客流量统计详解:方法、数据与实际应用
了解客流量统计所衡量的指标、有效的统计方法与工具,以及各类场所如何利用这些数据进行规划并衡量营销成效。
如果您场馆上季度的进门客流有所上升,这是否意味着需求也随之增长?大多数场馆团队会毫不犹豫地给出肯定回答,而这正是衡量分析出现偏差的根源所在。客流统计并不是对市场需求的最终定论。它只是通过特定方法在特定点位采集的仪表读数,带有特定的误差特征,而当这些数字呈现在月度报告中时,背后的这些限定条件通通不会体现。
请像工程师对待仪表一样对待客流统计:明确测量对象、仪表运行机制、如何对照实际情况进行校验,以及在何种情况下数值上升根本不能证明任何问题。阅读完毕后,您将能够为场馆编写客流统计规范,通过人工核算验证传感器准确性,并区分活动究竟是切实拉动了客流,还是仅仅恰好与客流增长同时发生。
目录
客流量计数真正衡量的指标
两个场所上报的上月核心数据完全相同。其中一个场所统计了双向跨越门线的所有人次,包括休息归来的员工;另一个场所则统计了手机连接到访客 WiFi 的独立个体数量。这两个数字代表着完全不同的含义,而周报中的任何信息都不会向您说明这一点。
美国联邦公路管理局关于行人监测的评估报告 展示了该术语涵盖的众多设备类型:人工现场计数、人工视频审核、自动化视频、被动及主动红外传感器、无线电波束、热成像摄像机、激光扫描仪、压力或声学感应垫。每种设备都会生成一个数值,但只有部分设备生成的数值符合您的实际预期。
客流统计是指在特定时间段内对特定点位的人员流动进行的计数。 标准输出包括行人流动量、过街/穿行量或平均客流量。同一指南还说明了短时统计如何转化为估算值:美国交通统计局将统计时间间隔设定为 5、10、15 或 30 分钟,在相关时段内采集数据,然后通过推算得出小时客流量或日均客流量的估算值。
这种推算步骤正是对比容易失效的地方。在周五下午 6 点抽样 15 分钟并进行倍数推算,与在周二上午 10 点抽样 15 分钟并进行倍数推算,两者得出的度量并不相同,即使最终都被标记为“每日客流量”。
| 指标 | 统计内容 | 常见单位 |
|---|---|---|
| 客流人次 | 经过某个点位的每一位行人 | 每个统计时段的行人数 |
| 通行量 | 跨越指定界线或人行横道的次数 | 每小时通行次数 |
| 平均客流量 | 基于某一时段内短时抽样推算的总量 | 每日、每周或每年的行人数 |
| 独立访客数 | 去重个体(仅限可识别身份的情况) | 每周独立访客数 |
| 重复到访量 | 同一名访客的再次到访 | 每人每 30 天到访频次 |
| 驻留时间 | 在场馆内或特定区域停留的分钟数 | 每次到访的分钟数 |
| 购买量 | 与到访相关联的交易笔数 | 每次到访带来的销售额 |
结合实际场所来理解这些指标。在商店门前,按方向统计的每小时穿行人次解答了曝光度问题:有多少人有机会看到橱窗。在酒吧门口,每小时入店人次更为关键,而且它与街角店面的穿行人次有显著差异,因为人们可能会从街角经过两次。在电影院,能够指导人员配置的数据是放映前 30 分钟内入场的人数,而不是单月的客流总量。
此外还存在局限性。单点计数无法记录行人的步行时长或行进距离,FHWA 指出这些数据很难推及整个城市。对您入口处精准的门禁计数,无法代表室外的街道情况,更不用说整个街区了。
决策规则:在购买传感器之前,先明确决策所依据的衡量指标。如果决策是“我们周六是否需要增加一名接待人员”,衡量指标就是按半小时细分的每小时入场人数。如果决策是“营销活动是否有效”,衡量指标则是回访访客与对照组的比对结果。
身份和停留时长是独立于移动轨迹的测量维度,停留时间和访问数据细分指南 阐述了在报告中如何将它们区分开来。
计数方法:从人工统计到传感器
任何自动化系统都可以追溯至手持计数器或计数板在记录单上逐一记录行人的工作人员。这种基准方式成本低、透明且便于审计,也是唯一能够由人工实时执行规则的方法 - 例如只统计入场人数,而忽略在门口折返的人员。但这项工作也很耗费精力,因此通常不建议进行全天人工统计。
无论您是亲自手持计数器,还是委托进行设备安装,以下四个步骤都能在应用任何技术之前确定好计数点。

视频分析,无论是人工监测还是软件分析
人工视频审核是指由工作人员清点录像中的人数。这种方法耗时费力,因此没人会持续进行,但由于录像可以回放,它成为了安装后核验自动计数器的基准参考标准。自动化视频分析则将这一工作交由软件处理,软件负责检测和追踪人员并提供连续的每小时统计数据,但它也会出现可预见的技术失效:例如人员重叠的拥挤场景,以及改变模型所依赖对比度的光照变化。
| 方法 | 统计原理 | 最适用场景 | 主要局限 |
|---|---|---|---|
| 使用计数器或记数板人工统计 | 观察员在数据表上记录每位行人 | 短期定点抽查与审计 | 耗费人力且观察员易产生疲劳 |
| 人工视频复核 | 工作人员统计录像中的人数 | 核对自动化统计结果 | 处理速度慢 |
| 自动视频分析 | 软件检测并追踪行人 | 连续的每小时统计 | 存在遮挡与光照误差 |
| 被动红外传感器 | 检测经过人员散发的人体热量 | 出入口及通道 | 成群结队通过时可能漏计 |
| 主动红外对射 | 人员穿过时光束被阻断 | 单向出入口 | 多人一同穿过时可能只记录一次 |
| 无线电射频对射 | 通行人员阻断信号 | 狭窄出入口 | 对安装位置敏感 |
| 热成像摄像机 | 检测视野内的热特征 | 注重隐私的统计场景 | 成本与安装要求高 |
| 激光扫描仪 | 检测跨越界线的通行人员 | 固定通道走廊 | 需要无遮挡的视线环境 |
| 压力或声学感应垫 | 记录踩踏或声音信号 | 地面通道 | 需安装在步行路径上 |
| WiFi 连接数统计 | 接入场馆网络的用户设备 | 提供访客 WiFi 的场馆 | 仅统计连接网络的用户 |
WiFi 统计选择加入的宾客
基于 WiFi 的客流统计仅记录接入场馆网络的设备,因此它只捕获了联网的宾客。这使得该方式得出的每项数据都只是底线数据,而非完整总数:从未连接 WiFi 的宾客完全不会被计入统计;登录提示越不明显,该数值与实际客流的差距就越大。请将 WiFi 返访数据视为下限值,并据此得出合理结论。
三个问题可以帮您迅速缩小备选范围:您需要多少小时的数据、决策所需的准确率是多少,以及现场适用哪些预算与隐私合规要求?如果某个场所的回答是“每月 40 小时、正负 10% 误差,且需要法务团队参与评估”,那么该表格中的两行方案便已直接出局。
隐私合规职责因采用的方法而异,彼此不可互换。热成像、WiFi 和视频各自采集的内容截然不同,且绝不能将匿名统计数据与个人的消费记录关联,除非该宾客已明确同意进行此类关联。特别是对于基于摄像头的统计方式,点位部署和分析算法设置决定了需要应对多少遮挡干扰。在签署安装确认单之前,这一针对统计流程的详细演示非常值得一看。
如何实施严谨可靠的客流计数

人流量统计只有在其规则保持一致时才有价值。请记录统计人员的地点、时间和方式,并在未来的统计中使用相同的方法。否则,数字的变化可能只是反映了方法的改变,而非实际客流量的变化。
- 明确具体位置。精确指定门口、路段或人行横道。“场馆外”过于含糊,无法复现或与早前的计数进行对比。
- 拍摄计数点照片。记录摄像头角度和传感器位置。在重新装修或改造后,照片有助于确认计数是否仍取自同一地点。
- 设定通行规则。确定是仅统计进入人数、双向移动,还是特定区域的穿行。务必书面记录该规则:统计离开后又返回的访客与仅统计首次进入的访客截然不同。
- 选择时间窗口。如果对您的决策有影响,请纳入工作日高峰期、较平静时段以及周末。仅在繁忙时段采集的样本无法代表整周情况。
- 确定时间间隔并在其内抽样。参考美国交通统计局的时间间隔,选择 5、10、15 或 30 分钟,并在每个时间窗口内采集多个样本。单次短时间的统计可能记录的是偶发排队,而非典型客流。
- 为每个间隔添加时间戳。在计数表或传感器日志中记录开始和结束时间。没有时间戳,就无法可靠地将计数与天气、活动或促销活动进行对比。
- 将短期计数推算为小时和日均值。同类相比:将工作日上午的样本推算限制在该时间窗口内,而不是套用到周六晚上。否则,抽样时段的差异可能会被误判为客流变化。
- 记录环境条件并归档方法说明。在计数旁记录天气、活动、道路施工、学校假期及促销活动。这些条件有助于解释不同时段之间存在差异的原因。
为什么记录方法优于凭借记忆
将方法记录控制在一页纸内:位置、跨越规则、时间窗口、时间间隔、方法、计数人员及相关条件。同事应当无需猜测原始指令的含义即可复现该计数流程。
重复相同的位置、规则与照片记录。如果方法发生变更,请将新的计数视为一项独立的测量,而非以往计数的直接延续。
如果样本不能代表所比较的时间段,推算可能会产生具有误导性的平均值。周中较平静时段的样本可能会低估周末的人流量;周六的高峰样本可能会高估本周其余时间的人流量。请对每个相关时间窗口进行抽样,然后仅在该窗口内进行推算。
对照人工统计核对自动化计数
自动计数器报告的是到访频次,而非实际人数,更不是实际需求。如果有人走出场外接听电话然后返回,可能会被记录为两次到访。而需求是指这些到访能否转化为预订或销售,这是计数器无法监测到的。该设备的工作原理类似于厨房秤:您需要明确单个单位的定义、可引用的误差范围,以及一套确保其读数始终准确的日常校准机制。
美国联邦公路管理局关于自动计数的指导文件 指出,多项关于自动视频计数的研究发现,行人计数误差大约在 5% 到 13% 之间,其中主要故障模式为遮挡。遮挡是门口拥挤时常见的问题。当两人重叠或同时穿过检测路径时,系统可能仅记录距离传感器最近的人员。第二个人确实存在,但日志却显示不存在。
5% 到 13% 看起来并不大,但当这个数值成为分母时就截然不同了。如果一场营销活动使客流提升了 6%,它完全处于 13% 的误差范围之内,因此决定当周成败的是传感器,而非营销活动。处于该误差范围内的客流增长,既不能证明实际需求有所变化,也无法证明是营销活动带来了额外的客流。
可在半天内完成的比率测试
选取具有代表性的低、中、高客流量时段。在同一时间段内安排受过培训的人员进行人工计数,最好基于监控视频进行,以确保两端涵盖完全一致的分钟数。将自动统计总量除以人工观察总量,所得商数即为误差比率。当拥挤程度、光照、天气或摄像头位置发生变化时,请重新进行校准。比率为 1.00 意味着机器与人工统计完全吻合。偏离此数值则表明需要修正系数,或者表明现场情况超出了您所设定的规则。
| 时段类型 | 人工计数 | 自动计数 | 误差比率 |
|---|---|---|---|
| 低客流量 | 180 | 191 | 1.06 |
| 中客流量 | 640 | 701 | 1.10 |
| 高客流量或拥挤 | 1,250 | 1,038 | 0.83 |
| 光照、天气或摄像头调整后 | 520 | 640 | 1.23 |
示例日志说明了问题所在。前两行处于已公布的范围内,可通过稳定的调整系数予以校正。拥挤的一行少计了大约六分之一,原因是人员在门口聚集重叠。最后一行则反向剧增,这通常意味着现场场景发生了改变,而非人流本身的变化。出现偏差的比率是展开排查的提示,而不是直接取平均值草草了事的数字。
如果计数设备是摄像头,则配置决定了绝大部分效果。ABCO Security 的视频分析指南 详细说明了这些检测和安装位置设置的作用,在供应商将任何设备固定到墙上之前,这篇指南非常值得一读。
第一天进行人工视频计数、此后执行定期验证,并针对每种时段类型记录书面调整系数,这比购买更昂贵却缺乏日常核验流程的传感器有效得多。请在对应的时段旁记录每个系数。若将清淡早晨的系数套用于周六的高峰期,会凭空捏造从未发生过的客流,而这些虚增的客流看起来就像是营销活动的成效提升。
区分真实需求与营销活动带来的提升
客流量增加并不一定意味着需求有所增长。促销活动可能会促使顾客提前到访,而到访次数减少也可能伴随着老顾客更强劲的消费。客流计数衡量的是到访人次;销售额、到访频次和营销活动成效则需要各自的衡量指标。
零售业能够清晰说明这一差异。高力国际(Colliers)2025 年 7 月零售客流分析 报告指出,2025 年客流量增长了 1.8%,而销售额增长了 3.7%。这两项指标的增长速度并不一致。客流统计仅展示实际到访人次,并不反映这些到访是否带来了额外需求或收入。
为什么汇总数据会掩盖真实结果
高力国际 (Colliers) 年终客流回顾 报告显示,2025 年下半年零售客流增长率经常低于 1%。其 7 月份的各品类数据也呈现出不同趋势:家具店到访量增长 2.75%,服装店增长 3.93%,电子产品店下降 1.23%,家装店下降 0.35%。
场所总计数据往往会掩盖这些差异。折扣可能会让顾客提前到访,从而改变到访时间,但并未带来新顾客。仅凭计数本身无法判断某次到访是否属于增量客流、顾客是否进行了消费,或者该顾客是否本来就会来访。
面对任何增长时都需要提出的问题:该营销活动是真正带来了额外到访,还是仅仅提前了原本无论如何都会发生的到访时间?
基准决定规模,而非衡量成功与否
公开发布的城市人流量统计有助于展示不同位置和方法之间的测量差异。MIT 新闻对纽约人流量模型的报道 描述了基于人行道细分路段观察结果的估算方法。
| 地点与时段 | 指标 | 报告数据 |
|---|---|---|
| 纽约市曼哈顿中城,晚高峰 | 每人行道区段每小时平均行人量 | 约 1,697 |
| 纽约市金融区,晚高峰 | 每人行道区段每小时平均行人量 | 740 |
| 纽约市格林威治村,晚高峰 | 每人行道区段每小时平均行人量 | 656 |
所报告的纽约观测数据在 2018 年和 2019 年覆盖了多达 工作日的 1,000 个人行道路段以及周末的约 450 个人行道路段。这些数字描述的是抽样人行道路段,而非对每位行人的全面普查。请利用基准来核验自身的数据是否合理,切勿用其断言某项促销活动取得了成功。
经得起严格检验的营销活动测试
可靠的提升评估需要对照基准。首先确定受众群体、预期成效和时段,然后将接收到营销活动的人群与未接收活动的同类人群进行对比。
先细分,再对比。按近期到访时间、频次、消费金额或对促销的响应来细分访客。流失访客重新到访与常客再次光顾是两种截然不同的结果;将其混为一谈可能会掩盖实际发生的变化。
保留对照组。Purple Engage 仅在保留至少 50 位访客后才会报告营销活动结果。低于该最低要求时,结果卡片将显示“尚未衡量”。对于餐厅,Purple Engage 建议首先设置 14 天的归因期,并根据场所的自然到访频次进行调整。
计算两个群组的比率。回头客率是指在归因窗口期内实际再次到访的邮件接收者百分比:(再次到访次数 / 发送邮件总数)× 100。对营销活动组和对照组应用相同的定义与时间窗口,以确保对比具备同等可比性。
将到访量与消费额结合分析。营销活动可能会增加客流到访次数,但并不一定会提升这些客流的价值。请将到访结果与消费额进行对比,避免仅将计数增加视为需求增强的证据。
报告各组之间的差异。如果 15% 的目标访客在 14 天内再次光顾,而对照组访客的再次光顾率为 10%,则差异为 5 个百分点。这种比较有助于将营销活动的提升效果与本来就会发生的访问区分开来。
同样的方法不仅适用于电子邮件。绗缝用品店可能会 向绗缝领域的网红寄送面料 以宣传周末工作坊。客流繁忙的周六表明有人参与,但若要评估该促销是否切实增加了到访量,仍需要一个未收到邀请的可比群体。
要评估营销活动的成效,请将测得的到访数据与核心业务成果紧密关联。到访只是通往成果的一步,并非成果本身。了解 营销 ROI 所衡量的指标 有助于明确这一区分。
在投入预算前制定计数方案
选择一项企业将据此采取行动的核心指标。无论是重复访问、单次访问消费,还是营销活动后的增量访问。方案中的所有其他内容都取决于该选择,若场所试图同时优化所有指标,最终将一无所获。
将统计规范编写为一份统一步骤文档:位置、通行规则、时间窗口、时间间隔、方法、验证例程,以及在首次营销活动启动前保留的对照组。然后按顺序执行前四个步骤。
- 在单个场所运行为期两周的基线测试。在任何营销活动介入前,保持单一地点、统一规范。您需要一个纯净的数据作为基准对比,且两周时间能够捕捉每周的周期规律。
- 对照人工计数核对计数器。记录每类时段的误差率,并将日志与技术规范一同留存,以便直观发现误差率的偏离,而不是靠主观推测。
- 发起一次营销活动,并设置至少 50 名访客的对照组。保留的对照组访客必须具有可比性,来自同一客群细分和时段,否则对比衡量的将是两个受众群体之间的差异,而非活动本身的效果。
- 报告重访率提升幅度,并同时展示消费额和停留时间。22% 的重访率远比没有可衡量客流的 45% 打开率更有价值,而后一个数字正是仪表板默认显示的内容。
一家拥有 40 家门店的餐饮集团在使用 Mailchimp 时实现了 35% 的打开率,随后在其 Cisco Meraki 网络中全面迁移至 Purple Engage,设置了“生日月优惠”和“流失顾客召回”营销活动,进而能够准确报告归因于每个营销活动的客流量数据。其差异并不在于邮件撰写得更好,而在于底层设立了对照组和经过验证的到访计数。
在开展首个营销活动之前,请先确定如何将统计到的到访转化为可触达的访客,因为只有当数据背后的人群可以被联系并供日后比对时,经过验证的计数才具备可衡量性;从零售客流到邮件列表指南 详细介绍了该步骤。
在明确计数器的误差率并设立对照组之前,绝不应仅凭原始客流量来评估营销活动。本指南中的所有内容都可以归结为这一条规则,以及其背后的基本准则:先确定要衡量的指标,然后再进行衡量。
Purple Engage 将客流计数与具体顾客关联起来。它记录经 WiFi 验证的到访数据,将其与收银、预订及入住记录进行匹配,并通过保留对照组来衡量增量到访,从而让您汇报营销活动实际促成的成效,而非仅仅是在活动期间碰巧发生的数据。如果您希望客流统计背后有严谨的验证流程支持,而不仅仅是仪表板上的一个单薄数字,请 访问 Purple Engage,并在单一网点开展为期两周的基线测试。
