1.進店/店外

以武漢市某便利店為例，走近便利店，抬頭便能看到店外的客流統計分析攝像頭。在進店口處，布置客流進入規則，摒棄模糊的成交量數據，實現日進店客流的精確統計。門店外來往行人為東北和西南方向，分別計算東北和西南方向人數，兩個方向行人數相加，得出店外的日經過人流總數。

以該店某天客流量為例，日人流最高時段為晚間19:00，進店人數超過300人/每小時。每周周六為人流最高，店門口每日經過可超過2.2萬人，其他時間穩定在8000-2萬人之間。一天中人流最高時段一般在19：00-21:00之間，超2000人/小時。對于店內/外人氣的準確把握，更便于員工的排班計劃，可選擇更恰當的時間張貼海報，進行營銷活動，同時評估租金水平時，擁有更強的議價能力。

2.進店率

結合進店人數/店外人流總數，得出進店率。如：進店人數1400人，店外客流量為20000人，進店率則為7%。恰逢4月櫻花節活動，該便利店推出櫻花節飲料和櫻花味冰淇淋，推出第二周后日進店人數上升50人，根據收銀流水明細，櫻花節系列產品日銷量超80個，其中顧客只購買櫻花節系列產品有35位。通過產品銷量與日進店人數對比可知，此次櫻花節活動對門店進店率有了不錯的提升，同時店長對每次的活動效果有了一個更準確的評估。

沒有對比，很難準確地知道門店之間的經營差異，當客流數據和成交率兩個數據指標結合時，就能很清楚的將模范店、低調店、改進店和淘汰店區別開來。

高客流，高轉化率

當紅模范店：分享經驗，挖掘成功秘籍，學習店鋪陳列；

高客流，低轉化率

改進店：改善運營，員工能力提升，員工培訓；

低客流，高轉化率

低調明星店：市場營銷，廣告推廣，櫥窗陳列的學習；

低客流，低轉化率

淘汰店：換址，關門；

3.顧客人臉識別

在顧客完成購買后，最后是結算環節，攝像頭布置在收銀臺后方，顧客付款時正視前方即可抓拍人臉，這一環節能夠提供最準確的購買客群數據，對于銷售分析至關重要。攝像頭對所有進店人員人臉進行抓拍并在前端呈現最佳人臉圖，進行自學習輔助建庫，上傳商業數據管理平臺。

VIP會員

當VIP客戶出現時，會呈現他/她最近的到店時間，是否進行導購員進行一對一服務。同時商家可進行云端大數據推送，顯示會員相關興趣內容方便促銷推廣。

慣偷報警

對于“慣偷”等特殊人群，快速捕捉動態人臉信息，準確識別，將報警實時推送，便于門店及時采取措施。接入云端，將重點人員信息同步到各個門店。

4.陌生人進店統計

通過進店顧客人臉的是否被識別，可得知每日進店人數中陌生顧客數，如今日陌生人臉：260位，可知260位顧客是第一次來到本店，對促銷活動效果，顧客留存率，門店的品牌效應，換新周期，顧客忠誠度有一個更直觀的體現。

5.行動軌跡

顧客進店之后，進入到逛店環節，基于顧客頭頂的魚眼攝像頭，智能分析設備能夠捕捉每位顧客在店內的行動軌跡，包括在哪件商品上停留觀看，駐足多久。以該店為例，通過與店員日常交流發現，該店單品銷量最高為飲料，而從該店實時行動軌跡圖中可以看到最為密集區域正是圖中右下角冷飲區。

 如果在進店、顧客人臉數據的基礎上再加入了顧客逛店數據，管理者還能解讀顧客行為背后的原因。通過不斷得積累客戶逛店數據，店長可以直觀地看到哪些商品更吸引眼球、轉化率更高，從而淘汰那些不被關注的商品。同理，門店的商品陳列也可以借此優化，合理配置店內的空間資源。

6.商業數據管理平臺

通過授權，進行數據的分級管理，靈活的店鋪、群組標簽體系管理，對店鋪數據進行多維度分析；通過客流量數據，當導入基礎數據如POS數據后，將提供多維度經營數據，如集客力、坪效等；通過清晰的指標變化曲線，如對比2017年與2018年4月數據，門店狀況發展趨勢，一目了然。

7.云端巡店

通過VSIP客戶端，無論出差，在家高清視頻遠程巡店。解決人工巡店工作量大，巡店成本高的問題，結合商業數據管理平臺，隨時掌握各區域門店數據與情況。