下面我具体介绍大悦城在客流大數据方面的探索历程

最初我们采用手工、红外客流，这是大悦城的数据纪元之始通过获取客流数据，我们得到了销售与客流关系的分析基础：即销售额=客流x提袋率×客单价。

进而我们又引入双摄像头系统获得了客流方向，并引入客流滞留量指标通过销售数据、客流數据和滞留数据这三个变量因子的分析，识别商城销售低谷中的销售潜力精准地指导营销活动开展的时间，提升低谷期的销售增长6%

我們再进一步就要求获得客群属性，即客群的性别、年龄等等所以我们使用了面部识别系统。而就是从这一步使我们开始由统计学精确計算向大数据关联算法转变。在这个阶段我们把系统分成了两个部分一个部分是BI的精准分析，分析的是线性数据如销售数据、交易数據。另一部分我们有关联性的分析系统来分析客群属性和商业定位的关系，以及商业定位和客群满意度的关系同时，我们在两个系统の间进行相互印证通过客群属性的分析，我们可以掌握进入一家品牌店的客群属性构成指导商户进行货品调整，成果是单店提升销售約7%通过指导项目进行业态调整，整体楼层销售增长超10%

下面就是我们所说的WIFI客流，是获得消费者在楼内的行动路径了解了消费者的行動轨迹，我们就可以知道客流停留时间扶持低购买率商户；知道重复到店率，展开针对性的销售扶持、会员营销通过精细化的管理，提袋率水平可以提升3%至4%

建立大数据模型，实现客流预测

但是行动路径数据就是客流大数据了吗？我们的答案是否定的因为掌握客流軌迹只是花了很多钱，用一套系统来证实现场的实际情况这还不是我们运用大数据提升商业的真正需求。真正的需求是用大数据来做预測

我们的客流数据预测的第一步是对项目内的区域客流进行评分，从而重新评估商铺位置的价值我们用计算出的模型来指导某一个项目的品牌招商的调整，指导租金水平的调整在经营面积未变的情况下，总租金收入上涨23%销售额上涨50%，年销售达到21亿元

我们了解了一塊区域内的客流变化，进一步我们还希望预测每一位消费者的行动路径这个主题研究也就是通过模型计算空间采点数据，预测真实人流嘚全空间运动关系是相当有难度的一个题目。

借鉴了海洋气象学中飓风预报系统的算法模型（美国国家海洋与大气管理局飓风预报系统）以及地质矿物学中计算矿脉的模型（克里金布朗质子算法），大悦城提炼出自己的客流预测算法模型2014年5月，大悦城首次通过大数据計算模拟出一个具体项目的客流状态。此次计算中已经包含了对障碍条件比如建筑物墙体的考虑。

接着我们又细化变量因素加入了柵格扩散条件计算。以我们将及时沟通与处理。