参考 - 帮助文档

概览

登录https://people.wanf.life后首页

主要有今日、本月客流及客流量趋势，客群画像，地区客流量热力图，场所客流量TOP10，客流目标达成率，销售数据及目标达成率等

提供多种场景看板选择，如：商场、连锁店、景区、展厅...等等，可通过右上角场景按钮切换

报表查询

丰富的查询方式：按场所查询、按区域查询、按业态查询、机非人查询、数据助手等

1.按场所查询

主要有日、周、月、年、多个场所对比、多场所多个时段对比报表等，场所为二级组织，如：店铺、购物中心等

2.按区域查询

主要有日、周、月、年、多个区域对比、多区域多个时段对比报表等，区域为三级组织，如：A栋、楼层、出入口等

3.按业态查询

业态分为三级，如：餐饮-中餐-粤菜等

4.车流量查询

支持机动车、非机动车、行人，混合统计分析，可分别按车道、车辆类型、车辆颜色、车辆品牌、车辆子款、车辆年款、行驶方向、车牌号、车牌颜色、车牌类型过滤或分类统计查询

a.通过车辆实时流水记录

b.车流量时间分布趋势报表

c.车辆品牌分布报表

d.车辆类型分布报表

e.车牌归属地分布报表

f.车牌类型分布报表

g.按车牌号查询报表

h.各区域流量分布报表

i.各区域剩余车位看板

j.自定义过滤分组条件查询

1)选择一个时间段，来查询该时间段内的统计数据

2)选择车型，在车型栏选择需要查询的车型，即可只查询统计选择的车型数据，如不选择则查询所有车型数据

3)选择车道，车牌类型，行驶方向与选择车型同理，如留空则查询全部，如有选择则查询选择类型的数据

4)选择分组，即按某个条件来分组查询，例如按车辆类型分组，那么查询的结果是不同的车辆类型的统计数量

5)时间粒度，即数据的统计间隔，例如选择的是日，那么车流趋势图上的横轴是每一天的数据，下方的数据预览表格则为每天1条统计数据，选择月则是每个月的数据，依此类推

运营分析

更丰富更多维度的数据分析

区域关注度：自定义多个区域，按区域到访人数，平均驻留时长，不同驻留时长等级等维度来统计分析，并以颜色的深浅来直观的展示该区域的客流人数和驻留时长的热度

区域关注度分析,可通过图表右上角切换人数热度/停留时长热度视角

在离岗分析：自定义多个区域，按区域人员在离岗次数，离岗时长等维度来统计分析，并以颜色的深浅来直观的展示该区域人员的离岗次数和离岗时长热度，并有实时到岗/离岗记录查询，离岗时长达到设定值预警等功能

实时在离岗流水记录

在离岗统计报表(离岗次数、离岗时长)

热度图：场所整体平面图多摄像机热度图，直观的展示整个场所每个区域的人流量

心情日历：顾客每一天的不同心情人数占比日历

节假日分析：指定年份的节假日客流趋势分析对比

更多运营分析页面在这里不一一展示了，部分页面数据逻辑说明

页面	数据来源	查询条件	核心指标计算	特殊说明
转化分析	PeopleCounting_hour/day_{site.id}、Device	二级组织主设备(main=1)；日期范围转UTC；单日查小时表，多日查天表	cover=enter+passBy；rate=enter/cover×100(进店率)；汇总deDuplicateEnter(去重进店)	TruncHour/TruncDay按本地时区分组；_local_date_to_utc_range处理跨天边界
销售转化分析	PeopleCounting_hour/day_{site.id}、SalesData、Device	同转化分析；SalesData按organization+transaction_time过滤	销售与客流分别聚合后按时间键(HH:MM/YYYY-MM-DD)对齐合并；rate=deals/enter×100(成交转化率)；avg_price=sales/deals	销售与客流独立查询后Python字典合并；支持单日小时与多日日粒度
客流动线趋势	PeopleCounting_day_{site.id}、OrganizationTag、Device	parent=site的三级组织；各tag通过deviceAllot关联设备；二级组织主设备计算总入口/出口	总入口/总出口(主设备)；各三级组织enter/exits；direct_leave=max(0,total_site_enter-total_tag_enter)；输出Sankey nodes/links	节点名称去重(_unique_name)；直接离开流量作为入口→出口的兜底边
活跃度分析	PeopleCounting_hour/day_{site.id}、OrganizationTag、Device	主设备main=1；三级组织通过deviceAllot取设备	activity_rate=dedup/enter×100(活跃率)；dup_rate=duplicatePeople/enter×100(重复率)；turnback_rate=turnBack/enter×100(折返率)	单日小时粒度、多日日粒度；支持整体趋势+各店铺对比
商圈分析	用户下全部SecondOrganization、Device、客流表	user=request.user的所有场所；每个场所主设备；日期范围	各场所enter/exits/stay(enter-exits)；多日按天汇总商圈总客流(跨场所累加)；avg_enter=total_enter/site_count	单日趋势做横向场所对比；多日趋势做时间轴；仅多场所sum
驻留时长分析	PeopleCounting_hour/day_{site.id}、Device	主设备main=1；日期范围	小时级：梯形法，avg_people=(begin+end)/2，person_hours=Σavg_people×1h，avg_stay=person_hours/day_enter；天级近似：net=enter-exits，day_ph=(net/2)×24	小时级梯形积分估算person-hours；天级因缺少小时分布用24h线性近似，精度较低
品牌排行	PeopleCounting_day_{site.id}、OrganizationTag(category=店铺)、SalesData、Device	三级组织类型为店铺；deviceAllot设备关联；销售按tag过滤	各店铺enter/exits/stay；sales=Sum(transaction_amount)；deals=Sum(transaction_count)；conversion_rate=deals/enter×100；avg_price=sales/deals	TOP10供图表，完整列表供表格；按enter降序
品牌KPI	同品牌排行，额外使用people_target、market_target、area	同品牌排行	enter_rate=enter/people_target×100；sales_rate=sales/market_target×100；efficiency=sales/area(坪效)；综合评分=客流达成30%+销售达成30%+转化20%+客单价10%+坪效10%(每项封顶100)	加权评分模型，每项单独封顶100分；按综合分降序取TOP10
业态分析	PeopleCounting_day_{site.id}、OrganizationTag(category=店铺)、BusinessForms、SalesData	同店铺类型三级组织	按BusinessForms.name分组聚合；各业态：店铺数、enter、sales、deals；conversion=deals/enter×100；avg_price=sales/deals；enter_share/sales_share	纯分组聚合视图；按销售额降序
游逛深度分析	PeopleCounting_day/hour_{site.id}、OrganizationTag(category=楼层)、Device	三级组织类型为楼层；deviceAllot设备关联	楼层智能排序：B\d+(地下负序)、\d+(地上正序)；base_floor=排序后首个有客流楼层；climb_rate=floor_enter/base_enter×100(爬楼率)；floor_conversion=floor_enter/prev_enter×100；avg_depth=total_dedup/base_dedup(近似)	楼层名称解析算法(B2
会员分析	PeopleCounting_day_{site.id}、SalesData、Device	主设备；日期范围	基于真实total_enter、total_sales生成模拟数据：member_ratio=25%~38%，member_total=enter×ratio；会员等级分布(金/银/普通)、消费频次分布、RFM分层、会员vs非会员对比	当前无真实会员模型，所有会员指标为基于真实总客流的按比例模拟；固定随机种子保证同一查询结果一致
经营分析	PeopleCounting_day_{site.id}、OrganizationTag(店铺)、SalesData、Device	主设备；逐日遍历日期范围查询	真实：avg_price、conversion_rate、people_efficiency、area_efficiency=sales/site.area、staff_efficiency=sales/site.staff、目标达成率；估算：毛利率50%、费用结构(租金15%/人工20%/水电4%/营销5%)、净利润、盈亏平衡点、健康度评分	混合真实与估算数据；成本/费用/店铺面积(15~180平稳定伪随机)为模拟或固定比例估算
预测分析	PeopleCounting_day/hour_{site.id}、SalesData、Device	主设备；查询期+前30天历史数据	趋势率=近14天前后半段移动平均变化率；未来7天预测=pred=last_actual×(1+trend_rate×0.5)×weekend_factor×noise(周末因子1.2/1.0)；本月预测达成=actual+avg_daily×remaining_days	趋势外推算法(半衰趋势权重+周末调整+有界随机扰动)；历史数据全真实，预测为数学外推；预测起点从今天之后开始
峰值分析	PeopleCounting_hour_{site.id}、Device	主设备main=1；日期范围startTime__gte/lte	ExtractHour(startTime)提取小时整数(0~23)；按小时分组聚合Sum(enter)/Sum(exits)/Sum(passBy)；跨天按小时汇总(如7天则09:00为7天所有09:00合计)	使用ExtractHour而非TruncHour，适合一天内各时段峰值分布场景

数据可视化

丰富的大屏可视化定制界面，适用于各种液晶屏、拼接屏、LED屏等展示，支持客流数据以外的各种传感器数据接入

LED大屏对接

平台支持通过LED控制设备对接各类LED显示屏，实现客流、车流量等数据的实时展示。配置入口：首页 → 配置中心 → LED屏配置 (/device/led-config/)

新增LED屏配置

在配置列表页面点击「新增」按钮，填写以下信息：

字段	必填	说明
配置名称	是	为该LED屏配置命名，便于识别和管理
关联设备	是	选择已添加的LED控制设备（设备类型需为LED屏控制器）
配置描述	否	对该配置的用途、位置等进行补充说明
是否启用	是	启用后，LED服务端才会读取并推送该配置到对应的LED屏

区域配置（可添加多个）

一个LED屏可配置多个展示区域，每个区域对应屏上的不同内容块。点击「+」可添加区域，「-」可删除区域。各字段说明如下：

字段	说明
区域名称	对应LED屏模板中该区域的UID或种类编号
区域类型	文本 / 时间 / 计时 / 表格 / 图片 / 实时采集
区域内容	根据区域类型填写内容。选择「实时采集」时，填写对应编号：1进入客流、2离开客流、3场内客流、4周客流、5月客流、6年客流、7总客流、8剩余车位；其它车流量数据请按API方式配置
组织类型	二级组织(场所)：汇总整个场所的数据；三级组织(区域)：汇总指定区域的数据
刷新频率	该区域内容的刷新间隔，单位秒，默认20秒
重复次数	内容播放的重复次数，可选无限重复/单次/固定次数
停车位总数	仅在展示「剩余车位」时生效，用于计算剩余车位数
偏移量重置时间	格式HH:MM，到达该时间时重置计数偏移量；留空则表示不重置

PS: LED服务端必须走nginx访问，禁止直连uwsgi socket。配置完成后请确保LED服务端已启动并与平台网络通畅。

配置中心

主要有账号、权限、角色、组织、业态、设备、车辆管理分配等功能，可以新建多个子账号，给子账号分配不同的权限和功能等

数据助手

用于对数据的导出、更新、导入操作

1.客流数据导出及手动更新

选择位置类型（场所或区域）、时间粒度（时/日/周/月/年）、导出指标（经过、进入、离开、折返、性别、年龄、表情、穿戴特征等）及日期范围，查询后在数据预览表格中展示结果，支持导出为Excel、CSV或打印。

PS：也可在报表查询页面的数据详情表格左上角直接导出报表。

2.关注度数据更新

用于手动补录或修正区域排队/关注度数据。选择场所和时间粒度查询现有数据后，在下方更新表单中选择区域、开始/结束时间，填写总人数、平均停留秒数及各级停留阈值人数，提交后数据将写入区域关注度统计表。

3.实时车流量数据导出及手动更新

选择场所、区域（可选）和日期，选择导出格式（Excel/CSV），即可下载车辆通行流水明细，包含抓拍时间、设备名称、车道、行驶方向、车辆类型、品牌、颜色、车牌号等信息。

4.销售数据管理

集中管理销售数据，顶部展示总交易额、总交易笔数、平均客单价统计卡片。支持按场所、日期范围、数据来源（手动/Excel/API）筛选。数据列表展示交易时间、笔数、金额、客单价、来源等信息，支持单条删除。点击「导入Excel」可批量导入销售数据。

活动数据管理分析

通过配置中心的活动管理页面新增活动，可在运营分析的活动策划页面或页面右上角切换至活动看板进行展示每个活动的数据分析看板，支持切换不同视角看板数据及导出excel表格。

AI经营助手

通过AI对话式自动生成各种数据分析报告，支持报告的导出及分享功能。