大多数安装了客流统计设备的门店，最终都只盯着一个数字：昨天进来了多少人。这个数字大约能管用一周，之后它就不再改变任何决策了，因为它无法告诉任何人周一早上该做出哪些不同的动作。
客流分析是凌驾于计数之上的一个层次。它把行人计数转化为一小组比率和趋势，将客流与人员排班、门店布局、商品陈列和销售连接起来。技术是最容易的部分，最难的是就各项定义达成一致——这正是本文要解决的问题。
客流分析的含义
客流（Footfall） 是指在特定时段内进入某一空间的人数。客流分析（Footfall analytics） 则是对这一人流的测量与解读，通常会把进入计数与停留、区域移动、时间以及销售点（POS）数据结合起来。
值得牢记的区别在于：
- 客流统计回答的是有多少人。
- 客流分析回答的是有多少、跟什么相比、以及为什么重要。
如果一份报告没有分母、没有对比周期、也没有负责人，那它只是一个计数，而不是分析。
让其他一切得以成立的那条规则
在动看板之前，先为每一项指标写下四件事：
- 分子——究竟在统计什么。
- 分母——除以的是什么。
- 时间窗口——小时、天、周、营业日还是自然周。
- 数据来源——每个部分由哪台设备、哪个系统产生。
零售场景中大多数“数据不对”的争论，本质上都是定义上的失败。两个团队报出不同的转化率，并不是因为摄像头给出的结果相互矛盾，而是因为一个用交易笔数除以客流，另一个用购物篮数除以客流，而且各自的打烊时间还不一样。把定义一次性写清楚，争论就会终止。
值得追踪的六项指标
1. 客流——其他一切指标的分母
公式
`` 客流(周期) = 周期内记录的进入人数之和 净流量(周期) = Σ 进入 − Σ 离开 ``
要统计的是进入次数，而不是净在场人数。一家有 3,000 次进入、2,900 次离开的门店，其客流为 3,000，净流量为 100——如果门店在一天结束时已经关门且空无一人，这就说明方向逻辑已经漂移了几个百分点。
每周应做的合理性检查
`` 方向平衡度 = |净流量| ÷ 客流 ``
在一家正常运营的门店中，这个值应当保持很小。该值上升是最早的预警信号，说明摄像头追踪出错，而不是顾客行为发生了变化。
如何使用：把它作为转化率、人员配比和营销评估的共同分母。始终按营业小时来报告，而不要只给出每日总数。
2. 转化率——真正产生购买的客流
公式
`` 转化率 = 交易笔数 ÷ 客流 × 100% ``
有三个定义必须提前确定：
- 什么算一笔交易？小票、购物篮还是顾客。一张小票上记着四个人，算作一笔交易，但算作四位访客。
- 谁的交易？是否剔除员工购买和 B2B/批发订单，或者明确说明你并未剔除。
- 以哪个时钟为准？POS 时间戳与摄像头时间戳必须同步，并处于同一时区。
值得补充的相关比率
`` 每位访客收入 = 收入 ÷ 客流 ``
转化率告诉你这扇门是否带来了购买者，每位访客收入则告诉你它是否带来了价值。一家门店可以在转化率保持稳定的同时，每位访客收入却在下降——这是商品陈列或定价的信号，而单看转化率是看不出来的。
如何使用：按小时、按星期几、按门店进行对比。当转化率下滑恰好与客流高峰同时出现时，问题几乎总是出在人员排班、排队或布局上，而不是需求。
3. 平均停留时长——人们停留多久
公式
`` 停留时长(i) = 离开时间戳 − 进入时间戳 （针对轨迹 i，在指定区域内） 平均停留时长 = Σ 停留时长(i) ÷ N ``
其中 N 是真正进入该区域的轨迹数量——而不是门店的总客流。把这两者混为一谈，是最常见的停留时长计算错误。
报告平均数的同时也要报告中位数。少数极长的停留会把平均值抬高，让门店看起来比实际更有吸引力。
如何使用：停留时长是诊断工具，而不是目标。更长并不自动等于更好。要分类看：排队区的停留意味着摩擦，陈列区的停留意味着参与。对比产生转化与未产生转化的访客之间的停留时长，找出真正能留住注意力的因素。
4. 回访率——你的客流中有多少是重复到访
公式
`` 回访率 = 窗口期内出现 ≥ 2 次的唯一访客数 ÷ 窗口期内的唯一访客数 × 100% ``
必须说明窗口期——通常是 7 天、30 天或一个季节——并且要定义去重口径（按天、按周还是按次）。
这项指标最常需要用到匿名再识别：在不存储身份信息的前提下，跨到访匹配访客的外形特征。请把它视为整套指标中最敏感的一项。它要求店内张贴告知标识、有书面记录的留存期限，并且只做汇总层面的报告。如果你的法律或隐私立场不支持匿名再识别，就改用会员数据或绑卡计划来追踪回访，并据此标注该指标。
如何使用：回访率能把一家拥有真正本地忠诚度的门店，与一家仅靠过路客流维持的门店区分开来。它也是评估本地营销最公平的方式——传单和社区活动应当推动这个数字变化，而不是推动每日客流。
5. 高峰分布——门店真正需要人手的时间
公式
`` 每小时客流(h) = 第 h 小时记录的进入人数 高峰小时占比 = 每小时客流的最大值 ÷ 当日客流 × 100% 人员客流比(h) = 第 h 小时在场员工数 ÷ 每小时客流(h) ``
用于排班时，按 30 分钟粒度 构建分布画像；用于报告时，再汇总到小时级。周末与工作日的画像应分开保存——把它们平均会破坏信号。
如何使用：把客流曲线与交易曲线以及你的排班表进行对比。真正有价值的输出不是高峰本身，而是错配——即客流达到高峰的 80%，而人手只到位 50% 的那个小时。
6. 区域参与度与热度——注意力流向何处
公式
`` 区域到访率 = 进入该区域的访客数 ÷ 门店总访客数 × 100% 区域停留时长 = Σ 区域内的停留时长 ÷ 进入该区域的轨迹数 热度指数 = （区域到访率 × 区域停留时长）在各区域间归一化 ``
如何使用：布局决策正是依据区域数据做出的。高客流位置出现冷区，说明货架或陈列图有问题。区域停留时长高而转化率低，说明陈列吸引了注意力但商品没能促成成交——这是定价、库存或标识的问题，而不是客流问题。
将客流与 POS 关联：按小时对齐
客流分析中价值最高的一件事，就是把两个数据集按相同的粒度对齐。
`` 每小时转化率(h) = 第 h 小时的交易笔数 ÷ 第 h 小时的客流 × 100% ``
然后把三条曲线放在一起读：客流、交易、转化率。
- 客流上升、交易上升、转化率持平 → 你获得了客流并且承接住了。情况良好。
- 客流上升、交易持平、转化率下降 → 客流来了却没有被转化。请排查人员排班、排队和缺货问题。
- 客流持平、交易上升 → 转化率改善了。找出发生了什么变化，并把它重复下去。
要让这种对齐真正奏效，先把基础打通：统一时间源、统一时区、对齐营业日边界，并对提前打烊的日子采取一致的处理方式。
在不做过度设计的前提下落地
- 选出这六项指标，并为每一项指定负责人。无人负责的指标不会真正被追踪，只会被展示。
- 把定义写下来——分子、分母、窗口期、数据来源——并与看板一起存档。
- 按每扇门来挑选计数硬件。狭窄入口和宽阔的商场大门并不需要同一种设备；让传感器与场景几何相匹配，才能让数字值得信赖。我们的 产品 同时涵盖 2D AI 与深度感知方案，解决方案页面 则展示了它们如何按零售业态落地。
- 先做四周基准测量，再设定任何目标。你无法针对一个从未测量过的数字去改善。
- 每周审视，每月行动。每周审视能发现故障设备；每月采取行动的变化，才是数据的用途所在。
- 每季度核验一次，在几个营业时段做人工计数。成本很低，而且能让所有人对漂移保持诚实。
想进一步了解计数数据如何转化为空间洞察，请阅读我们的 博客，其中包括区域热度图如何由客流所使用的那同一批轨迹生成。
常见问题
用简单的话说，客流分析是什么意思？它指的是测量有多少人进入某一空间，并把这一计数与时间、停留和销售数据结合起来，得出可直接用于决策的比率，例如转化率和停留时长。计数是输入，比率才是产品。
客流等同于销售吗？不等同，这一点很重要。客流衡量的是人，销售衡量的是交易。二者之比——也就是转化率——才是洞察所在。一家门店完全可能同时出现客流上升和销售下降，而这种组合正是具体且可付诸行动的信息。
如何应对结伴逛街的团体和家庭？摄像头计数记录的是人，POS 记录的是交易，因此四个人共用一张小票，会从机制上压低测得的转化率。请说明你所采用的规则——例如同时报告“每单位客流的交易笔数”和“每单位小票价值”——并保持一致地执行。一致性比具体采用哪种口径更重要。
什么样的转化率算好？已公布的基准值会因零售品类、国家和转化率定义方式的不同而有很大差异，因此对任何单一的全球性数字都要保持怀疑。可靠的对比来自内部：你自己的门店之间相互比较，以及你的一家门店与其自身基准比较。先固定定义，再改善你的数字。
起步需要几台摄像头？先从一个门、以及同一两周的 POS 导出数据开始。这足以产客流、转化率、高峰画像和一份基准。等定义经得起检验之后，再增加区域和其他门店。如果你希望在试点范围界定上获得帮助，请带上你的门店布局图以及你希望数据支持的决策，联系我们。
数字要多久才可靠？预留两到四周的磨合期。方向错误和区域定义问题通常会在头两周内暴露出来；此后，每周的人工抽查能让系统保持诚实。
先从定义开始，再谈硬件
客流分析并不是看板上的一项功能。它是六项指标，各有书面定义、各有负责人，以及每周把客流、交易和转化率放在一起阅读的习惯。用一台规格合适的摄像头把这件事做对，你得到的收获会比一家设备齐全却毫无定义的门店更多。
想了解哪种计数硬件适合你的入口，请从 HooViz 产品系列 或 零售解决方案概览 开始。