WiFi Location Analytics वापरून Dwell Time ची गणना कशी करावी

कार्यकारी सारांश (Executive Summary)

मोठ्या रिटेल फ्लोर्सपासून ते विस्तीर्ण स्टेडियम्सपर्यंत - एंटरप्राइझ ठिकाणांसाठी, अभ्यागतांच्या वर्तनाचा अभ्यास करणे ही आता केवळ मार्केटिंगची चैनीची गोष्ट राहिलेली नाही; ती एक महत्त्वपूर्ण ऑपरेशनल आवश्यकता बनली आहे. WiFi dwell time (विशिष्ट भौतिक क्षेत्रात एखादे डिव्हाइस किती वेळ थांबते) हे त्या जागेमधील सहभागाचे मोजमाप करण्यासाठीचे मूलभूत मूल्य (metric) म्हणून काम करते. तथापि, सध्याच्या वायरलेस इन्फ्रास्ट्रक्चरचा वापर करून dwell time ची अचूक गणना करण्यासाठी जटिल RF वातावरण, MAC randomisation आणि वेगवेगळ्या डिव्हाइसच्या प्रोब फ्रिक्वेन्सी व्यवस्थापित करणे आवश्यक असते.

हे मार्गदर्शक वरिष्ठ IT व्यावसायिक, नेटवर्क आर्किटेक्ट्स आणि ऑपरेशन्स डायरेक्टर्सना WiFi location analytics चा वापर करून dwell time ची गणना कशी करावी याबद्दल एक निश्चित तांत्रिक संदर्भ प्रदान करते. आम्ही डिव्हाइस शोधण्याची यंत्रणा, Received Signal Strength Indicator (RSSI) आणि त्रिपक्षीयता (trilateration) ची भूमिका आणि Purple सारखे प्लॅटफॉर्म्स कच्च्या प्रोब विनंत्यांना (raw probe requests) कशा प्रकारे उपयुक्त व्यावसायिक बुद्धिमत्तेत (business intelligence) रूपांतरित करतात याचा शोध घेऊ. तुमच्या सध्याच्या Guest WiFi इन्फ्रास्ट्रक्चरचा फायदा घेऊन, संस्था महागड्या ओव्हरले हार्डवेअर नेटवर्क्सशिवाय स्केलेबल अ‍ॅनालिटिक्स तैनात करू शकतात. याचा ROI अत्यंत आकर्षक आहे: जे लोक location analytics लागू करतात ते सातत्याने रूपांतरण दर (conversion rates), ऑपरेशनल कार्यक्षमता आणि ग्राहक समाधानामध्ये मोजण्यायोग्य सुधारणा नोंदवतात.

Technical Deep-Dive: Dwell Time चे तंत्रज्ञान

Dwell time ची गणना करणे ही प्रामुख्याने भौगोलिक आणि काळाच्या अचूकतेची बाब आहे. यासाठी एखादे डिव्हाइस ओळखणे, त्याच्या स्थानाचा अंदाज लावणे आणि ठराविक कालावधीत त्या स्थानाचा सतत मागोवा घेणे आवश्यक आहे. या तिन्ही पायऱ्यांपैकी प्रत्येक पायरीमध्ये स्वतःची तांत्रिक आव्हाने आहेत आणि एका मजबूत सोल्यूशनने त्या सर्वांवर मात करणे आवश्यक आहे.

१. डिव्हाइस ओळखणे आणि डिटेक्ट करणे

या प्रक्रियेची सुरुवात 802.11 probe requests च्या पॅसिव्ह डिटेक्शनने होते. मोबाईल डिव्हाइसेस उपलब्ध वायरलेस नेटवर्क्स शोधण्यासाठी हे मॅनेजमेंट फ्रेम्स सतत ब्रॉडकास्ट करत असतात. सेन्सर्स म्हणून काम करणारे Access Points (APs) या फ्रेम्स कॅप्चर करतात, ज्यामध्ये डिव्हाइसचा MAC ॲड्रेस, टाइमस्टॅम्प आणि रिसिव्हिंग AP वरील सिग्नल स्ट्रेंथ (RSSI) समाविष्ट असते.

पूर्वीच्या काळात, MAC ॲड्रेस एक कायमस्वरूपी, हार्डवेअर-पातळीवरील आयडेंटिफायर प्रदान करत असे. तथापि, आधुनिक मोबाईल ऑपरेटिंग सिस्टीम्स - iOS 14+, Android 10+, आणि Windows 10+ - वापरकर्त्याच्या गोपनीयतेत वाढ करण्यासाठी MAC randomisation चा वापर करतात. जेव्हा एखादे डिव्हाइस नेटवर्कशी जोडलेले नसते, तेव्हा ते तात्पुरता, रँडमाइज्ड MAC ॲड्रेस वापरते जो वेळोवेळी बदलतो. हे थेट पॅसिव्ह dwell time गणनेला आव्हान देते, कारण एकच प्रत्यक्ष डिव्हाइस एका सेशनमध्ये अनेक युनिक व्हिजिटर्सच्या रूपात दिसू शकते.

अचूक dwell time गणनेसाठी सेशन सातत्य राखण्यासाठी, ॲनालिटिक्स प्लॅटफॉर्म्सना दोनपैकी एका धोरणाचा वापर करावा लागतो. पहिले म्हणजे heuristic fingerprinting, ज्यामध्ये प्रोब रिक्वेस्ट फ्रेम्समधील Information Elements (IEs) - जसे की सपोर्टेड डेटा रेट्स, चॅनल लिस्ट्स आणि व्हेंडर-विशिष्ट फील्ड्स - चे विश्लेषण करून एकाच डिव्हाइसवरून येणाऱ्या प्रोब रिक्वेस्ट्स जोडल्या जातात, अगदी MAC ॲड्रेस बदलला तरीही. दुसरी आणि अत्यंत विश्वासार्ह पद्धत म्हणजे authenticated sessions वर अवलंबून राहणे. जेव्हा एखादा वापरकर्ता स्पष्टपणे Guest WiFi नेटवर्कशी कनेक्ट होतो, तेव्हा प्लॅटफॉर्मला डिव्हाइसचा खरा हार्डवेअर MAC ॲड्रेस मिळतो आणि तो कायमस्वरूपी वापरकर्ता प्रोफाइलशी जोडला जाऊ शकतो. अचूक, दीर्घकालीन dwell मेट्रिक्ससाठी ही निश्चित ओळख सुवर्ण मानक आहे.

२. भौगोलिक अंदाज: RSSI आणि ट्रायलेटरेशन (Trilateration)

एकदा डिव्हाइस ओळखल्यानंतर, सिस्टीमने त्याचे प्रत्यक्ष स्थान निश्चित केले पाहिजे. यासाठी सर्वात जास्त वापरली जाणारी पद्धत म्हणजे RSSI-आधारित ट्रायलेटरेशन, ज्याचे तपशीलवार स्पष्टीकरण The Mechanics of WiFi Wayfinding: Trilateration and RSSI Explained या मार्गदर्शकात दिले आहे.

हा नियम सोपा आहे: Free-Space Path Loss (FSPL) मॉडेलनुसार अंतर वाढल्यास RSSI अंदाजानुसार कमी होतो. एकाधिक APs वर सिग्नलची तीव्रता मोजून, सिस्टीम प्रत्येक AP पासून डिव्हाइसच्या अंतराचा अंदाज लावू शकते. जेव्हा तीन किंवा अधिक APs एकाच प्रोब रिक्वेस्टचा शोध घेतात, तेव्हा ॲनालिटिक्स इंजिन प्रत्येक AP पासूनच्या अंदाजित अंतराशी संबंधित वर्तुळांच्या (किंवा 3D मल्टि-फ्लोअर वातावरणात गोलांच्या) छेदनबिंदू शोधून डिव्हाइसच्या स्थानाची गणना करू शकते.

प्रत्यक्षात, RF वातावरण हे आदर्श मुक्त-अवकाश मॉडेलसारखे वर्तन करत नाही. भिंती, धातूचे शेल्फ आणि मानवी शरीरावरून सिग्नल परावर्तित झाल्यामुळे होणारे मल्टीपाथ फेडिंग, लक्षणीय RSSI परिवर्तनशीलता आणते. हे कमी करण्यासाठी, प्रोडक्शन-ग्रेड ॲनालिटिक्स इंजिन अनेक तंत्रे वापरतात:

विश्वासार्ह ट्रायलेटरेशनसाठी, थ्रीचा नियम लागू होतो: डिव्हाइस किमान तीन AP द्वारे एकाच वेळी -७५ dBm किंवा त्याहून अधिक चांगल्या सिग्नल सामर्थ्याने ऐकले गेले पाहिजे. केवळ कव्हरेजसाठी डिझाइन केलेले नेटवर्क - जिथे एकच AP मोठ्या क्षेत्रावर सिग्नल प्रदान करतो - ते अचूक स्थान विश्लेषणासाठी अपुरे आहेत. हा एक गंभीर आर्किटेक्चरल फरक आहे ज्याचे निराकरण तैनातीपूर्वी करणे आवश्यक आहे.

३. टेम्पोरल गणना: ड्वेलची व्याख्या आणि गणना करणे

स्थान निर्देशांकांच्या प्रवाहासह, विश्लेषण इंजिन प्लॅटफॉर्ममध्ये परिभाषित केलेल्या जिओफेन्स्ड झोन विरुद्ध डिव्हाइसच्या स्थितीचा नकाशा तयार करते. जिओफेन्स हा फ्लोअर प्लॅनवर काढलेला एक व्हर्च्युअल बहुभुज आहे, जो चेकआउट रांग, प्रमोशनल डिस्प्ले किंवा हॉटेल लॉबी यांसारख्या अर्थपूर्ण भौतिक क्षेत्राचे प्रतिनिधित्व करतो.

ड्वेल टाईम म्हणजे केवळ पहिल्या आणि शेवटच्या पाहिलेल्या टाइमस्टॅम्पमधील फरक नाही. एका मजबूत गणनेमध्ये डिव्हाइसचे स्लीप सायकल, झोनबाहेरील संक्षिप्त निर्गमन आणि स्थान अंदाजातील अंगभूत आवाज यांचा हिशोब ठेवला पाहिजे. मानक गणना लॉजिक तीन मुख्य पॅरामीटर्स परिभाषित करते:

प्रवेश इव्हेंट: डिव्हाइसचे अंदाजित स्थान एका विशिष्ट जिओफेन्स्ड झोनमध्ये प्रवेश करते आणि तिथे किमान कालावधीसाठी - ड्वेल थ्रेशोल्ड - थांबते जेणेकरून तिथून जाणाऱ्या लोकांना फिल्टर करता येईल. किरकोळ विक्री वातावरणासाठी ठराविक थ्रेशोल्ड ३० सेकंद असते; आरोग्य सेवा प्रतीक्षा क्षेत्रांसाठी ६० सेकंद अधिक योग्य असू शकतात.

बाहेर पडण्याचा इव्हेंट: डिव्हाइसचे स्थान झोनच्या सीमांच्या बाहेर जाते किंवा विशिष्ट टाईमआउट कालावधी (साधारणपणे ३ - ५ मिनिटे) साठी कोणत्याही AP द्वारे डिव्हाइस शोधले जात नाही. टाईमआउट अशा डिव्हाइसेसना हाताळते जे स्लीप मोडमध्ये जातात किंवा बॅगमध्ये ठेवले जातात, ज्यामुळे वेळेपूर्वी सत्र समाप्त होण्यापासून रोखले जाते.

ड्वेल कालावधी: प्रवेश इव्हेंट टाइमस्टॅम्प आणि बाहेर पडण्याच्या इव्हेंट टाइमस्टॅम्पमधील फरक, कोणत्याही टाईमआउट बफर वगळून. हा WiFi Analytics डॅशबोर्डमध्ये नोंदवला जाणारा मेट्रिक आहे.

अंमलबजावणी मार्गदर्शक

एक मजबूत WiFi लोकेशन अ‍ॅनालिटिक्स सोल्यूशन उपयोजित करण्यासाठी नेटवर्क आर्किटेक्चर आणि व्यावसायिक उद्दिष्टे यांच्यात काळजीपूर्वक नियोजन आणि संरेखन आवश्यक आहे. खालील पायऱ्या कोणत्याही एंटरप्राइझ WLAN वातावरणासाठी लागू असणारी वेंडर-न्यूट्रल डिप्लॉयमेंट फ्रेमवर्क सादर करतात.

पायरी १: इन्फ्रास्ट्रक्चर असेसमेंट आणि डेंसिफिकेशन

लोकेशन-सर्व्हिस आवश्यकतांच्या विरुद्ध तुमच्या विद्यमान WLAN डिप्लॉयमेंटचे मूल्यांकन करण्यासाठी सखोल RF साइट सर्व्हे करा. मुख्य प्रश्न हा आहे की तुमचे सध्याचे AP प्लेसमेंट सर्व लक्ष्यित झोनमध्ये 'रूल ऑफ थ्री' चे समर्थन करते की नाही. AP कव्हरेज मॉडेल करण्यासाठी आणि अंतर शोधण्यासाठी Ekahau किंवा iBwave सारख्या टूलचा वापर करा. जर तुमचे नेटवर्क केवळ थ्रूपुट आणि कव्हरेजसाठी डिझाइन केले गेले असेल, तर तुम्हाला डिप्लॉयमेंट अधिक दाट करावे लागेल, विशेषतः उच्च-मूल्य असलेल्या झोनमध्ये. प्रोजेक्ट स्कोपचा भाग म्हणून अतिरिक्त AP आणि केबलिंगसाठी बजेट ठेवा.

पायरी २: झोन व्याख्या आणि जिओफेन्सिंग

तुमच्या भौतिक जागेचा अ‍ॅनालिटिक्स प्लॅटफॉर्ममधील लॉजिकल झोनमध्ये नकाशा तयार करा. तुमचे फ्लोअर प्लॅन इम्पोर्ट करा आणि तुमच्या व्यावसायिक प्रश्नांशी सुसंगत जिओफेन्स्ड क्षेत्रे परिभाषित करा. Retail वातावरणात, सामान्य झोनमध्ये प्रवेशद्वार, विशिष्ट उत्पादन श्रेणी, प्रमोशनल क्षेत्रे आणि चेकआउट समाविष्ट असतात. Hospitality सेटिंगमध्ये, संबंधित झोनमध्ये लॉबी, रेस्टॉरंट, बार, कॉन्फरन्स सूट आणि पूल एरिया समाविष्ट असू शकतात. झोन योग्य आकाराचे आहेत याची खात्री करा - WiFi-आधारित लोकेशन अ‍ॅनालिटिक्ससाठी किमान २० ते ३० चौरस मीटर ही व्यावहारिक खालची मर्यादा आहे.

पायरी ३: कंट्रोलर इंटिग्रेशन आणि डेटा पाइपलाइन

तुमच्या वायरलेस कंट्रोलरला (Cisco, Aruba, Meraki, Ruckus, किंवा समतुल्य) अ‍ॅनालिटिक्स प्लॅटफॉर्मसह समाकलित करा. यामध्ये सामान्यतः RTLS (रिअल-टाइम लोकेशन सिस्टम) डेटा स्ट्रीम्स किंवा लोकेशन API अपडेट्स अ‍ॅनालिटिक्स इंजिनकडे फॉरवर्ड करण्यासाठी कंट्रोलर कॉन्फिगर करणे समाविष्ट असते. डेटा पाइपलाइन जवळजवळ रिअल-टाइम वितरणासाठी कॉन्फिगर केली असल्याची खात्री करा - ३० सेकंदांपेक्षा जास्त विलंबाने थेट ऑपरेशनल डॅशबोर्डची गुणवत्ता खालावेल. सर्व डेटा ट्रान्समिशन ट्रान्झिटमध्ये एन्क्रिप्ट केलेले असणे आवश्यक आहे (किमान TLS १.२) आणि GDPR आणि कोणत्याही लागू डेटा संरक्षण कायद्याचे पालन करणे आवश्यक आहे.

पायरी ४: थ्रेशोल्ड कॉन्फिगरेशन आणि बेसलाइन स्थापना

त्या क्षेत्रातील अपेक्षित वर्तनाच्या आधारे प्रत्येक झोनसाठी ड्वेल थ्रेशोल्ड आणि टाइमआउट कालावधी कॉन्फिगर करा. सांख्यिकीयदृष्ट्या मजबूत बेसलाइन स्थापित करण्यासाठी निष्कर्ष काढण्यापूर्वी किमान चार ते सहा आठवडे सिस्टम चालवा. अर्थपूर्ण विचलन ओळखण्यासाठी ही बेसलाइन आवश्यक आहे - उदाहरणार्थ, प्रमोशनल डिस्प्लेवर ड्वेल टाइममध्ये अचानक झालेली घट मर्चेंडायझिंग समस्या किंवा कर्मचाऱ्यांची कमतरता दर्शवू शकते.

सर्वोत्तम पद्धती

खालील शिफारसी मोठ्या प्रमाणावर WiFi लोकेशन अ‍ॅनालिटिक्स उपयोजित करण्यासाठी उद्योग-मानक पद्धती दर्शवतात.

RF वातावरणाचे नियमितपणे कॅलिब्रेट करा. एखाद्या ठिकाणचे भौतिक वातावरण सतत बदलत असते - नवीन डिस्प्ले, हंगामी इन्व्हेंटरी आणि गर्दीची घनता या सर्व गोष्टी RF प्रसारामध्ये बदल करतात. कल्पनेच्या वेळी (deployment) केलेले साइट सर्वेक्षण सहा महिन्यांनंतर अचूक राहणार नाही. तुमच्या ऑपरेशन्सच्या शेड्युलमध्ये त्रैमासिक कॅलिब्रेशनची वेळ निश्चित करा आणि जागेत कोणतेही महत्त्वपूर्ण भौतिक बदल झाल्यानंतर त्वरित रिकॅलिब्रेट करा.

पॅसिव्ह आणि ऑथेंटिकेटेड ॲनालिटिक्स वेगळे करा. भागधारकांना पॅसिव्ह ॲनालिटिक्स (कनेक्ट नलेली उपकरणे, जी MAC randomisation च्या अधीन असतात) आणि ऑथेंटिकेटेड ॲनालिटिक्स (Guest WiFi मध्ये लॉग इन केलेले युजर्स) मधील फरक स्पष्ट करा. पॅसिव्ह डेटा मोठ्या प्रमाणावर विश्वसनीय कल (trend) दर्शवतो; ऑथेंटिकेटेड डेटा अचूक, वैयक्तिक-पातळीवरील ट्रॅकिंग प्रदान करतो. मॅक्रो-लेव्हल फूटफॉल आणि झोनच्या लोकप्रियतेच्या विश्लेषणासाठी पॅसिव्ह डेटा वापरा, आणि कन्वर्शन ॲट्रिब्युशन व वैयक्तिकृत एंगेजमेंटसाठी ऑथेंटिकेटेड डेटा वापरा.

ऑपरेशनल डेटाशी परस्परसंबंध जोडा. केवळ ड्वेल टाईम हा फक्त एक डेटा आहे, काही निष्कर्ष नाही. याचे मूल्य तेव्हाच स्पष्ट होते जेव्हा या डेटाचा पॉइंट ऑफ सेल (POS) डेटा, कर्मचाऱ्यांचे वेळापत्रक किंवा सेवा वितरण रेकॉर्डशी परस्परसंबंध जोडला जातो. उदाहरणार्थ, चेकआउट रांगेतील जास्त ड्वेल टाईम हा केवळ तेव्हाच उपयुक्त ठरतो जेव्हा त्याचा संबंध व्यवहारांचे प्रमाण आणि कर्मचाऱ्यांच्या संख्येशी जोडला जातो. हा परस्परसंबंध लोकेशन ॲनालिटिक्समधील गुंतवणुकीच्या ROI साठीचा पाया आहे.

गोपनीयता आणि अनुपालन आवश्यकतांशी सुसंगत रहा. तुमचे डिप्लॉयमेंट GDPR (UK आणि EU मधील) आणि तुमच्या उद्योगाशी संबंधित कोणत्याही क्षेत्र-विशिष्ट नियमांचे पालन करत असल्याची खात्री करा. Healthcare वातावरणात, रुग्णाच्या लोकेशन डेटासाठी अतिरिक्त डेटा संरक्षण आवश्यकता लागू असू शकतात. डेटा मिनिमायझेशन तत्त्वे लागू करा - केवळ आवश्यक तेच गोळा करा, शक्य तिथे डेटा निनावी (anonymise) करा आणि स्पष्ट डेटा रिटेंशन पॉलिसी स्थापित करा.

ट्रबलशूटिंग आणि जोखीम निवारण

खालील तक्ता WiFi ड्वेल टाईम डिप्लॉयमेंटमधील सर्वात सामान्य त्रुटी आणि शिफारस केलेल्या सुधारात्मक उपाययोजनांचा संक्षेप प्रदान करतो.

ROI आणि व्यावसायिक प्रभाव

WiFi स्थान विश्लेषण लागू केल्याने प्रत्यक्ष जागांचे मोजता येण्याजोग्या, अनुकूलित वातावरणात रूपांतर होते. याचे व्यावसायिक फायदे तीन आयामांमध्ये कार्य करतात: महसूल निर्मिती, कार्यात्मक कार्यक्षमता आणि ग्राहक अनुभव.

महसूल बाजूचा विचार केल्यास, ड्वेल टाईम (थांबण्याचा वेळ) डेटा पुराव्यांवर आधारित मर्चेंडाइजिंगचे निर्णय घेण्यास सक्षम करतो. एखाद्या विशिष्ट एंड-कॅप डिस्प्लेवर सरासरी ९.२ मिनिटे ड्वेल टाईम मिळतो - प्रवेशद्वाराजवळील १.६ मिनिटांच्या तुलनेत - हे माहिती असल्यामुळे कॅटेगरी मॅनेजर्सना अधिक व्यस्तता असलेल्या झोनमध्ये जास्त नफा देणाऱ्या उत्पादनांना प्राधान्य देणे शक्य होते. Transport ऑपरेटरसाठी, रिटेल कन्सेशन्समधील ड्वेल पॅटर्न समजून घेणे थेट भाडे वाटाघाटी आणि महसूल-वाटा करारांवर परिणाम करते.

कार्यात्मक बाजूचा विचार केल्यास, रिअल-टाइम ड्वेल विश्लेषण डायनॅमिक स्टाफिंग सक्षम करते. एक रांग व्यवस्थापन प्रणाली जी चेकआउट ड्वेल टाईम एका विशिष्ट मर्यादेपेक्षा जास्त झाल्यावर कर्मचाऱ्यांना अलर्ट करते, ती कायमस्वरूपी अतिरिक्त कर्मचारी ठेवण्याचा खर्च न करता प्रतीक्षा वेळ कमी करू शकते. हे थेट ग्राहकांच्या समाधानात सुधारणा करण्यासाठी योगदान देते - ज्या विषयावर How To Improve Guest Satisfaction: The Ultimate Playbook मध्ये तपशीलवार चर्चा केली आहे.

अनुभवाच्या बाजूचा विचार केल्यास, स्थान बुद्धिमत्ता संदर्भानुसार संबंधित व्यस्तता (engagement) सक्षम करते. जेव्हा Purple च्या WiFi Analytics प्लॅटफॉर्मसह हे समाकलित केले जाते, तेव्हा ड्वेल डेटा वैयक्तिकृत सूचना ट्रिगर करू शकतो - उदाहरणार्थ, पादत्राणांच्या विभागात पाच मिनिटांपेक्षा जास्त वेळ घालवणाऱ्या ग्राहकाला डिस्काउंट ऑफर पाठवणे. ठिकाणे आता passwordless access models चा शोध घेत असल्यामुळे ही क्षमता वाढत्या प्रमाणात संबंधित ठरत आहे, जी डेटाची गुणवत्ता राखत प्रमाणीकरणातील अडथळे कमी करते.

सार्वजनिक क्षेत्रातील संस्था आणि स्मार्ट सिटी उपक्रमांसाठी, ड्वेल विश्लेषण पायाभूत सुविधांच्या गुंतवणुकीच्या निर्णयांसाठी पुराव्यांचा आधार प्रदान करते - नागरिक सार्वजनिक जागा, वाहतूक केंद्रे आणि नागरी इमारतींचा कसा वापर करतात हे समजून घेणे. appointment of Iain Fox as VP Growth for Public Sector मध्ये हायलाइट केलेल्या Purple च्या विस्तारित सार्वजनिक क्षेत्रातील क्षमता, सरकारी आणि नगरपालिका वातावरणात अशा प्रकारच्या अवकाशीय बुद्धिमत्तेची वाढती मागणी दर्शवतात.

WiFi स्थान विश्लेषण उपयोजनाचा एकूण मालकी खर्च (TCO) सामान्यत: निर्माण झालेल्या कार्यात्मक मूल्याच्या तुलनेत कमी असतो, विशेषत: जेथे विश्लेषणाचा स्तर सध्याच्या WLAN पायाभूत सुविधांवर उपयोजित केला जातो. सीमांत खर्च प्रामुख्याने केवळ विश्लेषण प्लॅटफॉर्मचे परवाना शुल्क आणि एकत्रीकरण व कॅलिब्रेशनसाठी आवश्यक असणारा अभियांत्रिकी वेळ हाच असतो - नवीन हार्डवेअरमधील गुंतवणूक नाही.