Resumo / Principais conclusões
- A análise de WiFi tem dois modos: presença (anônima, baseada em sensores) e engajamento (identificada, baseada no portal cativo). A maioria dos locais precisa dos dois, e cada um responde a uma pergunta diferente.
- A randomização de MAC mudou a disciplina. As plataformas que se adaptaram usam correção estatística e identificação consentida para manter precisão de ±3-7% em relação à contagem real por câmeras. As que ignoraram a mudança perderam precisão.
- As métricas principais são fluxo de pessoas, tempo de permanência, taxa de retorno, transições entre zonas, proporção de novos vs recorrentes e taxa de captura. A leitura honesta é o número corrigido com o intervalo de confiança, não a contagem bruta de probes.
- Análises em conformidade com a GDPR são viáveis com MAC em hash e rotação para presença, consentimento explícito no portal para engajamento, um DPIA e sinalização clara no local. A ICO e a CNIL da UE já publicaram orientações favoráveis a esse modelo.
- As aplicações setoriais mais fortes são varejo, shopping centers, aeroportos, estádios, museus e escritórios corporativos. Todos usam o mesmo modelo de dados, com uma camada de enfoque diferente por cima.
A maioria dos locais tem uma rede de sensores que já foi paga: os access points instalados para o WiFi para visitantes. O mesmo hardware, os mesmos eventos de RF e os mesmos logs de associação, usados de outro jeito, produzem um retrato útil de quem entrou, quanto tempo ficou, por onde passou e se voltou.
Isso é análise de WiFi. Não substitui perfeitamente uma catraca na porta ou uma câmera com visão computacional no caixa. É um substituto muito mais barato, que cobre o local inteiro em vez de um único ponto de passagem e revela dados de movimentação e permanência que as câmeras não conseguem gerar.
Este guia é a referência operacional para equipes de operações e de marketing que estão avaliando ou já usam análise de WiFi. Ele aborda os dois modos (presença e engajamento), as métricas que importam, o que a randomização de MAC quebrou e como a disciplina se adaptou, a comparação com outras tecnologias de contagem de pessoas, o modelo de conformidade com a UK GDPR e as aplicações setoriais que funcionam.
Os dois modos: presença e engajamento
Quase toda conversa confusa sobre análise de WiFi vem de misturar esses dois. Eles usam dados diferentes, respondem a perguntas diferentes e funcionam sob bases legais diferentes.
Análise de presença
Anônima, baseada em sensores, derivada de probe requests e logs de associação. Conta dispositivos únicos numa zona dentro de uma janela de tempo. MAC em hash com rotação como controle técnico de privacidade.
Responde: quantas pessoas entraram, quanto tempo ficaram, como circularam entre as zonas e se o volume geral subiu ou caiu.
Base legal: interesse legítimo com DPIA, sinalização e opt-out.
Análise de engajamento
Identificada, baseada no portal cativo, derivada dos logins e das sessões em andamento. Vincula as visitas a um registro de contato. A base para segmentação, jornadas e marketing de ciclo de vida.
Responde: quem entrou, com que frequência vem, em que horário, quais unidades de uma marca com vários locais e o comportamento das coortes que o marketing pode usar.
Base legal: consentimento explícito no login do portal.
A maioria dos locais precisa dos dois. A presença fornece os números principais de fluxo e permanência, comparáveis entre unidades em bases equivalentes. O engajamento fornece a coorte identificada com a qual o marketing consegue de fato rodar jornadas. Os dois se unem no portal cativo: um visitante que faz login passa do conjunto de dados de presença para o de engajamento naquela visita.
A randomização de MAC e por que ela mudou a disciplina
Durante a maior parte dos anos 2010, a análise de WiFi se apoiou numa premissa silenciosamente falsa: a de que o endereço MAC de um dispositivo era estável entre as visitas. O iOS 14 (2020) acabou com isso nos iPhones. O Android 10 acabou com isso no Android. O Windows 11 e o macOS Sonoma estenderam a mudança aos notebooks. Em 2026, a grande maioria dos dispositivos de consumo apresenta um MAC aleatório e rotativo nos probe requests antes da associação.
A contagem ingênua, que tratava cada MAC único como um dispositivo único, passou a contar a mais. As taxas de retorno despencaram; a proporção de novos visitantes disparou; as curvas de retenção de coortes deixaram de fazer sentido.
A disciplina se adaptou de duas formas. Primeiro, com correção estatística: modelos probabilísticos que consideram a taxa esperada de randomização e a cadência de rotação por classe de dispositivo, calibrados com a contagem real por câmeras em locais conhecidos. Segundo, com identificação pelo portal cativo: os visitantes que fazem login apresentam uma identidade estável que resiste totalmente à randomização.
Em 2026, a precisão combinada de um fluxo de presença corrigido com uma camada de engajamento com opt-in é comparável à da análise de fluxo de pessoas de 2018, com uma história de privacidade mais sólida. Os fornecedores que fizeram o trabalho de correção mantiveram a precisão; os que não fizeram a perderam. Vale verificar isso explicitamente na avaliação.
Quer ver como a rotação de MAC afeta as suas métricas? Use o nosso MAC Randomization Simulator gratuito (da nossa biblioteca gratuita de ferramentas de WiFi) para simular as contagens brutas de dispositivos, a contagem real de visitantes e as contagens reconciliadas.
A linha do tempo da randomização
- 2014: o iOS 8 introduz probes aleatórios (na prática, desativados por padrão).
- 2020: o iOS 14 randomiza por SSID por padrão.
- 2020: o Android 10+ randomiza por SSID por padrão.
- 2022: o Windows 11 estende a randomização a todos os probes de WLAN.
- 2023: o macOS Sonoma reproduz o comportamento do iOS nos notebooks.
- 2026: a randomização é a premissa dominante; o MAC estático é a exceção.
As seis métricas que vale a pena reportar
As plataformas de análise de WiFi conseguem gerar uma centena de métricas derivadas. Seis delas concentram quase todo o peso das decisões.
Fluxo de pessoas
Visitantes únicos que entram numa zona definida dentro de uma janela de tempo. O KPI principal para operadores de varejo e de locais.
Tempo de permanência
Mediana, p25/p75 e p95 do tempo na zona por visita. Distingue quem só olha de quem compra.
Taxa de retorno
Proporção dos visitantes de uma janela que também visitaram nos N dias anteriores. Sinal de fidelidade.
Transições entre zonas
Fluxos de origem e destino entre zonas definidas. A base para análise de trajetos e testes de layout.
Novos vs recorrentes
Divisão entre aquisição e retenção. Útil para atribuição de marketing e para reportar com honestidade o aumento do fluxo de pessoas.
Taxa de captura
Proporção da presença detectada que se converte em login no portal cativo. A ponte entre presença e engajamento.
WiFi vs câmeras vs sensores de porta
A análise de WiFi não é a única tecnologia de contagem de pessoas. A resposta certa para a maioria dos locais combina duas delas: um contador de alta precisão no ponto de passagem da porta de entrada e o WiFi no local inteiro para permanência e trajetos.
| Método | Precisão | Cobertura | Custo | Privacidade | Trajetos |
|---|---|---|---|---|---|
| Presença por WiFi | ±3-7% | Local inteiro | Usa os APs existentes | MAC em hash, opt-out, sinalização | Nativo |
| Visão computacional | ±1-3% na porta | Só o campo de visão | Por câmera + processamento | Maior preocupação na UE | Limitado |
| Sensor de porta (IR / 3D) | ±2-4% | Só a porta | Por porta | Baixa preocupação | Nenhum |
Aplicações por setor
O modelo de dados é o mesmo em todos os setores; o que muda é a camada de enfoque por cima. Seis setores concentram a maior parte do trabalho.
Conformidade: UK GDPR, CNIL, CCPA, ISO 27001
Análise de WiFi que respeita a privacidade é um problema resolvido. O modelo abaixo é o que a CNIL aprovou explicitamente e o que a ICO tem permitido de forma consistente. Pizza Express, AGS Airports e a University of Sheffield usam análises de locais na Purple.
UK GDPR
Análise de presença: interesse legítimo com DPIA. Análise de engajamento: consentimento explícito no portal. MAC em hash com rotação é o controle técnico aceito para presença.
Referência ›Orientações da CNIL
A autoridade francesa publicou orientações específicas sobre análise de WiFi. O modelo que satisfaz a CNIL é o que o resto da UE segue.
Referência ›CCPA / CPRA
A Califórnia exige um aviso de privacidade e um mecanismo de opt-out. A análise de WiFi que agrega e anonimiza os dados se encaixa no marco de política de privacidade existente.
Referência ›ISO 27001
Aplicam-se os controles A.5.34 (privacidade e proteção de dados pessoais) e A.5.12 (classificação da informação) do Anexo A. A plataforma deve fornecer um modelo de DPIA e uma exportação da tabela de retenção.
Referência ›Os quatro requisitos operacionais: um DPIA concluído, MAC em hash com rotação no fluxo de presença, consentimento explícito no portal cativo para o fluxo de engajamento e sinalização visível no local explicando o que está sendo medido e como fazer opt-out. A Purple fornece modelos e materiais de sinalização para cada um. A conformidade faz parte do produto, não é um detalhe posterior.
Como avaliar uma plataforma de análise de WiFi
Um checklist de oito itens para as equipes de compras, operações e dados.
Uma plataforma que não corrige MACs aleatórios não está medindo fluxo de pessoas em 2026. Peça a metodologia e a validação com a contagem real por câmeras.
Você precisa do modo anônimo, que cobre o local inteiro, e do modo identificado e consentido. Plataformas que só fazem um dos dois não bastam.
As zonas devem ser definidas no dashboard, não passando cabos de novo. Áreas de cobertura, lojas âncora, departamentos.
Operadores com vários locais precisam de KPIs normalizados entre unidades de tamanhos e perfis de tráfego diferentes. Números brutos não funcionam.
Lote por hora para S3 / BigQuery / Snowflake. Conectores nativos para Looker / Tableau. Os dados devem chegar aonde os seus analistas já trabalham.
A plataforma deve entregar a documentação de privacidade e a sinalização de que você precisa no local. Criar tudo do zero atrasa a implantação em semanas.
Cisco Meraki, HPE Aruba, Ruckus, Juniper Mist, Ubiquiti UniFi, Cambium, Extreme, Fortinet. A camada de análise deve durar mais que a troca dos APs.
Retenção configurável por classe de dados. Dados identificáveis pelo menor prazo defensável. Dados agregados pelo tempo que os seus relatórios exigirem.
Perguntas frequentes
O que é análise de WiFi?
+
Análise de WiFi é a prática de usar a rede sem fio que um local já tem como sensor de fluxo de pessoas, tempo de permanência e movimentação de clientes. São dois modos: análise de presença (anônima, baseada em sensores, afetada pela randomização de MAC) e análise de engajamento (identificada, baseada no portal cativo, com opt-in). A maioria dos operadores usa os dois, e cada um responde a uma pergunta diferente.
Qual é a precisão da contagem de fluxo por WiFi?
+
A análise de WiFi moderna, com correção estatística da randomização de MAC, opera com precisão de ±3-7% em relação à contagem real por câmeras em ambientes de varejo. É precisão suficiente para comparações em bases equivalentes, acompanhamento de tendências e benchmarking, mas não para conciliação com o caixa. O número reportado deve ser o corrigido, com o intervalo de confiança, e não a contagem bruta de probes.
A randomização de MAC acabou com a análise de WiFi?
+
Ela a transformou. iOS 14+, Android 10+, Windows 11 e macOS Sonoma randomizam o endereço MAC apresentado nos probe requests antes da associação. A contagem ingênua, que tratava cada MAC único como um dispositivo único, agora está errada. Modelos de correção estatística, somados à identificação com opt-in no portal cativo para a análise de engajamento, são a forma como as plataformas modernas mantêm a precisão. As plataformas que ignoraram a mudança perderam precisão; as que se adaptaram, não.
Qual é a diferença entre análise de presença e de engajamento?
+
A análise de presença conta dispositivos fisicamente presentes, mas não autenticados; ela mede fluxo e permanência de forma anônima e é defensável perante a GDPR com base no interesse legítimo e um DPIA. A análise de engajamento mede o comportamento dos visitantes que fizeram login no portal cativo e deram consentimento; ela vincula as visitas a uma identidade, permite segmentação e funciona com consentimento explícito. A maioria dos locais precisa das duas.
A análise de WiFi está em conformidade com a GDPR?
+
Sim, com o desenho certo. Na análise de presença, aplique hash ao MAC no lado do cliente com rotação, documente uma avaliação de interesse legítimo, conclua um DPIA e coloque sinalização visível. Na análise de engajamento, trabalhe com consentimento explícito no portal cativo. A ICO e a CNIL da UE já publicaram orientações favoráveis à análise de WiFi quando essas condições são atendidas. Temos um manual completo de conformidade com link a partir deste pilar.
WiFi ou câmera: qual é melhor para contar pessoas?
+
São funções diferentes. Câmeras com visão computacional são mais precisas na contagem em uma única porta (95%+ em relação à contagem real), mas custam mais, só enxergam o próprio campo de visão e levantam preocupações de privacidade maiores. O WiFi cobre o local inteiro a baixo custo, permite análises de permanência e de zona a zona nativamente e identifica visitantes recorrentes de forma estatística. A maioria dos grandes varejistas e operadores de locais usa os dois: câmeras na porta pela precisão e WiFi no interior pela cobertura.
Que tempo de permanência devo esperar?
+
Permanência mediana na base de dados da Purple: 9-14 minutos em fast food, 35-55 minutos em restaurantes casuais, 18-32 minutos em lojas de vestuário, 55-95 minutos em shopping centers e 75-130 minutos na área de embarque de aeroportos. Servem como benchmarks; a medida mais útil é a tendência da sua própria permanência mês a mês, comparando as mesmas lojas.
A análise de WiFi consegue acompanhar o trajeto dos clientes?
+
Dentro de um local, sim. Transições entre zonas, tempo em cada zona, caminhos mais comuns e pontos de abandono podem ser medidos. Entre locais da mesma marca, depende de o visitante ter se autenticado (engajamento) ou não (presença); trajetos só com dados de presença entre unidades são um sinal muito fraco depois que se leva em conta a randomização de MAC.
A análise de WiFi funciona para ocupação de escritórios?
+
Sim. A mesma infraestrutura que autentica os dispositivos da equipe informa a utilização por andar, por dia da semana e por hora do dia. A integração com sistemas de reserva de espaços (Robin, Envoy, Microsoft Places) é um padrão comum. A ocupação de escritórios é um dos casos de uso de maior confiança, porque a população é majoritariamente autenticada e o número de dispositivos é mais estável que o fluxo no varejo.
Como isso se integra à minha stack de BI atual?
+
Por acesso direto via API, exportação em lote por hora para S3 / BigQuery / Snowflake, conectores nativos para Looker e Tableau e streaming de eventos por webhook. O modelo de dados é documentado e estável. A maioria dos grandes operadores leva os dados do WiFi para o mesmo data warehouse do PDV e da fidelidade e monta os relatórios na ferramenta que preferir.