Riconoscimento di genere ed etàAnalisi demografica anonima sul sensore Nano AI

Può esserlo, e l’implementazione di V-Count è progettata per questo. Il riconoscimento del genere con AI su un sensore Nano AI produce una stima anonima ed elimina il fotogramma originale, quindi non viene memorizzata alcuna immagine del volto o template biometrico e nessuna persona viene identificata.

Poiché l’output non è collegato a una persona identificabile, gran parte della disciplina del GDPR e dello UK GDPR sui dati personali non si applica allo stesso modo, e non avviene alcun trattamento biometrico di categorie particolari.

Il riconoscimento dell’età con AI stima una fascia d’età ampia anziché un’età esatta, e l’accuratezza è massima a livello di fascia e di dato aggregato, che è l’uso per cui è pensato. Una singola stima può essere errata, in particolare vicino al confine tra due fasce, ma su migliaia di visitatori la distribuzione è abbastanza stabile da confrontare negozi, orari, zone e periodi di campagna.

Illuminazione, angolazione del sensore, altezza di installazione e occlusioni influiscono sui risultati, ed è per questo che V-Count convalida il posizionamento in fase di messa in servizio. Non pubblichiamo un unico dato di accuratezza, perché è significativo solo per una determinata struttura delle fasce e per specifiche condizioni di installazione.

Dipende dall’hardware. L’analisi demografica richiede un sensore AI con elaborazione integrata, quindi un contatore tradizionale a barriera, termico o 3D di base non può essere aggiornato per fornire età e genere solo tramite software.

La maggior parte dei clienti aggiunge unità Nano AI agli ingressi e nelle zone in cui i dati demografici contano e mantiene altrove i contatori esistenti. BoostBI li integra entrambi, così conservi un unico storico dell’affluenza continuo invece di ripartire da zero con i dati. Se stai pianificando un’implementazione graduale, il nostro team può esaminare l’elenco attuale dei dispositivi e individuare quali ingressi convertire per primi.

Rispondono a domande diverse. Il riconoscimento facciale cerca di stabilire chi è una persona confrontando un template facciale con un database memorizzato, il che lo rende un trattamento biometrico di dati personali.

L’analisi demografica chiede solo che aspetto ha, a grandi linee, un passante anonimo (approssimativamente quale fascia d’età, quale genere stimato) e poi lo dimentica. I sensori V-Count non creano, memorizzano né confrontano template facciali e non possono reidentificare lo stesso visitatore in un altro giorno o in un’altra sede. L’output è un conteggio con attributi associati, non un record relativo a un individuo.

BoostBI riporta la ripartizione demografica dei visitatori contati per fascia d’età e genere stimato, suddivisa per intervallo di tempo e per zona o ingresso. La affianca ad affluenza, tempo di permanenza, occupazione, metriche delle code e a qualsiasi dato di vendita che colleghi.

In pratica, puoi leggere il tasso di conversione per segmento, confrontare il profilo dei visitatori di due negozi o due piani, seguire come cambia la composizione nel corso della giornata ed esportare i dati demografici dei clienti verso il tuo strumento di BI o data warehouse tramite API. Vedi BoostBI.

No. Ogni fotogramma viene elaborato sul sensore ed eliminato; solo metadati anonimi lasciano il dispositivo. In tutta la piattaforma V-Count non esiste alcun archivio di immagini, alcuna conservazione di video né alcun database di template facciali. È al tempo stesso una tutela della privacy e un vantaggio pratico, perché elimina il carico di banda e di archiviazione che un’architettura dalla telecamera al cloud comporterebbe.

Nano AI. È un unico dispositivo a soffitto che offre contemporaneamente il conteggio degli ingressi con un’accuratezza fino al 99% su una linea d’ingresso interna e la stima demografica sul dispositivo, quindi un solo sensore copre entrambe le esigenze a un ingresso o in una zona. Vedi il sensore per il conteggio persone Nano AI.

Per ingressi esterni o grandi spazi aperti, il nostro team ti indicherà dove Nano Outdoor o Nano Prime sia più adatto e come combinare diversi tipi di dispositivo in una sede senza frammentare la reportistica.

Sì. Lo stesso sensore Nano AI conta ingressi e uscite, stima sul dispositivo una fascia d’età e un genere per ogni visitatore contato ed esclude il personale che indossa un tag riflettente sulla spalla o un cordino, con un’accuratezza di esclusione del personale superiore al 90%. Tutte e tre le funzioni confluiscono in un unico account BoostBI. Vedi conteggio persone ed esclusione del personale.

I centri commerciali la usano in due direzioni. Internamente, mostra quale pubblico arriva a quale ingresso e piano, e in quali orari, e orienta così la programmazione degli eventi, la spesa di marketing, il personale dei servizi agli ospiti e il posizionamento degli spazi promozionali.

Esternamente, supporta la locazione: un potenziale tenant vuole prove del profilo dei visitatori vicino all’unità a cui è interessato, e una profilazione demografica dei clienti basata su misurazioni è molto più convincente di un sondaggio. Gli stessi dati sono anche alla base della definizione dei prezzi per la pubblicità e gli spazi DOOH all’interno del centro.