Platforma Smart City

IoT

Kontekst

Klient jest operatorem sieci interaktywnych ekranów reklamowych. Firma posiada urządzenia rozmieszczone w przestrzeni miejskiej i w sklepach. Ekrany wyświetlają reklamy, które są na bieżąco dopasowywane do profili odbiorców, określanych na podstawie jego płci oraz wieku.

Dla zwiększenia konwersji reklam klient chciał rozszerzyć metodę ich kierowania o informacje o zachowaniu odbiorców. Zgodnie z postawioną hipotezą, zachowanie odbiorców miało być określane na podstawie zmian natężenia sygnału WiFi z urządzeń mobilnych rejestrowanych w punktach dostępowych.

Naszym zadaniem była weryfikacja tej hipotezy oraz zaprojektowanie i wdrożenie skalowalnego klasyfikatora osób odwiedzających centrum handlowe. Model miał kategoryzować konsumentów na następujące grupy:

  • robiących szybkie zakupy,
  • robiących zakupy i spędzających w sklepie dużo czasu,
  • przechodzących obok sklepu.

Wykonaliśmy

Nasza analiza potwierdziła przydatność danych z WiFi do określania zachowania konsumentów. Wprowadziliśmy nowe, pochodne parametry do danych źródłowych, na bazie których stworzyliśmy skalowalny model wykorzystujący Self Organizing Maps i K-Means. Model został zaimplementowany i wdrożony produkcyjnie na Google Cloud.

Rezultat

Głównymi użytkownikami naszego rozwiązania byli właściciele sklepów, którzy w oparciu o statystyki dotyczące ich klientów (w szczególności czasu, w którym ci robili zakupy) mogli dostosować wielkość personelu w sklepach i zoptymalizować koszty obsługi klienta.

Technology used
  • Google Cloud
  • Scala
  • Java
  • Spark