グローバルブランド・大型家電量販店
Section 01 — Challenge課題
店舗の動線をPOSだけで見ていた限界
大型家電量販店・グローバルブランドの旗艦コーナーでは、什器レイアウトやMD展示が頻繁に変更される。しかし効果検証のKPIはPOS売上だけだった。
見えなかった3つの層
- 未購入顧客の回遊：入店したが買わなかった顧客が、どこを見てどこで離脱したか
- レイアウトABテストの真の効果：什器位置変更で「集客効果」と「購入転換効果」のどちらが動いたか
- スタッフ接客の貢献度：ASC（Apple Solution Consultant等）の接客回数・時間が売上にどう関連したか
AIカメラでは2,000万円規模で挫折
顧客とスタッフが密集する量販店環境では、AIカメラのトラッキングが頻繁にロストする。精度担保のためにカメラ数十台が必要となり、見積りは2,000万円規模に達した。
アプローチ
天井常設LiDARでフロアを網羅
天井裏にLivox Mid-360を複数台常設し、フロア全体を網目状にカバー。LiDARは3D空間を直接ToFで計測するため、人と人の重なり下でも追跡が切れず、混雑時間帯でも安定した軌跡データを得られる。
HULIX独自ロジック：スタッフと顧客を分離
量販店動線分析の壁は、スタッフと顧客を分けられないことだった。HULIXは2つの特徴量を組み合わせた独自ロジックで解決している。
- 反射強度（Intensity）：黒色スタッフ制服の反射シグネチャを検出
- 滞留時間スコア：10分以上連続滞在をスタッフと推定
顔画像を取らずに、行動パターンと物理反射特性だけで機械的に分離できる。
POS Primary Dataとのリアルタイム結合
動線データは顧客企業のPOS売上データと時系列で結合される。特定SKUの「店頭通過 → 立ち寄り → 滞在 → 接客 → 購入」ファネルが、オンラインECと同じ粒度で可視化される。
成果
SKU単位の超ミクロ分析
購入ファネル（鳥の目→虫の目）
店舗前通行客数 → 入店客数 → LOB（iPhone・Mac等）滞在 → SKU個別滞在 → 接客 → 購入。各ステージの離脱率と滞留時間を可視化。カラーバリエーション単位の人気度比較まで届く。
接客パフォーマンスの可視化
スタッフ単位の接客回数、平均接客時間、購入コンバージョン率が定量化。トップ接客者の動線パターンを新人教育にフィードバック。
ABテストの客観検証
レイアウト変更前後で、「集客効果」と「購入転換率への寄与」を分離して評価できるようになった。
他社との決定的な違い
1. 自社AIモデルで「SKU個別」まで見える
他社ソリューションは「この頃に何人」を計測するレベルだが、HULIXは自社AIモデルで人以外の物体検知（商品手取り・カゴ使用等）も追跡できる。現場固有の反射パターンは追加学習で適合させ、SKU個別の滞在者数・カラー選択行動まで取れる。
2. 小売業特化の分析テンプレート
スタッフ・顧客分離、SKUファネル、接客コンバージョンといった小売業課題に特化した分析パターンをテンプレートとして保有している。ゼロからロジックを作るのではなく、現場初日から業務に使える出力を提供できる。
3. ダッシュボードとAPI連携が標準付属
「ひとなびStudio」による可視化ダッシュボードを標準提供し、POS・BI・サイネージ等の既存システムとAPIでリアルタイム連携。オープンと同じ粒度のオフライン「Google Analytics」として、現場の業務フローにすぐに組み込める。
