Kävijälaskenta ilman kameroita

Kyllä. Rakennuksen nykyiset Wi-Fi-tukiasemat voivat laskea kävijät ilman kameraa. Ne poimivat puhelinten lähettämät signaalit, muuttavat ne kävijämääriksi ja liikkumisvirroiksi ja säilyttävät vain koostettuja tilastoja. Kuvaa ei oteta, eikä ketään tunnisteta. Sisäänkäynneillä, joilla tarvitaan tarkka luku, voidaan käyttää LiDARia, joka ei sekään tarvitse kameraa.

Lyhyesti

• Rakennuksen nykyiset Wi-Fi-tukiasemat voivat laskea kävijät koko rakennuksessa ilman kameraa, ja kattavuus ulottuu sinne, minne verkkokin.
• Puhelinten signaaleista syntyy kävijämääriä, viipymäaikoja ja reittejä alueiden välillä; jäljelle jää vain koostettuja tilastoja.
• LiDAR antaa sisäänkäynnillä tarkan luvun ilman kameraa ja ilman kuvaa.
• Laskennat kalibroidaan manuaalisia laskentasessioita vasten, joten ne pitävät paikkansa koostetulla tasolla.
• Sen, tarvitaanko DPIA, ratkaisee oma tietosuojavastaavasi tai compliance-toimintosi.

Voimmeko laskea kävijät koko tilassa ja sisäänkäynneillä ilman kameroita?

Kyllä, ja työn jakaa kaksi menetelmää. Wi-Fi-laskenta kattaa koko tilan rakennuksessa jo olevien tukiasemien kautta ja antaa kävijämäärät, viipymäajat ja reitit alueiden välillä. LiDAR hoitaa sisäänkäynnin, jossa tarvitaan tarkka luku, ja koska se mittaa laserpulsseilla, kuvaa ei synny.

Optisten laskureiden asentaminen jokaiseen sisäänkäyntiin, jokaiselle aluerajalle, liukuportaalle ja hissiaulaan vaatii projektisuunnittelua, kaapelointia ja jatkuvaa laitteistohuoltoa. Wi-Fi-laskenta toimii tukiasemilla, joita kiinteistöhallinto tai IT jo ylläpitää verkkoyhteyksiä varten. Kattavuus ulottuu siis sinne, minne verkkokin, eikä useimmissa rakennuksissa kattoon tarvita uutta laitteistoa.

Kauppakeskus, jolla on kymmeniä tukiasemia viidessä kerroksessa, saa aluetason analytiikkaa kaikista viidestä kerroksesta, paljon enemmän kuin pääoven henkilömäärä kertoisi. Museoille ja kulttuurikohteille tai julkisen liikenteen solmukohdille näin yksityiskohtainen tieto on yleensä saatavilla ilman kaapelointiprojektia, ja datatoimitukset ovat monipuolisempia, koska laskenta kattaa koko rakennuksen. Kaavoitusviranomaiselle ei tarvitse perustella uutta kameraa, eikä linssiä tarvitse suunnata jonoon.

Mitä Wi-Fi-tukiasemat poimivat puhelimesta?

Puhelin, jonka Wi-Fi on päällä, lähettää probe-signaaleja: lyhyitä viestejä, joilla se kysyy, onko jokin tuttu verkko lähellä. Kantaman sisällä olevat tukiasemat poimivat ne. Aikoinaan jokainen probe-signaali sisälsi yksilöllisen laitetunnisteen, MAC-osoitteen, jonka avulla tiettyä laitetta oli periaatteessa mahdollista seurata ajassa ja paikasta toiseen.

Apple esitteli MAC-osoitteen satunnaistamisen iOS 8:ssa vuonna 2014; Android seurasi versiosta 8 eteenpäin.

Nykyään laitteet lähettävät probe-signaaleja satunnaistetuilla MAC-osoitteilla, jotka vaihtuvat ajan mittaan ja ovat eri verkoissa erilaiset, kiinteän laitetunnisteen sijaan, joten kiinteä laiteosoite ei enää seuraa laitetta ajan mittaan. Laskentajärjestelmän tietosuoja riippuu silti siitä, mitä järjestelmä signaaleille myöhemmin tekee.

Mitä jää jäljelle, kun signaalit on käsitelty?

Wi-Fi-pohjainen ihmisten laskenta anonymisoi signaalit jo keräyshetkellä. Probe-signaalit käsitellään kävijämääriksi ja liikkumistilastoiksi, eikä itse signaalidataa tallenneta. Jäljelle jää vain koostettua tietoa: kuinka monta laitetta alueella havaittiin tietyn tunnin aikana, kuinka pitkä keskimääräinen viipymä oli ja mikä reitti tilan läpi oli yleisin. Mikään tietokannan rivi ei vastaa yksittäistä henkilöä.

Wi-Fi-laskentaan perustuva GDPR-turvallinen kävijäanalytiikka -järjestelmä ei tarvitse kävijöiden suostumusta toimiakseen. Suostumus koskee tilanteita, joissa käsitellään henkilötietoja, eikä tämä menetelmä käsittele niitä lainkaan. Siksi se on myös Euroopan ainoa kävijämittausmenetelmä, joka on tietosuojaviranomaisen hyväksymä.

Mistä tiedämme, että laskennat pitävät paikkansa?

Järjestelmä ei koskaan näe yksilöitä, joten se tarkistaa laskentansa kalibroinnin avulla. Wi-Fi-signaaleista johdetut laskennat validoidaan manuaalisia laskentasessioita vasten: tunnettu määrä ihmisiä kävelee alueen läpi, ja järjestelmän arvio säädetään vastaamaan sitä. Wi-Fi-yhteensopiva laite on mukana vain osalla kävijöistä, ja osuus vaihtelee paikan ja ajan mukaan; kalibrointi korjaa myös tämän vaihtelun. Muita menetelmiä verrataan sivulla miten kävijöitä lasketaan.

Tarkkuus on suuri koostetulla tasolla, ja juuri sitä tasoa operatiiviset ja strategiset päätökset tarvitsevat. Vähittäiskauppiaan pitää tietää, kävikö lauantaina 2 000 vai 4 000 ihmistä, eikä siihen vastaaminen vaadi luetteloa yksittäisistä kävijöistä. Kalibrointi tekee laskennasta myös vertailukelpoisen kohteiden ja kausien välillä, ja juuri tämä vertailukelpoisuus ratkaisee, mitä kävijämäärän benchmark on arvoinen. Kävijämäärä on myös se nimittäjä, jota kassa ei pysty antamaan: kun suhteutat sen myyntiin, saat konversioasteen, joka selittää, miksi kävijämäärä ja myynti kertovat eri tarinaa.

Nykyaikaisissa laitteissa vakiona oleva MAC-satunnaistaminen hoidetaan algoritmitasolla palaamatta pysyviin tunnisteisiin, joten tilastollinen tulos pysyy luotettavana.

Mitä Wi-Fi-laskennan tietosuojatarkastelu kattaa?

GDPR:n alaisille organisaatioille kävijälaskennan DPIA on muodollinen vaihe, jossa teknologia arvioidaan ennen käyttöönottoa. Sen, tarvitaanko arviointia ja mitä sen pitää kattaa, ratkaisee oma tietosuojavastaavasi tai compliance-toimintosi. Menetelmä ei tuota erityisiin henkilötietoryhmiin kuuluvia tietoja, ei tarvitse suostumusmekanismia eikä jätä rekisteröityjen oikeuksia hallinnoitavaksi. Kysymykset, joita tietosuojavastaava tyypillisesti esittää, on koottu tuolle sivulle.

Mitä henkilöstö ja ammattiliitto sanovat?

Mittaus on anonyymi. Wi-Fi-laskenta ei tuota henkilötietoja, joten ketään, ei työntekijää eikä kävijää, voi erottaa tuloksista, eikä yksittäistä ihmistä seurata ajan mittaan. Henkilöstö ja sen edustajat näkevät tilasta koostettua tilastoa: kuinka moni oli paikalla, missä ja milloin, ei koskaan kuka.

Mitä kävijöille muuttuu, kun kameraa ei ole?

Kamerapohjaiset järjestelmät pystyvät asioihin, joihin Wi-Fi-laskenta ei pysty: ne voivat erottaa aikuiset lapsista, laskea ihmisiä kuvista suurella tarkkuudella ja joissakin kokoonpanoissa tunnistaa toistuvia kävijöitä. Samat ominaisuudet aiheuttavat myös yleisössä epämukavuutta. Vähittäiskaupan analytiikkaan liitetty kasvojentunnistus on herättänyt viranomaisten huomiota eri puolilla Eurooppaa, ja vaikka kamerat eivät tunnistaisi ketään, julkisten tilojen kävijät huomaavat ne yhä useammin ja kysyvät niistä. Näkyvä kamera voi näyttää valvonnalta, vaikka se vain laskisi. Kitkalla on hintansa kävijäkokemuksessa, henkilökunnan ajassa ja toisinaan mediahuomiona.

Wi-Fi-laskennassa kävijöihin ei suunnata kameraa eikä heistä oteta kuvaa. Sillä on eniten merkitystä siellä, missä luottamus on osa käyntiä: kulttuurilaitoksissa, julkisessa liikenteessä ja terveydenhuollon tiloissa. Yhä useammin se painaa myös vähittäiskaupassa, jossa kävijälaskuri vai analytiikka-alusta -valintoja punnitaan entistä tarkemmin.

Kun sisäänkäynnillä tarvitaan täsmällinen luku eikä linssiä haluta paikalle, LiDAR-kävijälaskenta antaa tarkan tuloksen kokonaan ilman kameraa. Se mittaa liikettä silmille turvallisilla laserpulsseilla ja näyttää ihmiset pisteryhminä 3D-tilassa. Kuvaa ei synny koskaan, joten mitään ei tarvitse tallentaa, sumentaa tai peittää.

Lähteet

• Apple (2014). iOS Security (white paper, October 2014). https://www.apple.com/mx/privacy/docs/iOS_Security_Guide_Oct_2014.pdf
• Android Open Source Project. Implement MAC randomization. https://source.android.com/docs/core/connect/wifi-mac-randomization
• Martin, J., Mayberry, T., Donahue, C., Foppe, L., Brown, L., Riggins, C., Rye, E. C., & Brown, D. (2017). A study of MAC address randomization in mobile devices and when it fails. Proceedings on Privacy Enhancing Technologies, 2017(4), 365–383. https://doi.org/10.1515/popets-2017-0054
• European Data Protection Board (2020). Guidelines 3/2019 on processing of personal data through video devices, version 2.0. https://www.edpb.europa.eu/documents/guideline/guidelines-32019-on-processing-of-personal-data-through-video-devices_en
• European Parliament and Council of the European Union (2016). Regulation (EU) 2016/679 (General Data Protection Regulation), Recital 26 and Article 35. https://eur-lex.europa.eu/eli/reg/2016/679/oj