1.进店转化率：活动引流效率的直接标尺

进店转化率指的是统计周期内，进入商场的有效客流与商场周边过境客流的比值，是衡量一场活动"引流能力"最核心的指标。

数据来源：主要依靠商场主出入口部署的客流统计设备，配合外围区域的客流采集点位，分别统计过境人流与实际进店人流。结合历史同期数据，可以剥离出自然客流基数，单独计算活动带来的增量进店人次。

评估意义：很多活动看似声势浩大，线上宣传铺天盖地，实际到店人数却寥寥。进店转化率能直接反映活动的触达效率与吸引力——如果过境客流很高但进店率低，说明活动门头、入口引导、宣传内容出了问题；如果过境客流本身就低，则说明外部引流渠道触达不足。

2.场内平均停留时长：活动内容的"粘性试金石"

平均停留时长是指顾客从进入商场到离开的全程时长，是衡量活动内容吸引力、场内业态丰富度的关键指标。

数据来源：依赖具备行人重识别（ReID）能力的视觉统计系统，通过跨摄像头的行人特征比对，还原单名顾客的完整场内轨迹，计算真实停留时长。传统的红外对射、单点计数设备无法实现跨区域去重，也就得不出准确的停留数据。

评估意义：一场活动如果只能把人"吸引进来"，却不能把人"留下来"，最终转化效果必然大打折扣。停留时长短，可能意味着活动内容单调、动线设计不合理、联动商户不足；停留时长显著高于平日，则说明活动内容具备足够的逛展价值与体验感，能够有效拉长顾客消费路径。

3.区域客流热力分布：活动点位的效能地图

区域客流热力指的是商场内各楼层、各业态、各活动点位的客流分布与密度差异，能够直观呈现一场活动的人流走向与冷区热区。

数据来源：通过在楼层入口、扶梯口、主力店门口、活动主会场、中庭等关键点位部署客流采集终端，形成全场覆盖的统计网络，生成分时、分区的客流热力数据。

评估意义：很多商场做活动，只看中庭主会场人多不多，却忽略了活动对全场商户的带动作用。热力分布数据可以回答几个关键问题：活动主会场的人流有没有向周边商铺溢出？哪些楼层、哪些业态被活动带动明显？哪些区域始终是客流盲区？据此可以优化下一次活动的点位布局、动线引导与商户联动策略。

4.新客占比与复访率：活动的客群质量标尺

新客占比是指活动期间首次到访商场的顾客占总客流的比例，复访率则是指活动周期内多次到访的顾客占比。

数据来源：基于ReID技术的去重识别能力，系统可以为每名到访顾客生成匿名特征标识，区分首次到访与重复到访，无需依赖会员系统或手机信息。

评估意义：一场活动的价值，不只是短期卖货，更在于拉新与用户沉淀。新客占比高，说明活动触达了商场原有客群之外的新圈层，拉新效果显著；复访率高，则说明活动内容具备复购复逛的吸引力，用户忠诚度高。结合客群画像，还能进一步判断活动是否精准触达了目标消费群体。

5.客流时段分布曲线：活动节奏的调控依据

客流时段分布是指按小时、半小时甚至更细粒度拆分的客流变化曲线，反映活动全天的人流波动规律。

数据来源：客流统计系统的分时统计功能，可输出分钟级、小时级的客流数据，形成完整的时段分布曲线。

评估意义：活动不是人越多越好，节奏失控反而会降低体验。通过时段分布，可以精准识别客流高峰与低谷，匹配安保、保洁、收银、活动工作人员的排班；也可以判断活动环节的吸引力——比如某时段客流突然下降，可能对应某个环节体验不佳；某时段客流集中涌入，则说明引流渠道在该时段生效。

商场活动评估从"拍脑袋"走向"数据化"，背后是客流统计技术的三代演进。

第一代是红外对射、门禁闸机等传统方案，原理简单、成本低廉，但只能做简单的进出计数，无法识别人群方向，也不能去重，误差率通常在20%以上，只能得到一个粗略的客流规模，无法支撑精细化的活动评估。

第二代是普通双目视觉与WiFi探针方案。双目视觉通过摄像头识别行人，精度比红外有所提升，但无法跨摄像头追踪同一个人，也就算不出停留时长、复访率这类指标；WiFi探针则通过抓取手机MAC地址统计客流，缺点是数据偏差大、隐私合规风险高，如今已逐步被限制使用。

第三代就是当前行业的主流方向——ReID边缘计算视觉统计方案。这套方案的核心逻辑是：在前端摄像头本地完成行人特征提取与比对，通过行人重识别（ReID）技术实现跨摄像头的人员去重与轨迹追踪，所有计算在边缘端完成，原始图像不上传云端。

从行业整体来看，目前头部连锁商场、标杆商业体已经普遍完成第三代方案的升级，客流评估维度从"单一计数"转向"全链路行为分析"；而大量区域型商场、中小商业体仍停留在第一代、第二代方案，活动评估基本还停留在"看销售额、数人头"的阶段。

行业的共识趋势是：客流统计不再是一个"记数工具"，而是商业运营的数据底座。尤其在活动评估场景下，只有精准、多维、实时的客流数据，才能真正把活动效果从"感觉"变成"数据"。