적으로 달성할 수 있습니다. 각 층 입구에 설치된 카메라는 특정 구역의 방문자 수를 추적할 수 있으며, Wi-Fi 기술은 체류 시간에 대한 데이터를 제공하여 이를 보완할 수 있습니다. 하지만 이 접근 방식에는 한계가 있습니다. 한 사람이 한 층을 두 번 이상 방문하면 두 번 이상 카운트됩니다. Wi-Fi는 체류 시간 추정치를 제공할 수 있지만 넓은 지역을 커버하려면 여러 개의 태그가 필요하며 여전히 샘플 수준의 데이터만 제공합니다.

반복 식별 기술은 여러 기기에서 고유 방문자를 식별하고 인식하여 기존의 인원 집계 기술을 뛰어넘습니다. 이렇게 하면 방문자가 탈의실에 들어가는 등 일시적으로 시야에서 사라져도 다시 나타날 때 다시 카운트되거나 새로운 방문자로 식별되지 않습니다.

반복 식별 기술을 사용하면 쇼퍼가 여러 층을 여러 번 방문해도 한 번만 카운트될 수 있습니다. 또한 별도의 장치 없이도 사람들이 방문하는 층의 구역을 표시할 수 있어 숍인숍, 임대 공간, 레스토랑, 카페 등에 특히 유용합니다. 이 데이터는 각 영역이 백화점에 제공하는 가치를 강조하고 전체 쇼퍼 중 해당 영역에 참여하는 고객의 비율을 파악할 수 있습니다. 또한 반복 식별은 방문자의 출입 시점을 추적할 수 있어, 구역, 층, 매장 단위의 체류 시간을 인구 조사 수준의 정확도로 제공할 수 있습니다.

기술의 가장 강력한 이점 중 하나는 고객 여정을 파악할 수 있다는 점입니다. 반복 식별 기술은 백화점 내 방문객을 전반적으로 모니터링함으로써 고객이 어디를 방문하고 어떤 경로를 따라 이동하는지를 확인할 수 있습니다. 예를 들어, 반복 식별은 먼저 홈웨어 매장을 방문한 후 신발 매장으로 이동하고, 마지막으로 뷰티 매장을 찾은 고객의 비율을 추적할 수 있습니다. 특정 구역, 브랜드 또는 할인 혜택이 트래픽을 많이 유도하는지 파악하고, 고객들에게 가장 인기 있는 카테고리를 강조 표시하며, 서로 다른 카테고리 간의 교차 방문 패턴을 파악할 수 있습니다.

반복 식별 기술은 백화점에서 방문객이 진성 고객이 아닌 그냥 지나가는 고객인지 식별하는 데도 도움이 될 수 있습니다. 이는 특히 대형 주차장에 연결된 매장의 경우, 일부 고객이 주차장으로 나가는 길에 매장을 지나칠 수 있는 경우와 관련이 있습니다. Since 반복 식별은 고유한 방문자를 식별하고 매장 내 체류 시간을 추적할 수 있기 때문에, 방문 시간 기준을 설정할 수 있습니다. 체류 시간이 설정된 임계값 이하로 떨어지는 방문자를 통과객으로 분류하여 백화점에 실제 트래픽 수를 보다 정확하게 파악할 수 있습니다.

일반적인 리테일 매장에 비해 백화점의 규모를 고려할 때 여러 층에서 근무하는 직원 수가 훨씬 더 많을 것이라는 것은 당연한 일입니다. 그러나 이러한 추가 인원이 매장에 머무르게 되면 전체 방문자 수에 영향을 미쳐 인위적으로 전환율을 낮출 수 있습니다.

반복 식별은 다른 직원 배제 기술과 달리 배지나 목결이형 태그와 같은 특별한 웨어러블 없이도 직원을 배제함으로써 이 문제를 해결합니다. 반복 식별의 인공지능은 매장 내 체류 시간(쇼퍼가 매장 개장부터 마감까지 매장에 머물 가능성이 낮으므로) 및 유니폼 모양과 같은 요소를 기반으로 직원을 제외합니다. 이렇게 하면 직원 규정 준수 및 매장 브랜드 가이드라인에 부합하지 않는 웨어러블 관련 문제가 발생하지 않습니다.

반복 식별 활성화 및 매장 내 이벤트의 성공 여부를 측정하는 데 사용할 수 있습니다. 매장의 특정 구역에서 'Breakfast with Santa(산타와 함께하는 아침 식사)', 세일, 신규 팝업 등 프로모션이나 이벤트가 진행되는 경우 반복 식별을 통해 고객의 이동 패턴과 체류 시간에 큰 변화가 있었는지 분석할 수 있습니다. 다음과 같은 중요한 질문에 답하는 데 도움이 될 수 있습니다: 사람들이 매장의 이 구역에서 더 많은 시간을 보냈는가? 쇼퍼가 이벤트 공간만 방문했는가, 아니면 매장의 다른 공간도 방문했는가? 반복 식별은 고객 행동에 대한 명확한 이해를 제공함으로써 이러한 활동의 영향을 평가하는 데 도움이 됩니다.

반복 식별 기술은 방문객 수 집계에 혁신을 일으켜 통과자와 직원을 제외하여 보다 정확하게 방문객 수를 측정할 수 있는 방법을 제공합니다. 또한 쇼퍼가 시간을 보내는 위치에 대한 귀중한 인사이트를 제공하여 매장에서 유동인구 패턴과 쇼퍼의 여정을 더 잘 이해할 수 있도록 도와줍니다. 백화점의 공간 전체에서 움직임을 추적하고 분석하는 방법을 최적화함으로써 반복 식별은 실행 가능한 인사이트를 제공하여 보다 스마트한 전략을 추진하고 전반적인 성과를 개선합니다.

반복 식별이 어떻게 트래픽 정확도, 고객 여정 분석 등을 획기적으로 개선할 수 있는지 자세히 알고 싶으신가요? 오늘 바로 Sensormatic에 연락하여 대화를 시작하세요.