Чому не можна порівнювати підрахунок відвідувачів і розпізнавання облич

‍
У сучасному ритейлі дедалі частіше використовуються два типи аналітичних систем: підрахунок потіку відвідувачів, та система розпізнавання облич, яка аналізує демографічні характеристики — вік і стать. Попри те, що ці системи можуть бути встановлені в одному й тому самому місці, їхні дані не можна напряму порівнювати. Причина проста: це дві різні технології, які вирішують дві різні задачі.

Дві системи — дві різні функції

‍

1. Система підрахунку відвідувачів

‍

Головне завдання — зафіксувати факт проходу людини через певну зону.

• Фіксує кожен перетин лінії входу/виходу

• Не потребує розпізнавання обличчя

• Працює незалежно від того, як виглядає людина

• Забезпечує високу точність (зазвичай 95–98%)

‍

Це інструмент для вимірювання трафіку: скільки людей зайшло, вийшло, у який час був пік відвідуваності тощо.

2. Система визначення віку та статі

‍

Головне завдання — проаналізувати демографічні характеристики, але лише за умови, що система змогла якісно розпізнати обличчя.

• Працює тільки тоді, коли камера впевнено знаходить обличчя

• Потребує достатньої якості зображення

• Має обмеження в реальних умовах

• Дає оцінку віку (наприклад, із точністю ±5 років у 67% випадків для людей близько 35 років — тобто в межах 30–40 років)

‍

‍

Це інструмент для маркетингової аналітики, а не для точного підрахунку кожної людини.

100% відвідувачів ≠ 100% облич

‍

У реальних умовах неможливо отримати 100% розпізнаних облич від 100% відвідувачів. І це технічно нормально.

Причини:

‍

• Людина дивиться вниз у телефон

• Обличчя повернуте боком

• Обличчя частково закрите (шапка, капюшон, шарф, волосся)

• Людина швидко проходить

• Недостатнє або нерівномірне освітлення

‍

‍

Система підрахунку зафіксує кожен прохід.
Система демографічної аналітики — тільки ті випадки, де обличчя було достатньо якісним для аналізу.

Фактично працює механізм «відбракування»: частина потоку автоматично не потрапляє в демографічну статистику.

Різна логіка збору даних

‍

Для чого тоді потрібна демографічна аналітика?

‍

Авторитетні джерела, такі як McKinsey & Company, NielsenIQ та Harvard Business Review, підтверджують: аналітика клієнтів використовується як інструмент для прийняття рішень, а не як спосіб ідеально порахувати кожну людину.

‍

Демографічні дані мають сенс у порівнянні.

Приклад використання:

‍

Вересень:

• Жінки 30–40 років — 20%

Листопад:

• Жінки 30–40 років — 35%

Результат — зростання на 75% у цільовій групі.

Це дає підстави для оптимізації рекламних кампаній, зміни дизайну та подачі контенту, корекції асортименту, оцінки ефективності маркетингових активностей.

Тобто важлива динаміка та співвідношення, а не абсолютна кількість.

Чому порівняння даних підрахуноку відвідувачів і розпізнавання облич є методологічною помилкою

‍

Порівнювати загальну кількість відвідувачів із кількістю розпізнаних облич — це все одно що порівнювати:

• загальний трафік на сайт

• з кількістю користувачів, які заповнили форму з персональними даними

Це різні рівні аналітики.

Система підрахунку відповідає на питання:
«Скільки людей прийшло?»

Система визначення віку та статі відповідає на питання:
«Хто ці люди за демографічними ознаками серед тих, кого вдалося якісно проаналізувати?»

Коли обидві системи встановлені в одному місці, вони:

‍

• працюють за різними алгоритмами

• мають різні технічні обмеження

• вирішують різні бізнес-задачі

• формують різні типи даних

Тому їхні показники не можна напряму порівнювати або очікувати, що вони будуть однаковими.

Коректний підхід — використовувати кожну систему за її призначенням: підрахунок — для вимірювання трафіку, демографічну аналітику — для стратегічних маркетингових рішень і порівняння динаміки показників у часі.

‍

VERNA - 2026

‍