Raw 이벤트 데이터 샘플
mAy-I 스토리지 서비스로 제공되는 원본(raw) 이벤트 데이터 raw_daily_identity의 구조와 샘플을 안내합니다.
개요
mAy-I는 매장 내 카메라로 방문자의 이동 경로를 추적하여, 방문자 개인 단위의 원본 이벤트 로그를 제공합니다. 한 방문자가 매장에서 남긴 라인 통과와 구역 체류 이벤트가 하나의 테이블에 시간순으로 기록됩니다. 개인을 특정할 수 있는 정보(얼굴, 이름 등)는 저장되지 않으며, 익명 방문자번호와 행동 이벤트만 기록합니다.
이 문서에서 제공하는 데이터는 샘플링된 예시입니다. 실제 제공 데이터의 세부 구성은 고객사와 협의하여 정합니다.
이 Raw 데이터는 동선이 완전히 추적된 방문자만 포함합니다. mAsh Board 대시보드에서는 카운팅 횟수를 기반으로 전체 모수를 추정하여 표시하므로, Raw 데이터의 방문자 수와 대시보드의 방문자 수는 다를 수 있습니다.
- Raw 데이터: 동선 추적이 완료된 방문자 (샘플)
- 대시보드: 카운팅 기반 추정치 (전체 모수)
데이터 구조
1행 = 이벤트 1건 입니다. 라인 통과 이벤트와 구역 체류 이벤트가 하나의 테이블에 함께 담기며, event_type 컬럼으로 구분됩니다. 방문자별로 묶여 시간순(event_time)으로 정렬됩니다.
| 컬럼 | 타입 | 설명 | 예시 |
|---|---|---|---|
place_id | string | 매장 식별자 | a1b2c3d4-… |
daily_identity_id | string | 방문자번호 — 해당 일자 내 익명 식별자 (매장#일자#순번) | may-i#2025-12-17#1 |
gender | int | 성별 코드 (0=남, 1=여) | 1 |
age | int | 연령대 코드 (기본 10년 단위) | 5 |
event_type | string | 이벤트 유형 (line=라인통과 / zone=구역체류) | line |
event_source_id | string | 라인/구역 식별자 (전역 유일 ID) | f0e1d2c3-… |
event_source_key | string | 라인/구역 원천 키 (사람이 식별 가능한 코드) | line_entrance |
event_name | string | 라인/구역 이름 | 입구 |
direction | string | 통과 방향 (line만: 입장/퇴장) | 입장 |
event_time | long | 이벤트 시각 — epoch 밀리초. line=통과시각, zone=진입시각 | 1765927208000 |
exit_time | long | 구역 이탈 시각 — epoch ms (zone만) | 1765927259000 |
dwell_time | float | 구역 체류 시간(초) (zone만) | 39.0 |
이벤트 유형별 채워지는 필드
| 필드 | line (라인 통과) | zone (구역 체류) |
|---|---|---|
| event_source_id · event_source_key · event_name | ✓ | ✓ |
| direction (입장/퇴장) | ✓ | — |
| event_time | ✓ (통과 시각) | ✓ (진입 시각) |
| exit_time · dwell_time | — | ✓ |
코드값 정의
- 성별(
gender):0=남성,1=여성 - 연령대(
age):0=9세 이하,1=10대,2=20대,3=30대,4=40대,5=50대,6=60세 이상 (기본 10년 단위, 조정 가능) - 시각(
event_time·exit_time): epoch 밀리초(13자리, UTC 기준 절대시각). 예:1765927208000→2025-12-17 08:20:08 (KST) - 방문자번호(
daily_identity_id): 해당 일자 내에서만 유효한 익명 번호. 다른 날짜의 동일인과 연결 불가. - 라인/구역 식별:
event_source_id는 시스템 내부 ID(전역 유일·불변),event_source_key는 라인/구역별 원천 코드(문자열)입니다.
샘플 데이터 (한 방문자의 시간순 동선, ( )는 읽는 해석):
| daily_identity_id | gender | age | event_type | event_source_key | event_name | direction | event_time | exit_time | dwell_time |
|---|---|---|---|---|---|---|---|---|---|
| may-i#2025-12-17#1 | 1 (여) | 5 (50대) | line | line_entrance | 입구 | 입장 | 1765927208000 (08:20:08) | ||
| may-i#2025-12-17#1 | 1 | 5 | zone | zone_lounge | 라운지 | 1765927220000 (08:20:20) | 1765927259000 | 39.0 | |
| may-i#2025-12-17#1 | 1 | 5 | line | line_aisle_1 | 통로 1 | 입장 | 1765927280000 (08:21:20) | ||
| may-i#2025-12-17#1 | 1 | 5 | line | line_exit | 출구 | 퇴장 | 1765927320000 (08:22:00) |
가공 데이터 예시
이 raw 이벤트를 방문자 단위로 집계하면 방문자별 요약(첫/마지막 이벤트 시각, 라인 통과 수, 구역 체류 수, 총 체류시간 등)을 생성할 수 있습니다. 이벤트 단위 원본이므로 시간대별·구역별·동선별 등 다양한 분석으로 가공 가능합니다.
데이터 특성
익명성
- 방문자번호는 해당 일자 내에서만 유효한 임시 식별자입니다.
- 다른 날짜의 동일인을 연결할 수 없습니다.
- 개인을 특정할 수 있는 정보(얼굴, 이름 등)는 저장되지 않습니다.
데이터 수집 범위
- 매장 영업시간 내 데이터만 수집됩니다.
- 직원(staff) 분류가 제공되는 매장에서는 직원으로 분류된 인원을 제외합니다. (매장의 트래킹 구성에 따라 직원 구분이 제공되지 않을 수 있으며, 이 경우 직원이 포함될 수 있습니다.)
- 매장에 등록된 라인·구역의 이벤트만 제공됩니다. (등록되지 않은 라인 방향/구역은 제외되므로, 예를 들어 입장 대비 퇴장 건수가 적게 보일 수 있습니다.)
활용 예시
1. 시간대별 방문 패턴 분석
event_type = line 이벤트의 event_time을 시간대별로 집계 → 피크 시간대 파악, 인력 배치 최적화
2. 구역별 체류 시간 분석
event_type = zone 이벤트의 dwell_time을 구역별로 집계 → 인기 구역 파악, 구역 배치 최적화
3. 방문자 동선 분석
daily_identity_id로 그룹핑 후 event_time 순 정렬 → 방문자별 이동 경로(라인 통과 + 구역 체류) 재구성
제공 방식
Raw 이벤트 데이터(raw_daily_identity)는 스토리지 서비스(SFTP) 를 통해 제공됩니다. 지정된 SFTP 경로에 일자별 파일이 적재되며, 클라이언트에서 SSH 기반으로 안전하게 다운로드할 수 있습니다.
- 전송 방식: SFTP (SSH File Transfer Protocol)
- 적재 단위: 일자별 파일
- 파일 형식: Parquet
- 접속·설정 방법: SFTP 서비스 문서 참조
데이터 요청
Raw 이벤트 데이터 제공이 필요하신 경우 담당자에게 문의해 주세요.
요청 시 필요한 정보:
- 매장명 또는 매장 태그
- 데이터 기간 (시작일 ~ 종료일)