Cinsiyet ve Yaş TanımaNano AI sensöründe anonim demografik analiz

Uygun olabilir ve V-Count’un uygulaması bunun için tasarlanmıştır. Nano AI sensöründe yapay zekâ ile cinsiyet tanıma anonim bir tahmin üretir ve ham kareyi siler; böylece hiçbir yüz görüntüsü veya biyometrik şablon saklanmaz ve hiçbir birey tanımlanmaz.

Çıktı tanımlanabilir bir kişiyle ilişkilendirilmediği için GDPR ve UK GDPR’ın kişisel verileri düzenleyen rejiminin büyük bölümü aynı şekilde uygulanmaz ve özel nitelikli biyometrik veri işleme gerçekleşmez.

Yapay zekâ ile yaş tanıma, kesin bir yaş yerine geniş bir yaş aralığını tahmin eder ve doğruluk, kullanım amacına uygun olarak aralık ve toplu veri düzeyinde en yüksektir. Tek bir tahmin, özellikle iki aralığın sınırına yakın durumlarda yanlış olabilir; ancak binlerce ziyaretçide dağılım, mağazaları, saatleri, bölgeleri ve kampanya dönemlerini karşılaştırmaya yetecek kadar istikrarlıdır.

Aydınlatma, sensör açısı, montaj yüksekliği ve görüş engelleri sonuçları etkiler; V-Count’un devreye alma sırasında yerleşimi doğrulamasının nedeni budur. Tek bir doğruluk rakamı yayımlamıyoruz, çünkü böyle bir rakam ancak belirli bir aralık yapısı ve kurulum koşulu için anlamlıdır.

Bu, donanıma bağlıdır. Demografik analiz, dahili işlem gücüne sahip bir yapay zekâ sensörü gerektirir; bu nedenle eski tip ışın kesmeli, termal veya basit bir 3D sayaç yalnızca yazılımla yaş ve cinsiyet üretecek şekilde yükseltilemez.

Müşterilerin çoğu, demografinin önem taşıdığı giriş ve bölgelere Nano AI üniteleri ekler ve mevcut sayaçlarını diğer noktalarda kullanmaya devam eder. BoostBI her ikisinin verisini de alır; böylece verilerinizi sıfırdan başlatmak yerine tek ve kesintisiz bir ziyaretçi trafiği geçmişini korursunuz.

Aşamalı bir geçiş planlıyorsanız ekibimiz mevcut cihaz listenizi inceleyip önce hangi kapıların dönüştürüleceğini belirleyebilir.

İkisi farklı soruları yanıtlar. Yüz tanıma, bir yüz şablonunu kayıtlı bir veritabanıyla eşleştirerek bir kişinin kim olduğunu belirlemeye çalışır; bu da onu kişisel verilerin biyometrik olarak işlenmesi hâline getirir.

Demografik analiz ise yalnızca anonim bir yoldan geçenin genel hatlarıyla neye benzediğini (yaklaşık olarak hangi yaş aralığında, tahmini cinsiyetinin ne olduğunu) sorar ve ardından onu unutur. V-Count sensörleri yüz şablonu oluşturmaz, saklamaz veya eşleştirmez ve aynı ziyaretçiyi başka bir gün ya da başka bir lokasyonda yeniden tanımlayamaz. Çıktı, bir bireye ait bir kayıt değil, özellikler eklenmiş bir sayımdır.

BoostBI, sayılan ziyaretçilerin yaş aralığı ve tahmini cinsiyete göre demografik dağılımını zaman aralığı ve bölge ya da giriş bazında kırılımlı olarak raporlar. Bu verileri ziyaretçi trafiği, kalış süresi, doluluk, sıra metrikleri ve bağladığınız tüm satış verileriyle birlikte sunar.

Pratikte segment bazında dönüşüm oranını okuyabilir, iki mağazanın veya iki katın ziyaretçi profilini karşılaştırabilir, dağılımın gün içinde nasıl değiştiğini izleyebilir ve müşteri demografisi verilerini API üzerinden kendi BI aracınıza veya veri ambarınıza aktarabilirsiniz. Ayrıntılar için BoostBI sayfasına bakın.

Hayır. Her kare sensör üzerinde işlenir ve silinir; cihazdan yalnızca anonim meta veriler çıkar. V-Count altyapısının hiçbir yerinde görüntü arşivi, video saklama veya yüz şablonu veritabanı yoktur. Bu hem bir gizlilik güvencesi hem de pratik bir avantajdır; çünkü kameradan buluta bir mimarinin yaratacağı bant genişliği ve depolama yükünü ortadan kaldırır.

Nano AI. İç mekân giriş çizgisinde %99’a varan doğrulukla ziyaretçi sayımını ve cihaz üzerinde demografik tahmini aynı anda sunan, tavana monte tek bir cihazdır; böylece bir kapıda veya bir bölgede tek sensör iki ihtiyacı birden karşılar. Ayrıntılar için Nano AI kişi sayım sensörü sayfasına bakın.

Dış mekân girişleri veya geniş açık katlar için ekibimiz, Nano Outdoor veya Nano Prime cihazının nerede daha uygun olacağını ve raporlamanızı parçalamadan bir lokasyonda farklı cihaz tiplerini nasıl birlikte kullanabileceğinizi size önerir.

Evet. Aynı Nano AI sensörü giriş ve çıkışları sayar, sayılan her ziyaretçi için cihaz üzerinde bir yaş aralığı ve cinsiyet tahmin eder ve omuza takılan yansıtıcı bir etiket veya boyun askısı kullanan personeli %90’ın üzerinde personel hariç tutma doğruluğuyla sayım dışında tutar. Üç işlevin tamamı tek bir BoostBI hesabına raporlanır.

Ayrıntılar için kişi sayımı ve personel hariç tutma sayfalarına bakın.

Alışveriş merkezleri bunu iki yönde kullanır. İçeride, hangi kitlenin hangi saatlerde hangi girişe ve kata geldiğini gösterir; bu da etkinlik programlamasına, pazarlama harcamalarına, misafir hizmetleri personel planlamasına ve promosyon alanlarının yerleşimine yön verir.

Dışarıda ise kiralamayı destekler: Potansiyel bir kiracı, ilgilendiği birimin yakınındaki ziyaretçi profiline dair kanıt ister ve müşterilerin ölçülmüş demografik profillemesi bir anketten çok daha ikna edicidir. Aynı veriler, merkez içindeki reklam ve DOOH envanterinin fiyatlandırmasına da temel oluşturur.