对于线下实体而言，除了客流量这个重要的指标以外，客户停留时长以及转化率也都是重要的指标。

传统客流系统能够计算出所有客人的在店内的平均停留时长这个宏观量，其原理就是把店内滞留客户人数（通过计算进店人数减去出店人数获得）进行时间积分，再除以总进客数。这种方法的一个缺点就是无法分析出每个客人停留时长和客群停留时长的统计分布。比如40%的客户停留1分钟以内，20%客户停留1分钟到3分钟之间等等。而且，店内滞留客户人数受进出店客流统计累积误差影响很大，往往会导致平均店内停留时长计算不准确。

       为了得到具体的客户停留时长数据，就需要对每一个客户的进店时间和离店时间进行识别。文安智能最新推出的基于TureFlow技术的客流系统采用先进的ReID技术，可实现基于垂直俯视角度图像进行衣着、服饰、轮廓等非生物特征分析，精准地匹配顾客进出记录，从而计算出每位客户的店内停留时长，并统计出所有客户店内停留时长的分布情况。当然，平均停留时长这个统计量，也可以轻松地计算出来，并且不受滞留量精度的干扰。

客户停留时长分布这个新指标，是进店客流和购买转化之间的一个非常重要的中间参数，有多方面的应用。

停留时长与转化率的相关性分析

      零售人类学创始人帕科·昂德希尔经过大量研究得出，购物者花在店里的时间（仅指购物时间，不包括排队等候的时间）也是影响购物量的重要因素。不同细分零售行业，两者之间的关系是不同的。例如电子产品店，没有买商品的顾客在店里待的平均时间是5分06秒，而买了商品的顾客在店里待的时间是9分29秒；玩具店，没有买玩具的顾客平均待了10分钟，而买了玩具的顾客平均待了17分钟。所以顾客停留的时间越长，购买可能性就越大。连锁门店可以统计分析自身实际数据，发现店内停留时长与购买转化之间的关系，辅助制定经营策略。

停留时长变化趋势监测与店铺间比较

      与线上电商相比，线下门店越来越担负起更多满足客户体验的功能。而店内停留时长情况，能够很直接地反映品牌吸引力和客户体验的满意度。如果与货品触达分析结合，进一步细化分析颗粒度，还能够判断新产品是否吸引客户，爆品的吸引力是否继续保持等重要指标。而与店员服务流程与培训结合，还能够定量化地提高服务质量和客户体验满意度。

去除穿堂而过的无效客流

      停留时长分布功能可根据停留时间去除穿堂而过的无效客流。一个典型的实例是，某知名手机品牌的门店，位置处在5层电影院旁，每天都有超过80%以上的客流，他们的目的地是位于手机店后方的电影院。这些客流的一个重要特点就是在店内停留时长小于15秒，并且是从两个不同的门进出。采用TrueFlow技术，这种客干扰流可以轻松去除，与店员排除算法结合，得到真实的顾客流量。

本次推出的基于TureFlow技术的店内停留时长分布功能，未来在细分零售行业里会得到进一步的应用和发展，将为线下品牌的高效运营和客户线下体验的提升提供强有力的数据支撑。文安智能的TrueFlow技术还有更多创新功能，等待我们去发现和探索，敬请期待~!