Flame Analytics

Hypersensor ist der Teil, der tatsächlich hinsieht. Die Engine nimmt Streams gewöhnlicher IP-Kameras und lässt Deep-Learning-Modelle laufen, die Personenzahlen, Laufwege, Verweildauern und Aktivität pro Zone ausgeben. Flame nennt über 99 Prozent Genauigkeit bei der Personenzählung und lässt nach eigener Aussage jedes Quartal Feldprüfungen bei Kunden laufen. Weil eine Kamera mehrere Kennzahlen gleichzeitig liefert, braucht es keinen separaten Sensor für Zählung, einen weiteren für Verweildauer und einen dritten für Heatmaps.

In fast jedem Raum überlappen sich die Sichtfelder, und Zählungen pro Kamera doppeln, sobald eine Person von einem Bild in das nächste wechselt. Flame verbindet Erkennungen mehrerer Kameras zu einer anonymen Spur, ein Besucher vor drei Kameras zählt als eine Person und nicht als drei. Das läuft ohne Biometrie und ohne gespeicherte Bilder, was Datenschutzteams als Erstes prüfen.

Mitarbeiter sind den ganzen Tag unterwegs und blähen jede Zählung auf, wenn man sie mitzählt. Flame löst das auf zwei Wegen: ein Modul, das typische Bewegungsmuster des Personals pro Zone lernt, und von Hand gezeichnete Sperrzonen für Lager, Nebenräume und interne Flure. Gelernt wird Verhalten, keine Gesichter, damit bleibt es bei der Null-Biometrie-Regel.

Der Reporting-Teil ist für Leute ohne Analysehintergrund gebaut. Per Drag and drop gesetzte Widgets, fertige Vorlagen und geplante Versände decken über 200 Kennzahlen ab, Heatmaps und Trendkurven laufen in Echtzeit mit. Konten mit mehreren Standorten bekommen Vergleichsansichten zwischen Filialen, und dort liegt für eine Kette der größte Teil des Nutzens.

Mit Kassensystem oder ERP teilt Flame Besucher durch Transaktionen. Daraus entsteht eine echte Conversion-Rate im Laden, pro Filiale und pro Stunde, die Kennzahl, die ein Marketingproblem von einem Ladenproblem unterscheidet. Erst damit wird aus einem Frequenzzähler ein Werkzeug, das ein Vertriebsleiter von sich aus öffnet.

Flame zählt auch über WLAN-Access-Points und nutzt Anmeldedaten für Kundenbindung. Wer dem Netz beitritt, lässt sich mit Einwilligung nach Profil segmentieren und mit dem CRM verbinden, sodass ein Einkaufszentrum oder Hotel die Person nach dem Besuch erreicht. WLAN-Zählungen bleiben Schätzungen und erreichen nicht die Genauigkeit einer Kamera, deshalb eignen sie sich als zweites Signal.

Eine offene API und Konnektoren schieben die Kennzahlen in CRMs, CMS-Plattformen und Data Lakes. Echtzeit-Trigger starten Automatisierungen, etwa eine geänderte Beschilderung oder eine Meldung ans Personal, wenn eine Zone voll wird. Geräteverwaltung überwacht den Zustand der Kameras und markiert ausgefallene Streams, damit ein Ausfall nicht unbemerkt einen Monat Daten verdirbt.