入口の1台から始めて、最終的には「棚ごとに、立ち止まった人数 × その棚の売上」まで見えるようになります。
STEP 1
入店数を見える化
STEP 2
レジ売上と掛け合わせ
＝転換率・逸失売上
STEP 3
棚別の滞留 × 売上
スモールスタート可（センサー1台〜）／設置は営業を止めず短時間・具体的な金額は無料試算でご提示します。
使うもの
AI人数カウンター ×1（Milesight VS135-P・カメラレス）
新たに見える指標
入店数・在店数・時間帯別来店・天候×来店
変えられる判断：営業時間、シフト、店頭演出のタイミング（「いつ人が来るか」で組み直す）
導入期間の目安：設置は短時間、データ蓄積 約2週間で最初の傾向が見えます。
使うもの
POSの時間帯別売上CSVをアップロードするだけ（センサー追加なし）
新たに見える指標
購買転換率／機会損失人数／逸失売上／来店客単価
変えられる判断：「集客の問題か、店内の問題か」の切り分け。改善投資の優先順位づけ。
用語：転換率＝来た人のうち買った人の割合（客数 ÷ 入店数）
実例（都内物販店・実測）
ある日曜のレジ実績は 総客数105・純売上 194,006円・客単価 1,848円。ここに入店数を重ねると、時間帯ごとの「買われ度」が見えます。
| 時間帯 | 入店数 | 購買客数 | 転換率 | 取りこぼし | 示唆 |
|---|---|---|---|---|---|
| 12時 | 20 | 12 | 60% | 8人 | 少数だがしっかり買う |
| 16時 | 65 | 23 | 35% | 42人 | 最も来るのに半分以上が買わず＝最大の伸びしろ |
| 18時 | 40 | 9 | 23% | 31人 | 混雑で接客が回らない可能性 |
※ 購買側（客数・客単価・売上）は実測。入店数は仕組みを示す例示値で、本稼働後は自動で実測値に置き換わります。
「16時は客数が最多」というレジだけの事実が、来店データと結合すると「実は最も取りこぼしている時間帯」という真逆の示唆に変わります。
使うもの
エリア人数センサー（Milesight VS121 等）を売場・棚前に
新たに見える指標
棚・売場ごとの滞留人数・滞在時間 × その棚の商品売上
変えられる判断：棚割り・動線・什器配置。「立ち止まるのに売れない棚」「素通りされる棚」の特定。
STEP 2で「16時台は65人来て23人しか買っていない」と分かりました。
では、買わなかった42人は、店内のどこで立ち去ったのか？
—— それに答えるのが STEP 3 です。前のステップの数字が、次の問いを生みます。
正直にお伝えする前提
まずは入口1台から。最初の一台で何が分かるかを無料で試算します。
無料で試算を依頼する