Microsoft corporate blog
API
Big Data
Machine learning
Artificial Intelligence
Comments 11
0
Спасибо за статью.
На скриншоте с отчетом по счетчику посетителей, по некоторым группам вышло меньше людей чем зашло, это статистика только по одному входу? Бывает ли такое в целом по локации и как вы с этим работаете?
0
Это, скорее всего, те самые 5-15% неточности. У нас такая картина тоже постоянно наблюдается в могазинах с единственным датчиком.
0
Расхождение между входом и выходом возможно по двум причинам. Нет, даже по трём: неточность подсчета, наличие нескольких входов и целенаправленное искажение статистики. Очень важно, когда погрешность носит некую постоянную и приемлемую величину, независимо от интенсивности трафика. В этом случае со статистикой можно работать и опираться на нее. А если погрешность скачет от 0% до 50% и более, то что толку от заявлений что «точность подсчета достигает 100%»?
0
достаточно простой, надежный и дающий гарантированную точность подсчета не менее 85%, а по факту даже более 90%

Отсюда и получается эта небольшая разница.
Ну и да, это не группы, это время, каждый столбик — час.
+1
Объект не может появиться и исчезнуть в определенных областях

Легко: приходит папа с дочкой на шее, снимает её, и вот у вас уже два объекта.
Парень с девушкой плотно обнимаются, накрываются курткой сверху, и вот уже один объект.
Или камера залагала и пропустила несколько кадров и объекты появились/исчезли. Или свет выключили на пару секунд. Или отблеск от металлического объекта засветил камеру на пару секунд. Или детектор объекта ошибочно воспринял графический узор за человека.
+1
Это единичные случаи. 2-3 раза в день не критично. А вот большие расхождения должны вызывать вопросы и проверку техники. И дисциплины.
0
Очень надеюсь, что вся собранная информация в магазинах и ресторанах, и других местах, действительно будет проанализирована и применена для улучшения сервиса.

Особенно понравилось определение эмоций на лице. Это же сколько возможностей для исследований поведенческих факторов.
0
эти решения стоят денег. Поэтому их внедряют, в первую очередь, для того, чтобы повысить прибыль. Основной заказчик решений по видео-, wifi- и прочей аналитике — маркетинговые службы, которым нужно повысить конверсию рекламы, онлайн-в-оффлайн, средний чек и т.п.
улучшение сервиса тоже, конечно, повысит средний чек, но косвенно.
0

Дело не только в намерениях тех, кто ставит такое оборудование.
Важно еще кто в какой форме и объеме будет иметь доступ к собранной информации.


Не вводим дополнительные персонализированные параметры: номера документов, имя, даты рождения и не ищем его в социальных сетях и других базах данных. Таким образом, технологии позволяют получить не большее количество информации, чем ее мог получить обычный человек, просматривая видео, записанное в разрешенном публичном месте (магазин, ресторан, парикмахерская и прочие точки).

То, что этого не делает система — прекрасно. Важно что бы сырой массив данных не попал к не самому честному сотруднику, который парой py-скриптов сможет привязать и профилям в соц. сетях и много чего еще.

+2
Вот «впаривание» карт лояльности порой сильно раздражает. Именно, когда идёт впаривание. В лучшем случае приходится сказать «нет» раз 5. В худшем начинают придумывать «ну это обязательно, мы не можем так продать товар». Был случай, когда вызывали менеджера и с недовольством оформляли покупку без карточки, когда я сказал, что отказываюсь покупать с обязательным оформлением карточки.
Only those users with full accounts are able to leave comments. , please.