Datos de footfall: de dónde salen y qué grado de fiabilidad tienen

El informe del lunes dice que la tienda de la calle principal perdió un 14% de visitantes la semana pasada. Las ventas, sin embargo, se mantuvieron. El gerente de zona pide explicaciones, el gerente de tienda jura que la tienda estuvo llena el sábado, y nadie en la reunión sabe responder a la pregunta que de verdad importa: ¿de dónde sale ese número? Esa escena se repite en cadenas de todos los tamaños, y casi siempre revela lo mismo: se toman decisiones sobre horarios, personal y alquileres a partir de datos de footfall cuyo origen y margen de error nadie ha revisado. Este artículo explica qué tecnologías producen esos datos, qué los distorsiona y cómo comprobar si los suyos merecen confianza.

Cuatro orígenes distintos para un mismo número de footfall

Cuando alguien habla de "datos de afluencia" puede referirse a cosas muy diferentes, y mezclarlas es el primer error. Conviene distinguir cuatro familias:

• Sensores propios en la entrada. Cámaras estereoscópicas 3D, sensores térmicos o, en instalaciones antiguas, barreras infrarrojas. Cuentan personas físicas que cruzan una línea virtual. Es la única fuente que mide a su cliente real, en su puerta, cada día.
• Detección de dispositivos (Wi-Fi y Bluetooth). Captan señales de teléfonos cercanos. Su utilidad ha caído desde que los sistemas operativos aleatorizan las direcciones MAC; además cuentan a quien pasa por la acera y no entra, y no cuentan a quien lleva el móvil apagado o en modo avión.
• Datos de localización móvil comprados a terceros. Proceden de apps que recogen GPS de un panel de usuarios y extrapolan al total de la población. Sirven para comparar zonas comerciales o evaluar una ubicación nueva, pero la muestra en una tienda concreta puede ser de unas pocas docenas de dispositivos al mes. No sirven para gestionar turnos.
• Transacciones del TPV como sustituto. Algunas cadenas sin contador de personas estiman el tráfico a partir de tickets. Es una medida de compradores, no de visitantes: por definición no puede decirle nada sobre quién entró y se fue sin comprar.

La confusión habitual en comités de dirección es comparar un informe de localización móvil (que dice que el centro comercial creció un 6%) con el contador de la tienda (que dice que la tienda cayó un 3%) y concluir que uno de los dos está roto. No lo está: miden cosas distintas con muestras distintas.

Qué precisión es razonable exigir a un contador de personas

Aquí conviene ser directo porque el mercado no suele serlo. Un sensor estereoscópico bien instalado y calibrado ofrece normalmente entre un 98% y un 99% de precisión cuando las condiciones acompañan: iluminación estable, una entrada con geometría clara y visitantes que se comportan de forma previsible. Por eso Vemco fija contractualmente un mínimo del 96% y no promete una cifra plana del 99% para todas las puertas, porque hay entradas donde eso sería mentir.

Lo que degrada la precisión casi nunca es el sensor en sí, sino el entorno:

• Entradas muy anchas o con escaparates que generan contraluces fuertes a ciertas horas.
• Techos altos que obligan a montar el sensor fuera de su rango óptimo, o techos bajos con el sensor demasiado cerca de la puerta.
• Personas que se detienen justo bajo la línea de conteo (un expositor de ofertas en la entrada es el caso clásico) y cruzan varias veces.
• Carritos, cochecitos de bebé y grupos compactos, que un sensor 2D antiguo confunde y uno 3D moderno separa razonablemente bien.
• El propio personal: en una tienda pequeña, dos empleados que salen a fumar y vuelven cuatro veces al día suman más de 3.000 "visitas" al año.

El fallo que no aparece en ninguna hoja de especificaciones

Quien ha implantado sistemas de conteo en más de un puñado de tiendas sabe que el problema real de fiabilidad no es que un sensor cuente un 97% en lugar de un 99%. Es que un sensor deje de contar y nadie se entere. Un router que se reinicia, un cable que un electricista desconecta durante una reforma del escaparate, un técnico de climatización que mueve el sensor dos centímetros: el resultado es una puerta que reporta ceros o, peor, cifras parciales plausibles durante tres semanas. Ese dato entra en el promedio mensual, el promedio alimenta la comparación interanual, y doce meses después alguien decide recortar un turno en una tienda que en realidad nunca perdió tráfico.

Por eso una plataforma como VemCount incluye monitorización del estado de los sensores: la caída de datos se detecta cuando ocurre, no cuando el informe trimestral ya está en manos de dirección. Si su proveedor actual no puede decirle hoy cuántos de sus sensores reportaron correctamente ayer, tiene un problema de fiabilidad aunque cada sensor individual sea excelente.

Cómo auditar su afluencia de clientes en una tarde

No hace falta un consultor externo para saber si sus datos aguantan. Tres comprobaciones bastan para empezar:

• Conteo manual de validación. Dos personas, un contador de mano cada una, una hora de tráfico medio en una entrada. Compare el resultado con el dato del sistema para esa misma franja. Una desviación superior al 5% merece una visita técnica; superior al 10%, una recalibración.
• Cruce con tickets por hora. La tasa de conversión en tienda debería moverse dentro de una banda estable para cada tienda. Si un día la conversión sube al 80% sin motivo comercial, lo más probable es que el contador haya fallado, no que los vendedores hayan tenido una tarde heroica.
• Revisión de entradas secundarias. Puertas de almacén, accesos desde el aparcamiento y salidas de emergencia que el personal usa como atajo. Una tienda con una sola puerta contada y dos puertas reales no tiene datos de footfall; tiene una estimación optimista.

Las cadenas que hacen este ejercicio suelen descubrir que la analítica de tráfico peatonal que ya pagan es más fiable de lo que temían en el 90% de las tiendas y claramente inútil en el 10% restante. Esa información vale más que cualquier cifra media de precisión.

Cuando el dato es fiable, deja de ser un informe y se convierte en una herramienta

La diferencia entre un dato de afluencia con el que se discute y uno con el que se decide es la confianza. Luksusbaby, cadena danesa de moda infantil, usa VemCount para ver la tasa de conversión en tiempo real junto con la demografía de los visitantes, de modo que el equipo de tienda ajusta su respuesta durante el día y marketing contrasta si la campaña está atrayendo al público que pretendía. Eso solo funciona si nadie en la organización pone en duda el denominador. En cuanto un gerente de tienda puede decir "el contador no va bien" y tener razón una vez, la conversión deja de usarse como indicador de gestión y vuelve a ser una cifra decorativa.

Dicho de otro modo: el coste de un sensor mal calibrado no es el sensor. Es cada decisión sobre personal, horarios y renegociación de alquiler que se toma con una base equivocada, y cada decisión correcta que no se toma porque nadie se fía del dato.

Preguntas frecuentes

¿Qué grado de precisión tienen los datos de footfall? Depende de la tecnología y de la instalación. Un sensor estereoscópico 3D bien ubicado y calibrado alcanza típicamente entre un 98% y un 99% cuando la iluminación, la geometría de la entrada y el comportamiento de los visitantes lo permiten; Vemco garantiza por contrato un mínimo del 96%. Los datos de localización móvil comprados a terceros y la detección Wi-Fi no ofrecen una precisión comparable a nivel de tienda individual y deben usarse solo para análisis de zona.

Si quiere saber cuántas de sus entradas están reportando datos fiables hoy, qué desviación tiene su conteo frente a una validación manual y qué haría falta para que la conversión por tienda se convierta en un indicador que nadie discuta, hable con nuestro equipo en vemcogroup.com/contact-us. Podemos revisar con usted la configuración actual de sus sensores y mostrarle cómo VemCount detecta las caídas de datos antes de que lleguen a un informe.