Apmeklētāju skaitīšana bez kamerām

Jā. Wi-Fi piekļuves punkti, kas ēkā jau darbojas, var saskaitīt apmeklētājus bez kameras. Tie uztver signālus, ko izstaro tālruņi, pārvērš tos skaitos un plūsmās un saglabā tikai apkopotu statistiku. Netiek uzņemts neviens attēls, un neviens netiek identificēts. Durvīs, kur vajadzīgs precīzs skaits, var izmantot LiDAR, kam arī nav vajadzīga kamera.

Īsumā

• Esošie Wi-Fi piekļuves punkti var skaitīt apmeklētājus visā ēkā bez kameras, un pārklājums sniedzas tik tālu, cik tīkls.
• Tālruņu signāli kļūst par skaitu, uzturēšanās laiku un maršrutiem starp zonām. Paliek tikai apkopota statistika.
• LiDAR dod precīzu skaitu durvīs bez kameras un bez attēla.
• Skaitu kalibrē pret manuālas skaitīšanas sesijām, tāpēc tas ir uzticams apkopotā līmenī.
• Vai vajadzīgs novērtējums par ietekmi uz datu aizsardzību (NIDA), lemj Jūsu datu aizsardzības speciālists vai atbilstības funkcija.

Vai varam skaitīt apmeklētājus visā zālē un pie durvīm bez kamerām?

Jā, un šo darbu dala divas metodes. Wi-Fi skaitīšana aptver zāli ar piekļuves punktiem, kas ēkā jau ir, un dod skaitu, uzturēšanās laiku un maršrutus starp zonām. LiDAR darbojas durvīs, kur svarīgs precīzs skaits, un mēra ar lāzera impulsiem, tāpēc attēls nemaz nerodas.

Lai uzstādītu optiskos skaitītājus pie katras ieejas, zonu robežas, eskalatora un liftu halles, vajag projekta plānošanu, kabeļus un pastāvīgu aparatūras apkopi. Wi-Fi skaitīšana izmanto piekļuves punktus, ko ēkas apsaimniekotāji vai IT jau uztur savienojamībai, tāpēc pārklājums sniedzas tik tālu, cik tīkls, un vairumā ēku pie griestiem nav jāuzstāda jauna aparatūra.

Tirdzniecības centrs ar desmitiem piekļuves punktu piecos stāvos saņem zonu līmeņa analītiku visos piecos stāvos, daudz vairāk, nekā parādītu cilvēku skaits pie galvenajām durvīm. Muzejiem un kultūras iestādēm vai transporta mezgliem šāds detalizācijas līmenis parasti ir sasniedzams bez kabeļu projekta, un datu rezultāti ir bagātāki, jo skaitīšana aptver visu ēku. Nav jāpamato plānošanas iestādei vēl viena kamera, un nevienu kameru nevajag vērst pret rindu.

Ko Wi-Fi piekļuves punkti uztver no tālruņa?

Tālrunis ar ieslēgtu Wi-Fi sūta probe request: īsus signālus, kas jautā, vai tuvumā ir zināms tīkls. Piekļuves punkti darbības zonā tos uztver. Agrāk katrs šāds signāls saturēja unikālu aparatūras identifikatoru, MAC adresi, kas principā ļāva sekot vienai konkrētai ierīcei laikā un telpā.

Apple ieviesa MAC adrešu randomizāciju iOS 8 versijā 2014. gadā. Android tai sekoja, sākot no 8. versijas.

Tagad ierīces sūta probe request ar randomizētām MAC adresēm, kas laika gaitā mainās un katram tīklam ir atšķirīgas, nevis ar fiksētu aparatūras ID, tāpēc fiksēta aparatūras adrese vairs neseko ierīcei laika gaitā. Skaitīšanas sistēmas privātums tomēr joprojām ir atkarīgs no tā, ko sistēma ar signāliem dara pēc tam.

Kas paliek pēc signālu apstrādes?

Apmeklētāju skaitīšana ar Wi-Fi anonimizē signālus jau savākšanas brīdī. Probe request signāli tiek apstrādāti skaitos un plūsmas statistikā, un pamatā esošie signālu dati netiek glabāti. Paliek tikai apkopoti dati: cik ierīču konkrētā stundā konstatētas zonā, cik ilgs bija vidējais uzturēšanās laiks, kurš maršruts cauri telpai bija visbiežākais. Neviena rinda nevienā datubāzē neatbilst kādam cilvēkam.

Apmeklētības analītikai, kas atbilst Vispārīgajai datu aizsardzības regulai (VDAR) un balstās uz Wi-Fi skaitīšanu, nav vajadzīga apmeklētāju piekrišana. Piekrišana attiecas uz personas datu apstrādi, bet šī metode personas datus neapstrādā. Tāpēc tā ir arī vienīgā apmeklētāju skaitīšanas metode Eiropā, ko apstiprinājusi datu aizsardzības uzraudzības iestāde.

Kā zinām, ka skaits ir pareizs?

Sistēma nekad neredz atsevišķus cilvēkus, tāpēc skaita pārbaudei tā izmanto kalibrēšanu. No Wi-Fi signāliem iegūto skaitu pārbauda pret manuālas skaitīšanas sesijām: zināms cilvēku skaits iziet cauri zonai, un sistēmas aplēsi pielāgo, lai tā sakristu. Kalibrēšana arī koriģē to apmeklētāju daļu, kuriem ir ierīce ar Wi-Fi, jo tā atšķiras atkarībā no vietas un laika. Citas metodes salīdzinātas rakstā kā skaitīt apmeklētājus.

Apkopotā līmenī precizitāte ir augsta, un tieši šis līmenis vajadzīgs operatīviem un stratēģiskiem lēmumiem. Mazumtirgotājam jāzina, vai sestdien atnāca 2 000 vai 4 000 cilvēku, un, lai uz to atbildētu, nav jāuzskaita katrs cilvēks atsevišķi. Kalibrēšana arī padara skaitu salīdzināmu starp vietām un sezonām, un šī salīdzināmība ir tas, ko dod apmeklētības etalons. Skaits ir arī saucējs, ko kase nevar dot: salīdzinot ar pārdošanas apjomu, tas dod konversijas līmeni, kas izskaidro, kāpēc apmeklētība un apgrozījums stāsta dažādus stāstus.

MAC randomizāciju, kas mūsdienu ierīcēs ir standarts, apstrādā algoritmu līmenī, neatgriežoties pie pastāvīgiem identifikatoriem, tāpēc statistiskie rezultāti paliek uzticami.

Ko aptver Wi-Fi skaitīšanas datu aizsardzības pārbaude?

Organizācijām, uz kurām attiecas VDAR, novērtējums par ietekmi uz datu aizsardzību (NIDA) apmeklētāju skaitīšanai ir formālais solis, lai izvērtētu tehnoloģiju pirms tās ieviešanas. Vai tāds ir vajadzīgs un kas tajā jāaptver, lemj Jūsu datu aizsardzības speciālists vai atbilstības funkcija. Metode nerada īpašu kategoriju datus, tai nav vajadzīgs piekrišanas mehānisms, un nav jāapkalpo datu subjektu tiesības. Jautājumi, ko datu aizsardzības speciālists parasti uzdod, ir apkopoti tajā lapā.

Ko teiks darbinieki un viņu arodbiedrība?

Mērīšana ir anonīma. Wi-Fi skaitīšana nerada personas datus, tāpēc rezultātos nevienu, ne darbinieku, ne apmeklētāju, nevar izšķirt, un neviens netiek izsekots laika gaitā. Darbinieki un viņu pārstāvji redz apkopotu statistiku par telpu: cik cilvēku tur bija, kur un kad, bet nekad ne to, kas viņi bija.

Kas mainās apmeklētājiem, ja kameras nav?

Kameru sistēmas spēj to, ko Wi-Fi skaitīšana nespēj: tās var atšķirt pieaugušos no bērniem, ļoti precīzi saskaitīt cilvēkus attēlos un dažās konfigurācijās atpazīt atkārtotus apmeklētājus. Tieši šīs spējas arī rada sabiedrības neērtības sajūtu. Sejas atpazīšana mazumtirdzniecības analītikā ir piesaistījusi regulatoru uzmanību visā Eiropā, un pat tur, kur kameras atpazīšanu neveic, apmeklētāji publiskās telpās tās arvien biežāk pamana un uzdod jautājumus. Redzama kamera var izskatīties pēc videonovērošanas pat tad, ja tā tikai skaita, un šī berze maksā: apmeklētāju pieredzē, darbinieku laikā un dažkārt arī preses publikācijās.

Wi-Fi skaitīšana nevērš pret apmeklētājiem nevienu kameru un neuzņem viņu attēlus. Tas ir vissvarīgāk tur, kur uzticēšanās ir daļa no apmeklējuma: kultūras iestādēs, sabiedriskajā transportā un veselības aprūpes iestādēs. Arvien svarīgāk tas kļūst arī mazumtirdzniecībā, jo lēmumus par to, vai izvēlēties apmeklētāju skaitītāju vai analītikas platformu, vērtē arvien rūpīgāk.

Ja durvīs vajadzīgs precīzs skaits, bet objektīvs nav vēlams, LiDAR apmeklētāju skaitīšana dod precīzu skaitu bez jebkādas kameras. Tā mēra kustību ar acīm drošiem lāzera gaismas impulsiem un attēlo cilvēkus kā punktu kopas 3D telpā. Attēls nekad netiek izveidots, tāpēc nav ko glabāt, izpludināt vai maskēt.

Avoti

• 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