Comment les centres commerciaux utilisent l'analyse WiFi pour attirer et fidéliser les détaillants

Ce guide de référence technique faisant autorité explique comment les équipes informatiques et les gestionnaires immobiliers des centres commerciaux déploient l'analyse WiFi pour capturer les données de fréquentation, mesurer le temps de présence par zone et constituer la base de preuves empiriques nécessaire pour négocier les baux, fidéliser les détaillants de premier ordre et attirer de nouveaux locataires. Il couvre l'ensemble de la pile technique, du déploiement des points d'accès (AP) et de la capture de données au niveau MAC aux tableaux de bord d'analyse conformes au GDPR, avec des exemples concrets et des cadres de décision pour les professionnels de l'informatique prêts à mettre en œuvre cette solution ce trimestre.

📖 7 GuidesSlugPage.minRead📝 1,574 GuidesSlugPage.words🔧 2 GuidesSlugPage.workedExamples❓ 3 GuidesSlugPage.practiceQuestions📚 9 GuidesSlugPage.keyDefinitions

GuidesSlugPage.podcastTitle

GuidesSlugPage.podcastTranscript

Welcome back to the Purple Tech Briefing. Today, we are looking at how shopping centres and large retail venues are leveraging WiFi analytics to attract and retain retailers. If you are an IT manager, a network architect, or a venue operations director, you know the pressure is on to prove footfall return on investment and justify lease values. I am joined by our Senior Technical Content Strategist.

Thanks. It is good to be here. We are seeing a major shift. Guest WiFi is no longer just a cost centre or an amenity. It is the primary data collection engine for physical venues.

Let us dive straight into the technical context. How are venues actually gathering this data?

It comes down to probe requests and authenticated sessions. Even before a user connects to the guest WiFi, their device is sending out probe requests searching for known networks. Our access points capture these MAC addresses. We hash and anonymise them immediately to ensure GDPR compliance. This gives us a baseline of total footfall. But the real value unlocks when they authenticate.

Right, when they actually log in.

Exactly. Through the captive portal, we capture first-party data. Demographics, email, CRM integration. Now we are not just seeing a device; we are seeing a customer profile. We track their dwell time, their journey through the venue, and their return frequency using the WiFi Analytics dashboard.

So how does a property manager use this to negotiate a lease?

Data is leverage. Historically, property managers relied on manual clickers or basic door counters. Now, with location-based services and RSSI triangulation, we can prove exactly how many people walked past a specific storefront, how many entered, and how long they stayed. If a retailer is negotiating rent, the venue can say: we delivered 45,000 unique, authenticated visitors to your zone this month, with an average dwell time of 22 minutes. It shifts the conversation from subjective foot traffic to quantifiable lead generation.

That is powerful. What about the architecture required to support this? Are we talking about a massive hardware overhaul?

Not necessarily. Purple is hardware-agnostic. We integrate with Cisco, Aruba, Meraki, Ruckus — most enterprise-grade controllers. The heavy lifting is done in the cloud. The access points just need to forward the syslog or presence analytics data to our endpoints. The key is access point density. For accurate location tracking, you typically need a higher density of access points than you would for basic coverage. You need at least three APs to hear a client device for accurate triangulation.

What are the common pitfalls you see during deployment?

The biggest one is poor access point placement. Putting access points in the ceiling void above metal HVAC ducts destroys signal propagation and skews the location data. You also have to tune your transmit power. If your APs are screaming at full power, devices will stick to an access point that is 100 metres away, which ruins your dwell time metrics for specific zones. We always recommend a proper predictive and active site survey. Also, ignoring MAC randomisation. Modern iOS and Android devices randomise their MAC addresses. If your analytics platform does not account for this, you will overcount visitors. Purple handles this by focusing on authenticated sessions and utilising advanced algorithms to filter out randomised probes.

You mentioned OpenRoaming earlier. How does that fit in?

OpenRoaming is a game-changer. It allows users to automatically and securely connect to the WiFi without a captive portal, using a profile on their device. Purple acts as a free identity provider for services like OpenRoaming under our Connect licence. This drastically increases attach rates, meaning you get a much larger sample size of authenticated users, which makes your analytics far more robust. It is a huge step forward from the traditional splash page.

Let us talk about cross-industry applications. Does this apply outside of just shopping centres?

Absolutely. We see similar use cases in hospitality and transport. For example, an airport using flow analytics to manage security queues, or a stadium optimising concession stand placement based on crowd movement. We have recently published a guide on Zoo and Theme Park WiFi connectivity that covers very similar spatial analytics challenges. The core technology — capturing and analysing location data — is the same.

Okay, let us do a rapid-fire Q and A. I will throw some common objections at you. First: our retailers do not care about WiFi data, they only care about sales.

Sales are the final conversion. WiFi data shows the top of the funnel. If footfall is high but sales are low, it is a merchandising issue. If footfall is low, it is a marketing issue. We provide the missing context.

Second objection: it is too expensive to upgrade our infrastructure.

As I mentioned, we overlay on existing enterprise hardware. The return on investment comes from tenant retention, optimised lease pricing, and even retail media monetisation — selling advertising space on the captive portal itself.

Third objection: we are worried about GDPR and data privacy.

Purple is fully GDPR compliant. We use MAC hashing for unauthenticated devices, and explicit opt-in consent for authenticated users. Data is encrypted in transit and at rest. Security is absolutely paramount.

Brilliant. To summarise, WiFi analytics transforms a shopping centre's network from a utility into a commercial asset. It provides the empirical data needed to optimise operations, attract premium retailers, and justify lease rates.

Exactly. It is about turning throughput into insights.

Thank you for your time. For our listeners, you can find more technical resources and deployment guides on the Purple website at purple dot ai. Until next time.

GuidesSlugPage.keyTakeawaysTitle

✓Guest WiFi is the primary telemetry system for physical venues — it captures both anonymous footfall (probe requests) and enriched demographic data (authenticated sessions) from the same infrastructure.
✓Accurate zone-level location tracking requires trilateration: a minimum of three access points detecting each client device simultaneously, achieved through high-density AP deployment and reduced transmit power.
✓MAC randomisation in modern iOS and Android devices inflates probe-based footfall counts by 300–500%; authenticated session data is the reliable primary metric.
✓OpenRoaming (Hotspot 2.0) removes captive portal friction for returning users, significantly increasing attach rates and the volume of enriched, authenticated data.
✓WiFi analytics data shifts lease negotiations from subjective opinion to objective, auditable evidence — enabling property managers to prove footfall ROI, justify lease rates, and attract premium tenants.
✓The analytics platform must integrate with existing enterprise WLC hardware (Cisco, Aruba, Meraki) to avoid costly rip-and-replace deployments; the analytics layer is an overlay, not a replacement.
✓GDPR compliance requires MAC hashing for unauthenticated tracking, explicit opt-in consent at the captive portal, and documented data retention and deletion policies for all downstream integrations.

Résumé Exécutif

Pour les centres commerciaux modernes, le réseau sans fil n'est plus seulement un service pour les visiteurs — c'est le système de télémétrie principal pour le site physique. En déployant une infrastructure Guest WiFi robuste associée à une plateforme WiFi Analytics de niveau entreprise, les opérateurs de sites transforment les signaux sans fil passifs en informations commerciales exploitables.

Ce guide détaille l'architecture technique, les stratégies de déploiement et les méthodologies d'utilisation des données nécessaires pour capturer des métriques précises de fréquentation et de temps de présence. Pour les responsables informatiques, les architectes réseau et les CTO, le mandat est clair : construire un réseau résilient à haute densité qui non seulement prend en charge un débit utilisateur élevé, mais fournit également la précision des données spatiales requise par les équipes de location et commerciales pour prouver le ROI, justifier les valeurs de bail et attirer des locataires retail de premier plan. Les mêmes principes s'appliquent aux environnements hospitality , transport et healthcare où l'intelligence spatiale guide les décisions opérationnelles et commerciales.

Approfondissement Technique

Comment fonctionne la collecte de données WiFi

Le fondement de l'analyse WiFi des centres commerciaux réside dans la capacité à détecter et à suivre les appareils clients au sein du site. Ceci est réalisé grâce à deux mécanismes principaux qui fonctionnent en parallèle.

Analyse de Présence (Non Authentifiée) : Les points d'accès (AP) surveillent en permanence les requêtes de sondage IEEE 802.11 émises par les smartphones à la recherche de réseaux connus. En capturant l'adresse MAC — qui est immédiatement hachée à l'aide d'une fonction cryptographique unidirectionnelle pour maintenir la conformité GDPR — et en mesurant l'indicateur de force du signal reçu (RSSI) à partir de plusieurs AP simultanément, le système estime la proximité et le mouvement de l'appareil. Cela fournit une métrique de base pour la fréquentation totale, y compris les visiteurs qui ne se connectent jamais au réseau. C'est le nombre de "passants" que les gestionnaires immobiliers utilisent pour démontrer la valeur commerciale des couloirs à fort trafic.

Sessions Authentifiées : Lorsqu'un utilisateur se connecte activement via le captive portal, le site capture des données de première partie — données démographiques, adresse e-mail et points d'intégration CRM — avec un consentement explicite. Cela fait passer le modèle de données du suivi anonyme des appareils au profilage client enrichi. L'intégration d'OpenRoaming (Hotspot 2.0 / Passpoint), où Purple agit comme un fournisseur d'identité gratuit sous la licence Connect, facilite un onboarding fluide et sécurisé sans page d'accueil traditionnelle. Cela augmente considérablement le volume de sessions authentifiées, fournissant un ensemble de données plus riche et statistiquement plus robuste pour l'analyse commerciale.

Triangulation Spatiale et Précision des Zones

Pour fournir des données exploitables pour des zones de vente spécifiques — plutôt qu'un simple agrégat à l'échelle du site — le réseau doit localiser précisément les appareils dans une zone définie. Cela nécessite une trilatération : le processus d'utilisation des lectures RSSI d'au moins trois points d'accès simultanément pour calculer la position d'un appareil sur le plan d'étage. La précision de ce processus est directement proportionnelle à la densité des AP.

Un déploiement standard de modèle de couverture (un AP pour 1 000–1 500 sq ft) est insuffisant pour l'analyse de localisation. Un déploiement optimisé pour la localisation nécessite généralement un AP pour 500–700 sq ft dans les zones de suivi clés, avec une attention particulière aux réglages de puissance de transmission pour garantir que les tailles de cellule sont suffisamment petites pour fournir une résolution spatiale significative.

Modèle de Déploiement	Densité d'AP	Cas d'Utilisation Principal	Précision de Localisation
Couverture	1 pour 1 500 sq ft	Connectivité de base	Aucune
Capacité	1 pour 800 sq ft	Événements à haut débit	Faible
Analyse de Localisation	1 pour 500 sq ft	Suivi de fréquentation et de temps de présence	Élevée (±3–5m)

Agnosticisme de l'Infrastructure et Architecture d'Intégration

Les plateformes d'analyse modernes, y compris Purple, fonctionnent comme une surcouche sur l'infrastructure sans fil d'entreprise existante. Elles s'intègrent aux contrôleurs de réseau local sans fil (WLC) existants de Cisco, Aruba, Meraki et Ruckus via des protocoles standard. Le WLC transmet les données de présence — généralement via syslog, les traps SNMP ou des API spécifiques au fournisseur — au moteur d'analyse cloud. Cela minimise le besoin de remplacement immédiat du matériel, permettant aux sites de tirer parti de leur investissement en capital existant tout en ajoutant la couche d'analyse de manière incrémentale.

Pour les sites envisageant une mise à niveau de ligne louée pour prendre en charge le débit de données accru d'un déploiement d'analyse à haute densité, une connexion symétrique dédiée est fortement recommandée pour garantir une latence constante pour les mises à jour des tableaux de bord en temps réel.

Guide d'Implémentation

Le déploiement d'un réseau sans fil sensible à la localisation nécessite une planification méticuleuse en quatre phases distinctes.

Phase 1 — Planification RF et Étude de Site : Utilisez des outils d'étude prédictive tels qu'Ekahau Pro ou AirMagnet pour modéliser l'environnement RF avant toute installation matérielle. Tenez compte de l'atténuation due aux matériaux de construction — les toits d'atrium en verre, les agencements de vente en métal et les colonnes structurelles en béton introduisent tous des interférences multipath qui faussent les calculs de localisation basés sur le RSSI. Définissez la précision de localisation requise pour chaque zone et travaillez à rebours pour déterminer la grille de placement des AP.

Phase 2 — Déploiement et Configuration du Matériel : Installez les AP selon l'une étude prédictive, puis effectuer une étude de site active pour valider les relevés RSSI réels par rapport au modèle. Configurez la gestion des ressources radio (RRM) mais appliquez des limites strictes de puissance de transmission — généralement 14 à 17 dBm — pour maintenir des tailles de cellules petites. Assurez-vous que le SSID invité est isolé des réseaux d'entreprise et de point de vente via la segmentation VLAN, conformément aux exigences PCI DSS.

Phase 3 — Intégration de la plateforme d'analyse : Connectez le WLC à la plateforme d'analyse Purple. Définissez des zones géorepérées dans le tableau de bord qui correspondent précisément aux unités de vente au détail individuelles, aux zones communes, aux couloirs d'entrée et aux zones de restauration. Calibrez le plan d'étage au sein de la plateforme en utilisant des points de référence connus.

Phase 4 — Configuration du Captive Portal et du consentement : Concevez un parcours d'intégration simplifié. Minimisez les frictions — chaque étape supplémentaire dans le processus d'authentification réduit le taux d'adhésion d'environ 15 à 20 %. Intégrez les plateformes CRM et d'automatisation du marketing via l'API. Assurez-vous que le langage de consentement est explicite, granulaire et conforme aux exigences de l'article 7 du GDPR.

Bonnes pratiques

Prendre en compte la randomisation des adresses MAC : Les appareils iOS 14+ et Android 10+ randomisent leurs adresses MAC par défaut lors de la recherche de réseaux. Une plateforme d'analyse qui n'en tient pas compte rapportera des chiffres de fréquentation gonflés — parfois de trois à cinq fois le nombre réel de visiteurs. Assurez-vous que votre plateforme utilise les données de session authentifiées comme métrique principale et applique des algorithmes de déduplication à l'ensemble de données des requêtes de sondage.

Prioriser la sécurité du réseau : Mettez en œuvre une segmentation réseau robuste. Le trafic invité doit être isolé de l'infrastructure d'entreprise. Consultez Protégez votre réseau avec un DNS et une sécurité robustes pour un guide complet sur le filtrage DNS et les meilleures pratiques de sécurité réseau applicables aux environnements multi-locataires.

Appliquer la gouvernance des données : Respectez strictement le GDPR ou les réglementations locales applicables en matière de confidentialité des données. Utilisez le hachage MAC pour le suivi non authentifié, exigez un consentement explicite par opt-in lors de l'authentification du Captive Portal, et mettez en œuvre une politique documentée de conservation des données. Assurez-vous que des accords de traitement des données sont en place avec tous les fournisseurs d'analyse tiers.

Tirer parti d'OpenRoaming pour l'échelle : Adoptez Passpoint/Hotspot 2.0 pour fournir une connectivité transparente et sécurisée qui reflète l'expérience d'itinérance cellulaire. Cela élimine la friction du Captive Portal pour les utilisateurs récurrents, augmentant les taux de capture de données authentifiées et améliorant la confiance statistique de vos analyses.

Dépannage et atténuation des risques

Données de localisation imprécises : La cause la plus fréquente est une densité d'AP insuffisante ou une puissance de transmission excessive créant de grandes tailles de cellules. Un appareil se connectant à un AP situé à 80 mètres semblera être dans la mauvaise zone. Effectuez une étude de site active, examinez les cartes thermiques RSSI et réduisez la puissance Tx pour resserrer les limites des cellules. Vérifiez qu'au moins trois AP détectent des clients dans chaque zone suivie.

Faibles taux d'authentification (inférieurs à 30 %) : Un processus de Captive Portal complexe ou lent est la cause principale. Auditez le parcours d'intégration sur un appareil mobile via une connexion 4G (pas le WiFi du lieu). Réduisez le nombre de champs de formulaire, proposez des options de connexion sociale et assurez-vous que la page du portail se charge en moins de deux secondes. Envisagez de déployer OpenRoaming pour les visiteurs récurrents afin d'éliminer complètement le portail.

Silos de données : Collecte de données analytiques que l'équipe commerciale ne peut pas accéder ou interpréter. Résolvez ce problème en configurant des intégrations API automatisées qui transmettent les rapports hebdomadaires de fréquentation et de temps de séjour directement au CRM de gestion immobilière ou à l'outil de BI. Planifiez un examen mensuel des données avec l'équipe de location pour vous assurer que les métriques capturées correspondent aux questions auxquelles ils doivent répondre lors des négociations avec les locataires.

Lacunes en matière de conformité GDPR : Auditez régulièrement les enregistrements de consentement stockés par rapport aux profils d'utilisateurs authentifiés. Assurez-vous que les demandes de désabonnement sont traitées dans la fenêtre GDPR de 30 jours et que les données sont purgées de tous les systèmes en aval, y compris les intégrations CRM tierces.

ROI et impact commercial

Pour l'équipe commerciale, le ROI d'une solution d'analyse WiFi correctement déployée est substantiel et mesurable à travers trois principaux flux de valeur.

Négociation de bail : Les gestionnaires immobiliers passent d'arguments subjectifs à des négociations basées sur les données. En présentant des chiffres de visiteurs authentifiés, des distributions de temps de séjour et des ventilations démographiques pour des zones de vente au détail spécifiques, le lieu peut démontrer la valeur commerciale de chaque unité avec la même rigueur qu'une plateforme de publicité numérique. Ces données soutiennent à la fois la tarification premium pour les unités à fort trafic et les révisions de loyer basées sur des preuves.

Rétention des locataires : Les détaillants reçoivent des informations localisées — combien de personnes sont passées devant leur magasin par rapport à combien sont entrées, et combien de temps celles qui sont entrées sont restées. Ces données aident les détaillants à optimiser les vitrines, les plannings de personnel et le calendrier promotionnel. Un détaillant qui constate que la fréquentation devant son unité a augmenté de 18 % suite à une campagne marketing a une raison convaincante de renouveler son bail et d'investir davantage dans le lieu.

Efficacité opérationnelle : L'analyse des flux permet à l'équipe des opérations d'optimiser les plannings de nettoyage, les itinéraires de patrouille de sécurité et l'utilisation du CVC (chauffage, ventilation, climatisation) en fonction des modèles d'occupation en temps réel et historiques. Les lieux signalent généralement une réduction de 10 à 15 % des coûts opérationnels au cours de la première année de déploiement grâce à une allocation des ressources basée sur les données.

Des approches similaires basées sur les données s'avèrent très efficaces dans d'autres catégories de lieux à forte fréquentation. Le Guide de connectivité WiFi pour les zoos et parcs à thème : lieux à forte fréquentation couvre des défis d'analyse spatiale analogues dans les environnements de loisirs, et les mêmes principes architecturaux s'appliquent à tous les grands lieux physiques.

GuidesSlugPage.keyDefinitionsTitle

RSSI (Received Signal Strength Indicator)

A measurement of the power level present in a received radio signal, expressed in dBm (negative values, where -30 dBm is excellent and -90 dBm is very weak).

The primary input to the location analytics engine. Multiple APs report their RSSI reading for the same client device, and the engine uses these values to triangulate the device's position on the floor plan.

Trilateration

A method of determining the position of a point by measuring its distance from three or more known reference points, using the geometry of intersecting circles.

Requires a minimum of three access points to simultaneously detect a client device to calculate its position. This is why AP density is the critical variable for location analytics accuracy.

MAC Randomisation

A privacy feature in modern mobile operating systems (iOS 14+, Android 10+) that causes a device to broadcast a randomly generated MAC address when probing for WiFi networks, rather than its true hardware address.

The primary technical challenge for presence-based analytics. Platforms must use authenticated session data as the primary metric and apply deduplication algorithms to avoid massively inflating visitor counts.

OpenRoaming (Hotspot 2.0 / Passpoint)

A WiFi roaming federation standard that allows a device to automatically and securely connect to a participating network using a pre-installed profile, without requiring a captive portal interaction.

Purple acts as a free identity provider for OpenRoaming under the Connect licence. Deploying OpenRoaming significantly increases authenticated session volumes by removing the captive portal friction for returning users.

Dwell Time

The duration for which a detected device remains within a specifically defined geofenced zone, measured from first detection to last detection within that zone.

A critical commercial metric for retailers. High dwell time indicates engagement with a storefront or retail environment. Low dwell time in a zone with high footfall suggests a conversion problem rather than a traffic problem.

Probe Request

An IEEE 802.11 management frame broadcast by a client device to discover available wireless networks in its vicinity.

The mechanism used to capture unauthenticated presence data for total footfall counts, including visitors who never connect to the network. Subject to MAC randomisation on modern devices.

Captive Portal

A web page that a user of a public-access network is required to interact with before being granted full network access, typically used to present terms of service and collect consent for data processing.

The primary mechanism for capturing first-party demographic data and explicit GDPR-compliant marketing consent. The design and length of the portal flow directly determines the attach rate.

Attach Rate

The percentage of total detected devices (presence analytics) that successfully complete the captive portal authentication process and become authenticated sessions.

The key performance indicator for the quality of your analytics data. A low attach rate means the majority of your footfall data is anonymous and lacks demographic enrichment, limiting its commercial value.

Geofencing

The use of GPS or RSSI-based location data to define a virtual geographic boundary, triggering actions or data capture when a device enters or exits the defined area.

Used within the analytics platform to define specific retail zones, corridors, and entrances, enabling zone-level footfall and dwell time metrics rather than venue-wide aggregates.

GuidesSlugPage.workedExamplesTitle

A 150-unit regional shopping centre has a persistently high vacancy rate in its West Wing. The commercial team suspects footfall is lower than in the East Wing but has no data to confirm this. The existing WiFi network provides basic coverage using Cisco Meraki APs but has no analytics integration. The operations director needs data within 60 days to support a rent restructuring proposal.

Step 1: Conduct an active site survey of the West Wing to assess current AP density and RSSI coverage. Identify zones where fewer than three APs can detect a client device simultaneously. Step 2: Add supplementary APs in the West Wing corridors to achieve trilateration coverage. Reduce transmit power on all APs to 15 dBm to tighten cell sizes. Step 3: Enable the Cisco Meraki location analytics API and connect it to the Purple WiFi Analytics platform. Step 4: Define geofenced zones for each vacant unit, the main West Wing corridor, and the equivalent East Wing zones for comparison. Step 5: Collect 30 days of baseline data. Export a comparative report showing unique device counts, dwell time averages, and peak hour distributions for both wings. Step 6: Present the data to prospective tenants, demonstrating the actual footfall differential and the commercial opportunity for the right retail concept.

GuidesSlugPage.examinerCommentary This approach directly addresses the business problem using the existing hardware investment. The critical decision is adding APs for location accuracy rather than coverage — these are different objectives requiring different AP placement strategies. The 30-day baseline is the minimum required for statistically meaningful trend data. The comparison between wings provides the commercial context that makes the data actionable.

A premium fashion retailer is disputing their lease renewal at a major city-centre shopping centre. They claim that footfall past their unit has declined significantly since a new secondary entrance was opened on the opposite side of the mall 18 months ago, and they are demanding a 25% rent reduction. The property manager needs to verify or refute this claim using objective data.

Step 1: Access the WiFi analytics platform's historical data archive. Navigate to the zone corresponding to the retailer's storefront. Step 2: Pull the monthly unique device count and dwell time data for the 12 months prior to the new entrance opening and the 12 months following. Step 3: Analyse the pathing data to determine whether the primary traffic flow through the mall shifted after the new entrance opened. Identify which zones gained and which lost footfall. Step 4: Cross-reference the retailer's zone data against the overall mall footfall trend to determine whether any decline is specific to their location or part of a broader pattern. Step 5: Export a formal data report with timestamped, anonymised metrics. Present this as the objective evidence base for the lease negotiation.

GuidesSlugPage.examinerCommentary This case demonstrates the value of long-term historical data retention. The network acts as an objective, auditable source of truth that removes subjective interpretation from the negotiation. The key analytical step is the pathing analysis — it is not sufficient to show that footfall declined; the property manager must demonstrate whether the cause was the new entrance, a broader market trend, or factors specific to the retailer's own operations.

GuidesSlugPage.practiceQuestionsTitle

Q1. A venue operator wants to track visitor movement through a 200-unit shopping centre but has budget constraints that limit AP deployment to the main corridors only, with APs spaced 50 metres apart in a linear arrangement. The IT director claims this will be sufficient for zone-level analytics. Evaluate this claim and identify the primary technical limitation.

GuidesSlugPage.hintPrefixConsider the minimum number of access points required for spatial triangulation and the relationship between cell size and location accuracy.

GuidesSlugPage.viewModelAnswer

The IT director's claim is incorrect. Accurate zone-level location tracking requires trilateration — a minimum of three access points simultaneously detecting the same client device. A linear corridor deployment with 50-metre spacing means that in most locations, a device will only be within range of one or two APs, making trilateration impossible. The result will be a binary 'in corridor / not in corridor' detection rather than zone-level accuracy. The correct approach is a grid-based deployment with APs at 15–20 metre spacing in key tracking zones, with transmit power reduced to 14–17 dBm to create small, accurate cells.

Q2. The marketing team reports that the WiFi analytics platform is showing 450,000 unique visitors for the month of March. The physical door counters at all entrances recorded a combined total of 95,000 entries for the same period. The discrepancy is causing the commercial team to question the reliability of all WiFi data. What is the most likely technical cause, and how would you resolve it?

GuidesSlugPage.hintPrefixConsider how modern mobile operating systems handle WiFi network discovery and what this means for MAC-address-based counting.

GuidesSlugPage.viewModelAnswer

The most likely cause is MAC randomisation. iOS 14+ and Android 10+ devices broadcast randomised MAC addresses when probing for networks. If the analytics platform is counting each unique MAC address as a unique visitor, a single device that moves through the venue over several hours — generating new randomised MACs each time it probes — will be counted multiple times. The resolution is threefold: (1) switch the primary footfall metric to authenticated session counts rather than probe-based device counts; (2) ensure the platform applies a deduplication algorithm to filter randomised MACs; and (3) calibrate the platform's footfall multiplier against the physical door counter data to establish a validated conversion ratio.

Q3. A new anchor tenant — a large department store — is negotiating their lease and demands that the property manager provide monthly reports showing the number of unique visitors who entered the shopping centre specifically via the entrance adjacent to their unit, the average time those visitors spent in the wing containing their store, and the demographic breakdown of those visitors. The current WiFi network provides venue-wide footfall data only. What infrastructure and platform changes are required to meet this requirement?

GuidesSlugPage.hintPrefixThink about the difference between venue-wide aggregate data and zone-specific, entrance-attributed data, and what the analytics platform configuration needs to support.

GuidesSlugPage.viewModelAnswer

Meeting this requirement involves three changes. First, the AP deployment in the wing adjacent to the anchor tenant must be upgraded to a location-analytics density (one AP per 500 sq ft) to support trilateration and accurate zone assignment. Second, within the analytics platform, specific geofenced zones must be defined for: (a) the entrance corridor adjacent to the anchor tenant, (b) the retail wing containing the anchor tenant, and (c) individual sub-zones within that wing. Third, the captive portal must be configured to capture demographic data (age range, gender, postcode) with explicit GDPR consent, and the platform must be configured to attribute authenticated sessions to the entry zone where the device was first detected. The resulting reports will show entrance-attributed unique visitors, wing dwell time, and demographic breakdowns — all exportable via API to the tenant's own reporting tools.