Comment calculer la durée de séjour à l'aide de l'analyse de localisation WiFi
Ce guide fournit une référence technique complète pour calculer la durée de séjour WiFi à l'aide de l'analyse de localisation WiFi, couvrant l'ensemble de l'architecture, de la capture des requêtes de sonde 802.11 à l'analyse des zones géofencées, en passant par la trilatération basée sur le RSSI. Il est conçu pour les responsables informatiques, les architectes réseau et les directeurs d'exploitation de sites qui doivent déployer une intelligence de localisation précise et évolutive dans les secteurs du commerce de détail, de l'hôtellerie, de la santé et du secteur public. Les lecteurs y trouveront des conseils de mise en œuvre concrets, des études de cas réels et un cadre clair pour traduire les données spatiales brutes en résultats commerciaux mesurables.
Video overview
Écouter ce guide
Voir la transcription du podcast
Fait partie de notre série principale : Guide d'analyse WiFi →
WiFi location analytics dwell time calculator
Model visitor dwell time distributions, calibrate RSSI signal boundaries, and filter exterior passerby noise across retail, hospitality, and campus venues.
Résumé analytique
Pour les grands sites d'entreprise - des vastes espaces de vente aux stades tentaculaires - comprendre le comportement des visiteurs n'est plus un simple luxe marketing ; c'est une exigence opérationnelle critique. Le temps de séjour WiFi (la durée pendant laquelle un appareil reste dans une zone physique spécifique) sert de métrique fondamentale pour mesurer l'engagement spatial. Cependant, le calcul précis du temps de séjour à l'aide de l'infrastructure sans fil existante nécessite de gérer des environnements RF complexes, la randomisation des adresses MAC et les fréquences de sondage variables des appareils.
Ce guide fournit aux professionnels de l'IT, architectes réseau et directeurs des opérations une référence technique définitive sur la façon de calculer le temps de séjour à l'aide de l'analyse de localisation WiFi. Nous explorerons les mécanismes de détection des appareils, le rôle de l'indicateur de force du signal reçu (RSSI) et de la trilatération, et comment les plateformes comme Purple convertissent les requêtes de sonde brutes en intelligence d'affaires exploitable. En exploitant votre infrastructure Guest WiFi existante, les organisations peuvent déployer des analyses évolutives sans réseaux matériels de superposition coûteux. Son ROI est extrêmement convaincant : les sites qui mettent en œuvre l'analyse de localisation signalent constamment des améliorations mesurables des taux de conversion, de l'efficacité opérationnelle et de la satisfaction client.
Analyse technique approfondie : la mécanique de la durée de visite
Le calcul de la durée de visite est essentiellement une question de résolution spatiale et temporelle. Il nécessite d'identifier un appareil, d'estimer sa position et de suivre en continu cette position au fil du temps. Chacune de ces trois étapes présente ses propres défis techniques, et une solution robuste doit toutes les relever.
1. Détection et identification des appareils
Le processus commence par la détection passive des requêtes de sonde 802.1X. Les appareils mobiles diffusent en continu ces trames de gestion pour découvrir les réseaux sans fil disponibles. Les points d'accès faisant office de capteurs capturent ces trames, qui contiennent l'adresse MAC de l'appareil, un horodatage et la force du signal (RSSI) au niveau du point d'accès récepteur.
Historiquement, l'adresse MAC fournissait un identifiant permanent au niveau matériel. Cependant, les systèmes d'exploitation mobiles modernes - iOS 14+, Android 10+ et Windows 10+ - utilisent la randomisation MAC pour améliorer la confidentialité des utilisateurs. Lorsqu'un appareil n'est pas associé à un réseau, il utilise une adresse MAC temporaire et aléatoire qui change périodiquement. Cela complique directement les calculs passifs de la durée de visite, car un seul appareil physique peut apparaître comme plusieurs visiteurs uniques au cours d'une même session.
Pour maintenir la continuité des sessions afin d'obtenir des calculs précis de la durée de visite, les plateformes d'analyse doivent employer l'une des deux stratégies suivantes. La première est l'empreinte heuristique, qui consiste à analyser les éléments d'information (IE) au sein des trames de requêtes de sonde - tels que les débits de données pris en charge, les listes de canaux et les champs spécifiques au fournisseur - pour lier de manière probabiliste les requêtes de sonde provenant du même appareil, même lorsque l'adresse MAC change. La seconde méthode, beaucoup plus fiable, consiste à s'appuyer sur des sessions authentifiées. Lorsqu'un utilisateur se connecte explicitement au réseau Guest WiFi, la plateforme obtient la véritable adresse MAC matérielle de l'appareil et peut l'associer à un profil utilisateur persistant. Cette identification déterministe est la référence absolue pour obtenir des indicateurs de durée de visite précis et à long terme.
2. Estimation spatiale : RSSI et trilatération
Une fois qu'un appareil est identifié, le système doit déterminer sa position physique. La méthode la plus couramment utilisée repose sur la trilatération basée sur le RSSI, qui est expliquée en détail dans le guide The Mechanics of WiFi Wayfinding: Trilateration and RSSI Explained.
Le principe est simple : le RSSI diminue de manière prévisible avec la distance selon le modèle d'affaiblissement de propagation en espace libre (FSPL). En mesurant la force du signal au niveau de plusieurs points d'accès, le système peut estimer la distance de l'appareil par rapport à chaque point d'accès. Lorsque trois points d'accès ou plus détectent la même requête de sonde, le moteur d'analyse peut calculer la position de l'appareil en trouvant l'intersection de cercles (ou de sphères dans les environnements 3D multi-étages) dont les rayons correspondent aux distances estimées par rapport à chaque point d'accès.
En réalité, les environnements RF ne se comportent pas comme le modèle idéal en espace libre. L'évanouissement par trajets multiples, causé par les réflexions du signal sur les murs, les étagères métalliques et les corps humains, introduit une variabilité importante du RSSI. Pour atténuer ce phénomène, les moteurs d'analyse de niveau production emploient plusieurs techniques :
| Technique | Objectif | Gain type |
|---|---|---|
| Algorithme du barycentre pondéré | Attribue un poids plus élevé aux AP avec des lectures RSSI plus fortes | Réduit l'erreur de localisation de 15 à 30 % |
| Filtrage de Kalman | Lisse les estimations de localisation au fil du temps pour filtrer le bruit transitoire | Réduit la gigue dans le suivi en temps réel |
| Cartographie d'empreintes (Fingerprinting) | Cartographie au préalable les signatures RSSI à des emplacements connus pour étalonnage | Améliore la précision dans les environnements RF complexes |
| Moyennage multi-AP | Calcule la moyenne du RSSI sur plusieurs intervalles d'échantillonnage | Minimise l'impact des interférences transitoires |
Pour une trilatération fiable, la Règle de Trois s'applique : un appareil doit être détecté par au moins trois AP simultanément avec une puissance de signal de -75 dBm ou supérieure. Les réseaux conçus uniquement pour la couverture - où un seul AP fournit du signal sur une large zone - sont insuffisants pour des analyses de localisation précises. Il s'agit d'une distinction architecturale essentielle qui doit être prise en compte avant le déploiement.
3. Calcul temporel : Définir et calculer le temps de présence
Grâce à un flux de coordonnées de localisation, le moteur d'analyse compare la position de l'appareil par rapport aux zones de geofencing définies au sein de la plateforme. Un geofence est un polygone virtuel dessiné sur un plan de masse, représentant une zone physique significative telle qu'une file d'attente de caisse, un présentoir promotionnel ou le hall d'un hôtel.
Le temps de présence n'est pas simplement la différence entre les horodatages de première et de dernière détection. Un calcul robuste doit prendre en compte les cycles de veille des appareils, les brèves excursions en dehors de la zone et le bruit inhérent à l'estimation de la localisation. La logique de calcul standard définit trois paramètres clés :
Événement d'entrée : La localisation estimée de l'appareil entre dans une zone de geofencing spécifique et y reste pendant une durée minimale - le Seuil de présence - afin de filtrer les passants. Un seuil type pour les environnements de vente au détail est de 30 secondes ; 60 secondes peuvent être plus appropriées pour les zones d'attente de santé.
Événement de sortie : La localisation de l'appareil se déplace en dehors des limites de la zone, ou l'appareil n'est détecté par aucun AP pendant une Période d'expiration spécifiée (généralement 3 à 5 minutes). Ce délai d'expiration gère les appareils qui passent en mode veille ou qui sont rangés dans des sacs, évitant ainsi l'arrêt prématuré de la session.
Durée de présence : La différence entre l'horodatage de l'événement d'entrée et l'horodatage de l'événement de sortie, à l'exclusion des tampons de délai d'expiration. C'est la métrique signalée dans le tableau de bord WiFi Analytics.
Vous avez des questions sur votre configuration spécifique ?
Notre équipe collabore avec des exploitants de sites, des responsables informatiques et des ingénieurs réseau au sein de 80 000 sites. Réservez un appel de 20 minutes et nous vous montrerons comment d'autres professionnels comme vous ont résolu ce problème.
Guide de mise en œuvre
Le déploiement d'une solution robuste d'analyse de localisation WiFi nécessite une planification minutieuse et un alignement entre l'architecture réseau et les objectifs commerciaux. Les étapes suivantes présentent un cadre de déploiement neutre vis-à-vis des fournisseurs, applicable à tout environnement WLAN d'entreprise.
Étape 1 : Évaluation et densification de l'infrastructure
Réalisez une étude de site RF approfondie pour évaluer votre déploiement WLAN existant par rapport aux exigences des services de localisation. La question centrale est de savoir si l'emplacement actuel de vos AP prend en charge la « Règle de trois » dans toutes les zones cibles. Utilisez un outil comme Ekahau ou iBwave pour modéliser la couverture des AP et identifier les lacunes. Si votre réseau a été conçu uniquement pour le débit et la couverture, vous devez densifier le déploiement, en particulier dans les zones à forte valeur ajoutée. Prévoyez un budget pour des AP et du câblage supplémentaires dans le cadre du projet.
Étape 2 : Définition des zones et géofencing
Cartographiez votre espace physique en zones logiques au sein de la plateforme d'analyse. Importez vos plans d'étage et définissez des zones géofencées alignées sur vos problématiques commerciales. Dans un environnement de Commerce de détail, les zones typiques comprennent les entrées, des catégories de produits spécifiques, les zones promotionnelles et les caisses. Dans un cadre d'Hôtellerie, les zones pertinentes peuvent inclure le hall, le restaurant, le bar, les salles de conférence et la piscine. Assurez-vous que les zones sont correctement dimensionnées - un minimum de 20 à 30 mètres carrés est une limite inférieure pratique pour l'analyse de localisation basée sur le WiFi.
Étape 3 : Intégration du contrôleur et pipeline de données
Intégrez votre contrôleur sans fil (Cisco, Aruba, Meraki, Ruckus ou équivalent) à la plateforme d'analyse. Cela implique généralement de configurer le contrôleur pour transférer les flux de données RTLS (Real-Time Location System) ou les mises à jour de l'API de localisation vers le moteur d'analyse. Assurez-vous que le pipeline de données est configuré pour une diffusion en temps quasi réel - une latence supérieure à 30 secondes dégradera la qualité des tableaux de bord opérationnels en direct. Toutes les transmissions de données doivent être cryptées en transit (minimum TLS 1.2) et être conformes au GDPR et à toute législation applicable en matière de protection des données.
Étape 4 : Configuration des seuils et établissement de la référence
Configurez les seuils de temps de visite et les périodes de temporisation pour chaque zone en fonction du comportement attendu dans cet espace. Faites fonctionner le système pendant au moins quatre à six semaines avant de tirer des conclusions afin d'établir une base de référence statistiquement robuste. Cette base de référence est essentielle pour identifier des écarts significatifs - par exemple, une baisse soudaine du temps de visite sur un présentoir promotionnel pourrait indiquer un problème de marchandisage ou un manque de personnel.
Bonnes pratiques
Les recommandations suivantes reflètent les pratiques standard de l'industrie pour le déploiement de l'analyse de localisation WiFi à grande échelle.
Calibrer régulièrement l'environnement RF. L'environnement physique d'un site change constamment - les nouveaux affichages, les stocks saisonniers et la densité de la foule modifient la propagation RF. Une étude de site réalisée lors du déploiement ne sera plus exacte six mois plus tard. Intégrez un rythme de calibration trimestriel dans votre calendrier opérationnel et recalibrez immédiatement après toute modification physique importante de l'espace.
Séparer les analyses passives et authentifiées. Éduquez les parties prenantes sur la distinction entre les analyses passives (appareils non associés, soumis à la randomisation MAC) et les analyses authentifiées (utilisateurs connectés au Guest WiFi). Les données passives fournissent des données de tendance fiables à grande échelle ; les données authentifiées fournissent un suivi déterministe à l'échelle individuelle. Utilisez les données passives pour l'analyse de la fréquentation globale et de la popularité des zones, et les données authentifiées pour l'attribution des conversions et l'engagement personnalisé.
Corréler avec les données opérationnelles. Le temps de séjour isolé n'est qu'une mesure, pas une information exploitable. Sa valeur n'est révélée que lorsque les données spatiales sont corrélées avec les données du point de vente (POS), les horaires du personnel ou les registres de prestation de services. Par exemple, un temps de séjour élevé dans une file d'attente en caisse n'est exploitable que s'il est corrélé aux volumes de transactions et aux niveaux d'effectifs. Cette corrélation est le fondement de l'analyse du ROI pour les investissements dans l'analyse de localisation.
S'aligner sur les exigences de confidentialité et de conformité. Assurez-vous que votre déploiement est conforme au GDPR (au Royaume-Uni et dans l'UE) et à toute réglementation sectorielle spécifique à votre secteur. Dans les environnements de Santé, les données de localisation des patients peuvent être soumises à des exigences de protection des données supplémentaires. Appliquez les principes de minimisation des données - ne collectez que ce qui est nécessaire, anonymisez lorsque cela est possible et établissez des politiques claires de rétention des données.
Dépannage et atténuation des risques
Le tableau ci-dessous résume les modes de défaillance les plus courants lors des déploiements de mesure du temps de séjour WiFi et les actions correctives recommandées.
| Mode de défaillance | Cause potentielle | Action corrective |
|---|---|---|
| Nombre de visiteurs gonflé, temps de séjour courts | Randomisation MAC sur les appareils non authentifiés | Encourager l'authentification au Guest WiFi ; utiliser l'empreinte heuristique pour les données passives |
| Données de localisation erratiques (appareils sautant d'une zone à l'autre) | Densité de points d'accès insuffisante ou évanouissement par trajets multiples | Augmenter la densité des points d'accès ; ajuster les algorithmes de lissage ; recalibrer le modèle RF |
| Zones capturant les passants | Seuil de séjour défini trop bas | Augmenter le seuil de séjour minimum pour la zone concernée |
| Zone de caisse capturant le trafic de l'entrée | Définitions de zones chevauchantes ou surdimensionnées | Resserrer les limites du geofence ; s'assurer que les zones ne se chevauchent pas |
| Données du tableau de bord obsolètes ou retardées | Latence du pipeline de données ou limitation du débit de l'API | Examiner l'intégration du contrôleur ; augmenter la fréquence d'interrogation de l'API |
| Mauvaise précision dans les environnements à plusieurs étages | Trilatération 2D appliquée à un espace 3D | Appliquer une discrimination par étage en utilisant les données d'élévation des points d'accès |
ROI et impact commercial
L'implémentation de l'analyse de localisation WiFi transforme les espaces physiques en environnements mesurables et optimisables. L'analyse de rentabilité s'articule autour de trois dimensions : la génération de revenus, l'efficacité opérationnelle et l'expérience client.
Du côté des revenus, les données sur le temps de séjour permettent de prendre des décisions de marchandisage basées sur des données probantes. Savoir qu'une tête de gondole spécifique génère un temps de séjour moyen de 9,2 minutes - contre 1,6 minute à l'entrée - permet aux gestionnaires de catégories de donner la priorité aux produits à forte marge dans les zones à fort engagement. Pour les opérateurs de Transport, comprendre les schémas de séjour dans les concessions commerciales influence directement les négociations de loyers et les accords de partage des revenus.
Du côté opérationnel, l'analyse en temps réel du temps de séjour permet une gestion dynamique du personnel. Un système de gestion des files d'attente qui alerte le personnel lorsque les temps de séjour aux caisses dépassent un certain seuil peut réduire les temps d'attente sans le coût d'un surdimensionnement permanent des effectifs. Cela contribue directement à l'amélioration de la satisfaction des clients - un sujet exploré en détail dans Comment améliorer la satisfaction des clients : le guide ultime.
Du côté de l'expérience, l'intelligence de localisation permet un engagement contextuellement pertinent. Lorsqu'elles sont intégrées à la plateforme de WiFi Analytics de Purple, les données de séjour peuvent déclencher des notifications personnalisées - par exemple, l'envoi d'une offre de réduction à un client passant plus de cinq minutes dans le rayon chaussures. Cette capacité devient de plus en plus pertinente à mesure que les sites explorent des modèles d'accès sans mot de passe qui réduisent les frictions d'authentification tout en maintenant la qualité des données.
Pour les organisations du secteur public et les initiatives de villes intelligentes, l'analyse du temps de séjour fournit une base de données probantes pour les décisions d'investissement dans les infrastructures - comprendre comment les citoyens utilisent les espaces publics, les nœuds de transport et les bâtiments civiques. Les capacités élargies de Purple dans le secteur public, soulignées par la nomination de Iain Fox en tant que VP Growth pour le secteur public, reflètent la demande croissante pour ce type d'intelligence spatiale dans les environnements gouvernementaux et municipaux.
Le coût total de possession d'un déploiement d'analyse de localisation WiFi est généralement faible par rapport à la valeur opérationnelle générée, en particulier lorsque la couche d'analyse est déployée sur une infrastructure WLAN existante. Le coût marginal réside principalement dans l'octroi de licences pour la plateforme d'analyse et le temps d'ingénierie requis pour l'intégration et le calibrage - et non dans l'investissement dans de nouveaux équipements.
Définitions clés
Durée de séjour WiFi
La durée mesurée pendant laquelle un appareil compatible WiFi reste au sein d'une zone physique définie, calculée à partir de la différence entre un événement d'entrée et un événement de sortie détectés par l'infrastructure sans fil.
Le paramètre principal pour l'analyse de l'engagement spatial. Utilisé par les exploitants de commerces de détail, les gestionnaires de sites et les administrateurs de services de santé pour comprendre comment les individus utilisent les espaces physiques.
Received Signal Strength Indicator (RSSI)
Une mesure du niveau de puissance d'un signal radio reçu, exprimée en décibels par rapport à un milliwatt (dBm). Les valeurs se situent généralement entre 0 dBm (signal maximal) et -100 dBm (signal minimal détectable).
La donnée brute pour l'estimation de la distance dans l'analyse de localisation WiFi. Un RSSI de -75 dBm ou supérieur sur trois points d'accès ou plus est la configuration minimale requise pour une trilatération fiable.
Trilatération
Une technique mathématique pour déterminer la position d'un point en mesurant sa distance par rapport à au moins trois points de référence connus. Dans l'analyse WiFi, les points de référence sont des points d'accès et les distances sont estimées à partir des lectures de RSSI.
L'algorithme de positionnement central utilisé par les plateformes d'analyse de localisation WiFi. Distinct de la triangulation, qui utilise des angles plutôt que des distances.
Randomisation MAC
Une fonctionnalité de confidentialité intégrée aux systèmes d'exploitation mobiles modernes (iOS 14+, Android 10+) dans laquelle un appareil utilise une adresse MAC temporaire et aléatoire lors de la recherche de réseaux, plutôt que son adresse matérielle permanente.
Le principal défi technique pour l'analyse WiFi passive. Elle donne l'impression qu'un seul appareil physique correspond à plusieurs visiteurs uniques, ce qui gonfle les comptages de fréquentation et fragmente les sessions de durée de séjour. Ce problème est atténué en encourageant l'authentification au WiFi invité.
Geofencing
La création d'une frontière géographique virtuelle - définie comme un polygone sur un plan d'étage - qui déclenche des événements analytiques (entrée, sortie, séjour) lorsqu'un appareil suivi franchit cette frontière.
Utilisé dans le tableau de bord analytique pour définir des zones spécifiques pour la mesure de la durée de séjour localisée. La taille et l'emplacement des zones sont des décisions de configuration critiques qui ont un impact direct sur la qualité des données.
Seuil de séjour
La durée minimale pendant laquelle un appareil doit rester dans une zone de geofencing avant que la plateforme d'analyse n'enregistre un événement d'entrée et ne commence à comptabiliser la durée de séjour.
Indispensable pour la qualité des données. Un seuil trop bas comptabilisera les passants comme des visiteurs en séjour ; un seuil trop élevé manquera les engagements réels de courte durée. Il doit être ajusté par zone en fonction du comportement attendu.
Évanouissement par trajets multiples
Un phénomène par lequel un signal radio atteint une antenne de réception via deux trajets ou plus - une ligne de visée directe et un ou plusieurs trajets réfléchis - provoquant des interférences constructives ou destructives qui déforment la puissance du signal reçu.
La principale source d'imprécision du RSSI dans les environnements intérieurs complexes tels que les entrepôts, les magasins de détail et les hôpitaux. Atténué par la densification des points d'accès, les algorithmes de lissage et le RF fingerprinting.
Requête de sonde
Une trame de gestion 802.11 diffusée par un appareil client pour découvrir les réseaux sans fil disponibles. Contient l'adresse MAC de l'appareil (qui peut être randomisée), les débits de données pris en charge et d'autres informations sur ses capacités.
Le paquet de données fondamental capturé par les points d'accès pour détecter la présence d'appareils dans un établissement. La donnée brute pour toutes les analyses passives de localisation WiFi.
Identification déterministe
La capacité d'identifier un appareil ou un utilisateur spécifique avec certitude, généralement obtenue via un événement d'authentification où la véritable adresse MAC matérielle de l'appareil est révélée au réseau.
Obtenu lorsqu'un utilisateur s'authentifie sur le réseau WiFi invité. Permet un suivi précis du temps de séjour à long terme qui est à l'abri de la randomisation des adresses MAC, et permet de lier les données spatiales à un profil utilisateur connu pour l'attribution des conversions.
Affaiblissement de propagation en espace libre (FSPL)
L'atténuation de la force du signal radio qui se produit lorsque le signal se propage dans l'espace libre, augmentant avec la distance et la fréquence selon un modèle logarithmique.
La base théorique de la conversion RSSI en distance lors de la trilatération. Les environnements réels s'écartent considérablement du modèle FSPL en raison des obstacles et des réflexions, c'est pourquoi les algorithmes d'étalonnage et de lissage sont essentiels.
Exemples concrets
Une chaîne nationale de vente au détail comptant 150 magasins souhaite mesurer l'efficacité d'un nouveau présentoir promotionnel de tête de gondole. L'équipe marketing a besoin de savoir combien de temps les acheteurs s'arrêtent devant le présentoir et si une durée de séjour élevée est corrélée à une augmentation des ventes de la référence promue.
Étape 1 - Création de la zone : Définissez un géofencing précis (environ 4m x 3m) autour du présentoir de tête de gondole dans le tableau de bord d'analyse Purple, distinct de la zone d'allée plus large. Étape 2 - Configuration du seuil : Définissez un seuil de séjour minimum de 20 secondes afin de filtrer les clients qui passent simplement devant le bout de l'allée. Étape 3 - Période de référence : Exécutez les analyses pendant deux semaines avant le lancement de la promotion afin d'établir une durée de séjour de référence pour cette zone. Étape 4 - Mesure de la période de promotion : Activez la promotion et surveillez la durée de séjour quotidiennement. Exportez les données de durée de séjour via l'API d'analyse. Étape 5 - Corrélation : Associez l'ensemble de données de durée de séjour aux données de transaction de point de vente pour la référence promue, segmentées par heure de la journée et jour de la semaine. Calculez le coefficient de corrélation de Pearson entre la durée de séjour moyenne dans la zone et le volume de ventes horaire de la référence. Étape 6 - Rapports : Présentez les données de corrélation à l'équipe de gestion des catégories avec une recommandation de reproduire le format de présentation dans les magasins à forte fréquentation.
Un grand groupement hospitalier du NHS a besoin de surveiller les temps d'attente des patients dans la zone de tri des urgences afin de garantir le respect de l'objectif de l'accord de niveau de service de quatre heures. L'équipe informatique dispose d'un déploiement Cisco Meraki existant mais d'aucune capacité d'analyse actuelle.
Étape 1 - Audit de l'infrastructure : Réalisez une étude sur site de l'environnement RF de la zone d'attente de tri. Vérifiez qu'au moins trois points d'accès Meraki captent les appareils dans toutes les zones de places assises à -70 dBm ou mieux. L'environnement des urgences présente généralement de fortes interférences RF dues aux équipements médicaux ; densifiez si nécessaire. Étape 2 - Intégration de l'API de localisation Meraki : Activez l'API de balayage Meraki sur les points d'accès concernés et configurez-la pour envoyer les données de localisation vers le point de terminaison de la plateforme d'analyse Purple à des intervalles de 30 secondes. Étape 3 - Définition de la zone : Définissez la zone d'attente de tri comme une zone distincte dans Purple. Réglez le seuil de séjour à 60 secondes et le délai d'expiration à 10 minutes (pour tenir compte des patients qui peuvent être brièvement emmenés dans une salle d'examen). Étape 4 - Alertes en temps réel : Configurez une alerte webhook pour avertir l'infirmier responsable de garde via le système de messagerie opérationnel de l'hôpital (par exemple, Microsoft Teams ou Vocera) si la durée de séjour moyenne dans la zone de tri dépasse 45 minutes. Étape 5 - Rapports : Générez des rapports hebdomadaires sur la durée de séjour, segmentés par heure de la journée et jour de la semaine, afin d'identifier les périodes de forte affluence pour optimiser la planification du personnel.
Questions d'entraînement
Q1. Vous déployez des analyses de localisation dans un grand entrepôt doté de hauts rayonnages métalliques. Les premiers tests montrent que la localisation des appareils saute de manière erratique d'une allée à l'autre, et les temps de séjour moyens ne sont pas cohérents. Quelle est la cause racine la plus probable et quelles mesures de correction recommanderiez-vous ?
Conseil : Considérez comment la structure physique de l'environnement affecte la propagation du signal RF, et ce que cela signifie pour la fiabilité de l'estimation de la distance basée sur l'RSSI.
Voir la réponse type
Les données de localisation erratiques sont causées par un évanouissement par trajets multiples sévère. Les rayonnages métalliques réfléchissent et diffusent les signaux RF, ce qui signifie que les valeurs RSSI reçues par les AP sont fortement déformées par les trajets réfléchis plutôt que de représenter de véritables distances en ligne de visée directe. Cela rend les estimations de distance du moteur de trilatération peu fiables. Corrections recommandées : (1) Densifier le déploiement d'AP, en positionnant les AP à l'extrémité de chaque allée pour maximiser la couverture en ligne de visée directe sur toute la longueur de l'allée. (2) Envisager des antennes directives concentrées sur des allées spécifiques pour réduire les interférences entre allées. (3) Mettre en œuvre le RF fingerprinting - cartographier au préalable les signatures RSSI sur des points de grille connus dans tout l'entrepôt pour créer un modèle de localisation étalonné qui prend en compte les caractéristiques RF spécifiques de l'environnement. (4) Ajuster les paramètres de lissage du filtre de Kalman de la plateforme d'analyse pour réduire l'impact des pics de RSSI transitoires sur l'estimation de la localisation.
Q2. Un directeur des opérations de vente au détail signale que la plateforme d'analyse affiche un nombre total de visiteurs quotidiens trois fois supérieur à celui du compteur manuel à la porte, et des temps de séjour moyens inférieurs à deux minutes dans toutes les zones. Le déploiement repose entièrement sur la surveillance passive des requêtes de sonde (probe requests). Quel est le problème d'architecture et comment le résoudriez-vous ?
Conseil : Pensez à ce qui arrive à l'identifiant d'un appareil au cours d'une visite shopping d'une heure sur un smartphone moderne.
Voir la réponse type
Le problème est la randomisation des adresses MAC. Les smartphones modernes changent périodiquement leur adresse MAC randomisée - dans certains cas toutes les quelques minutes. Comme la plateforme s'appuie entièrement sur les requêtes de sonde passives, chaque nouvelle adresse MAC est interprétée comme un nouveau visiteur unique. Un seul client qui passe une heure dans le magasin peut générer dix adresses MAC uniques ou plus, chacune apparaissant comme un visiteur distinct avec un temps de séjour court. La résolution est double : (1) Mettre en œuvre un flux d'authentification Guest WiFi pour inciter les utilisateurs à se connecter au réseau, fournissant une adresse MAC matérielle persistante et une identité utilisateur connue. Même un taux d'authentification de 30 à 40 % améliorera considérablement la qualité des données. (2) Pour les données passives restantes, mettre en œuvre un fingerprinting heuristique pour lier de manière probabiliste les requêtes de sonde du même appareil en fonction des modèles d'éléments d'information (Information Elements), réduisant (sans l'éliminer) le gonflement causé par la rotation des adresses MAC. Communiquez clairement aux parties prenantes que les volumes de visiteurs passifs sont des indicateurs de tendance et non des chiffres absolus.
Q3. Vous avez déployé des analyses de localisation dans un centre commercial et défini une zone autour d'une aire de restauration spécifique. Les données indiquent que la zone présente un temps de séjour moyen anormalement élevé de 45 minutes, mais l'exploitant de l'aire de restauration signale que la plupart des clients ne restent assis que 15 à 20 minutes. Quel problème de configuration pourrait expliquer cet écart ?
Conseil : Considérez comment la plateforme d'analyse gère les appareils qui cessent d'envoyer des requêtes de sonde tout en restant physiquement présents dans la zone.
Voir la réponse type
La cause la plus probable est une période de temporisation (Timeout Period) mal configurée. Lorsqu'un client a fini de manger et range son téléphone dans sa poche ou son sac, l'appareil peut passer en mode basse consommation et cesser de diffuser des requêtes de sondage. Si la période de temporisation est définie sur une durée trop longue - par exemple 30 minutes - la plateforme prolongera la session de présence pendant 30 minutes après le dernier sondage détecté, même si le client est déjà parti. Cela gonfle artificiellement le temps de séjour signalé. La solution consiste à réduire la période de temporisation à une valeur qui reflète l'intervalle typique entre les diffusions de sondages dans cet environnement - une valeur de 3 à 5 minutes est généralement appropriée pour un lieu public très fréquenté. De plus, vérifiez si la limite de la barrière géographique (geofence) de la zone de restauration ne capture pas par inadvertance des zones adjacentes (par exemple, un couloir ou une file d'attente) où les clients peuvent s'attarder après avoir quitté l'espace assis.
Questions fréquentes
How is visitor dwell time calculated using WiFi location analytics?
WiFi location analytics calculates dwell time by measuring the interval between the first and last probe request or association frame detected from a device during an unbroken session. Access points log received signal strength indicators (RSSI) with timestamps. A dwell session is completed when no further frames are detected for a defined timeout window, typically 15 to 30 minutes.
How do you filter street pedestrians and passersby from true venue visitors?
Passersby filtering relies on two primary thresholds: RSSI signal cutoffs and minimum dwell duration filters. By establishing an entrance RSSI threshold (such as -72 dBm) and filtering out devices detected for less than 3 to 5 minutes, transient passersby walking past shop windows or entrances are excluded from venue analytics.
How does mobile MAC address randomisation impact WiFi dwell time calculations?
Modern mobile devices rotate randomised MAC addresses during unassociated probe bursts. While unassociated probes provide aggregate footfall volume, accurate multi-hour dwell time and repeat visit metrics are achieved when visitors connect to guest WiFi, associating their device session with a consistent session identifier under conscious-choice privacy consent.
What is an optimal session gap timeout window for venue dwell time?
An optimal session gap timeout ranges from 15 to 30 minutes depending on venue type. High-throughput retail stores typically use a 20-minute gap, while hospitality and dining venues use 30 to 45 minutes to prevent brief departures (such as stepping outside for phone calls) from fragmenting single visits into multiple entries.
What access point density is required for accurate multi-zone dwell tracking?
Reliable multi-zone dwell tracking requires overlapping coverage from at least three access points with an RSSI of -68 dBm or stronger across monitored zones. This density enables continuous RSSI trilateration and fingerprinting, reducing location error down to 3 to 5 metres without proprietary hardware tags.
How does Purple Location Analytics turn raw WiFi telemetry into actionable venue intelligence?
Purple ingests real-time telemetry from enterprise wireless vendors including Cisco Meraki, HPE Aruba, Ruckus, Juniper Mist, and UniFi. Purple cleanses signal noise, isolates exterior passersby, models zone transitions, and visualises visitor dwell distributions, enabling operators to optimise staffing, merchandising, and tenant leasing.
Continuer la lecture de cette série
Mesurer le ROI commercial du WiFi invité et de la Location Analytics
Cette référence technique montre aux équipes informatiques et de gestion de site comment mesurer le ROI du WiFi invité grâce à une chaîne de preuves justifiable, de l'état du réseau et des données consenties jusqu'aux résultats opérationnels ou commerciaux validés. Elle sépare les preuves mesurables des hypothèses, associe Purple Connect, Capture et Engage au bon niveau de mesure, et propose des scénarios de planification pour les hôtels, les parcs de commerces et les sites événementiels.
Privacy by Design : Anonymiser les données WiFi pour la conformité GDPR
Ce guide d'autorité détaille l'architecture technique et les stratégies de mise en œuvre pour anonymiser les données WiFi afin de garantir la conformité GDPR. Il fournit aux responsables informatiques et aux architectes réseau des cadres d'action pour concilier des analyses de fréquentation précises et des exigences strictes en matière de confidentialité des données.
Heatmapping vs Presence Analytics : Différences techniques
Ce guide technique de référence détaille les différences architecturales et opérationnelles critiques entre le WiFi heatmapping et le presence analytics pour les exploitants de sites d'entreprise. Il fournit aux responsables informatiques, architectes réseau et directeurs des opérations des cadres de déploiement exploitables, des scénarios d'implémentation réels et des meilleures pratiques neutres vis-à-vis des fournisseurs afin de maximiser le retour sur investissement de leur infrastructure sans fil existante.
Vous avez des questions sur votre configuration spécifique ?
Notre équipe collabore avec des exploitants de sites, des responsables informatiques et des ingénieurs réseau au sein de 80 000 sites. Réservez un appel de 20 minutes et nous vous montrerons comment d'autres professionnels comme vous ont résolu ce problème.