Аналитика очередей — ключевой показатель для понимания удовлетворенности клиентов в различных отраслях, например в ресторанах быстрого питания.[1], супермаркеты[2] и аэропорты[3]. Бизнес-операторы остро нуждаются в данные в реальном времени на потоке клиентов и продолжительности ожидания в очереди, чтобы они могли оптимизировать количество требуемых кассиров, СОП обслуживания и обучение кассиров. Довольный клиент – это клиент, которому не нужно долго ждать в очереди для оформления заказа.
Понимая модели поведения клиентов и реагируя на них, бизнес может значительно улучшить качество обслуживания клиентов, что приведет к повышению удовлетворенности клиентов, их лояльности и, в конечном итоге, к прибыльности. Это соответствует общей потребности бизнеса в создании беспрепятственного и позитивного взаимодействия с клиентами, что является неотъемлемой частью современной конкурентной бизнес-среды.
На современном рынке существует множество решений для анализа очередей на основе датчиков, позволяющих отслеживать перемещение клиентов в очереди. Например, FootfallCam 3D Pro2 - это система камер стереовидения установленный на потолке, который обеспечивает обнаружение, отслеживание и подсчет очередей клиентов, все в одном устройства.
Текущие проблемы
Несмотря на то, FootfallCam 3D Pro2 обеспечивает высочайшую в своем классе точность подсчета 99 %[4], это все еще не на 100% точно. На самом деле, нет счетчик людей с идеальной точностью подсчета, обусловленной динамикой человеческого поведения в реальной жизни. Например:
- Покупатель временно оставляет тележку в очереди и выходит из просмотра покрытия устройства.
- Покупатель наклоняется, чтобы взять товар в торговой точке или совершить импульсивную покупку.
В результате длительность ожидания клиента в очереди невозможно отслеживать непрерывно и эффективно, что ставит под угрозу точность средней продолжительности ожидания в очереди.
Переосмысление поведения людей в очередях
Чтобы преодолеть это ограничение, нам необходимо переосмыслить то, как клиенты выстраиваются в одну очередь, и как можно смоделировать среднюю продолжительность ожидания в очереди на основе статистики данных. По сути,
- Первому покупателю в очереди, пришедшему в пустую кассу обслуживания, ждать вообще не нужно.
- Последующий клиент должен ждать в очереди до тех пор, пока все клиенты перед ним не будут обслужены, и покинуть очередь.
- Другими словами, важно отметить как быстро кассир обслуживает клиентовкачества как долго очередь в тот момент, когда клиент присоединяется к очереди.
Инновационный подход к моделированию данных
По сути анализа больших данных мы используем центральную предельную теорему.[5] и теория массового обслуживания[6] вывести формулу средней продолжительности ожидания в очереди на основе основных принципов, руководствуясь приведенным выше моделированием поведения в очереди.
Эта революционная формула освобождается от ограничений и проблем, упомянутых выше, поскольку нам не нужно постоянно отслеживать каждого отдельного клиента, стоящего в очереди. Все, что нам нужно, это данные о продолжительности обслуживания очереди и длине очереди, и оба этих показателя мы можем обеспечить высокую точность.
Сравнение результатов
Мы сравниваем среднюю продолжительность ожидания в очереди с реальными данными, чтобы проверить нашу модель данных. Старый подход учитывает динамику человеческого поведения, а новый подход представляет собой статистическое моделирование.
Этот тест взят из данных продолжительностью 1 час, при этом длина очереди измеряется каждые 5 секунд. В этом тесте естественным образом выстраивается очередь из 1000 клиентов.
Результаты показывают, что новая метрика Превосходит старый показатель, улучшившийся с 99% до 99.9% точность. Ожидается, что повышение точности будет больше в более суровых условиях, где точность подсчета устройств может быть ниже.
Заключение
Это демонстрация использования современного статистического подхода, основанного на данных, для решения старой проблемы анализа очередей. Это поможет всем отраслям лучше измерять удовлетворенность клиентов, обслуживание кассира КПИ а также выявить любые операционная неэффективность.
Благодаря улучшенным показателям данных и прозрачности компании теперь могут более эффективно сокращать затраты и увеличивать продажи.
Часто задаваемые вопросы :
1. Какие устройства поддерживают этот новый показатель средней продолжительности ожидания в очереди?
Все устройства, имеющие функцию подсчета очереди, поддерживают эту новую метрику для более точного определения средней продолжительности ожидания в очереди. Устройства включают FootfallCam. 3Д Про2, 3D-проба, 3D-расширение и центроида. Пожалуйста, свяжитесь [электронная почта защищена].
2. Могу ли я использовать старые и новые метрики одновременно?
Конечно, однако мы настоятельно рекомендуем использовать новую метрику из-за ее превосходной точности.
Ссылки:
- Подсчет очередей в ресторанах быстрого питания». от FootfallCam.
- Подсчет очередей в супермаркетах». от FootfallCam.
- Подсчет очередей в аэропортах». от FootfallCam.
- 5 лучших 3D счетчик людейs«. от FootfallCam.
- Центральная предельная теорема». по Википедии.
- Теория массового обслуживания». по Википедии.
