人群行为分析变革客户体验

August 1, 2023

Georganne Benesch

人群行为

如果您参加了音乐会或体育赛事，那么您绝不想错过任何瞬间。但是人有三急，也可能忽然肚子饿，促使您必需离开座位，因此可能错过一些重要的瞬间。Zack Klima，WaitTime 创始人兼首席执行官，完全了解这一难题。他永远不会忘记错过底特律红翼的超级巨星 Henrik Zetterberg 为球队打入获胜球的那个时刻 —— 因为他当时在排队买几瓶啤酒。

他脑海中闪过的第一个念头是，“这太荒谬了。一定有更好的解决办法。如果我离开座位时能知道队伍有多长就好了。”这次经历触发的想法，就是后来的 WaitTime，一家使用 AI 和先进成像技术监测和分析人群行为的公司。

时间快进九年，这家公司的 AI 和计算机视觉驱动的 WaitTime 人群智能平台现在已投入各大大型体育馆、商场、娱乐场所和机场使用。场地所有者、运营者和租户均以不同方式受益，从人群管理到卓越的客户体验、简化运营、更低的成本、新的营收机会等等。

位于明尼苏达州 Bloomington 的美国购物商城就是 WaitTime 行为分析的最佳案例。这里不仅是一个购物中心，它还是最先部署创新技术改变实体零售格局的场所之一，为客人、零售商、餐厅甚至整体环境带来了许多变化。当您成为首选旅游目的地，每年迎接数以千万计的游客时，这一点变得十分重要。这里面积为 560 万平方英尺，拥有超 500 家商店和餐厅，以及全国最大的室内主题公园。有太多细节需要关注。

人群行为分析带来高价值的业务优势

最近一次在美国购物商城举行的英特尔活动展现了人群行为分析带来的意外收获，以及如何通过与合适的合作伙伴合作实现变革解决方案。

首先，我们可以清楚了解 WaitTime 边缘 AI 软件如何与整个商城天花板上部署的 700 台摄像机协同，可提供实时的容量、人群密度和购物者洞察信息。这些数据有助于理清购物者如何、在何处花费了时间。因为数据触手可及，美国商城的首席营销官兼高级经理 Patrick Wand 和他的团队可以根据信息作出提升访客体验的决策。

“我们将所有这些不同数据集整合到模型仪表板中，帮助我们从财务角度了解运作情况，以及接下来开展工作的效率，” Wand 说。

实时信息还可以帮助商城运营提前采取行动。比如，47 个入口每天都有安保人员，但是有时仅安排一个人是不够的。可预测的繁忙入口可能并不总是最繁忙的。“有了 WaitTime，我们可以创建仪表板，更加主动地将安全人员重新部署到别的区域，” Wand 说。

“商城里人流量的分析准确率超过了 95%，任意时间、任意入口的数据我们都能得到，” Klima 补充道。

天气等因素可能会直接影响商城情况。Wand 指出，如果某个周六降雨量达到 2 英寸，再加上大型商店的促销等活动，便能够吸引与黑色星期五时数量相当的访客。“如果我们知道即将到来的周六会吸引比平常更多的访客，我们可以通过应用与租户沟通，便于他们在商铺加派人手，”他说。

边缘 AI 支持人群管理

WaitTime 人群分析背后的算力包括了支持不同用例的四种算法，准确率超过 95%：

排队算法是围绕公司最初的解决方案理念设计的，可测量非结构化队列。它可以跟踪每个移动对象的速度和方向，这是一项能够提醒商户增派员工或添加结账选项的信息。
而支架算法适用于结构化队列，例如星巴克里的队列。软件会围绕某区域绘制一个圆，并排除在此区域外的任何东西。这些信息还有助于确定增派人手的最佳位置。
入口/出口算法是商城里最常用的算法之一。它可以精确、大规模地实时监控有多少人同时出入商城。
与其他算法不同，massing 算法通过侧边角度视图监测某区域是否人流量饱和。例如，WaitTime 在美国网球公开赛上部署了此算法，将摄像头指向看台跟踪上座情况，让人们可以更轻松更快地找到座位。

但实时分析需要高性能边缘计算，而 WaitTime 已针对在英特尔硬件上运行进行了优化。英特尔^® oneAPI 编程模型帮助 WaitTime 更高效地进行开发，提升异构工作负载，达到最高性能。

“我们努力提高软件效率，只需单线程便可运行大多数摄像头，” Waittime 首席技术官 John Mars 说。“因此，随着处理器越来越强大，它们的运行速度也更快，且有更多内核可以处理更多摄像头而无需改变初始架构。如果我们能够让它尽可能快，那么其他一切都会自动完成。”