商贩
该系统利用先进的视觉智能技术,能够识别员工的典型行为,例如站在柜台后、帮助顾客或补货,并自动将这些动作从访客计数中排除。无需额外的硬件,无需佩戴徽章,也无需手动更新设置。它会在后台静默运行,确保数据的准确性。
该系统围绕四个设计原则构建:
在人工智能识别技术出现之前,业界尝试过许多不同的技术。每种技术都有其实际局限性:
|
先前方法 |
为什么它在现实生活中行不通 |
|
员工按钮 |
取决于员工是否记得按下按钮;不稳定且不可靠。 |
|
员工禁入线 |
只有当员工始终沿着特定路线行走时才有效;很容易无意中绕过。 |
|
胸前印有徽章/标签 |
需要持续佩戴;容易被遮挡;可视性取决于摄像头角度。 |
|
肩部反光贴片 |
仅在理想的光线和拍摄角度下才能达到理想效果;不适用于各种制服。 |
|
蓝牙信标 |
需要电池、配对和维护;信号经常不稳定;并非普遍接受。 |
该系统利用视觉线索和动作模式自动识别员工。
例如:
这不需要员工穿戴任何衣物或按压任何东西。它完全在后台运行。
内置的工作区允许您执行以下操作:
该系统会利用这些输入信息在几分钟内进行自我优化。这确保了即使员工行为发生变化,结果仍然准确。
系统会自动生成风险地图,显示:
这有助于您了解系统如何做出决策以及在哪些方面可能需要调整。
狭小或高度受限的入口可能需要额外的摄像头覆盖才能获得最佳效果。
案例分析
案例研究1
一家奢侈时尚精品店没有员工制服,导致员工和顾客难以区分。员工经常在店内走动,为VIP客户提供服务,他们的走动使得顾客人数显著增加。
Pro2 (2026) 覆盖了入口,店内摄像头绘制出移动模式,该系统在几分钟内就学会了员工的行为,谁通常站在试衣间,谁留在柜台后面,以及谁长时间陪伴顾客。
这家精品店最终在不改变员工着装规定的前提下,获得了稳定的客流量。
该系统非常适合没有制服的奢侈品精品店——它通过员工的行为而不是服装来识别员工。
案例研究2
在一家中东珠宝店里,店员和顾客经常穿着类似的黑色或白色服装。传统的颜色分类方法效果不佳,人工贴标签也不切实际。
人工智能利用员工的移动路径和停留区域,尤其是在咨询台和展示柜后方的区域,来区分员工和顾客。热力图清晰地显示了员工专属区域,即使着装看起来完全相同,也能准确识别。
该商店在没有任何运营变更的情况下,首次获得了可靠的客流量数据。
即使员工和顾客穿着相似,行为和位置也能起到区分作用。
案例研究3
这家商店经营困难,因为员工需要不断地在店内走动来帮助顾客,导致顾客每次经过入口摄像头时都会被当作新顾客。
得益于Pro2(2026)的扩展覆盖范围和多台室内摄像头,该系统能够追踪整个车间内的人员移动模式。巡逻区域或反复穿越同一通道的员工会被自动识别并排除在外。
客流量准确度立即得到提升,商店的转化率终于稳定下来。
非常适合员工经常走动的繁忙商店——一致的行为模式使员工容易被排除在外。
案例研究4
店员经常站在店外迎接顾客或演示产品。由于店员位于摄像头的拍摄范围内,因此统计数据被严重夸大。
入口和店内摄像头的数据共同构成风险地图,系统将这些反复出现的人员停留区域识别为“员工区域”。即使员工站在面向顾客的位置,系统也会自动将其排除在外。
零售商终于可以将真实的到店客流量与销售额和营销活动效果进行比较。
非常适合美容和化妆品商店,方便员工在显眼位置与顾客互动。
案例研究5
这家商店经常有补货承包商、室内设计师和兼职员工进出,这导致系统无法区分哪些是员工,哪些是临时工,因此很难保持客流量的稳定。
员工排除机制构建了一张风险地图,显示了员工的高频移动和货架补货行为。即使是新来的承包商,也能通过他们的停留模式和在员工专用区域的反复出现而被识别出来。
该商店无需给承包商佩戴徽章或进行手动标记,即可获得稳定的客流量数据。
对于团队和承包商混合的门店来说,这种方法很可靠——重复出现的行为可以揭示谁是员工。
常见问题
了解更多