一位区域总监问了一个合理的问题：对这么大体量的门店来说，每天 4000 名访客算好吗？诚实的回答是：这个问题无法从一张公开的表格里得到答案，因为你在网上能找到的几乎每一项客流统计，都是在不同的计数规则、不同的市场、不同的季节条件下得出的。
但这并不意味着做基准没有意义。它意味着，对东南亚连锁企业真正有用的基准，是你用一致的规则、基于自己的门店亲手建立起来的。下面就是具体做法。
为什么公开的客流基准很少能通用
一个客流数字看起来很简单——人进来、人出去——但它是某个测量系统的输出，而不同的系统会给出不一致的结果。
- 什么算一次入场。一个人走出去接电话又回来，算一次还是两次？员工的进出算不算？在真实客流完全相同的情况下，把返回排除在外的定义会比不排除的定义报出更低的客流。
- 门的覆盖范围。有三个入口的门店需要三台计数器。如果某个基准是在单门门店测得的，而你的门店既有通往商场走廊的入口，又有停车场入口，那么这两个数字就无法比较。
- 营业时间。10:00–22:00 营业的门店比 10:00–20:00 营业的门店有更多累积客流的机会。按小时的数据比按天的总量更便于比较。
- 传感器特性。光束计数器、2D AI 摄像机和 3D 立体摄像机在人群密集处、门口和玻璃附近，少计或多计的方式各不相同。在自己的门店网络中混用不同技术，会造成同样的问题。
- 市场环境。商场位置、楼层、与主力店的相邻关系、天气，以及人们在一座城市里实际的走动方式，都会在门店自身水平之外影响客流。
这就是为什么把一个国家的数字套用到另一个国家，往往更多说明的是测量条件，而不是门店本身。
一个基准应当回答的四个问题
在开始采集任何数据之前，先确定这个基准要支撑哪些决策。实践中，连锁企业把客流数据用于四件事：
- 这家门店的表现，与其规模和位置相称吗？需要把客流与营业面积和商圈范围关联起来。
- 销售的变化是客流问题还是转化问题？需要把客流与交易数据打通。
- 门店的排班与需求匹配吗？需要小时级客流曲线，而不是单日总量。
- 下一步投资该投在哪里？需要跨门店、跨数月的一致数据，而不是某一周的亮眼表现。
无法支撑上述任何一项决策的基准，只是一个虚荣指标。
建立内部基准：方法
第一步——确定计数规则
写下来、达成一致，并应用到每一家门店：
- 统计哪些门，以及是否排除紧邻的室外通行。
- 是否排除员工进出，以及如何排除。
- 如何计算重复入场。
- 打烊前最后一小时是否计入当日总量。
- 时区与报表截止时间。
此定义一经发布，就不应更改，除非重新对历史数据做基线化处理。
第二步——对可比门店分组
把每家门店与其他所有门店两两对比，只会产生噪声。请按以下维度分组：
- 业态与营业面积区间。
- 位置类型：商场店、街边店、独立门店、大卖场内、机场或交通枢纽。
- 相关情况下的所在楼层。
- 营业时间。
基准只有在同一分组内部才有意义。
第三步——确立基线周期
选用一段包含正常经营的完整时期——至少连续数周，理想情况下长到足以覆盖一个完整的月度周期，因为发薪日、工资周期和商场促销排期都会影响客流。
第四步——用比率，而不是原始计数
原始的每日计数主要由门店规模和营业时长决定。用于跨门店比较时，请使用：
- 每营业小时客流。对营业时长做归一化。
- 每平方米营业面积客流。对面积做归一化。
- 客流指数。每家门店的客流除以同组门店的平均值。这样每家门店得到单一数字，100 表示处于平均水平，在管理层报表中很实用。
- 转化率。交易数除以客流。正是这个指标让客流变得可行动，因为它把"来的人更少了"与"同样的人买得更少了"区分开来。
第五步——与自己作时间上的比较
在稳定的门店组合内部做同比与环比，比任何外部参照都更可靠。剔除节假日影响后的同店客流曲线，是连锁企业最接近真正基准的东西。
各东南亚市场客流的变化因素
围绕这些因素做规划，你不需要一份市场报告；你需要的是把它们标进日历。
越南。零售客流与农历紧密相关。春节前后的一段时间里，购物和排班都会被重塑，节前有高峰，节后有一段清淡期。河内和胡志明市的周末夜间购物，与工作日白天的模式不同；南部的雨季会改变街边门店的自然到店行为。
泰国。四月的泼水节会带来不同寻常的客流图景：先是逐步攀升，随后部分地区进入假期低谷、另一些地区因旅游出现高峰，之后回升。周末商场客流深受家庭购物模式影响，旅游区的门店则要关注旅游季节性的变化。
印度尼西亚。开斋节及周边假期主导了整个零售日历，节前有明显的购买高峰。月初的发薪周期在许多连锁企业的客流上清晰可见。在大雅加达地区，商场店与街边店在同一天的表现也不相同。
菲律宾。圣诞节是主导性的零售旺季，且比多数市场开始得更早，客流从"ber"月份起就开始攀升。发薪周期，尤其是月中的和月末的规律，在小时级数据中清晰可见。台风季会影响暴露地区的客流，有时影响还相当剧烈。
关键不在于这些市场彼此不同，而在于只用一月数据建立的基准会在一年中的大部分时间里误导你。在把一个数字当作标准之前，请先纳入一个完整的年度周期。
客流与转化率结合使用
只有客流，只会产生疑问；客流与交易打通，才会产生答案。逐一分析四种组合：
- 客流上升，转化率上升。是真实改善，或是促销奏效。要检查毛利率，而不只是数字。
- 客流上升，转化率下降。这往往是零售中最被误解的一种模式。要么是进来逛的人更多了，要么是促销吸引了图便宜的人。常常是高峰时段的人力或排队问题。
- 客流下降，转化率上升。来的人更少，但更精准。有时是商品陈列调整的结果；有时则说明门店已不再吸引路过客流，只能靠老客户维持。
- 客流下降，转化率下降。最明确的警讯。在调整品类或排班之前，先诊断原因。
把这两个数字放在同一份周报里一并发布，才能让客流计数从一项 IT 项目变成一件管理工具。
如何汇报基准而不引发争论
当店长觉得自己被一个无法左右的指标评判时，区域层面的报表就会失效。两个习惯可以避免这种情况：
- 始终展示可比组。指数 92 的门店单看显得疲弱；但在一个艰难的季度里，与 88 的组平均值并列时，它就显得合理了。
- 展示说明栏。让店长为自己门店的客流异常加以注释——装修、道路施工、商场主力店关闭、缺货——同时保持原始指标不变。把测量与解释分开。
常见问题
东南亚有可靠的零售客流公开基准吗？没有多数买家所期待的那种形式。各种行业报告和地产类出版物中确实有公开的客流数字，但它们采用的计数定义、门覆盖范围和统计周期各不相同。把其中之一当作自家门店的目标，更可能误导而不是帮助。把任何外部数字当作方向性参考，而用你自建的内部基准来做决策。
基准要多久才有效，需要采集多长时间的数据？需要长到足以覆盖你所在市场的正常季节性波动——现实地说，要能做同比，大约需要一年的数据。在此期间，基于连续数周一致数据建立的可比组指数，对于排班和发现明显偏离的门店仍然有用。
我需要客流统计摄像机吗，还是人工计数就够了？在单个门口做一周的人工计数，是一次合理的校准练习，也是安装后很好的验收测试。但它不是基准，因为它无法始终如一地覆盖所有入口、每个小时和每一天。基准需要一套自动化系统，其计数规则在各门店之间保持一致。
员工进出应该从计数中排除吗？排除员工通常能得到更干净的转化率，因为员工既不购物也不转化。无论你选择哪种做法，都要在所有门店以完全相同的方式执行并留下文档记录——一个门店一半排除员工、一半不排除的连锁企业，没有可用的跨门店基准。
门店使用不同计数技术该怎么处理？要么在可比组内统一技术，要么用人工参照校准每家门店的计数，以量化偏差。后一种做法用于汇报趋势是可行的，但用于门店之间的排名就比较薄弱。
HooViz 构建的正是这些基准所依赖的感知层——2D AI 与 3D 客流统计摄像机、鱼眼全景热成像摄像机、用于离网站点的 4G 太阳能摄像机，以及把它们汇聚起来的 AI 网络硬盘录像机（NVR）系统。解决方案板块涵盖零售与商场部署，我们的博客也有关于计数方法与分析的相关指南。如果你想比较多个市场门店之间的客流，先来与我们的团队聊聊如何定义计数规则。