Neural System
Soluciones · Retail

Entienda el comportamiento del cliente dentro de la tienda

Flujo y conteo de personas, filas, satisfacción, perfil del visitante e incidentes en pasillos: indicadores que antes solo existían en el e-commerce.

Satisfacción del Cliente

Reacción de los clientes a productos, vitrinas y atención

Ver demostración

Modelo de IA entrenado para reconocer expresiones faciales asociadas a sentimientos: felicidad, tristeza, miedo, asco, sorpresa, enojo, desprecio y neutralidad. Mide en tiempo real la reacción de clientes, alumnos y públicos ante productos, atención, clases, vitrinas y presentaciones.

Cómo funciona

  1. 1El detector YuNet localiza los rostros en cada cuadro.
  2. 2El modelo HSEmotion (entrenado con la base AffectNet) clasifica 8 emociones con probabilidades.
  3. 3Las lecturas se suavizan en el tiempo por persona para evitar oscilaciones.
  4. 4Un índice de satisfacción (valencia) resume el ánimo del público minuto a minuto.
YuNet (OpenCV)HSEmotion (AffectNet)Seguimiento facialYOLO11-pose

Beneficios

  • Feedback emocional objetivo, sin cuestionarios.
  • Identifica los momentos y productos que generan más entusiasmo (o frustración).
  • Complementa el NPS y las encuestas con datos continuos y anónimos.
+10–20%
Eficacia de las campañas
-50%
Costo de estudios de pre-test
tiempo real
Detección de insatisfacción en la atención

Las expresiones faciales indican emociones aparentes, no estados internos. Uso anónimo y agregado, en conformidad con la legislación de protección de datos aplicable.

Charcos y Derrames en Pasillos

Identifica fugas y charcos en pisos, tuberías y equipos

Ver demostración

Detección automática de fugas de agua, aceite, productos químicos y efluentes a partir de cámaras. El sistema identifica el foco, mide el área afectada y sigue su evolución, emitiendo alertas para la contención antes de que el problema cause paradas, accidentes o daños ambientales.

Cómo funciona

  1. 1Las cámaras cubren áreas críticas (salas de bombas, tanques, tuberías, andenes, pisos de planta).
  2. 2La segmentación por texto (CLIPSeg) marca el contorno de chorros, goteos, escurrimientos y charcos, sin entrenamiento específico para cada escena.
  3. 3Las regiones más parecidas a vapor o humo se descartan; el modelo entrenado por Neural refuerza la detección.
  4. 4La fuga se confirma en al menos 3 de 5 cuadros seguidos, evitando alarmas por reflejos.
  5. 5El área afectada se mide cuadro a cuadro para identificar su expansión.
  6. 6Las alertas con imagen se envían a mantenimiento y al área de seguridad y salud en el trabajo.
CLIPSeg (segmentación por texto, sin entrenamiento)YOLOv5 (modelo entrenado por Neural)OpenCV

Beneficios

  • La detección temprana reduce las pérdidas de producto y el tiempo de máquina detenida.
  • Previene resbalones y caídas, una de las principales causas de accidentes.
  • Evita la contaminación del suelo y las multas ambientales.
  • Registro histórico para mantenimiento predictivo.
hasta 30%
Reducción de pérdidas de insumos
-50%
Tiempo promedio hasta la contención
Alto
Costo evitado por parada no programada

Estimaciones de referencia; dependen del tipo de líquido, la iluminación y la ubicación de las cámaras.

Flujo y Conteo de Personas

Visitantes, entradas, permanencia y mapa de calor de la tienda

Ver demostración

Conteo automático y anónimo de personas: entradas y salidas por línea virtual, ocupación en tiempo real, visitantes únicos, tiempo promedio de permanencia y mapa de calor de las áreas más visitadas, transformando las cámaras en un sensor de audiencia para decisiones de operación y marketing.

Cómo funciona

  1. 1Cada persona se detecta y se sigue con un identificador anónimo.
  2. 2El cruce de la línea virtual define una entrada o una salida.
  3. 3Las posiciones acumuladas forman el mapa de calor de circulación.
  4. 4Los reportes por hora, día, semana y tienda apoyan turnos, layout y campañas.
YOLO11 (COCO)ByteTrackLínea virtualHeatmap

Beneficios

  • Tasa de conversión real de la tienda (flujo × tickets).
  • Turnos del personal alineados con los picos de movimiento.
  • Layout y exhibición de productos guiados por el mapa de calor.
  • Control de aforo para la seguridad y las normas de protección contra incendios.
+5–15%
Aumento de la conversión en ventas
-10–20%
Costo de mano de obra ociosa
98%
Precisión típica de conteo

Conteo anónimo (sin identificación personal), compatible con la legislación de protección de datos aplicable. La precisión depende de la ubicación de la cámara.

Monitoreo de Filas

Tamaño de la fila, tiempo de espera y alerta para abrir una nueva caja

Ver demostración

Medición automática del tamaño de las filas y del tiempo de espera en cajas, mostradores, recepciones y ventanillas. Cuando la fila supera el límite, el sistema recomienda abrir un nuevo punto de atención antes de que el cliente desista de la compra.

Cómo funciona

  1. 1Se dibuja una zona de fila sobre la imagen de la cámara.
  2. 2Cada persona en la zona se sigue y se mide su tiempo de espera.
  3. 3La salida de la zona se contabiliza como una atención.
  4. 4Las alertas de fila larga y espera excesiva se envían a la gerencia.
YOLO11 (COCO)ByteTrackZona de fila

Beneficios

  • Menos abandono de compras por filas largas.
  • Cumplimiento de las normas de tiempo máximo de espera.
  • Dimensionamiento de cajas con datos reales.
-30–50%
Tiempo promedio de espera
+2–4%
Recuperación de ventas
+15 pts
NPS

Estimaciones de referencia del mercado minorista; los resultados dependen del volumen de clientes y de la operación.

Perfil del Visitante

Estimación de sexo y rango etario del público + contenidos personalizados

Ver demostración

Estimación anónima del perfil del público (sexo y rango etario) a partir de las cámaras. Los datos alimentan reportes de audiencia y los Contenidos Personalizados: pantallas y tótems muestran el contenido con mayor afinidad con el perfil de quien está pasando en ese momento.

Cómo funciona

  1. 1Los rostros se detectan y se siguen mientras permanecen en el campo de visión.
  2. 2Un Vision Transformer (ViT) estima la edad en años y el sexo a partir de los rostros de frente, varias veces por persona.
  3. 3Las lecturas se consolidan por persona (mediana de la edad y promedio de la probabilidad de sexo), lo que elimina oscilaciones.
  4. 4Cada persona se cuenta una sola vez, sin almacenar imágenes ni identidad.
  5. 5El perfil agregado activa la recomendación de contenido/campaña más afín.
YuNet (OpenCV)Vision Transformer edad/sexo (ViT-Base/16 · ONNX INT8)Seguimiento facialMediana temporal por persona

Beneficios

  • Conocer quién visita realmente la tienda (no solo quién compra).
  • Campañas y mix de productos alineados con el público real de cada horario.
  • Audiencia comprobada para vender espacios publicitarios a socios.
+20–35%
Atención a contenidos en pantallas
+8–12%
Ventas de productos promocionados
nuevos ingresos
Monetización de pantallas (retail media)

Las estimaciones de edad y sexo son aproximaciones estadísticas (error promedio de ~6–7 años y ~87 % de acierto de sexo en validación con el conjunto FairFace; la iluminación, el ángulo y la resolución de la cámara influyen). Se recomienda un uso agregado y anónimo (legislación de protección de datos aplicable).

Todos los segmentos

¿Tiene un caso en mente? Envíe un video y reciba el análisis gratis.

Envíe un fragmento de video de su operación: lo procesamos con nuestra IA y le devolvemos el resultado con las detecciones, las alertas y los indicadores, sin compromiso.