体验时代购物中心的客流量统计研究

李明生

（厦门荆艺科技有限公司 福建厦门 361006）

购物中心商业价值最终目的是将客流有效地转化为现金流，进而提高销售业绩，因而对客流量数据统计十分重视并持续进行，这其中的关键是能够获取客流量数据，对客流数据进行精确地统计和分析。传统零售业在招商和运营上都受到了电子商务的强烈冲击，如何提高服务质量并营造优越的顾客体验，满足商业客流吸引力与凝聚力的需求，成为商业零售业变革的重点。传统客流统计方式费时、费力且成本高，可靠性与时效性均存在较大误差，购物中心目前采用最佳解决方案，即基于视频探头式的客流统计系统。

对购物中心的客流量统计和深度分析，可揭示我国近年来进行的经济发展和业态创新改革给商业服务业的发展带来的重大影响，以及由此带来的变化及所呈现的新特征，有助于政府部门从宏观上准确把握购物中心商业的发展方向，并对所在城市的商业进行正确的总体协调、整体规划，从而为把城市商业的发展水平提升到新的台阶提供了客观依据。另外，购物中心为增加经营效益、销售业绩和持续经营，可进一步明确市场定位，有步骤地调整经营结构，采用多方位线上线下立体市场营销，掌握目标市场的发展趋势。

本文的研究目标是购物中心客流量分析统计，主要因为客流量直接影响销售额，购物中心常常根据实时客流量数据来确定开店、闭店的最佳时间、节假日延时服务等。购物中心企划人员对客流量的增量和客户转化率增量进行相互间的对比来分析促销活动，探讨商品定位策略和商品促销方式，总结经验，有利于活动的进一步完善和优化。

在对研究数据进行全方位的收集和整理后，使用三种统计方法进行客流统计再汇总，即购物中心的停车场客流、主要入口视频客流和沿街店铺客流。同时，运用时间序列分析法中的季节变动法对购物中心的停车场数据进行分析，得出季节指数并得出结论，对实际购物中心运营进行指导。

由于开放式购物中心客流统计比较复杂，目前对这方面应用只限于视频客流为主，再加上笔者学术和知识水平有限，数据分析统计能力有待进一步提高，因此存在不足之处。比如，样本不足导致总体误差、视频客流设备不够精准、统计时间选取不够、人为获取数据有待商榷等原因。

1 停车场客流数据统计

1.1 抽样调查统计

安排人员在车辆进出岗亭，每小时随机抽取出场车辆5部，统计每部车乘客人数，每天取15个小时，共75部车样本，考虑每周购物中心进出车流量不同，连续取样一周即7天，如此可涵盖工作日和周末休息日，使得样本更具有代表性。求出每天通过车辆进购物中心的平均人数，再7天总平均，从525个样本中，可得出平均每部车载客人数为1.7人次（见表1）。

表1 抽样调查统计

1.2 停车场智能系统

通过上述得出的每部车平均载客人数，再通过停车场智能系统可得出每天、每周、每月、每季度和每年的进出场车辆总数（见表2）。

表2 购物中心每月车辆进场次数统计

对应的近四年进场车辆月变动趋势（见图1）。

图1 购物中心停车场进场车辆月变动趋势

1.3 进场车辆季节变动分析

第一步，求序列TC，其中不包含季节变动和不规则变动。

第二步，根据公式SI=得出只包含季节变动和不规则变动的序列SI；Y为进场车辆数。

第三步，求季节指数。按每个月份重新将序列制表如表3所示。绘制出季节指数S的时间序列图（见图2）。由此分析可发现，进场车流量数据存在明显的季节性波动，12月至次年1月也就是农历春节前后和暑假的7—8月车流量出现高峰，7月达到顶峰，2—4月和暑假过后的9—10月则呈现淡季大幅下降的规律，此规律与日常所见的购物中心车流量的季节性相符。

表3 2017—2018年进场车辆研究数据的季节指数计算表 （单位：%）

图2 季节指数S（2017—2018年）的时间序列图（单位：%）

从以上停车场的时间序列季节变动中，结合购物中心实际运营情况可以得出以下结论：在7—8月暑假和年末12月、1月停车高峰期来临时，合理调配人员和提前监测各种停车系统设备，保证停车系统正常运行，提前做好车场排班安排，如此才能最大限度地发挥效能、创造价值。

2020年，新冠疫情肆虐，购物中心部分时间中断营业，车辆无法进出，因此进出车场数据不具有代表性，故选取2018年7月—2019年6月的数据。通过停车场进场的客流为1255050×70=2,133,585（人次），即通过停车场进入购物中心的人数为2,133,585人次。

2 视频客流数据统计

2.1 购物中心入口视频客流统计

视频客流的解决方案是采用视频式客流统计系统，通过对购物中心各个入口的探头传输客流数据，并进行统计。原理和思路是基于模型的机器视觉技术，从而精确统计各个出入口进出人数，通过后台调整后的实际人群流动方向信息，具有精度高、适应性强和运营成本低等优点。功能强大的智能视频客流分析管理系统，不仅后台数量众多的各种各样的报表可供用户选择，还可以与购物中心的第三方软件进行系统集成，从而形成数据中台和业务中台，为科学决策提供数据支持。

视频客流统计系统的系统架构如图3所示。

图3 购物中心视频客流系统架构

从视频客流系统可以得出，购物中心所有出入口的全年（201901—201912）客流如表4所示。

表4 视频客流系统客流统计

从以上购物中心1 2 个出入口可统计得出，全年（201807—201906）进场客流为25,338,363（人次）。

3 沿街店铺客流数据统计

3.1 主力店铺客流与业绩关系

沿街客流统计不同于停车场和出入口客流统计，没有在每个店铺的入口单独安装客流设备，只能通过个别主力店的客流系统得出客流量，并结合业绩算出客流与业绩之间的关系，然后其他没有客流的店铺根据销售业绩倒推其客流量，如表5所示。

表5 沿街主力店铺的销售业绩、交易笔数、进场客流

从2017年1月—2019年6月，交易笔数合计20,813（笔），进店客流合计155060（人次），看得出提袋率：155060/20813=7.45，即平均7.45人次客人进店可成交购买一笔，这是零售类的客流与销售笔数的比例，若是餐饮类则按通用1.6比例测算。

3.1.1 沿街客流统计

以7.45人次的比例反推算其余店铺的客流量，即沿街店铺业绩、笔数、客流如表6所示。

表6 沿街店铺业绩、笔数、客流

以上停车场、出入口、沿街三部分客流分别为2133585（人次）、25338363（人次）、6158235（人次），一个完整的年度（201807—201906）客流量合计为：33,630,183（人次）。

4 结语

本文通过购物中心实际情况，即客流由停车场入场客流、各入口进场客流和沿街店铺三大部分组成。先运用简单随机抽样计算样本均值，统计停车场进场客流；再选取一家具有代表性的沿街店铺推导出销售笔数与客流的比例，算出沿街客流，并结合视频客流系统，以上三部分构成购物中心总客流。

（1）样本抽样调查。在实际调查、样本抽样调查、定量指标和定性指标相结合的原则下，统计车上的载客数量推算每天通过车场进入购物中心的客流量。

（2）三种客流汇总。通过视频客流系统布置在购物中心主入口的探头设备统计每日各入口的客流量，随后是沿街店铺客流量的计算，通过一家有安装客流统计设备的店铺推算进店沿街店铺客流与交易笔数之间的提袋率。在此比例的基础上，其他店铺用该店的交易笔数推算该店的进店客流，所有沿街店铺客流汇总为沿街客流，和前文得出的车场客流、视频客流加总为购物中心每日客流量。

本文运用多种方法建立科学系统的客流量统计，能够为高层管理者提供更多的信息，为每次企划促销方案带来客流和业绩提供预测，进而为达成的业绩指标提供依据。该套模型可以为现今各大购物中心的客流统计提供新思路和新方法，从而优化客流结构，吸引更多有价值的客流进店消费，对进一步提高销售业绩具有一定的应用价值。