Foot Traffic Patterns Data | United States Retail

Chain/Venue Multi-Metrics by Placer.ai is a data feed of foot traffic visitation for any property or retail chain in the U.S. Leverage historical foot traffic data and analyze trends to forecast future retail visitation performance for any leading chain and individual venue you are interested in.

Track accumulative foot traffic, as well as percentage of foot traffic, generated by customers who work and live within a certain mileage of the property.

More granular data sets (all categories, from 2017 onwards) available by request. Please contact us at [e-mail]

Featured Metrics
- Total foot-traffic: Number of visits in a given time period.
- Visitors breakdown by home distance: a dimension that breakdowns foot-traffic data by the distance of the home location from the trade area.
- Visitors breakdown by work distance: a dimension that breakdowns foot-traffic data by the distance of the work location from the trade area.
- Panel size: Number of panels (devices) in a given time period
Top Use Cases
- Monitor stores and properties to track high and lower performers
- Integrate visit traffic data with prediction models to forecast future performance and strategically plan marketing promotions and hiring needs
- Validate or identify anomalies in other datasets (e.g. credit cards)
- Analyze the impact of events and promotions on vist traffic
- Integrate with internal dashboards for reporting and a day-by-day view of chain/venue visitor traffic
- Benchmark store performance within the chain and with category competitors

Configuration Options
- Data history: Starting January 2017
- Time-aggregation options: Daily (only Chains) / weekly (Venues/Chains) / monthly (Venues/Chains)
- Region-aggregation: Nationwide, state, CBSA (MSA+microMSA), DMA (applicable only for Chains)
- Delivery frequency: Daily (only Chains) / weekly (Venues/Chains)
- Delivery methods: Buckets; SFTP or email
- Format: CSV

Sample Tables & Schema
Tables Included:

Fields Included:

- publication_date - example: ‘27/07/2020’
- version_code - example: ‘0.0.3’
- id - example: ‘58ef6e6c173f5601f82d8f28’
- name - example: ‘Walmart’
- type - example: ‘chain’
- time_frame - example: 'daily'
- start_date - example: ‘01/01/2017’
- end_date - example: ‘01/01/2017’
- region_type - example: ‘state’
- region_name - example: ‘Delaware’
- region_code - example: 'DE'

- publication_date - example: ‘2020-08-0’
- version_code - example: ‘1.0.0’
- id - example: '5965fca0173f564b883c222e'
- name - example: 'Mcdonald's'
- type - example: 'venue'
- time_frame - example: 'daily'
- start_date - example: ‘2018-04-15’
- end_date - example: ‘2018-04-15’
- region_type - example: 'nationwide'
- region_name - example: ‘California’
- region_code - example: 'CA'

For more see, documentation: https://docs.placer.ai/docs/csv-multiple-metrics-export-schema

Placer.ai 旗下连锁店/门店多指标数据集是面向美国境内所有物业或零售连锁品牌的客流到访数据馈送服务。您可利用历史客流数据并分析趋势，以预测您所关注的头部连锁品牌及单个门店的未来零售客流表现。

可追踪累计客流，以及在物业特定辐射里程内工作与居住的消费者所贡献的客流占比。

如需获取更细粒度的数据集（涵盖全品类、2017年起的全部数据），可提交申请。请通过[e-mail]联系我们。

核心指标
- 总客流：指定时间段内的到访次数。
- 按居住距离划分的客流构成：以消费者住宅与商圈的距离为维度拆分客流数据。
- 按工作距离划分的客流构成：以消费者工作地点与商圈的距离为维度拆分客流数据。
- 监测面板规模：指定时间段内的监测设备（面板）总数。

典型应用场景
- 监控门店与物业表现，追踪高绩效与低绩效点位
- 将到访客流数据与预测模型集成，以预测未来业绩并战略性规划营销推广与招聘需求
- 验证或识别其他数据集（如信用卡交易数据）中的异常值
- 分析活动与促销活动对客流的影响
- 与内部仪表盘集成，用于生成报告并按日查看连锁品牌/门店的访客客流情况
- 在连锁品牌内部及同品类竞争对手之间对标门店业绩

配置选项
- 数据历史跨度：始于2017年1月
- 时间聚合维度：仅连锁品牌支持日度聚合；门店/连锁品牌支持周度、月度聚合
- 区域聚合维度：全国、州级、CBSA（MSA+微型MSA）、DMA（仅适用于连锁品牌）
- 交付频率：仅连锁品牌支持日度交付；门店/连锁品牌支持周度交付
- 交付方式：分桶存储；SFTP或邮件
- 数据格式：CSV

示例表与数据架构
包含以下表：

包含以下字段：
- 发布日期（publication_date）：示例值：‘27/07/2020’
- 版本代码（version_code）：示例值：‘0.0.3’
- 唯一标识（id）：示例值：‘58ef6e6c173f5601f82d8f28’
- 名称（name）：示例值：‘沃尔玛（Walmart）’
- 类型（type）：示例值：‘连锁品牌（chain）’
- 时间粒度（time_frame）：示例值：'daily'
- 起始日期（start_date）：示例值：‘01/01/2017’
- 结束日期（end_date）：示例值：‘01/01/2017’
- 区域类型（region_type）：示例值：‘州级（state）’
- 区域名称（region_name）：示例值：‘特拉华州（Delaware）’
- 区域代码（region_code）：示例值: 'DE'

- 发布日期：示例值：‘2020-08-0’
- 版本代码：示例值：‘1.0.0’
- 唯一标识：示例值: '5965fca0173f564b883c222e'
- 名称：示例值：‘麦当劳（Mcdonald's）’
- 类型：示例值：‘门店（venue）’
- 时间粒度：示例值: 'daily'
- 起始日期：示例值：‘2018-04-15’
- 结束日期：示例值：‘2018-04-15’
- 区域类型：示例值: '全国范围（nationwide）'
- 区域名称：示例值：‘加利福尼亚州（California）’
- 区域代码：示例值: 'CA'

如需了解更多详情，请参阅官方文档：https://docs.placer.ai/docs/csv-multiple-metrics-export-schema

搜集汇总

背景与挑战

背景概述

Placer.ai提供的美国零售业客流量数据集涵盖2017年至今的全国范围数据，包含总客流量、居住/工作距离分布等核心指标，支持按日/周/月不同时间维度和州/CBSA/DMA等区域维度进行分析，适用于门店绩效监控、营销策略制定等商业场景。数据可通过CSV格式定期交付。