science هذا المنتج أو الميزة متوفّران في مرحلة المعاينة (قبل طرحه للجميع). قد يكون الدعم المقدَّم للمنتجات والميزات في مرحلة ما قبل الإصدار العلني محدودًا، وقد لا تكون التغييرات التي يتم إجراؤها على المنتجات والميزات في مرحلة ما قبل الإصدار العلني متوافقة مع الإصدارات الأخرى من مرحلة ما قبل الإصدار العلني. تخضع "عروض مرحلة ما قبل الإطلاق" للأحكام المحدّدة لخدمة Google Maps Platform. لمزيد من المعلومات، يُرجى الاطّلاع على أوصاف مراحل الإطلاق. الاشتراك لاختبار "إحصاءات الأماكن"
تنظيم صفحاتك في مجموعات
يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة.
توفّر "إحصاءات الأماكن" معلومات عن العلامات التجارية للعديد من فئات الأماكن. على سبيل المثال:
بالنسبة إلى فئة "أجهزة الصرّاف الآلي والبنوك والمؤسسات الائتمانية"، تحتوي بيانات العلامات التجارية على إدخال لكل من العلامات التجارية PNC وUBS وChase.
بالنسبة إلى الفئة "استئجار سيارات"، تحتوي البيانات على إدخال لكل من العلامات التجارية Budget وHertz وThrifty.
من حالات الاستخدام الشائعة للاستعلام عن مجموعة بيانات العلامات التجارية، دمجها مع استعلام عن بيانات الأماكن للإجابة عن أسئلة مثل:
ما هو عدد جميع المتاجر حسب العلامة التجارية في منطقة معيّنة؟
ما هو عدد أهم ثلاث علامات تجارية منافسة في المنطقة؟
ما هو عدد العلامات التجارية التابعة لفئة معيّنة، مثل "اللياقة البدنية" أو "محطة الوقود"، في المنطقة؟
لمحة عن مجموعة بيانات العلامات التجارية
اسم مجموعة بيانات العلامات التجارية في الولايات المتحدة هو places_insights___us___sample.brands.
مخطط مجموعة بيانات العلامات التجارية
يحدّد مخطط مجموعة بيانات العلامات التجارية ثلاثة حقول:
id: معرّف العلامة التجارية.
استبدِل name باسم العلامة التجارية، مثل "Hertz" أو "Chase".
category: نوع العلامة التجارية، مثل "محطة وقود" أو "طعام وشراب" أو "إقامة" للاطّلاع على قائمة بالقيم المحتملة، راجِع قيم الفئات.
استخدام مجموعة بيانات العلامات التجارية في طلب بحث
يحدّد مخطط مجموعة بيانات الأماكن الحقل brand_ids. إذا كان مكان في مجموعة بيانات الأماكن مرتبطًا بعلامة تجارية، سيحتوي الحقل brand_ids الخاص بالمكان على معرّف العلامة التجارية المقابل.
يُجري طلب البحث النموذجي الذي يشير إلى مجموعة بيانات العلامات التجارية عملية JOIN مع مجموعة بيانات الأماكن استنادًا إلى الحقل brand_ids.
على سبيل المثال، للعثور على عدد مطاعم McDonald's التي تقع على مسافة 2, 000 متر من مبنى Empire State في مدينة نيويورك، اتّبِع الخطوات التالية:
يعرض طلب البحث التالي عدد المقاهي في مدينة نيويورك التي تنتمي إلى علامة تجارية، ويتم تجميعها حسب اسم العلامة التجارية:
SELECTWITHAGGREGATION_THRESHOLDbrands.name,COUNT(*)ASstore_countFROMplaces_insights___us___sample.places_sampleplaces,UNNEST(brand_ids)ASbrand_idLEFTJOINplaces_insights___us___sample.brandsONbrand_id=brands.idWHEREbrands.category="Food and Drink"AND"cafe"INUNNEST(places.types)ANDbusiness_status="OPERATIONAL"GROUPBYbrands.nameORDERBYstore_countDESC;
تعرض الصورة التالية عدد المنتجات حسب العلامة التجارية:
قيم الفئات
يمكن أن يحتوي الحقل category الخاص بعلامة تجارية على القيم التالية:
تاريخ التعديل الأخير: 2025-07-17 (حسب التوقيت العالمي المتفَّق عليه)
[[["يسهُل فهم المحتوى.","easyToUnderstand","thumb-up"],["ساعَدني المحتوى في حلّ مشكلتي.","solvedMyProblem","thumb-up"],["غير ذلك","otherUp","thumb-up"]],[["لا يحتوي على المعلومات التي أحتاج إليها.","missingTheInformationINeed","thumb-down"],["الخطوات معقدة للغاية / كثيرة جدًا.","tooComplicatedTooManySteps","thumb-down"],["المحتوى قديم.","outOfDate","thumb-down"],["ثمة مشكلة في الترجمة.","translationIssue","thumb-down"],["مشكلة في العيّنات / التعليمات البرمجية","samplesCodeIssue","thumb-down"],["غير ذلك","otherDown","thumb-down"]],["تاريخ التعديل الأخير: 2025-07-17 (حسب التوقيت العالمي المتفَّق عليه)"],[],[],null,["| **Note:** For the Preview release, the brands dataset is only available for New York City in the United States.\n\nPlaces Insights provides brand information for many categories of places. For\nexample:\n\n- For the category of \"ATMs, Banks, and Credit Unions\", the brands data contains an entry for each of the brands PNC, UBS, and Chase banks.\n- For the category \"Automotive Rentals\", the data contains an entry for each of the brands Budget, Hertz, and Thrifty.\n\nA typical use case for querying the brands dataset is to join it with a query on\nthe place data to answer questions such as:\n\n- What is the count of all stores by brand in an area?\n- What is the count of my top three competitor brands in the area?\n- What is the count of brands of a specific category, such as \"Fitness\" or \"Gas Station\", in the area?\n\nAbout the brands dataset\n\nThe brands dataset for the US is named `places_insights___us___sample.brands`.\n\nBrands dataset schema\n\nThe schema for the brands dataset defines three fields:\n\n- `id`: The brand ID.\n- `name`: The brand name, such as \"Hertz\" or \"Chase\".\n- `category`: The brand type, such as \"Gas Station\", \"Food and Drink\", or \"Lodging\". For a list of possible values, see [Category\n values](#category-values)\n\nUse brands dataset in a query\n\nThe **places dataset** schema defines the `brand_ids` field. If a place in the\nplaces dataset is associated with a brand, then the `brand_ids` field for the\nplace contains the corresponding brand ID.\n\nA typical query that references the **brands dataset** performs a `JOIN` with\nthe **places dataset** based on the `brand_ids` field.\n\nFor example, to find the count of the number of McDonald's restaurants within\n2000 meters of the Empire State Building in New York City: \n\n```googlesql\nSELECT WITH AGGREGATION_THRESHOLD\n COUNT(*)\nFROM places_insights___us___sample.places_sample places, UNNEST(brand_ids) AS brand_id\nLEFT JOIN places_insights___us___sample.brands ON brand_id = brands.id\nWHERE\nST_DWITHIN(ST_GEOGPOINT(-73.9857, 40.7484), point, 2000)\nAND brands.name = \"McDonald's\"\nAND business_status = \"OPERATIONAL\"\n```\n\nThe next query returns the count of the number of cafes in New York City that\nbelong to a brand, grouped by brand name: \n\n```googlesql\nSELECT WITH AGGREGATION_THRESHOLD\n brands.name,\n COUNT(*) AS store_count\nFROM places_insights___us___sample.places_sample places, UNNEST(brand_ids) AS brand_id\nLEFT JOIN places_insights___us___sample.brands ON brand_id = brands.id\nWHERE brands.category = \"Food and Drink\"\nAND \"cafe\" IN UNNEST(places.types)\nAND business_status = \"OPERATIONAL\"\nGROUP BY brands.name\nORDER BY store_count DESC;\n```\n\nThe following image shows the counts by brand:\n\nCategory values\n\nThe `category` field for a brand can contain the following values:\n\n| Category type value |\n|--------------------------------------|\n| `ATMs, Banks and Credit Unions` |\n| `Automotive and Parts Dealers` |\n| `Automotive Rentals` |\n| `Automotive Services` |\n| `Dental` |\n| `Electric Vehicle Charging Stations` |\n| `Electronics Retailers` |\n| `Fitness` |\n| `Food and Drink` |\n| `Gas Station` |\n| `Grocery and Liquor` |\n| `Health and Personal Care Retailers` |\n| `Hospital` |\n| `Lodging` |\n| `Merchandise Retail` |\n| `Movie Theater` |\n| `Parking` |\n| `Telecommunications` |"]]
