Casi di studio/Adlytic AI

Analytics di audience in-store dalle telecamere già a terra

Computer vision per il retail: chi è nel corridoio, quanto resta, quali display ricevono attenzione — senza installare un nuovo stack hardware.

Cliente
Adlytic AI
Luogo
Stati Uniti
Anno
2025

AI · SaaS

info@lyrocode.com

Un piano retail del tipo che Adlytic analizza dalle telecamere esistenti

Input

CCTV esistente

Output

Metriche store

Anno

2025

Foto dal lavoro

Fotografia che corrisponde al prodotto — gli edifici, il piano, i vestiti, la strada — non stock di persone che puntano un laptop.

Un corridoio ortofrutta di supermercato — il tipo di piano che Adlytic legge dalle telecamere
Una coda alla cassa usata per misurare dwell e coda
Un display di prodotto — il tipo di fixture che Adlytic valuta per attenzione

Il lavoro

I team retail hanno già le telecamere. Non volevano una nuova scatola su ogni soffitto. Volevano conteggi, tempo di dwell e attenzione ai display dal footage che già raccolgono — con una dashboard che un store manager può leggere, non un notebook di ricerca.

Il model deve funzionare tra luci, angoli di telecamera e layout dello store. La privacy conta: nessun volto nel prodotto che il cliente vede.

Cosa abbiamo costruito

Abbiamo costruito la pipeline di vision per stare su RTSP e file drop esistenti. Persone e zone, non identità. Dashboard a livello store in un'app React: il piano di oggi, questa settimana contro la scorsa, quale endcap è morto.

Training ed evaluation restano in Python. Il prodotto in cui il retailer entra è una console SaaS — siti, telecamere, report — non un export Jupyter.

Dove è arrivato

I retailer ottengono numeri di corridoio e display dalle telecamere che hanno già pagato. La console è qualcosa che un regional manager può aprire il lunedì. I volti non escono mai dal perimetro di processing che il cliente ha accettato.

Stack

Con cosa abbiamo rilasciato — scelto per questo prodotto, non per una slide.

  • Python
  • PyTorch
  • FastAPI
  • React
  • Next.js
  • PostgreSQL
  • AWS
  • Docker
Eravamo stanchi di vendor che volevano farci strappare le telecamere. Lyro Code ha usato ciò che era al muro, e la dashboard è qualcosa che le mie persone ops aprono davvero.
Omar·Product, Adlytic AI

Diteci cosa state costruendo.

Di solito rispondiamo entro un giorno lavorativo. Scrivete a info@lyrocode.com se preferite saltare il modulo.

Una sessione di lavoro — la conversazione che avvia il build