Zainspirowany greckim greckim homoseksualiści (tj. podobna forma) używamy terminu homomorfizm, aby opisać, jak odpowiadające im elementy dwóch systemów zachowują się bardzo podobnie w połączeniu z innymi odpowiadającymi im elementami, w naszym przypadku offline i online.
„Homomorfizm” reprezentuje zaawansowaną strukturę sztucznej inteligencji Footprints for Retail, która umożliwia naszej unikalnej technologii wzbogacanie dowolnej bazy danych online, na poziomie indywidualnego użytkownika, o ich fizyczne/offline cechy behawioralne dotyczące zakupów. Dane behawioralne fizyczne/offline i grupowanie powinowactwa są w każdym razie najcenniejszym rodzajem danych, które można wykorzystać do reklamy behawioralnej online i automatyzacji marketingu. Klasyfikujemy subtelne fizyczne zachowania zakupowe na wielowymiarowe klastry (używamy do 48 różnych wymiarów danych behawioralnych), a następnie dopasowujemy te klastry do ich internetowych „bliźniaków”. Ten probabilistyczny model atrybucji generuje bezprecedensowe korzyści dla marketerów i reklamodawców pracujących z fizycznymi markami detalicznymi i celami. Pozwala na kierowanie kampanii do bardzo specyficznych segmentów behawioralnych w celu zwiększenia ich częstotliwości odwiedzin, czasu trwania wizyty i liczby sklepów na wizytę w określonym centrum handlowym, na przykład.
Technologia Retail Analytics
Sekcja na platformie, która gromadzi zachowania offline, bez których homomorfizm nie byłby możliwy, nazywa się Retail Analytics.
Zbudowana w oparciu o najnowocześniejsze technologie i wysoce skalowalną architekturę Footprints Retail Analytics przekształca surowe dane lokalizacyjne w dokładne i znaczące spostrzeżenia.
Typ architektury: Zdecentralizowany, oparty na jednym centralnym hubie, który dystrybuuje dane, i niezależnych węzłach, po jednym dla każdego budynku (lokalizacji).
Skalowalność: Nieskończony, jedna maszyna wirtualna/kontener Docker na jedną lokalizację lub dowolna liczba maszyn wirtualnych dla jednej, ale dużej lokalizacji.
Technologia:
- System operacyjny oparty na systemie Linux (Ubuntu)
- Język programowania Node.js
- MongoDB no-sql baza danych do przechowywania danych
- Baza danych w pamięci Redis do szybkiego przetwarzania danych
Gromadzenie i przechowywanie danych, RODO
Dane zbierane w ramach platformy Footprints for Retail przetwarzane są w trzech wersjach, w zależności od pożądanej konfiguracji systemu:
- Z całkowitą anonimizacją MAC, co oznacza, że każdy zebrany adres MAC jest w pełni szyfrowany po zakończeniu wizyty w budynku. Prawdziwy adres MAC nigdy nie jest zapisywany w bazie danych.
- Dzięki częściowej anonimizacji MAC, przypadek, w którym adres MAC jest pseudonimizowany, a następnie częściowo szyfrowany, pozostawiając nam możliwość śledzenia tego samego szyfrowanego adresu MAC podczas wizyt, ale zapewniając jednocześnie wysoki poziom prywatności.
- Bez anonimizacji MAC, wykorzystanie pełnej mocy raportowania systemu, która obejmuje różne raporty dotyczące powtarzania i ostateczności unikalnych lub powracających odwiedzających.
System oferuje również konfigurowalną politykę usuwania danych (np. dane, które mają być automatycznie usuwane po upływie jednego roku).
