Pilache
검증된 도입 사례
CASE04
Pilache
Storefront AI / 방문 트렌드일본

피크와 한산 시간의 방문 격차는 2.6배였습니다

월 1,800건 이상의 방문을 시간대별로 측정해 수업과 인력 배치에 반영했습니다.

1,800+01

월간 측정 방문

2.6x02

피크·한산 시간대 방문 격차

01방문 계수
02시간대
03요일 패턴

수업과 인력을 감으로 정했습니다

스튜디오는 수업 시간과 인력을 감으로 정했고, 하루·한 주 동안 사람이 실제로 언제 오는지 또렷하게 볼 방법이 없었습니다. 한산한 시간과 붐비는 시간이 뭉개져, 수요가 있는 자리에 수업과 인력을 두기 어려웠습니다.

방문을 시간대·요일별로 쪼개 수요를 드러냈습니다

SpaceVision은 스튜디오 방문객 수를 측정하고 이를 시간대와 요일별로 쪼갰습니다. 방문이 몰리는 때와 빠지는 때를 단순하게 보여주며, 개인 데이터를 저장하지 않고 온디바이스로 돌아갑니다.

시간대별 방문 수에 맞춰 수업과 인력을 배치했습니다

스튜디오는 시간대별 방문 수에 맞춰 수업과 인력을 배치하고, 같은 지표를 정기 운영 회의에 사용했습니다.

시간대별 방문 데이터가 운영 판단의 기준이 됐습니다

01

편성 조정

실제 수요가 있는 시간대에 수업을 배치합니다.

02

인력 배치

붐비는 때와 한산한 때에 맞춰 인력을 둡니다.

03

상시 입력

같은 방문 데이터를 운영 의사결정의 정기 입력으로 씁니다.

Storefront AI