No mundo da análise de varejo, a precisão começa com um princípio fundamental: filtrar o fluxo de funcionários do fluxo de clientes. FootfallCamAdotamos uma abordagem que prioriza a privacidade e é baseada em IA para resolver esse desafio — usando Tecnologia de reidentificação (Re-ID) para excluir funcionários sem a necessidade de crachás, dispositivos vestíveis ou interação manual.
Esta publicação explica a lógica por trás desse método, como treinamos nossos modelos e a precisão comprovada por trás da nossa solução — já implantada em milhares de lojas no mundo todo.
Por que a exclusão de funcionários é importante
Em qualquer loja, uma parcela significativa do fluxo diário de pessoas é proveniente de funcionários — não de clientes. Atendentes entrando e saindo, comerciantes verificando o planograma, faxineiros e seguranças, todos aparecem nos sistemas tradicionais de contagem de pessoas. Sem a devida exclusão, isso distorce seus principais KPIs de varejo:
- Taxas de conversão inflacionadas
- Tempo de permanência enganoso no nível da zona
- Análise incorreta do horário de pico
- Mapas de calor e caminhos de jornada ineficazes
O resultado? Dados ruins levam a decisões ruins.
É por isso que FootfallCam Utiliza o Re-ID — um modelo de visão computacional que reconhece padrões de movimento repetitivos ao longo do tempo para distinguir funcionários de clientes, de forma passiva e anônima.
Como o Re-ID funciona no varejo
O Re-ID não depende de reconhecimento facial ou identificadores pessoais. Em vez disso, nosso sistema utiliza recursos visuais não PII — silhueta corporal, consistência da roupa, modo de caminhar — para criar uma assinatura de movimento única.
Quando alguém reaparece em diferentes zonas ou entra novamente na loja várias vezes ao dia, o sistema o sinaliza como um provável membro da equipe. Com o tempo, essas assinaturas se tornam mais confiáveis, permitindo a exclusão automatizada de painéis de análise e exportações.
E como isso é totalmente processado nas bordas, nenhuma filmagem sensível sai da loja, e todas as identidades permanecem anônimas.
Treinamento e precisão do modelo
At FootfallCamTreinamos nosso mecanismo de reidentificação usando mais de 2 milhões de segmentos de vídeo do varejo em supermercados, redes de moda, lojas de conveniência e restaurantes de serviço rápido — levando em consideração variações de iluminação, layout, altura do teto e políticas de uniforme.
Foram necessários de 3 a 6 meses de treinamento iterativo e validação em campo para ajustar o modelo em diferentes formatos de loja. Hoje, comparamos a precisão em:
- Precisão de 94–97% na exclusão correta de funcionários conhecidos
- Menos de 2% de falsa exclusão de compradores reais (geralmente funcionários fazendo compras fora do turno)
O sistema melhora com o tempo por meio de aprendizado contínuo, adaptação a novos uniformes, mudanças sazonais de roupas e rotinas específicas da loja.
Re-ID é o único método que pode ser facilmente dimensionado em uma rede de varejo, não requer nenhuma mudança comportamental e funciona silenciosamente em segundo plano.
Privacidade, sempre
Nosso sistema Re-ID é totalmente compatível com o GDPR. Nenhuma imagem é armazenada. Nenhuma pessoa é identificável. Apenas a correspondência de padrões de um movimento anônimo — uma solução limpa e ética para um problema antigo.
#footfallcam #contadordepessoas #contagemdepessoas #planejamentodepessoal #gestão de pessoal #varejo #varejointeligente #aianalytics #reidentificação #tecnologiareiid