AI カメラや WiFi, beacon 行動分析、ぶっちゃけどうなの？利用者が語るリアル店舗におけるデータ活用入門

AI カメラや WiFi, beacon 行動分析、
ぶっちゃけどうなの？
利用者が語るリアル店舗におけるデータ活用入門
2019-03-04
#リテールテックOnline
presented by @mizuki_takenobu ( COUNTERWORKS Inc. )

2018年〜 COUNTERWORKS Inc.
▶︎体験型ストアadpt （業委）立ち上げ：BizDev, 開発PM, Analyst, 店長
▶︎adptOS ProductOwner, Analyst
大学1年の春に子供を授かり結婚し、家族を養うために働き始める。
複数社で人材営業、インハウスSEO、オンライン広告の運用改善をそれぞれ経験。
その後、COUNTERWORKS 創業時に参画し、ビジネス開発全般を行う。
竹信瑞基（たけのぶみずき）
adptOS Data Analyst | たまにBizDev, 店長
大学
新卒
現職
2016年〜2019年 Recruit Holdings Co., Ltd.
▶︎タウンワーク App PM (iOS / Android)
▶︎タウンワーク&FromAnavi App Product Owner (iOS / Android)
▶︎バイト・中途・派遣領域 (JP) Lead Analyst
@mizuki_takenobu mizuki.takenobu

会社紹介 - COUNTERWORKS Inc.
商業不動産・小売領域のDXを促す事業を展開。
主に「リアル店舗を開きやすく、改善しやすくする」サービスを開発・展開。
スペースオーナー
(貸したい方)
テナント
(借りたい方)
出店
・
運営
ポップアップストア・短期利用に特化したスペースの
オンラインマーケットプレイス
商業施設・店舗の収益改善をサポートする
データプラットフォーム
D2Cを中心とした
オンラインブランドのための
出店支援サービス
9,000社+ 1,200スペース+

日本の小売市場は成熟しており、特にリアル店舗「のみ」では売上が伸びづらい状況。
一方、オンライン込みで売上を伸ばすには、リアル店舗とその改善が重要に。
出典：Think With Google - 買いたくなるを引き出すために - パルス消費を捉えるヒント (1)
https://www.thinkwithgoogle.com/intl/ja-jp/articles/search/shoppersurvey2019-1/
EC・店舗併用状況（消費財）

自社でもポップアップストアや常設店展開などで店舗を持ち、
出店・効果改善しやすい環境を作りつつ、センシング・店舗改善のノウハウも蓄積・提供。
商業施設内の区画をポップアップストア専用区画とし、
リーシングのみならず、テナント様向け販促改善サービスを展開。
メーカー様向けに店内のスペース提供のみならず、
接客スタッフ、店内統計データ提供、販促改善サービスを展開。

今日のお話
1. リアル店舗でどうデータ活用したら
来店するお客さまや収益が増えるのか？

今日のお話
2. たくさんあるサービスの中で、
どんなジャンルの何があって、
気をつけるべきポイントは？

adpt店長をやって個人的に感じた、リアル店舗の現状
費用
売上
利益
コストリターン投資原資
上がる店舗経営難度
都心部を中心に
地価・人件費・物流費増と
固定費が高まり続けている
どう人を呼び
お買い求め頂くかがより重要に
ECでブランドが増え、
SNSでもアイテムと出会える中
リアル店舗の集客力が減少
利益利益率・額共に
圧迫される事態。

現時点で考えている、現実的な改善の方向性
費用
売上
利益
コストリターン投資原資
抑制と投資の見極め
人口が集約する商圏ほど
コスト増の流れは不可逆。
投資配分を見直しつつ、
集客・買上を上げる再現性
を高めるモノへ投資。
オンラインとオフラインで
商圏シェアを拡大
オフラインは商圏と継続接点に、
オンラインは体験の立体性に
限界があり、相互作用で拡大。
トップラインで
利益を伸ばす
（しかない。）

店長、店舗メンバー、
オンラインストア担当、
みんなで向かっていく

適切な店舗経営には
“地図”と”羅針盤”が必要
＝分析は、それらを作り出す

「良いモノを、広く届ける」流通改善に、分析ではどのように寄与できそうか？
早期の現状・課題把握で
店舗改善土壌を作る
時間経過ごとにコストがかかる分、
早期に現状・課題を把握して、
対策を打つ必要がある。
店舗経営・改善指標をより明確にし、
スタッフが問題に気付きやすい形で
提供できればクイックに店舗改善が
行える土壌を作る。
店舗内の行動ログを使った
リアル店舗収益の改善
入店率や買上率の状況がわかっても、
課題の要因がわからなかったり、
改善してみた結果がわからない。
店舗行動からVMD, レイアウト,
スタッフ待機位置, 接客など
入店・買上率に影響のある要素を
改善することで店舗収益を改善し、
パターンが見えれば標準化もできる。
店内行動ログを使った
オンラインでの購買率も改善
店内での試着商品データや、
商品詳細を店舗QR/NFC経由で
閲覧した際などのデータを取得。
店内行動をデータポイントに、
サイト内のレコメンドやCRMで
活用して購買率・LTV改善に。

早期の現状・課題把握で店舗改善土壌を作る：よくお伺いする課題例
目標数値わかっている現状数値次の打ち手
売上
¥3,600,000
レジ客数
540人/月
客単価
¥5,000
売上
¥2,700,000
×
=
▲¥900,000

売上
¥3,600,000
レジ客数
540人/月
客単価
¥5,000
売上
¥2,700,000
×
=
⓪目標を維持する為に
客単価
¥4,000
=
レジ客数
900人/月
①客単価を下げて
x0.8
×
②レジ客上げる
x1.7

売上
¥3,600,000
レジ客数
540人/月
客単価
¥5,000
売上
¥2,700,000
×
=
客単価
¥4,000
=
レジ客数
900人/月
x0.8
×
x1.7
客数または買上率の
片方を維持したまま
片方を1.7倍にできれば
これは成立する
↓
この修正方針が現実的か
客観的に評価できない

売上
¥3,600,000
レジ客数
540人/月
客単価
¥5,000
売上
¥2,700,000
×
=
客単価
¥4,000
=
レジ客数
900人/月
×
↓
客数を増やすべきか
買上率を上げるべきか
ボトルネックも不明で
優先度をつけられない。
↓
原資がないと「接客」や
「レイアウト微修正」で
買上率をどうにか改善...
x0.8
x1.7

売上
¥3,600,000
レジ客数
540人/月
客単価
¥5,000
売上
¥2,700,000
×
=
客単価
¥4,000
=
レジ客数
900人/月
×
↓
客数を増やすべきか
買上率を上げるべきか
ボトルネックも不明で
優先度をつけられない。
↓
原資がないと「接客」や
「レイアウト微修正」で
買上率をどうにか改善...
スタッフが個々に頑張っても
変化に対して再現性があるかわからず
施策効果かも評価できない
x0.8
x1.7

データで
チームの
“目線”を
合わせる

早期の現状把握とクイックな店舗改善支援：商圏ターゲット人口を固定で与え、入店数を計測したとする
店舗前通行のべ客数
180,000人
来店客数
6,000人/月
レジ客数
900人/月
客単価
¥4,000
売上
¥3,600,000
目標
×
=
2%
15%
180,000人
来店客数
3,600人/月
レジ客数
540人/月
客単価
¥5,000
売上
¥2,700,000
現状
×
=
1.2%
15%
▲¥900,000
アクション
ターゲット客数
300,000人
300,000人

早期の現状把握とクイックな店舗改善支援：何が起きるか
180,000人
来店客数
6,000人/月
レジ客数
900人/月
客単価
¥4,000
売上
¥3,600,000
目標
×
=
2%
15%
180,000人
来店客数
3,600人/月
レジ客数
540人/月
客単価
¥5,000
売上
¥2,700,000
現状
×
=
1.2%
15%
▲¥900,000
アクション
300,000人
300,000人
課題が
明確に
わかる

早期の現状把握とクイックな店舗改善支援：何が起きるか
180,000人
来店客数
6,000人/月
レジ客数
900人/月
客単価
¥4,000
売上
¥3,600,000
目標
×
=
2%
15%
180,000人
来店客数
3,600人/月
レジ客数
540人/月
客単価
¥5,000
売上
¥2,700,000
現状
×
=
1.2%
15%
▲¥900,000
アクション
300,000人
300,000人
課題が
明確に
わかる
方針と目標値がわかる
1. 買上率を維持で
来店客数を +80人/日 (+2,400人/月)
2. 客数維持で
客単価を +¥1,667（¥6,667）
3. 客単価を維持で
レジ客数を +6人/日 (720人/月)
4. 客単価を20%下げて（¥4,000）
レジ客数を +12人/日 (+360人/月)

どう改善していくかの
プランがチームで
理解できる

「良いモノを、広く届ける」流通改善に、分析ではどのように寄与できそうか？
早期の現状・課題把握と
クイックな店舗改善が可能に
行える状態に。
フリクションの少ない
ユーザー体験設計が肝になる。

店舗内の行動ログを使ったリアル店舗収益の改善：データと理想が見えると、思考の視点が広がる
180,000人
来店客数
6,000人/月
レジ客数
900人/月
客単価
¥4,000
売上
¥3,600,000
目標
×
=
2%
15%
180,000人
来店客数
3,600人/月
レジ客数
540人/月
客単価
¥5,000
売上
¥2,700,000
現状
×
=
1.2%
15%
アクション例
300,000人
300,000人
1. 買上率を維持で
来店客数を +80人/日 (+2,400人/月)
2. レジ客数維持で
客単価を +¥1,667（¥6,667）
3. 客単価を維持で
4. 客単価を20%下げて（¥4,000）
事業者都合の
数字としてはこうである一方で...
お客さまにどうアプローチしたら
振り向いていただけるか？

何をどういう意図で
プレゼンテーションしているか？
店外からみたお店のビジュアルコンセプト、VP、レイアウトは、
どういう方に、何を見ていただきやすく・お買い求めいただきやすい意図があるか。
コーヒー提供、BGMなど、ゆったり過ごしやすい環境を作れているか。

店内のお客さまの動きとして
入店が憚られていないか？
どこに人が集まり、
どのくらい店内に滞在されている？
フリーのお客さまが入りやすい環境かを入店率（入店数 / 店外通行量）で、
主要動線と人が集まる箇所・滞留する箇所をヒートマップなどで見て、
人流から人が通りやすい場所はどこか、滞留から何を見にこられている方が多いのか
消費者の方がそのお店を見て入って、どう動きやすく、何に興味を持たれているかを
データから理解する。

結果、何を買われているか？
店内行動と照らし合わせると？
興味と購入の4象限で比較すると
「売りのばすポテンシャルがあるアイテム」が見えてくる。
また、併売状況と棚の位置を見て、棚の位置が遠いが併売率が高いアイテムは
どう提案して同じ棚におくとクロスセルがハマるかが見えてくる。
店内のお客さまの動きとして
入店が憚られていないか？
どこに人が集まり、
どのくらい店内に滞在されている？
フリーのお客さまが入りやすい環境かを入店率（入店数 / 店外通行量）で、
主要動線と人が集まる箇所・滞留する箇所をヒートマップなどで見て、
人流から人が通りやすい場所はどこか、滞留から何を見にこられている方が多いのか
消費者の方がそのお店を見て入って、どう動きやすく、
店内のどういうアイテムに興味を持たれているかを、データから理解する。

興味（滞留）
多い
少ない
購入点数
多い
購入点数
少ない
人気ゾーン
他の商品とのクロスセル状況を見て
よりお客さまにお買い求めいただけるように
工夫を凝らせるゾーン。
ポテンシャルゾーン
人流が少ない場所に位置してここにあり、
指名買いアイテムではない場合は、
前出しするとより売れる可能性があるアイテムが
なむっている可能性が高いゾーン。
検証ゾーン
人流が少ない場所に位置してここにあり、
人気・ポテンシャルゾーンのアイテムがもつ
特徴を持つアイテムは前出しするなどの
検証ができるゾーン
位置転換ゾーン
多くの人が検討されるのに
あまり購入されない場合は
人気アイテムとの比較対象として残すか、
位置転換して間引くか検討できるゾーン。

店舗内の行動ログを使ったリアル店舗収益の改善：レイアウトに止まらず、スタッフの行動の標準化にも
180,000人
来店客数
6,000人/月
レジ客数
900人/月
客単価
¥4,000
売上
¥3,600,000
目標
×
=
2%
15%
180,000人
来店客数
3,600人/月
レジ客数
540人/月
客単価
¥5,000
売上
¥2,700,000
現状
×
=
1.2%
15%
300,000人
300,000人
スタッフの位置を入口付近から
xxxにすることで
入店率がx%改善し、
xx人/日の入店が増えた。
スタッフの接客場所が
この辺りの方が買上率がx%高く
平均顧客単価もx%高い。
スタッフの行動とも連動し
接客スタイルの
標準化も行える

店舗内の行動ログを使ったリアル店舗収益の改善：オンラインの行動ログを、オフラインの接客にも。
https://www.wwdjapan.com/articles/908558

「良いモノを、広く届ける」流通改善に、分析はどのように寄与できそうか？
早期の現状・課題把握と
クイックな店舗改善支援
行える状態に。
フリクションの少ない
ユーザー体験設計が肝になる。

計測による現状・理想の把握は、
チームの目標の目線を合わせて
正しい改善サイクルを作る。

まとめ：分析は効率改善の手段にすぎず、AI* で処理されたデータを人がどう利益にするかが重要
● 手段「センシング」で「データ」が得られる。
＝目標に対して課題となる事柄が「なぜ起きているか」という因果の解釈に必要な情報を、
事実として複数人が共通で理解・把握でき、
「どう対策したら解消できそうか」という施策の実行速度・成功確率が上がりやすくなる利点。
● 現時点で、リアル店舗におけるAI はデータ取得・処理を効率的に行う技術にすぎず、
データを元に、利益を上げる考察・アクションは人の手による改善サイクルが必要不可欠。
○ 導入者側でデータを見た上で、より消費者の方にとって良い商品を、
より店舗環境で届けるという運用がされて、初めて活かされるものという前提が
マインドセットとして求められています。
○ 参考）購入までの行動が全てデータになり、入店者ごとに表示内容・レコメンドなどを変えられるオンラインストアでは、
AIによる「半自動的な」売上改善が見込めますが、リアル店舗だと上記の特徴がなく、人による運用はより必要となります。
* 本義的には人工知能を差しますが、日本では「ソフトウェアの条件分岐」すらそう呼ばれるため、ここでは敢えて「裏側の見えないデータ処理部分全般」とします。

2. たくさんあるサービスの中で、
どんなジャンルの何があって、
気をつけるべきポイントは？

属性推定
カメラ
広域
100m~
商圏分析
狭域
数cm~
店内特定地
買い切り月額
低高
通信会社
基地局データ
入店取得
カメラ
QR
NFC
1~2m 入店取得
カメラ
3~5m WiFi
Beacon
リピート推定
カメラ
1万~ 3万~ 5万~
店内全て導線分析カメ
ラ・ToFセンサ
10万~

属性推定
カメラ
広域
100m~
商圏分析
狭域
数cm~
店内特定地
買い切り月額
低高
通信会社
基地局データ
人数計測
カメラ
QR
NFC
1~2m 人数計測
カメラ
3~5m WiFi
Beacon
リピート推定
カメラ
1万~ 3万~ 5万~
店内全て
10万~
導線分析カメ
ラ・ToFセンサ

上体で検知・取得
カメラの取得の仕組み
顔で検知・取得線・ゾーンで検知・取得

顔で検知・取得
入店から属性推定・リピート推定まで幅広く使われており、
顔のデータを使って、以下のようなことを行ってくれます。
・人を検知してカウント
・男女・性別・感情を推定
・過去に来店しているかリピートを推定
マスクなどをしていたり、正面から顔を取れない場合には
データを取得できない課題があり、
施工時の画角調整に注意が必要なジャンルです。

上体で検知・取得
天井高が高く顔が検知できない場合に人数カウントで用いられたり
顔・髪・服装の特徴を捉えて、
店内の導線行動を取得するときに用いられます。
顔よりも画角調整なしで検知できる確率が上がるほか、
導線取得の場合はカメラ間を跨いで、
ひとりの人を正確に計測し続けられるものもありますが、
属性などの推定精度が下がる為、
属性推定とは別で設置する必要がよく出ます。

線・ゾーンで検知・取得
商業施設入口などにある一般的な人数計測カメラは、
この方式が多いです。
人数計測の買い切りモデルはこのカメラジャンルに多くあります。
線での入退店計測になるので、
ひとりの人が複数回入っても複数人扱いになってしまう
「のべ人数カウント」であることと、
「属性などの推定は基本行えない」ところが弱点。

全カメラに共通する注意点
統計処理化される前提ではあるものの、
来店者を録画し、動画データをベンダーDB上に格納するなど、
事業者として個人情報の取り扱いに留意する必要があります。
この運用について、ベンダー側でもケアされていますが、
ベンダーとの契約書面上にも個人情報保護に関しては
事業者側の責任にて執り行われる記載があるので留意まで。
経済産業省「カメラ画像利活用ガイドブック ver2.0」
https://www.meti.go.jp/press/2017/03/20180330005/20180330005-1.pdf

全カメラに共通する注意点
● 値下げ交渉は基本的にボリュームディスカウントが効く設定になっていますが、
DBに動画データを一定保存して解析処理する場合、サーバーコストがベンダー原価率を上げるため、
エッジデバイスの方が比較的、価格を下げやすい傾向にあります。
● 一方で、録画モデルの場合、あとで録画データに対して
機械学習を用いて店内行動のイベント取得などが自由度高く行えます。
エッジデバイス側では、カメラデータの集計モデルをデバイス側に持つことになるので、
集計モデルが変えやすいか（動画データに対して集計するものをあとで増やせるか）が
重要なポイントになります。

選定・確認ポイント - 人数計測カメラ
● 特定の位置にいる人の数をカウントし、その場に留まっている時間も計測します。
店舗外通行量・入店数や、入口棚など、複数の場所の数値を1つのカメラで計測できる種類のものが
コストパフォーマンスがよくおすすめです。
● 「顔」は画角によって著しく人の検知率が低くなるので、
「上体」または「線・ゾーン」で正確に計測ができるサービスをお勧めします。
● 「買い切り」と「サブスク」がありますが、
○ 自社でカメラデータをサーバへ送ることができる場合は「買い切り」で良さそうです。
1台あたり売値で約 20 万円程度ですが、ボリュームディスカウントが効きます。
○ そうでない場合は、「サブスク」のダッシュボードを活用する形になりますが、
「台数あたり課金」が大きくなるのが難点。
● 「上体」の場合も、「線・ゾーン」より途切れることがありますので、
実数を手集計して、システム集計と比較いただき、問題がある場合、調整いただけるか、
事前に確認しておいても良さそうです。

選定・確認ポイント - 属性推定カメラ
● 推定結果は「性別・性別」「身長」などで、
○ 男女比・年代比が大きく変わらないのであれば、
店舗スタッフの方がMDとフィットしているか定性的な確認でも十分かもしれません。
○ 複数の方向けのMDを有していたり、店内で様々な方向けのポップアップなどを行うなど、
店内に様々な属性の方が来られる構成の場合は、あるとMDと属性のフィット具合が図れます。
● 「顔」や「上体」で推定を行いますが、前述の通り、人の検知率が画角とロジックで変わります。
○ 50%しか検知してなかったとして、その検知した人たちに偏りがあると、
推定結果の分布・見方も変わるので、どのくらい検知できているか確認した方が良いです。
● 属性推定精度も事前にデモでどの程度の属性の推定精度なのか確認して、
その精度が信頼できそうか事前に確認してから契約を結ぶことをお勧めします。
○ 推定系は契約上、「精度保証をしない」「年間契約が多く途中解約・返金なし」が多い為
計測後に信用できないデータとなってもお金を払い続ける必要が出ます。
○ 外資系ベンダーだと、アジア人の年齢が若く出るなど、
学習内容に応じて、結果が変化するので事前チェックは肝心です。

● 「店舗のリピート率, 再訪状況を推定するもの」で、個客の特定はしない前提で設計されています。
個客のフォローアップに使いたい際は、事前許諾を取った上で顔認証を推奨します。
● 「顔」で推定を行いますが、前述の通り、人の検知率が画角とロジックで変わります。
○ 50%しか検知してなかったとして、その検知した人たちに偏りがあると、
リピート率の分布・見方も変わるので、どのくらい検知できているか確認した方が良いです。
● 属性推定同様、事前にデモでどの程度の属性の推定精度なのか確認して、
その精度が信頼できそうか確認してから契約を結ぶことをお勧めします。（属性推定より高いで
す。）
○ 推定系は契約上、「精度保証をしない」「年間契約が多く途中解約・返金なし」が多い為
計測後に信用できないデータとなってもお金を払い続ける必要が出ます。
○ マスク、髪型でリピート判定できないこともあるので、どこまでケアできるか
デモ検証させてもらうことで事前に精度検証した方が良さそうです。
● カメラ利活用ガイドブック上で、リピート計測の保存期間を明示することが推奨されており、
ベンダーにリピート判定される保存期間を質問しておくとリピート期間限界が分かります。
選定・確認ポイント - リピート推定カメラ

選定・確認ポイント - 導線分析カメラ・ToFセンサー
● 店内でのお客様の行動を全て補足でき、人流・滞留の強弱が分かります。
またスタッフなどの動きも把握でき、接客などのイベントも特定可能です。
● カメラの場合は、上体の動画データを仮想的につなぎ合わせて、導線を作る仕組みで、
ToFセンサーはレーザーによる光の反射により、画角内の物体・人間の動きを立体的に取得しています
● 天井高が低いほど、カメラやToFセンサーの取得領域は狭まり、
店内の広さが広いほど、カメラの設置台数が増えるため、
天井高・図面は事前共有した上で、台数と見積もりを先にもらっておくと
店舗での収支が合うか検討できるのでおすすめです。
○ 店舗が広すぎるなど、収支が合わない場合、主要導線を特定した上で、
人数計測カメラで点のデータを取るだけでも十分、機能します。
○ ToFセンサーは人数計測だけでも使えます。
● カメラもToFも障害物に弱く、設置位置を調整する必要が出る恐れがあります。
● ToFは店内にサーバーを設置する必要が多く、留意ポイントとして上がります。

属性推定
カメラ
広域
100m~
商圏分析
狭域
数cm~
店内特定地
買い切り月額
低高
通信会社
基地局データ
入店取得
カメラ
QR
NFC
1~2m 入店取得
カメラ
3~5m WiFi
Beacon
リピート推定
カメラ
1万~ 3万~ 5万~
店内全て導線分析
カメラ・赤外線
10万~

Beaconの取得の仕組み
AppからのiBeaconが一般的
Beaconの取得範囲にAppを持つ人が入ったときに、
Beacon端末からAppに対して、
イベントという形でデータが送られる仕組み。
一時期、盛り上がっていたが、
- Appダウンロードの壁
- 位置情報許諾の壁（一般的に10~20%程度）
と壁が多く、Appダウンロード数が多いLINEさんくらいしか
実質的に機能しない状態。

Beaconの取得の課題
https://japanese.engadget.com/2019/06/09/ios-13/
iOS / Android共に最新OSでは位置情報の常時共有される状態を
ユーザーに確認してもらうようにアップデート。
プライバシー保護の立ち位置をとっており、
インセンティブが大きくないと基本的には難しい状態に。

WiFiの取得の仕組み
Probe Request
スマートフォンやPCが接続可能なWiFiを探すときに、
WiFiのアクセスポイントに対して、「Probe Request」という
端末情報を一時的に送付する挙動が発生します。
WiFiを使ったセンシングはこのデータを用いたもので、
Beaconと異なり、Appダウンロードも事前許諾もない状態で
WiFiONであればで、統計データとして取得できる点がポイント。
※一般的に、60%程度がONと言われている。
また、カメラよりも設置場所が柔軟で、
必ずしも天井につけなくても良い。

WiFiの取得の課題
Probe Requestには3つの課題があり、
1. いつProbe Requestを送るかはOSが制御しており、
Sleep状態など通信が発生しない状態ほど、
リクエストを送る頻度は下がる。
2. Requestを送る際にMacアドレスを送るが、
過去に接続済ではない限り、iOS/Android共に
ランダムなMacアドレスを送るため、
リピート率は正確に取得できない。
3. 店舗にあるiPadなどWiFiにつながる端末も反応してしまう
端末に依存する問題のため、
来店者に対して正確な取得率がわかりづらい。
Probe Request

● 技術的な課題は個々にあり、これを知った上でベンダーの方々と接した方が
適切な導入へとつなげることができる。
● 「平均滞在時間」「推定属性の割合」などの統計量は、
その収集状態を正確に把握しないと、正しいデータになっていないことが多く、
ここは選定時点でしっかりベンダーの説明を求める部分となっている。
○ WiFiあるある
■ 店内のiPadのデータが含まれていて、店内滞在時間が過剰に長くなる
■ 設置位置の電波干渉度が高く、適切に店内に電波が行き届かない結果、
店内の滞在時間が正確に計測されていない状態に
○ カメラあるある
■ 画角調整がしっかりできていない結果、通行量の数%程度しか取得できておらず、
属性分布の偏りが実態と大きく乖離している。
カメラ・WiFi何れにしても...

● 事業者が原理や技術的な限界、それを用いた組織改善がどこまでできるかを理解した上で、
個々の組織の課題に合わせて、フィットさせていくことが大事だと考えます。
○ リテールテック、DX、AI…
バズワードになりやすいHOWほど、足下ついた議論と推進を。
● その上で、私の話も過渡期のなかの一例にすぎません。
この手の話に興味がある方、Q&Aでぜひご質問いただければ！ランチMTGも歓迎です！
● 個人的に、データを使って消費者にとってより良い小売環境をどう作るかに強く興味があります。
導入の相談、検討ポイントなど、お気軽に連絡ください。
まとめ：事業者のリテールテックの仕組み理解はとても重要
@mizuki_takenobu mizuki.takenobu

AI カメラや WiFi, beacon 行動分析、ぶっちゃけどうなの？利用者が語るリアル店舗におけるデータ活用入門

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Similar to AI カメラや WiFi, beacon 行動分析、ぶっちゃけどうなの？利用者が語るリアル店舗におけるデータ活用入門

Similar to AI カメラや WiFi, beacon 行動分析、ぶっちゃけどうなの？利用者が語るリアル店舗におけるデータ活用入門 (20)