如何利用 WiFi 定位分析計算停留時間
本指南為利用 WiFi 定位分析計算 WiFi 停留時間提供了全面的技術參考,涵蓋從 802.11 探測請求(probe request)擷取、基於 RSSI 的三邊測量,到地理圍欄區域分析的完整架構。本指南專為 IT 經理、網路架構師和場所營運總監設計,協助其在零售、餐飲旅宿、醫療保健及公共部門環境中部署精確且具擴充性的定位智慧。讀者將獲得實用的部署指南、真實案例研究,以及將原始空間數據轉化為可衡量業務成果的清晰框架。
收聽此指南
查看播客逐字稿
核心系列的一部分:WiFi 分析指南 →

執行摘要
對於企業級場域 - 從廣闊的零售賣場到龐大的體育場 - 瞭解訪客行為已不再只是行銷上的奢侈品,而是關鍵的營運需求。WiFi 停留時間(裝置留在特定物理區域內的時間長度)是衡量空間參與度的基礎指標。然而,要使用現有的無線基礎架構精確計算停留時間,需要管理複雜的射頻(RF)環境、MAC 隨機化以及不同的裝置探測頻率。
本指南為高階 IT 專業人員、網路架構師和營運總監提供了關於如何使用 WiFi 定位分析計算停留時間的權威技術參考。我們將探討裝置偵測的機制、接收訊號強度指示(RSSI)和三邊測量所扮演的角色,以及像 Purple 這樣的平台如何將原始的探測請求轉換為具備行動力的商業智慧。藉由利用您現有的 Guest WiFi 基礎架構,企業無需部署昂貴的覆蓋硬體網路即可部署具擴充性的分析。其投資報酬率極具吸引力:導入定位分析的場域一致指出,其在轉換率、營運效率和客戶滿意度方面皆有顯著提升。
技術深度剖析:停留時間的運作機制
計算停留時間在本質上是空間與時間解析度的問題。這需要識別裝置、估計其位置,並在一段時間內持續追蹤該位置。這三個步驟中的每一步都面臨著各自的技術挑戰,而健全的解決方案必須解決所有這些挑戰。
1. 裝置偵測與識別
此流程始於被動偵測 802.11 probe requests。行動裝置會持續廣播這些管理訊框,以發現可用的無線網路。作為感測器的 Access Points (APs) 會擷取這些訊框,其中包含裝置的 MAC 位址、時間戳記以及接收 AP 處的訊號強度 (RSSI)。
在過去,MAC 位址提供了一個永久的硬體層級識別碼。然而,現代行動作業系統 - iOS 14+、Android 10+ 以及 Windows 10+ - 使用 MAC 隨機化來增強使用者隱私。當裝置未與網路關聯時,它會使用定期變更的臨時隨機 MAC 位址。這對被動停留時間計算提出了直接挑戰,因為單一實體裝置在同一次工作階段中可能會顯示為多個不重複的訪客。
為了維持工作階段的連續性以進行準確的停留時間計算,分析平台必須採用以下兩種策略之一。第一種是啟發式指紋識別,其中涉及分析 probe request 訊框中的資訊元素 (IEs) - 例如支援的資料速率、頻道清單和特定廠商欄位 - 以在 MAC 位址變更時,仍能以機率方式連結源自同一裝置的 probe requests。第二種且更可靠的方法是依賴已驗證的工作階段。當使用者明確連線到 Guest WiFi 網路時,平台會取得裝置的真實硬體 MAC 位址,並可以將其與持久的使用者設定檔相關聯。這種確定性識別是獲得準確、長期停留指標的金科玉律。
2. 空間估計:RSSI 與三角定位
一旦識別出裝置,系統就必須確定其物理位置。最廣泛使用的方法是採用基於 RSSI 的三角定位,這在指南 The Mechanics of WiFi Wayfinding: Trilateration and RSSI Explained 中有詳細說明。
其原理非常簡單:根據自由空間路徑傳播損耗 (FSPL) 模型,RSSI 會隨著距離而呈可預測的衰減。透過測量多個 AP 處的訊號強度,系統可以估計裝置與各個 AP 的距離。當三個或更多 AP 偵測到同一個 probe request 時,分析引擎便可以透過尋找圓形(或在 3D 多樓層環境中的球體)的交點來計算裝置的位置,這些圓形的半徑對應於與每個 AP 的估計距離。

在現實中,射頻環境的運作方式並不如理想的自由空間模型那般。由牆壁、金屬架和人體反射訊號所引起的多徑衰落,會導入顯著的 RSSI 變異。為了減輕這種影響,生產級別的分析引擎採用了多種技術:
| 技術 | 目標 | 典型效益 |
|---|---|---|
| 加權質心演算法 | 為具有較強 RSSI 讀數的 AP 分配較高權重 | 減少 15 - 30% 的定位誤差 |
| 卡爾曼濾波 | 隨時間平滑定位估算以過濾瞬態雜訊 | 減少即時追蹤中的抖動 |
| 指紋地圖 | 在已知位置預先繪製 RSSI 特徵以進行校準 | 改善複雜射頻環境中的準確度 |
| 多 AP 平均法 | 在多個樣本區間內對 RSSI 進行平均 | 最大程度地減少瞬態干擾的影響 |
為了進行可靠的三邊測量,適用三點規則:設備必須同時被至少三個 AP 接收到,且訊號強度須達到 -75 dBm 或更佳。僅針對覆蓋範圍設計的網路 - 即單一 AP 在大範圍內提供訊號 - 對於精確的定位分析是不夠的。這是部署前必須解決的關鍵架構差異。
3. 時間計算:定義與計算停留時間
透過定位座標流,分析引擎會將設備的位置與平台上定義的地理圍欄區域進行比對。地理圍欄是在平面圖上繪製的虛擬多邊形,代表具有意義的實體區域,例如結帳隊伍、促銷展示區或飯店大廳。
停留時間並不只是首次與最後一次看到的時間戳記之間的差值。健全的計算必須考慮設備的休眠週期、短暫離開區域的情況,以及定位估算的固有雜訊。標準計算邏輯定義了三個關鍵參數:
進入事件: 設備的估算位置進入特定的地理圍欄區域,並在該處停留最短時間 - 即停留臨界值 - 以過濾路過的人。零售環境的典型臨界值為 30 秒;醫療保健候診區則可能更適合設為 60 秒。
離開事件: 設備的位置移出區域邊界,或者在指定的逾時期間(通常為 3 - 5 分鐘)內任何 AP 都偵測不到該設備。逾時功能可處理進入休眠模式或被放入包包中的設備,防止工作階段過早結束。
停留時間長度: 進入事件時間戳記與離開事件時間戳記之間的差值,不包括任何逾時緩衝。這是在 WiFi Analytics 儀表板中報告的指標。
對於您的特定設置有任何疑問嗎?
我們的團隊與超過 80,000 個場域的場域營運商、IT 經理和網路工程師合作。立即預約 20 分鐘的通話,我們將向您展示其他與您相似的用戶是如何解決此問題的。
實作指南
部署強大的 WiFi 定位分析解決方案,需要精細的規劃,並讓網路架構與業務目標保持一致。以下步驟提供了一個適用於任何企業 WLAN 環境且不綁定特定廠商的部署框架。
步驟 1:基礎設施評估與加密部署
進行徹底的射頻(RF)場勘,評估您現有的 WLAN 部署是否符合定位服務的需求。核心問題在於您目前的 AP 配置是否在所有目標區域中皆支援「三點定位原則」。使用 Ekahau 或 iBwave 等工具來模擬 AP 訊號覆蓋範圍並找出漏洞。如果您的網路當初僅針對吞吐量和覆蓋範圍進行設計,則必須加密部署,特別是在高價值區域中。請將額外的 AP 和佈線預算納入專案範疇中。
步驟 2:區域定義與地理圍欄
在分析平台中將您的實體空間對應到邏輯區域。匯入您的平面圖,並根據您的業務問題定義地理圍欄區域。在 Retail 環境中,典型區域包括入口、特定商品類別、促銷區和收銀台。在 Hospitality 環境中,相關區域可能包括大廳、餐廳、酒吧、會議套房和泳池區。確保區域大小適中 - 對於基於 WiFi 的定位分析,20 至 30 平方公尺是實用的最小下限。
步驟 3:控制器整合與數據管線
將您的無線控制器(Cisco、Aruba、Meraki、Ruckus 或同等設備)與分析平台整合。這通常涉及配置控制器,以將實時定位系統(RTLS)數據流或定位 API 更新轉發至分析引擎。確保數據管線配置為近乎實時的傳輸 - 超過 30 秒的延遲將會降低即時營運儀表板的品質。所有數據傳輸在傳輸過程中必須加密(最低 TLS 1.2),並符合 GDPR 及任何適用的數據保護法規。
步驟 4:閾值配置與基準建立
根據該區域的預期行為,為每個區域配置停留時間閾值和逾時時間。在得出結論之前,讓系統運行至少四到六週,以建立具有統計學意義的強健基準。此基準對於識別有意義的偏差至關重要 - 例如,促銷展示區的停留時間突然下降可能表示商品陳列問題或人員短缺。

最佳實踐
以下建議反映了在大規模部署 WiFi 定位分析時的行業標準做法。
定期校準 RF 環境。 場域的物理環境是不斷變化的 - 新的展示、季節性庫存和人群密度都會改變 RF 傳播。部署時進行的場地勘測在六個月後將不再準確。請在您的營運計劃中建立每季校準的節奏,並在空間發生任何重大物理變更後立即重新校準。
區分被動分析與已驗證分析。 向利益相關者說明被動分析(未關聯的裝置,受 MAC 隨機化影響)與已驗證分析(已登入 Guest WiFi 的使用者)之間的區別。被動數據可提供大規模且可靠的趨勢數據;已驗證數據則可提供確定性、個人層級的追蹤。將被動數據用於總體層面的客流量和區域受歡迎度分析,並將已驗證數據用於轉換歸因和個人化互動。
與營運數據進行關聯分析。 單純的停留時間只是一個指標,而不是洞察。只有當空間數據與銷售點(POS)數據、員工排班或服務交付記錄相結合時,它的價值才會被釋放。例如,結帳隊伍中的高停留時間只有在與交易量和員工配置水準相結合時,才具有可操作性。這種關聯分析是定位分析投資投資報酬率(ROI)案例的基石。
符合隱私與合規性要求。 確保您的部署符合 GDPR(在英國和歐盟)以及與您行業相關的任何特定領域法規。在 醫療保健 環境中,患者定位數據可能需要遵守額外的數據保護要求。應用數據最小化原則 - 僅收集必要的數據,盡可能進行匿名化,並建立明確的數據保留政策。
疑難排解與風險緩釋
下表總結了 WiFi 停留時間部署中最常見的失敗模式以及建議的補救措施。
| 失敗模式 | 潛在原因 | 補救措施 |
|---|---|---|
| 訪客數量虛高、停留時間短 | 未驗證裝置上的 MAC 隨機化 | 推動 Guest WiFi 驗證;對被動數據使用啟發式指紋識別 |
| 定位數據異常(裝置在區域之間跳躍) | AP 密度不足或多路徑衰落 | 增加 AP 密度;調整平滑演算法;重新校準 RF 模型 |
| 區域擷取到路過者 | 停留閾值設定過低 | 提高受影響區域的最低停留閾值 |
| 結帳區域擷取到入口流量 | 重疊或過大的區域定義 | 收緊地理圍欄邊界;確保區域不重疊 |
| 儀表板數據過期或延遲 | 數據管道延遲或 API 速率限制 | 審查控制器整合;增加 API 輪詢頻率 |
| 多樓層環境中的準確度較差 | 在 3D 空間中應用 2D 三邊測量 | 利用 AP 高度數據進行樓層級別的辨識 |
投資報酬率與企業影響力
導入 WiFi 定位分析能將實體空間轉化為可衡量、可最佳化的環境。其企業效益體現於三個層面:創造營收、營運效率與客戶體驗。
在營收方面,停留時間數據能為商品陳列提供實證決策支援。得知特定端架陳列能產生平均 9.2 分鐘的停留時間 - 相較於入口處的 1.6 分鐘 - 能讓品類經理優先在高度參與區域擺放高毛利產品。對於 大眾運輸 營運商而言,掌握零售特許區域的停留模式,能直接影響租金談判與營收分潤協議。
在營運方面,即時停留分析能實現動態人力配置。排隊管理系統能在結帳停留時間超過特定門檻時提醒員工,從而在不增加永久性超額人力成本的情況下縮短等待時間。這能直接提升客戶滿意度 - 我們在 如何提升顧客滿意度:終極攻略 中詳細探討了此主題。
在體驗方面,定位智慧能實現情境相關的互動。與 Purple 的 WiFi Analytics 平台整合後,停留數據可觸發個人化通知 - 例如,向在鞋類部門停留超過五分鐘的顧客發送折扣優惠。隨著場域開始探索能減少驗證阻力並同時維持數據品質的 免密碼存取模式,這項功能正變得越來越重要。
對於公共部門組織與智慧城市計畫,停留分析為基礎建設投資決策提供了實證基礎 - 幫助理解市民如何使用公共空間、交通樞紐與市民大樓。Purple 在公共部門領域的擴展能力,正如 Iain Fox 出任公共部門成長副總裁 所展現的,反映了政府與市政環境對這類空間智慧日益成長的需求。
部署 WiFi 定位分析的總體擁有成本通常低於其所產生的營運價值,特別是在現有 WLAN 架構上部署分析層時。其邊際成本主要在於分析平台的授權費用以及整合與校正所需工程時間 - 而非全新的硬體投資。
關鍵定義
WiFi 停留時間
已啟用 WiFi 的設備在定義的實體區域內停留的測量持續時間,這是根據無線基礎設施偵測到的進入事件與離開事件之間的時間差計算而得。
空間互動分析的首要指標。零售營運商、場館管理者和醫療保健行政人員常用此指標來了解人們如何使用實體空間。
接收訊號強度指示 (RSSI)
接收到的無線電訊號功率位準的測量值,以相對於 1 毫瓦的分貝 (dBm) 表示。數值範圍通常從 0 dBm(最大訊號)到 -100 dBm(最小可偵測訊號)。
WiFi 定位分析中距離估算的原生輸入。在三個或更多 AP 上達到 -75 dBm 或更好的 RSSI 是進行可靠三邊測量的最低要求。
三邊測量
一種透過測量某點與三個或更多已知參考點的距離來確定該點位置的數學技術。在 WiFi 分析中,參考點為 Access Points,而距離則是根據 RSSI 讀數進行估算。
WiFi 定位分析平台所使用的核心定位演算法。與三角測量不同,三角測量使用的是角度而非距離。
MAC 隨機化
現代行動作業系統(iOS 14+、Android 10+)中實施的一項隱私功能,設備在探測網路時會使用暫時的隨機 MAC 地址,而非其永久的硬體地址。
被動式 WiFi 分析面臨的首要技術挑戰。這會導致單一實體設備顯示為多個不重複的訪客,從而誇大客流量並使停留時間工作階段變得破碎。可透過鼓勵使用 Guest WiFi 認證來緩解此問題。
地理圍欄
建立虛擬的地理邊界(定義為樓層平面圖上的多邊形),當被追蹤的設備跨越該邊界時,會觸發分析事件(進入、離開、停留)。
在分析儀表板中用於定義特定區域,以進行局部停留時間測量。區域大小和放置位置是直接影響數據品質的關鍵配置決策。
停留閾值
設備在地理圍欄區域內必須停留的最短持續時間,分析平台才會註冊進入事件並開始計算停留時間。
對數據品質至關重要。閾值過低會將路過者視為停留者;閾值過高則會遺漏真實的短暫互動。必須根據預期行為針對每個區域進行調整。
多路徑衰落
無線電訊號透過兩條或多條路徑(直接視距和一條或多條反射路徑)到達接收天線的現象,從而引起建設性或破壞性干擾,進而使接收到的訊號強度失真。
在倉庫、零售店和醫院等複雜室內環境中導致 RSSI 不準確的主要原因。可透過 AP 密集化、平滑演算法和射頻指紋識別來緩解此問題。
探測請求
由用戶端設備廣播的 802.11 管理訊框,用於尋找可用的無線網路。包含設備的 MAC 地址(可能是隨機的)、支援的數據速率和其他功能資訊。
AP 捕獲的基本數據封包,用於偵測場館中是否存在設備。這是所有被動式 WiFi 定位分析的原生輸入。
確定性識別
確定識別特定裝置或使用者的能力,通常透過驗證事件來達成,此時裝置的真實硬體 MAC 位址會顯露給網路。
當使用者登入 Guest WiFi 網路時即可實現。能啟用免受 MAC 隨機化影響的精確長期停留追蹤,並允許將空間數據與已知的使用者個人檔案綁定,以進行轉換歸因。
自由空間傳播損耗 (FSPL)
無線電訊號在自由空間中傳播時發生的訊號強度衰減,根據對數模型隨著距離和頻率的增加而增加。
三邊測量中 RSSI 轉換為距離的理論基礎。由於障礙物和反射,現實世界的環境與 FSPL 模型有顯著偏差,這就是為什麼校準和平滑演算法至關重要的原因。
範例
一家擁有 150 家門市的連鎖超商想要評估新端架促銷陳列的成效。行銷團隊需要知道顧客在該陳列架前停留了多久,以及高停留時間是否與促銷 SKU 的銷量增長相關。
步驟 1 — 建立區域: 在 Purple 分析儀表板中,圍繞該端架陳列定義一個緊湊的地理圍欄(約 4 米 x 3 米),使其與更寬敞的通道區域區分開來。步驟 2 — 設定閾值: 將最小停留時間閾值設定為 20 秒,以過濾掉只是路過通道盡頭的顧客。步驟 3 — 基準期: 在促銷活動開始前進行為期兩週的分析,以建立該區域的基準停留時間。步驟 4 — 促銷期衡量: 啟動促銷活動並每日監測停留時間。透過分析 API 匯出停留時間數據。步驟 5 — 關聯性分析: 將停留時間數據集與促銷 SKU 的 PoS 交易數據結合,並按一天中的時段和星期幾進行細分。計算平均區域停留時間與每小時 SKU 銷量之間的皮爾森相關係數。步驟 6 — 報告: 向品類管理團隊提交關聯性數據,並建議在人流量高的門市複製此陳列模式。
一家大型國民保健署(NHS)信託機構需要監測急診室分流等候區的患者等候時間,以確保符合四小時 SLA 目標。其 IT 團隊已部署 Cisco Meraki 設備,但目前尚無分析功能。
步驟 1 — 基礎設施稽核: 對分流等候區進行無線電頻率(RF)現場勘測。確認至少有三個 Meraki AP 能以 -70 dBm 或更佳的訊號強度偵測到所有座位區內的手持裝置。急診室環境通常會受到醫療設備的強烈 RF 干擾;如有必要,請增加 AP 部署密度。步驟 2 — 整合 Meraki 定位 API: 在相關 AP 上啟用 Meraki Scanning API,並將其設定為每隔 30 秒向 Purple 分析平台端點 POST 定位數據。步驟 3 — 定義區域: 在 Purple 中將分流等候區定義為一個獨立區域。將停留閾值設定為 60 秒,逾時時間設定為 10 分鐘(以考慮到可能被暫時帶到側室的患者)。步驟 4 — 即時告警: 設定 Webhook 告警,在分流區的平均停留時間超過 45 分鐘時,透過醫院的營運通訊系統(例如 Microsoft Teams 或 Vocera)通知值班護理長。步驟 5 — 報告: 產生按一天中的時段和星期幾細分的每週停留時間報告,以識別尖峰壓力時段並優化排班。
練習題
Q1. 您正在一個內部設有高大金屬貨架的大型倉庫中部署定位分析。初步測試顯示裝置位置在通道之間異常跳動,且平均停留時間不一致。最可能的根本原因是什麼?您會推薦哪些改善步驟?
提示:思考環境的物理結構如何影響射頻訊號傳播,以及這對基於 RSSI 的距離估計可靠性意味著什麼。
查看標準答案
異常的定位數據是由嚴重的多徑衰落引起的。金屬貨架會反射和散射射頻訊號,這意味著 AP 接收到的 RSSI 值會受到反射路徑的嚴重干擾,而無法代表真實的視距距離。這使得三邊測量引擎的距離估計變得不可靠。建議的改善措施:(1) 增加 AP 部署密度,將 AP 配置在每條通道的盡頭,以最大化沿著通道長度的視距覆蓋。(2) 考慮使用指向性天線,聚焦於特定通道,以減少跨通道干擾。(3) 實施射頻指紋辨識 - 預先繪製整個倉庫內已知網格點的 RSSI 特徵,以建立一個考量了該環境特定射頻特性的校準定位模型。(4) 調整分析平台的卡爾曼濾波器平滑參數,以減少暫態 RSSI 突波對位置估計的影響。
Q2. 一位零售營運總監報告,分析平台顯示的每日訪客總數比人工門口計數器高出三倍,且所有區域的平均停留時間均低於兩分鐘。該部署完全依賴被動探測請求監測。這項架構上的問題是什麼?您該如何解決?
提示:思考在使用現代智慧型手機進行一小時購物訪問期間,裝置的識別碼會發生什麼變化。
查看標準答案
問題在於 MAC 隨機化。現代智慧型手機會定期輪替其隨機 MAC 位址 - 在某些情況下每幾分鐘就會輪替一次。由於平台完全依賴被動探測請求,因此每個新的 MAC 位址都會被解釋為一個新的、不重複的訪客。在店內停留一小時的單一顧客可能會產生十個或更多不重複的 MAC 位址,每個位址都會顯示為停留時間很短的獨立訪客。解決方案有兩點:(1) 實施 Guest WiFi 驗證流程以引導使用者連線到網路,提供持久的硬體 MAC 位址和已知的使用者身分。即使只有 30 - 40% 的驗證率,也能顯著改善數據品質。(2) 對於其餘的被動數據,實施啟發式指紋辨識,根據資訊元素模式以機率方式連結來自同一裝置的探測請求,從而減少(但不能完全消除)由 MAC 輪替引起的數據膨脹。向利害關係人清楚說明,被動訪客計數是趨勢指標,而非絕對數值。
Q3. 您已在購物中心部署了位置分析,並在特定的美食街座位區周圍定義了一個區域。數據顯示該區域的平均停留時間異常高達 45 分鐘,但美食街營運商報告說大多數顧客僅入座 15 - 20 分鐘。什麼配置問題可能會解釋這種差異?
提示:考慮分析平台如何處理那些在實體留在區域內但停止傳送探測請求的裝置。
查看標準答案
最可能的原因是逾時時間(Timeout Period)配置不正確。當顧客用餐完畢並將手機放入口袋或包包時,裝置可能會進入低耗電狀態並停止發送探針請求(probe requests)。如果逾時時間設定得太長 - 例如 30 分鐘 - 平台將在偵測到最後一次探針後繼續維持該停留工作階段 30 分鐘,即使顧客此時已經離開。這會人為地誇大報告的停留時間。解決方法是將逾時時間縮短為反映該環境中探針發送之間典型間隔的值 - 對於繁忙的公共場所,通常 3 - 5 分鐘是合適的。此外,請檢查美食街區域的地理圍欄邊界是否不小心擷取到了相鄰區域(例如走廊或排隊區),顧客在離開座位區後可能會在這些地方逗留。
繼續閱讀本系列
衡量訪客 WiFi 與定位分析的企業投資報酬率 (ROI)
本技術參考指南為 IT 與場域營運團隊展示如何衡量訪客 WiFi 的 ROI,建立從網路健康度、同意收集的數據,到經驗證的營運或商業成果之間具備說服力的關聯鏈。指南將可衡量的實證與假設區分開來,將 Purple Connect、Capture 和 Engage 對應至正確的衡量層級,並針對飯店、零售物業和活動場館提供規劃情境。
隱私源自設計:去識別化 WiFi 數據以符合 GDPR 規範
本權威指南詳細介紹了去識別化 WiFi 數據的技術架構與實作策略,以確保符合 GDPR 規範。它為 IT 主管與網路架構師提供了實用的框架,在平衡強大的場域分析與嚴格的數據隱私要求之間取得完美平衡。
熱點圖 (Heatmapping) 與存在感應分析 (Presence Analytics):技術差異
本權威技術指南詳細介紹了 WiFi 熱點圖與存在感應分析在企業場域營運中的關鍵架構與運作差異。本指南為 IT 主管、網路架構師和營運總監提供了具體可行的部署框架、實際應用場景,以及與廠商無關的最佳實踐,旨在協助企業從現有的無線基礎設施中獲取最大的投資報酬率 (ROI)。
對於您的特定設置有任何疑問嗎?
我們的團隊與超過 80,000 個場域的場域營運商、IT 經理和網路工程師合作。立即預約 20 分鐘的通話,我們將向您展示其他與您相似的用戶是如何解決此問題的。