雅加达的一位店长每天 10:00 开门、22:00 打烊，他能大致说出周六有多忙。可一旦你要一个具体数字——有多少人进店、有多少人买了东西、周二下午是否比周四更冷清——答案就变成了猜测。客流统计系统存在的意义，正是填补这一空白。
本指南将介绍什么是客流统计系统、主要传感器技术之间有何差异，以及你能从统计结果中得出什么结论、又不能得出什么结论。
客流统计系统究竟是什么
客流统计是指对通过某一既定空间的人数及其方向进行自动测量，这个空间可以是一个入口、一条通道、一条结账队列或门店内的某个区域。一套完整的系统通常包含三层：
- 感知层。 安装于入口、货架通道上方或特定区域的一台或多台设备。视技术不同，这些设备可能是摄像头、红外对射、热传感器或网络接收器。
- 处理层。 将原始信号转换为计数和匿名轨迹。这一过程既可以在设备自身上完成（边缘计算），也可以在本地服务器或云平台上完成。
- 报表层。 通过仪表盘、导出的电子表格或 API，让人读取总客流、转化率、高峰时段和区域活动情况。
让初次采购者感到意外的是系统的产出形式。在大多数零售部署中，有用的输出并非录像画面，而是一连串数字化的事件：14:07 有三人进入、B 区平均有六人停留四分钟、18:32 排队人数达到峰值九人。视频可以出于安防目的单独录制，但分析层处理的是计数和坐标，而非识别具体的人——这一点既关系到隐私，也关系到分析所需的存储空间和带宽。
客流统计与人工计数
人工计数并不愚蠢。对于一家客流不多的单门店铺，一名员工拿着计数器和记录板，可以在一周内提供可用的数据。问题出在这一周之后。
| 人工计数 | 自动化系统 | |
|---|---|---|
| 覆盖的门 | 一扇，且需有人值守 | 所有入口，持续覆盖 |
| 覆盖时段 | 仅有人值守的时段 | 每天从开门到打烊 |
| 成本结构 | 反复发生的人工工时 | 硬件和安装投入，之后运行成本低 |
| 一致性 | 因人和班次而异 | 每小时都采用相同的计数规则 |
| 报表 | 记录板，之后录入电子表格 | 仪表盘、CSV 导出或 API |
| 独特优势 | 能捕捉上下文（“多数人成对进店”） | 能大规模捕捉客流规模和规律 |
先进行几天人工计数作为校准练习，再将其与传感器报告的结果进行比对。这种比对比数据手册来得诚实得多，能告诉你安装是否正确——把人工计数作为验收测试，而不是日常流程。
你会遇到的四大技术类别
2D AI 摄像头
目前最常见的方案。外观普通的摄像头搭配计算机视觉模型，检测画面中的人并跨帧跟踪，通常在每人越过入口处绘制的虚拟线时计数一次。
优势：一台设备即可覆盖宽大门洞，可与现有 CCTV 共用布线和网络，并能产出区域级数据（人们去了哪里，而不仅仅是人数）。
局限：由于模型是从单张图像推断景深，在人群密集、遮挡严重和光线不佳时准确率会下降。有人抱着大箱子，或孩子紧挨着大人，都可能让 2D 模型判断出错，而景深传感器则不会。
3D 双目（立体视觉）摄像头
两枚镜头以固定且已知的间距，从略微不同的角度拍摄同一场景，系统根据两幅图像之间的视差计算距离——得到的是深度图，而非平面图像。
优势：在密集客流中，景深让计数稳定得多，因为站得很近的两个人处于不同的深度位置。在人群中跟踪行走路径也更可靠，多出的维度还降低了头肩检测的歧义。
局限：算力需求更大、标定更需谨慎，单机成本也高于 2D。景深感知还有工作距离范围，超出后性能会退回到接近 2D 系统的水平。
红外对射与热传感器
最简单的计数设备是横跨门洞安装的红外对射。有人经过时光束被阻断，方向则根据哪束光先被阻断来推断——成本低，且完全不产生图像。
局限是物理性的：光束无法区分并排通过的两个人，排队或有人在门口逗留都会造成误计。热传感器检测的是人体热量而非可见光，对黑暗和阴影的处理更好，但在宽阔开口处应对多人同时进入时仍然吃力。
对于狭窄、单列通行的入口，光束计数器仍是合理且便宜的选择。而对于宽敞的商场店面，它们会出现漏计。
WiFi 及其他基于设备的计数
这种方式不看门口，而是监听无线网络。WiFi 探针记录下无线电正在广播的手机的存在，并根据这些信号的出现和消失来估算客流和停留时长。类似的逻辑也可用于蓝牙信标或需登录的访客网络。
优势在于覆盖范围：在没有摄像头能看到的地方，WiFi 也能估算客流和重复到访规律，而且无需光学安装。
但需要注意的问题也很重要。并非每个人都随身携带开启 WiFi 的手机，一个人可能带着两台设备，而现代隐私功能——MAC 地址与信号随机化——已经从系统层面削弱了这一方法。请把 WiFi 当作趋势判断的辅助信号，而不要把它当作“多少人进店”的权威依据。
零售商可以用这些数字回答的五个问题
技术只有在能回答别人真正关心的问题时才有意义。在零售场景中，有用的通常是以下五个问题。
1. 有多少人进店？ 每天、每小时、每个入口的总进入人次。这是几乎所有其他指标的分母，而这也是如今多数连锁企业拿不出的数字。
2. 其中有多大比例购买了商品？ 转化率等于成交笔数除以进入人次。有了这个数字，你就能看出糟糕的一周究竟是客流问题（人更少），还是转化问题（人没少，但买得更少）——两种不同的诊断，对应两套不同的对策。
3. 进店之后他们去了哪里？ 区域级计数和停留时长能显示出哪些陈列获得关注、哪些货架通道被径直走过。这正是能看见店内情况的摄像头系统胜过止步于门槛的纯门口计数器的原因。
4. 高峰出现在什么时候？ 每小时的客流曲线会暴露出门店排班时段与忙碌时段之间的错配。多数零售商都会发现至少有一个班次在纸面上是人员过剩的。
5. 此刻应该安排多少人在卖场？ 在多数零售运营中，人力是最大的一项可控成本。把每小时客流与每小时销售额结合起来，你就能得到有理有据的排班依据，而不是凭习惯轮换人员。
客流统计不能告诉你的事
把局限讲清楚，能避免很多失望。
- 它不会告诉你原因。 转化率偏低只是一个症状。原因可能是定价、人员配置、商品陈列、缺货，或是有竞争对手在隔壁开业。统计能缩小问题的范围，但不会给出答案。
- 它并不精确。 每种感知技术都有误差率，而误差率并非恒定——在人群密集和条件不佳时会更差。请把数据用于趋势判断以及跨门店、跨时间的比较，而不是当作具有法律效力的精确数字。
- 它不是客户身份识别系统。 对匿名人群进行计数，与追踪个人不是一回事。任何能够识别个人身份的做法，都会让你在多数东南亚司法辖区和欧洲进入不同的法律范畴。
- 它不能替代你的 POS 或会员数据。 价值来自数据的关联：客流告诉你有多少人获得了购买机会，POS 则告诉你实际有多少人成交。
一次部署通常如何进行
一套稳妥的落地方案，规模往往比多数采购者预想的要小。
- 选择一个具有代表性客流的入口——不要挑最冷清的那扇门。
- 安装并标定。 天花板高度、入口宽度、一天中光线的变化、玻璃门以及来自走廊的横向穿行都会影响安装效果。要问清楚供应商假设的安装条件是什么。
- 用人工计数进行验证。 手工计数一段时间，进行比对，并在高峰时段再重复一次。
- 观察两周。 留意连接中断、时间漂移，以及在最繁忙的日子里数字是否仍然合理。
- 然后再扩展。 连锁推广、增加区域和 POS 集成，都要在试点被验证有效之后再进行。
如果供应商不愿接受验证环节，那就把其准确率声明视为未经证实，直到你自己的测试证明了它。在这个市场上，这一点对每个品牌都成立，包括 HooViz。
常见问题
客流统计和 footfall 计数是一回事吗？ 在零售语境中，基本上是的。“Footfall”（客流）是英国、澳大利亚以及东南亚许多零售行业最常用的说法；“people counting”（客流统计）和“store traffic counting”（门店客流统计）描述的是同一种测量。客流分析通常还隐含更广的报表层——转化、停留和趋势——而不只是原始计数。
客流统计摄像头会记录人脸吗？ 摄像头会采集图像以执行检测，但配置得当的统计系统不会存储可识别的人脸，也不会建立可检索的个人数据库——它存储的是计数、时间戳和匿名轨迹。真正关键的是留存策略，以及集成商实际部署的配置；这两者都应当要求以书面形式提供。
AI 客流统计摄像头的准确率有多高？ 厂商通常会给出处于高准确率区间的数字，但诚实的答案是：准确率取决于安装高度、角度、光线、人群密度，以及模型处理难例（如儿童、结伴人群、携带大件物品者）的能力。任何未经现场测试就得出的数字，都应被视为一个初步假设，而不是一项规格。
对单店来说，客流统计系统值得吗？ 这取决于两件事：你每月在人力上花多少钱，以及你是否能依据数据采取行动。一家人员稳定、没有扩张计划的单店，获得的价值不如一家需要以同一标准比较各门店的小型连锁。真正让硬件投入物有所值的，通常是排班和促销时机判断错误的衡量成本。
没有网络连接也能工作吗？ 在多数基于摄像头的方案中可以。边缘计算意味着设备在本地完成计数并存储结果，待网络恢复后再同步。对于宽带或移动信号不稳定的地区，这一点很重要——在假设系统支持本地缓存之前，先确认它确实支持。
---
如果你正在把它与其他方案进行比较，解决方案概览展示了客流统计如何应用于零售、商场和公共建筑场景，产品中心则列出了 HooViz 为此打造的摄像头系列。如需逐项方法对比，请见我们的博客。若要针对具体的平面图或入口进行讨论，欢迎联系我们的团队。