Pilache
検証済みの導入事例
CASE04
Pilache
Storefront AI / 来店トレンド日本

ピーク時と閑散時の来店差は2.6倍でした

月1,800件以上の来店を時間帯別に計測し、授業と人員配置に反映しました。

1,800+01

月間の計測来店数

2.6x02

ピーク・閑散時間帯の来店差

01来店カウント
02時間帯
03曜日パターン

授業と人員を勘で決めていました

スタジオは授業時間と人員を勘で決めており、一日・一週間を通じて人が実際にいつ来るのかをはっきり見る方法がありませんでした。閑散な時間と混み合う時間が混ざり合い、需要のある場所に授業と人員を置くのが難しい状況でした。

来店を時間帯・曜日別に分解し需要を可視化しました

SpaceVisionはスタジオの来店客数を計測し、これを時間帯と曜日別に分解しました。来店が集中する時間と落ち込む時間をシンプルに示し、個人データを保存せずオンデバイスで動作します。

時間帯別の来店数に合わせて授業と人員を配置しました

スタジオは時間帯別の来店数に合わせて授業と人員を配置し、同じ指標を定期的な運営会議で用いました。

時間帯別の来店データが運営判断の基準になりました

01

編成の調整

実際に需要がある時間帯に授業を配置します。

02

人員配置

混み合う時間と閑散な時間に合わせて人員を置きます。

03

常時入力

同じ来店データを運営意思決定の定期的な入力として使います。

Storefront AI