थोडक्यात / मुख्य मुद्दे
- WiFi ॲनालिटिक्सचे दोन मोड आहेत: प्रेझेन्स (निनावी, सेन्सर-आधारित) आणि एंगेजमेंट (ओळखलेले, कॅप्टिव्ह-पोर्टल-आधारित). बहुतेक ठिकाणांना दोन्हींची गरज असते आणि प्रत्येक मोड वेगळ्या प्रश्नाचे उत्तर देतो.
- MAC रँडमायझेशनने या शाखेत बदल घडवला. ज्या प्लॅटफॉर्म्सनी स्वतःला जुळवून घेतले ते कॅमेऱ्याच्या प्रत्यक्ष आकड्यांच्या तुलनेत ±3-7% अचूकता टिकवण्यासाठी सांख्यिकीय दुरुस्ती आणि संमतीवर आधारित ओळख वापरतात. ज्या प्लॅटफॉर्म्सनी या बदलाकडे दुर्लक्ष केले त्यांची अचूकता घटली आहे.
- मुख्य मापदंड म्हणजे फूटफॉल, ड्वेल टाइम, पुन्हा भेटींचा दर, झोनमधील हालचाल, नवीन विरुद्ध परत येणारे यांचे प्रमाण आणि कॅप्चर दर. प्रामाणिक वाचन म्हणजे कच्ची प्रोब संख्या नव्हे, तर कॉन्फिडन्स इंटरव्हलसह दुरुस्त केलेला आकडा.
- प्रेझेन्ससाठी रोटेशनसह हॅश केलेला MAC, एंगेजमेंटसाठी पोर्टलवर स्पष्ट संमती, DPIA आणि ठिकाणी स्पष्ट सूचनाफलक यांद्वारे GDPR-अनुपालक ॲनालिटिक्स साध्य करता येते. ICO आणि EU च्या CNIL या दोघांनीही या मॉडेलवर सकारात्मक मार्गदर्शन दिले आहे.
- सर्वात प्रभावी क्षेत्रीय उपयोग म्हणजे रिटेल, शॉपिंग मॉल्स, विमानतळे, स्टेडियम्स, संग्रहालये आणि कॉर्पोरेट ऑफिसेस. प्रत्येक क्षेत्र तेच डेटा मॉडेल वापरते, फक्त त्यावरची मांडणी वेगळी असते.
बहुतेक ठिकाणांकडे असे सेन्सर नेटवर्क आधीच आहे ज्याचे पैसे त्यांनी आधीच दिले आहेत: गेस्ट WiFi साठी बसवलेले ॲक्सेस पॉइंट्स. तेच हार्डवेअर, तेच RF इव्हेंट्स, तेच असोसिएशन लॉग्स वेगळ्या प्रकारे वापरल्यास कोण आत आले, किती वेळ थांबले, कुठे गेले आणि पुन्हा आले का, याचा वापरण्याजोगा हिशोब मिळतो.
यालाच WiFi ॲनालिटिक्स म्हणतात. दारावरील टर्नस्टाइल काउंटर किंवा बिलिंग काउंटरवरील कॉम्प्युटर-व्हिजन कॅमेऱ्याचा तो परिपूर्ण पर्याय नाही. तो खूपच स्वस्त पर्याय आहे जो एका चोकपॉइंटऐवजी संपूर्ण ठिकाण कव्हर करतो आणि कॅमेरे देऊ शकत नाहीत असा हालचाल आणि ड्वेल डेटा समोर आणतो.
WiFi ॲनालिटिक्सचा विचार करणाऱ्या किंवा ते चालवणाऱ्या ठिकाण आणि मार्केटिंग टीम्ससाठी हे मार्गदर्शक कामकाजाचा संदर्भ आहे. यात दोन मोड (प्रेझेन्स आणि एंगेजमेंट), महत्त्वाचे मापदंड, MAC रँडमायझेशनने काय मोडले आणि ही शाखा कशी जुळवून घेतली, लोक मोजण्याच्या पर्यायी तंत्रज्ञानांशी तुलना, UK GDPR ची रचना आणि प्रत्यक्षात काम करणारे क्षेत्रीय उपयोग यांचा समावेश आहे.
दोन मोड: प्रेझेन्स आणि एंगेजमेंट
WiFi ॲनालिटिक्सबद्दलचा जवळजवळ प्रत्येक गोंधळलेला संवाद या दोन गोष्टींची सरमिसळ केल्यामुळे होतो. ते वेगवेगळा डेटा वापरतात, वेगवेगळ्या प्रश्नांची उत्तरे देतात आणि वेगवेगळ्या कायदेशीर आधारांवर चालतात.
प्रेझेन्स ॲनालिटिक्स
निनावी, सेन्सर-आधारित, प्रोब रिक्वेस्ट्स आणि असोसिएशन लॉग्समधून मिळवलेले. ठराविक कालावधीत एखाद्या झोनमधील युनिक डिव्हाइसेस मोजते. तांत्रिक गोपनीयता नियंत्रण म्हणून रोटेशनसह हॅश केलेला MAC.
उत्तरे देते: किती लोक आत आले, किती वेळ थांबले, झोन्समध्ये कसे फिरले आणि एकूण संख्या वाढली की घटली.
कायदेशीर आधार: DPIA, सूचनाफलक आणि ऑप्ट-आउटसह लेजिटिमेट इंटरेस्ट.
एंगेजमेंट ॲनालिटिक्स
ओळखलेले, कॅप्टिव्ह-पोर्टल-आधारित, साइन-इन आणि सुरू असलेल्या सेशन्समधून मिळवलेले. भेटींना संपर्क नोंदीशी जोडते. सेगमेंटेशन, कस्टमर जर्नी आणि लाइफसायकल मार्केटिंगचा पाया.
उत्तरे देते: कोण आत आले, किती वेळा येतात, दिवसाच्या कोणत्या वेळी, मल्टि-साइट ब्रँडच्या कोणत्या साइट्सवर आणि मार्केटिंगसाठी उपयुक्त गटाचे वर्तन.
कायदेशीर आधार: पोर्टल साइन-इनच्या वेळी स्पष्ट संमती.
बहुतेक ठिकाणांना दोन्हींची गरज असते. प्रेझेन्स मुख्य फूटफॉल आणि ड्वेल आकडे देते, जे सर्व साइट्सवर समान पातळीवर तुलना करता येतात. एंगेजमेंट ओळखलेला गट देते ज्यावर मार्केटिंग प्रत्यक्षात कस्टमर जर्नी चालवू शकते. दोन्ही कॅप्टिव्ह पोर्टलवर जोडले जातात: साइन इन करणारा अभ्यागत त्या भेटीसाठी प्रेझेन्स डेटासेटमधून एंगेजमेंट डेटासेटमध्ये जातो.
MAC रँडमायझेशन आणि त्याने ही शाखा का बदलली
2010 च्या दशकात बहुतेक काळ WiFi ॲनालिटिक्स एका शांतपणे चुकीच्या गृहीतकावर उभे होते: डिव्हाइसचा MAC पत्ता सर्व भेटींमध्ये स्थिर राहतो. iOS 14 (2020) ने iPhones साठी ते मोडले. Android 10 ने Android साठी मोडले. Windows 11 आणि macOS Sonoma ने हा बदल लॅपटॉप्सपर्यंत नेला. 2026 पर्यंत बहुसंख्य ग्राहक डिव्हाइसेस असोसिएशनपूर्वीच्या प्रोब रिक्वेस्ट्समध्ये रँडम, बदलणारा MAC सादर करतात.
प्रत्येक युनिक MAC ला युनिक डिव्हाइस मानणारी भोळी गणना जास्त मोजू लागली. पुन्हा भेटींचे दर कोसळले; नवीन अभ्यागतांचा वाटा प्रचंड वाढला; गटांच्या रिटेन्शन कर्व्ह्सचा अर्थच लागेना.
या शाखेने दोन प्रकारे जुळवून घेतले. पहिले, सांख्यिकीय दुरुस्ती: प्रत्येक डिव्हाइस प्रकारासाठी अपेक्षित रँडमायझेशन दर आणि रोटेशनची वारंवारता विचारात घेणारी संभाव्यता मॉडेल्स, ज्ञात साइट्सवर कॅमेऱ्याच्या प्रत्यक्ष आकड्यांनुसार कॅलिब्रेट केलेली. दुसरे, कॅप्टिव्ह पोर्टलद्वारे ओळख: साइन इन करणारे अभ्यागत अशी स्थिर ओळख सादर करतात जी रँडमायझेशनमध्ये पूर्णपणे टिकते.
2026 मध्ये दुरुस्त केलेला प्रेझेन्स डेटा आणि ऑप्ट-इन केलेला एंगेजमेंट लेयर यांची एकत्रित अचूकता 2018 मधील फूटफॉल ॲनालिटिक्सच्या पातळीइतकी आहे, आणि गोपनीयतेची बाजू अधिक मजबूत आहे. ज्या विक्रेत्यांनी दुरुस्तीचे काम केले त्यांनी अचूकता टिकवली आहे; ज्यांनी केले नाही त्यांनी ती गमावली आहे. मूल्यमापनादरम्यान हे स्पष्टपणे तपासणे फायद्याचे आहे.
MAC रोटेशनचा तुमच्या मापदंडांवर कसा परिणाम होतो ते पाहायचे आहे? कच्च्या डिव्हाइस संख्या, प्रत्यक्ष अभ्यागत संख्या आणि जुळवलेल्या संख्यांचे मॉडेल तयार करण्यासाठी आमचा मोफत MAC Randomization Simulator (आमच्या मोफत WiFi टूल्स लायब्ररीतील) वापरा.
रँडमायझेशनची कालरेषा
- 2014: iOS 8 रँडम प्रोब्स आणते (व्यवहारात डीफॉल्टनुसार बंद).
- 2020: iOS 14 डीफॉल्टनुसार प्रति-SSID रँडमायझेशन करते.
- 2020: Android 10+ डीफॉल्टनुसार प्रति-SSID रँडमायझेशन करते.
- 2022: Windows 11 हे सर्व WLAN प्रोब्सपर्यंत वाढवते.
- 2023: macOS Sonoma लॅपटॉप्सवर iOS सारखेच वर्तन आणते.
- 2026: रँडमायझेशन हेच प्रमुख गृहीतक; स्थिर MAC हा अपवाद.
रिपोर्ट करण्याजोगे सहा मापदंड
WiFi ॲनालिटिक्स प्लॅटफॉर्म्स शंभर व्युत्पन्न मापदंड तयार करू शकतात. त्यांपैकी सहा मापदंडांवरच जवळजवळ सर्व निर्णय अवलंबून असतात.
फूटफॉल
ठराविक कालावधीत निश्चित झोनमध्ये प्रवेश करणारे युनिक अभ्यागत. रिटेल आणि ठिकाण ऑपरेटर्ससाठी मुख्य KPI.
ड्वेल टाइम
प्रति भेट झोनमधील वेळेचा मीडियन, p25/p75, p95. फक्त पाहणारे आणि खरेदी करणारे यांच्यात फरक करतो.
पुन्हा भेटींचा दर
एखाद्या कालावधीतील अशा अभ्यागतांचा वाटा ज्यांनी मागील N दिवसांतही भेट दिली होती. लॉयल्टीचा सिग्नल.
झोनमधील हालचाल
निश्चित झोन्समधील उगम-गंतव्य प्रवाह. भेटीच्या मार्गांचे ॲनालिटिक्स आणि लेआउट चाचणीचा पाया.
नवीन विरुद्ध परत येणारे
ॲक्विझिशन विरुद्ध रिटेन्शन यांचे प्रमाण. मार्केटिंग ॲट्रिब्यूशनसाठी आणि फूटफॉलमधील वाढीच्या प्रामाणिक रिपोर्टिंगसाठी उपयुक्त.
कॅप्चर दर
आढळलेल्या प्रेझेन्सपैकी कॅप्टिव्ह-पोर्टल साइन-इनमध्ये रूपांतरित होणारा वाटा. प्रेझेन्स आणि एंगेजमेंट यांच्यातील पूल.
WiFi विरुद्ध कॅमेरे विरुद्ध डोअर सेन्सर्स
लोक मोजण्याचे WiFi ॲनालिटिक्स हे एकमेव तंत्रज्ञान नाही. बहुतेक ठिकाणांसाठी योग्य उत्तर म्हणजे यांपैकी दोन एकत्र वापरणे: मुख्य दारावर उच्च अचूकतेचा चोकपॉइंट काउंटर आणि ड्वेल व भेटीच्या मार्गासाठी संपूर्ण ठिकाणात WiFi.
| पद्धत | अचूकता | कव्हरेज | खर्च | गोपनीयता | भेटीचे मार्ग |
|---|---|---|---|---|---|
| WiFi प्रेझेन्स | ±3-7% | संपूर्ण ठिकाण | सध्याचे APs वापरते | हॅश केलेला MAC, ऑप्ट-आउट, सूचनाफलक | नेटिव्ह |
| कॉम्प्युटर व्हिजन | दारावर ±1-3% | फक्त दृष्टिक्षेत्र | प्रति-कॅमेरा + कॉम्प्युट | EU मध्ये सर्वाधिक चिंता | मर्यादित |
| डोअर सेन्सर (IR / 3D) | ±2-4% | फक्त दार | प्रति-दार | कमी | नाही |
क्षेत्रीय उपयोग
डेटा मॉडेल सर्व क्षेत्रांमध्ये सारखेच आहे; बदलते ती त्यावरची मांडणी. बहुतेक काम सहा क्षेत्रांमध्ये होते.
अनुपालन: UK GDPR, CNIL, CCPA, ISO 27001
गोपनीयतेचा आदर करणारे WiFi ॲनालिटिक्स ही सुटलेली समस्या आहे. खालील मॉडेलला CNIL ने स्पष्ट मान्यता दिली आहे आणि ICO ने सातत्याने परवानगी दिली आहे. Pizza Express, AGS Airports आणि University of Sheffield हे सर्व Purple वर ठिकाण ॲनालिटिक्स चालवतात.
UK GDPR
प्रेझेन्स ॲनालिटिक्स: DPIA सह लेजिटिमेट इंटरेस्ट. एंगेजमेंट ॲनालिटिक्स: पोर्टलवर स्पष्ट संमती. प्रेझेन्ससाठी रोटेशनसह हॅश केलेला MAC हे मान्य तांत्रिक नियंत्रण आहे.
संदर्भ ›CNIL मार्गदर्शन
फ्रेंच नियामकाने WiFi ॲनालिटिक्सबद्दल विशिष्ट मार्गदर्शन दिले आहे. CNIL चे समाधान करणारे मॉडेलच उर्वरित EU अनुसरते.
संदर्भ ›CCPA / CPRA
कॅलिफोर्नियामध्ये प्रायव्हसी नोटीस आणि ऑप्ट-आउटची यंत्रणा आवश्यक आहे. डेटा एकत्रित आणि निनावी करणारे WiFi ॲनालिटिक्स सध्याच्या प्रायव्हसी-पॉलिसी चौकटीतच बसते.
संदर्भ ›ISO 27001
Annex A.5.34 (गोपनीयता आणि PII चे संरक्षण) आणि A.5.12 (माहितीचे वर्गीकरण) लागू होतात. प्लॅटफॉर्मने DPIA टेम्पलेट आणि रिटेन्शन-वेळापत्रकाचे एक्सपोर्ट दिले पाहिजे.
संदर्भ ›चार ऑपरेशनल आवश्यकता: पूर्ण केलेला DPIA, प्रेझेन्स डेटासाठी रोटेशनसह हॅश केलेला MAC, एंगेजमेंट डेटासाठी कॅप्टिव्ह पोर्टलवर स्पष्ट संमती, आणि काय मोजले जात आहे व ऑप्ट-आउट कसे करावे हे सांगणारे ठिकाणातील दृश्यमान सूचनाफलक. Purple प्रत्येकासाठी टेम्पलेट्स आणि सूचनाफलकांचे ॲसेट्स देते. अनुपालन हा प्रॉडक्टचाच भाग आहे, नंतर सुचलेली गोष्ट नाही.
WiFi ॲनालिटिक्स प्लॅटफॉर्मचे मूल्यमापन कसे करावे
खरेदी, ऑपरेशन्स आणि डेटा टीमसाठी आठ मुद्द्यांची चेकलिस्ट.
रँडम MACs साठी दुरुस्ती न करणारा प्लॅटफॉर्म 2026 मध्ये फूटफॉल मोजत नाही. कार्यपद्धती आणि कॅमेऱ्याच्या प्रत्यक्ष आकड्यांनुसार केलेली पडताळणी मागा.
तुम्हाला निनावी, संपूर्ण-ठिकाण मोड आणि संमती असलेला, ओळखलेला मोड दोन्ही हवे आहेत. यांपैकी फक्त एक करणारे प्लॅटफॉर्म पुरेसे नाहीत.
झोन्सच्या व्याख्या पुन्हा केबल टाकून नव्हे, तर डॅशबोर्डमध्ये संपादित करता आल्या पाहिजेत. कव्हरेज क्षेत्रे, अँकर स्टोअर्स, विभाग.
मल्टि-साइट ऑपरेटर्सना वेगवेगळ्या आकाराच्या आणि वर्दळीच्या साइट्सवर नॉर्मलाइझ केलेले KPIs हवे असतात. कच्चे आकडे उपयोगी पडत नाहीत.
S3 / BigQuery / Snowflake मध्ये तासाला बॅच. नेटिव्ह Looker / Tableau कनेक्टर्स. तुमचे ॲनालिस्ट्स जिथे आधीच काम करतात तिथेच डेटा पोहोचला पाहिजे.
तुम्हाला आवश्यक असलेली गोपनीयतेची कागदपत्रे आणि ठिकाणातील सूचनाफलक प्लॅटफॉर्मने तुम्हाला दिले पाहिजेत. ते सुरुवातीपासून तयार केल्यास डिप्लॉयमेंटला आठवडे उशीर होतो.
Cisco Meraki, HPE Aruba, Ruckus, Juniper Mist, Ubiquiti UniFi, Cambium, Extreme, Fortinet. ॲनालिटिक्स लेयर AP रिफ्रेशनंतरही टिकला पाहिजे.
डेटा प्रकारानुसार कॉन्फिगर करता येणारे रिटेन्शन. ओळखता येणारा डेटा समर्थनीय अशा सर्वात कमी कालावधीसाठी. एकत्रित डेटा तुमच्या रिपोर्टिंगच्या गरजेनुसार.
वारंवार विचारले जाणारे प्रश्न
WiFi ॲनालिटिक्स म्हणजे काय?
+
WiFi ॲनालिटिक्स म्हणजे फूटफॉल, ड्वेल टाइम आणि ग्राहकांच्या हालचालीसाठी ठिकाणाच्या सध्याच्या वायरलेस नेटवर्कचा सेन्सर म्हणून वापर करणे. याचे दोन मोड आहेत: प्रेझेन्स ॲनालिटिक्स (निनावी, सेन्सर-आधारित, MAC रँडमायझेशनमुळे प्रभावित) आणि एंगेजमेंट ॲनालिटिक्स (ओळखलेले, कॅप्टिव्ह-पोर्टल-आधारित, ऑप्ट-इन केलेले). बहुतेक ऑपरेटर्स दोन्ही चालवतात आणि प्रत्येक मोड वेगळ्या प्रश्नाचे उत्तर देतो.
WiFi द्वारे फूटफॉल मोजणी किती अचूक असते?
+
MAC रँडमायझेशनसाठी सांख्यिकीय दुरुस्ती असलेले आधुनिक WiFi ॲनालिटिक्स रिटेल वातावरणात कॅमेऱ्याच्या प्रत्यक्ष आकड्यांच्या तुलनेत ±3-7% अचूक असते. समान पातळीवरील तुलना, ट्रेंड ट्रॅकिंग आणि बेंचमार्किंगसाठी ही अचूकता पुरेशी आहे; कॅश-रजिस्टर जुळवणीसाठी ती पुरेशी नाही. तुम्ही रिपोर्ट करत असलेला आकडा कच्ची प्रोब संख्या नसून कॉन्फिडन्स इंटरव्हलसह दुरुस्त केलेला आकडा असला पाहिजे.
MAC रँडमायझेशनने WiFi ॲनालिटिक्स मोडले आहे का?
+
त्याने ते बदलले आहे. iOS 14+, Android 10+, Windows 11 आणि macOS Sonoma असोसिएशनपूर्वीच्या प्रोब रिक्वेस्ट्समध्ये सादर केला जाणारा MAC पत्ता रँडम करतात. प्रत्येक युनिक MAC ला युनिक डिव्हाइस मानणारी भोळी गणना आता चुकीची आहे. सांख्यिकीय दुरुस्ती मॉडेल्स आणि एंगेजमेंट ॲनालिटिक्ससाठी ऑप्ट-इन केलेली कॅप्टिव्ह-पोर्टल ओळख यांद्वारेच आधुनिक प्लॅटफॉर्म्स अचूकता टिकवतात. ज्या प्लॅटफॉर्म्सनी या बदलाकडे दुर्लक्ष केले त्यांची अचूकता घटली आहे; ज्यांनी जुळवून घेतले त्यांची घटलेली नाही.
प्रेझेन्स आणि एंगेजमेंट ॲनालिटिक्स यांत काय फरक आहे?
+
प्रेझेन्स ॲनालिटिक्स प्रत्यक्ष उपस्थित पण ऑथेंटिकेट न झालेली डिव्हाइसेस मोजते; ते फूटफॉल आणि ड्वेल निनावीपणे मोजते आणि DPIA सह लेजिटिमेट इंटरेस्टअंतर्गत GDPR नुसार समर्थनीय आहे. एंगेजमेंट ॲनालिटिक्स कॅप्टिव्ह पोर्टलवर साइन इन करून संमती दिलेल्या अभ्यागतांचे वर्तन मोजते; ते भेटींना ओळखीशी जोडते, सेगमेंटेशनला सपोर्ट करते आणि स्पष्ट संमतीवर चालते. बहुतेक ठिकाणांना दोन्हींची गरज असते.
WiFi ॲनालिटिक्स GDPR-अनुपालक आहे का?
+
होय, योग्य डिझाइनसह. प्रेझेन्स ॲनालिटिक्ससाठी क्लायंट-साइडला रोटेशनसह MAC हॅश करा, लेजिटिमेट-इंटरेस्ट मूल्यमापन दस्तऐवजीकृत करा, DPIA पूर्ण करा आणि दृश्यमान सूचनाफलक लावा. एंगेजमेंट ॲनालिटिक्स कॅप्टिव्ह पोर्टलवरील स्पष्ट संमतीवर चालवा. या अटी पूर्ण झाल्यास ICO आणि EU च्या CNIL या दोघांनीही WiFi ॲनालिटिक्सवर सकारात्मक मार्गदर्शन दिले आहे. या पिलरवरून लिंक केलेली संपूर्ण अनुपालन प्लेबुक आमच्याकडे आहे.
लोक मोजण्यासाठी WiFi चांगले की कॅमेरा?
+
दोन्हींचे काम वेगळे आहे. कॉम्प्युटर व्हिजन असलेले कॅमेरे एकाच दारावरील मोजणीत अधिक अचूक असतात (प्रत्यक्ष आकड्यांच्या तुलनेत 95%+), पण ते महाग असतात, फक्त त्यांच्या दृष्टिक्षेत्रातलेच पाहतात आणि गोपनीयतेबद्दल अधिक चिंता निर्माण करतात. WiFi कमी खर्चात संपूर्ण ठिकाण कव्हर करते, ड्वेल आणि झोन-ते-झोन विश्लेषणाला नेटिव्हली सपोर्ट करते आणि परत येणाऱ्या अभ्यागतांना सांख्यिकीयदृष्ट्या ओळखते. बहुतेक मोठ्या रिटेल आणि ठिकाण ऑपरेटर्स दोन्ही चालवतात: अचूकतेसाठी दारावर कॅमेरे, कव्हरेजसाठी आत WiFi.
मी कोणत्या प्रकारच्या ड्वेल टाइमची अपेक्षा करावी?
+
Purple च्या डेटासेटमधील मीडियन ड्वेल: QSR मध्ये 9-14 मिनिटे, कॅज्युअल डायनिंगमध्ये 35-55 मिनिटे, कपड्यांच्या रिटेलमध्ये 18-32 मिनिटे, शॉपिंग मॉल्समध्ये 55-95 मिनिटे, विमानतळांच्या एअरसाइडमध्ये 75-130 मिनिटे. बेंचमार्क्स म्हणून उपयुक्त; अधिक उपयुक्त मोजमाप म्हणजे समान स्टोअरच्या तुलनेत तुमचा स्वतःचा महिन्यागणिक ड्वेल ट्रेंड.
WiFi ॲनालिटिक्स ग्राहकांच्या भेटीचे मार्ग ट्रॅक करू शकते का?
+
एका ठिकाणाच्या आत, होय. झोन-ते-झोन हालचाल, झोनमधील वेळ, सामान्य मार्ग आणि सोडून जाण्याचे बिंदू हे सर्व मोजता येतात. एकाच ब्रँडच्या वेगवेगळ्या ठिकाणांमध्ये, अभ्यागताने ऑथेंटिकेट केले (एंगेजमेंट) की नाही (प्रेझेन्स) यावर ते अवलंबून आहे; MAC रँडमायझेशन विचारात घेतल्यावर साइट्सदरम्यानचे फक्त प्रेझेन्सवर आधारित मार्ग अतिशय कमकुवत सिग्नल ठरतात.
ऑफिस ऑक्युपन्सीसाठी WiFi ॲनालिटिक्स काम करते का?
+
होय. स्टाफ डिव्हाइसेसना ऑथेंटिकेट करणारे तेच इन्फ्रास्ट्रक्चर मजल्यानुसार, आठवड्याच्या दिवसानुसार आणि दिवसाच्या तासानुसार वापराचा अहवाल देते. वर्कप्लेस बुकिंग सिस्टम्सशी (Robin, Envoy, Microsoft Places) इंटिग्रेशन हा सामान्य पॅटर्न आहे. ऑफिस ऑक्युपन्सी हा अधिक विश्वासार्ह उपयोगांपैकी एक आहे, कारण लोकसंख्या बहुतांश ऑथेंटिकेटेड असते आणि डिव्हाइस संख्या रिटेल फूटफॉलपेक्षा अधिक स्थिर असते.
हे माझ्या सध्याच्या BI स्टॅकशी कसे इंटिग्रेट होते?
+
थेट API ॲक्सेस, S3 / BigQuery / Snowflake मध्ये तासाला बॅच एक्सपोर्ट, नेटिव्ह Looker आणि Tableau कनेक्टर्स आणि webhook इव्हेंट स्ट्रीमिंग. डेटा मॉडेल दस्तऐवजीकृत आणि स्थिर आहे. बहुतेक मोठे ऑपरेटर्स WiFi डेटा POS आणि लॉयल्टीच्याच वेअरहाउसमध्ये आणतात आणि नंतर त्यांच्या आवडीच्या टूलमध्ये रिपोर्टिंग तयार करतात.