性別・年齢推定

準拠できます。そしてV-Countの実装はそのために設計されています。Nano AIセンサー上のAI性別認識は匿名の推定値を生成し、カメラのフレームを破棄するため、顔画像や生体テンプレートは保存されず、個人も特定されません。出力が特定可能な人物に紐づかないため、個人データを規律するGDPRや英国GDPRの多くは同じようには適用されず、特別な種類の生体データの処理も行われません。それでも準拠は、法域、導入方法、組み合わせるデータによって異なるため、稼働前にデータ保護責任者と詳細を確認してください。

AIによる年齢認識は正確な年齢ではなく大まかな年齢層を推定するもので、精度は年齢層や集計のレベルで最も高くなり、それが本来の使い方です。個々の推定は、特に2つの年齢層の境界付近で外れることがありますが、数千人の来店者全体で見れば、店舗、時間帯、ゾーン、キャンペーン期間を比較できるほど分布は安定します。照明、カメラの角度、取付高さ、遮蔽物が結果に影響するため、V-Countは導入時に設置位置を検証します。精度の数値は、特定の年齢層の区切りと設置条件についてのみ意味を持つため、単一の数値は公表していません。

ハードウェアによります。属性分析にはカメラとオンボードのAIプロセッサを備えたセンサーが必要なため、旧来のビーム遮断型、サーマル型、基本的な3Dカウンターは、ソフトウェアだけで年齢や性別を出せるようにはアップグレードできません。多くのお客様は、属性が重要な入口やゾーンにNano AIを追加し、それ以外の場所では既存のカウンターを使い続けています。BoostBIは両方を取り込むため、データをやり直すことなく、来店数の履歴を1本につなげられます。段階的な導入を計画している場合は、当社のチームが現在の機器リストを確認し、どの入口から切り替えるべきかを特定します。

答える問いが異なります。顔認識は、顔のテンプレートを保存されたデータベースと照合して、その人が誰かを特定しようとするもので、個人データの生体処理にあたります。属性分析が問うのは、匿名の通行人が大まかにどう見えるか、つまりおおよその年齢層や推定性別だけで、その後は忘れます。V-Countのセンサーは顔のテンプレートを作成、保存、照合せず、後日や別の拠点で同じ来店者を再識別することもできません。出力は個人に関する記録ではなく、属性が付いたカウントです。

BoostBIは、カウントした来店者の年齢層別・推定性別の内訳を、時間帯別、ゾーンや入口別に報告し、それを来店数、滞在時間、在館人数、待ち行列の指標、接続した売上データと並べて保持します。実際には、セグメントごとのコンバージョンの読み取り、2つの店舗や2つのフロアの来店者プロファイルの比較、1日の中での構成の変化の追跡、そしてAPIを通じた自社のBIやデータウェアハウスへの顧客属性データのエクスポートが可能です。

いいえ。カメラのフレームはセンサー上で処理されて破棄され、デバイスから出るのは匿名のメタデータだけです。V-Countのシステムのどこにも、画像のアーカイブ、映像の保存、顔テンプレートのデータベースはありません。これはプライバシーの保護であると同時に実用上の利点でもあります。カメラからクラウドへ送る方式で生じる通信帯域や保存容量の負担がなくなるからです。

Nano AIです。天井に取り付ける1台で、正確な来店数カウントとデバイス上での属性推定を同時に行うため、入口やゾーンで1台のセンサーが両方の要件を満たします。屋外の入口や来店数の非常に多い旗艦店の入口については、Nano OutdoorやNano Primeのほうが適している場所や、レポートを分断せずに拠点内で機種を組み合わせる方法を当社のチームがご提案します。

モールは2つの方向で活用しています。内部的には、どの客層がどの時間にどの入口やフロアに来ているかがわかり、イベントの企画、マーケティング費用、ゲストサービスの人員配置、プロモーションスペースの配置の指針になります。外部的には、リーシングを支えます。出店を検討するテナントは候補区画の近くの来店者プロファイルの根拠を求めており、実測した顧客の属性分析はアンケートよりはるかに説得力があります。同じデータは、施設内の広告やデジタルサイネージの枠の価格設定の根拠にもなります。V-Countの性別・年齢認識が、この匿名の属性データを提供します。