.svg)
AI 솔루션 문의하기
유통매장에서는 고객이 입구에서 들어와 상품을 둘러보고 특정 진열대 앞에 멈춘 뒤 계산대로 이동하는 과정이 반복됩니다. 하지만 모든 고객이 같은 경로를 따라 움직이는 것은 아니며 어느 상품 앞에서 오래 머무는지, 어떤 구역을 지나치고 어떤 공간을 반복해서 방문하는지에 따라 매장 이용 패턴이 달라집니다. AI CCTV를 활용한 고객동선 분석은 이러한 움직임을 영상에서 추적해 매장 공간의 이용 형태를 파악하는 데 활용될 수 있습니다. 이를 위해서는 단순히 사람을 찾는 영상 데이터보다 이동 경로와 체류 행동을 함께 기록하는 학습데이터가 필요합니다.
고객동선을 분석하려면 개별 고객이 어디에서 나타났는지만 확인해서는 부족합니다. 입구를 통과한 뒤 어느 통로를 이용하고 어떤 구역을 거쳐 계산대로 이동했는지를 연결해야 하나의 동선이 만들어집니다. 사람의 위치를 시간 순서대로 이어주는 추적 데이터가 중요한 이유입니다.
매장 구조에 따라 동선의 형태도 달라집니다. 일렬로 진열된 매장에서는 통로를 따라 이동하는 고객이 많지만 대형마트처럼 구역이 넓은 공간에서는 여러 방향으로 이동할 수 있습니다. 따라서 실제 매장 구조를 반영한 영상과 위치 데이터를 함께 구성해야 합니다.
고객은 매장 전체를 동일한 속도로 이동하지 않습니다. 특정 진열대 앞에서 상품을 비교하거나 가격을 확인하면서 잠시 멈추기도 합니다. 이동하다가 속도가 느려지거나 일정 시간 한 장소에 머무는 행동은 고객의 관심 구역을 파악하는 데 활용할 수 있는 정보입니다.
다만 모든 정지를 구매 관심으로 해석해서는 안 됩니다. 다른 고객을 피하기 위해 멈추거나 통로가 막혀 기다리는 경우도 있기 때문입니다. 따라서 체류 시간만 기록하기보다 주변 고객의 움직임과 진열대 위치, 통로 상황 등을 함께 살펴볼 필요가 있습니다.
매장에서는 고객이 한 방향으로만 이동하지 않습니다. 지나쳤던 상품을 다시 확인하기 위해 이동했던 길을 되돌아가거나 다른 진열대를 확인한 뒤 이전 구역으로 돌아오는 경우도 있습니다. 이런 움직임은 단순한 이동 오류가 아니라 특정 상품이나 공간에 대한 고객의 행동 패턴을 파악하는 단서가 될 수 있습니다.
동선을 구축할 때 한 번의 이동만 저장하면 이러한 특징을 놓치기 쉽습니다. 고객이 어느 지점에서 방향을 바꾸었는지, 이전에 방문했던 구역으로 다시 이동했는지까지 연결해야 실제 매장 이용 흐름을 분석하기 쉬워집니다.
고객이 적은 시간대에는 이동 경로가 비교적 명확하게 나타나지만 주말이나 행사 시간에는 여러 고객이 좁은 통로에 동시에 등장합니다. 이때 한 고객의 이동 경로가 다른 고객의 움직임과 겹치면서 추적이 끊길 수 있습니다.
사람이 서로 가까이 붙거나 앞뒤로 겹치는 장면도 고객동선 데이터에 포함해야 실제 매장 환경을 반영할 수 있습니다. 고객이 잠시 다른 사람에게 가려졌다가 다시 나타나는 경우 어느 시점까지 동일한 대상으로 연결할 것인지에 대한 기준도 필요합니다.
진열대 앞에 선 고객이 모두 상품을 살펴보는 것은 아닙니다. 상품을 집어 들었다가 다시 내려놓거나 가격표를 확인하고 다른 상품으로 이동할 수도 있습니다. 함께 온 일행을 기다리면서 진열대 근처에 머무는 경우도 있습니다.
따라서 고객이 특정 구역에 들어왔다는 사실과 실제 관심 행동을 구분하는 데이터 설계가 중요합니다. 이동, 정지, 방향 전환, 상품 접근 등 행동을 세분화하면 고객동선 분석을 넘어 매장 내 행동 패턴을 분석하는 데에도 활용할 수 있습니다.
같은 매장이라도 오전과 오후, 평일과 주말의 고객동선은 크게 달라질 수 있습니다. 출근 시간 이후 방문이 집중되는 매장과 저녁 시간에 고객이 몰리는 매장의 흐름도 다릅니다. 행사나 할인 기간에는 평소 이용하지 않던 구역을 방문하는 고객이 늘어날 수도 있습니다.
특정 시간대의 CCTV 영상만 수집하면 매장 전체의 고객 흐름을 대표하기 어렵습니다. 다양한 시간대와 요일의 데이터를 확보하고 혼잡도 변화까지 함께 기록하면 동선 분석 결과를 실제 운영 환경에 적용하기 쉬워집니다.
대형 유통매장에서는 카메라 한 대만으로 고객의 전체 이동을 확인하기 어렵습니다. 입구를 촬영하는 카메라와 상품 진열 구역, 계산대 주변의 카메라가 각각 다른 장면을 기록하기 때문입니다.
이 경우 서로 다른 카메라에 나타난 이동 장면을 하나의 동선으로 연결하는 데이터 구조가 중요합니다. 카메라의 촬영 위치와 시야가 겹치는 구간을 활용해 동일한 이동 흐름을 이어갈 수 있어야 하며, 추적이 불확실한 장면은 별도로 관리하는 기준도 필요합니다.
유통매장 AI CCTV 고객동선 분석은 단순히 고객이 어느 방향으로 이동했는지를 확인하는 데 그치지 않습니다. 고객이 많이 지나가는 통로와 오래 머무는 구역, 반복적으로 방문하는 공간을 함께 살펴보면 진열 위치나 매장 공간 운영을 검토하는 자료로 활용할 수 있습니다. 혼잡한 시간대와 고객 흐름이 달라지는 상황까지 장기간 축적하면 매장별 이용 패턴을 비교하는 데에도 도움이 됩니다. 비전 AI 도입 단계에서는 개인정보 보호 기준을 고려하면서도 고객의 이동과 체류라는 행동 정보를 안정적으로 추출할 수 있도록 CCTV 영상과 분석 데이터를 연결하는 구조를 설계하는 것이 중요합니다.
.svg)
.svg)
