小規模小売業者
「行動理解のための視覚言語分析」
視覚言語モデル（VLM）は、ビデオ分析における新たな進歩を象徴しています。VLMは、位置の変化や滞在時間のみを測定するのではなく、システムが短いビデオクリップ内の行動や行動のシーケンスを解釈することを可能にします。これにより、企業は、運用の複雑さを増大させたりプライバシーを侵害したりすることなく、顧客とスタッフが空間内でどのようにやり取りするかについて、より高度な理解を得ることができます。
FootfallCam VLMを制御されたドメイン固有の方法で適用します。このモデルは完全にデバイス上で動作し、短い動画セグメントを分析して、明確で高レベルの行動カテゴリに変換します。これらのカテゴリは、個人の識別や個人プロファイルの生成ではなく、集計、統計分析、意思決定を目的として設計されています。出力されるデータは構造化された行動データであり、従来の人数カウント、待ち行列分析、運用パフォーマンス指標の精度向上に役立ちます。
このシステムは、次の 4 つの設計原則に基づいて構築されています。
＃1：行動レベルの理解
このモデルは、店舗への接近、待機、店内閲覧、スタッフとのやり取り、サポートの受け方といった一連の流れを認識します。単なる座標の解析にとどまらず、顧客の行動の背後にある意図を解釈することで、サービス品質、エンゲージメント、そして業務フローに関するより深い洞察を提供します。
#2: ユーザー定義の動作カテゴリ
企業は、例えば「サービスを待っている顧客」や「ハンドヘルドPOSを使用しているスタッフ」など、監視したい行動の種類を分かりやすい言葉で指定できます。システムはこれらの行動をこれらのカテゴリに分類し、運用目標に合わせて構造化された高レベルの統計データを生成します。
#3: 説明可能な分類
各行動分類には、その決定に至ったきっかけを簡潔かつ平易な英語で説明した説明が付記されています。これにより、透明性、妥当性、そして社内の運用定義との整合性が確保されます。
#4: ガードレールとプライバシー重視の設計
このモデルは、明示的に要求された行動のみを分析します。アイデンティティ、個人属性、または定義された範囲外の情報は推測できません。すべての処理はデバイス上でローカルに行われ、集計された行動数のみがレポートに送信されます。
VLMを従来の歩行者数および待ち行列分析と統合することで、 FootfallCam 組織は、これまで観察できなかったカスタマージャーニーの側面を測定できるようになります。これにより、構造化された匿名化された行動インサイトを通じて、人員配置モデルの検証、サービス応答性の評価、モバイルPOS導入の最適化、そして訪問者の全体的な体験の向上が可能になります。