science Ce produit ou cette fonctionnalité est en phase de preview (pré-DG). La compatibilité des fonctionnalités et produits pré-DG peut être limitée, et il se peut que les modifications apportées à ces fonctionnalités ou produits ne soient pas compatibles avec d'autres versions pré-DG. Les offres en pré-DG sont couvertes par les Conditions spécifiques du service Google Maps Platform. Pour en savoir plus, consultez les descriptions des étapes de lancement. Inscrivez-vous pour tester les insights sur les lieux.
Écrire une requête à l'aide des données sur les marques
Restez organisé à l'aide des collections
Enregistrez et classez les contenus selon vos préférences.
Places Insights fournit des informations sur les marques pour de nombreuses catégories de lieux. Exemple :
Pour la catégorie "Distributeurs automatiques de billets, banques et coopératives de crédit", les données sur les marques contiennent une entrée pour chacune des marques PNC, UBS et Chase.
Pour la catégorie "Location de véhicules", les données contiennent une entrée pour chacune des marques Budget, Hertz et Thrifty.
Un cas d'utilisation typique pour interroger l'ensemble de données sur les marques consiste à l'associer à une requête sur les données de lieux pour répondre à des questions telles que :
Quel est le nombre total de magasins par marque dans une zone ?
Quel est le nombre de mes trois principales marques concurrentes dans la zone ?
Combien de marques d'une catégorie spécifique, comme "Fitness" ou "Station-service", sont présentes dans la zone ?
À propos de l'ensemble de données sur les marques
L'ensemble de données sur les marques pour les États-Unis s'appelle places_insights___us___sample.brands.
Schéma de l'ensemble de données "Marques"
Le schéma de l'ensemble de données sur les marques définit trois champs :
id : ID de la marque.
name : nom de la marque, par exemple "Hertz" ou "Chase".
category : type de marque, tel que "Station-service", "Aliments et boissons" ou "Hébergement". Pour obtenir la liste des valeurs possibles, consultez Valeurs de catégorie.
Utiliser l'ensemble de données "Marques" dans une requête
Le schéma de l'ensemble de données Places définit le champ brand_ids. Si un lieu de l'ensemble de données sur les lieux est associé à une marque, le champ brand_ids du lieu contient l'ID de marque correspondant.
Une requête type qui fait référence à l'ensemble de données "brands" effectue une JOIN avec l'ensemble de données "places" en fonction du champ brand_ids.
Par exemple, pour trouver le nombre de restaurants McDonald's situés à moins de 2 000 mètres de l'Empire State Building à New York :
La requête suivante renvoie le nombre de cafés à New York appartenant à une marque, regroupés par nom de marque :
SELECTWITHAGGREGATION_THRESHOLDbrands.name,COUNT(*)ASstore_countFROMPROJECT_NAME.places_insights___us___sample.places_sampleplaces,UNNEST(brand_ids)ASbrand_idLEFTJOINPROJECT_NAME.places_insights___us___sample.brandsONbrand_id=brands.idWHEREbrands.category="Food and Drink"AND"cafe"INUNNEST(places.types)ANDbusiness_status="OPERATIONAL"GROUPBYbrands.nameORDERBYstore_countDESC;
L'image suivante montre les nombres par marque :
Valeurs de catégorie
Le champ category d'une marque peut contenir les valeurs suivantes :
Valeur du type de catégorie
ATMs, Banks and Credit Unions
Automotive and Parts Dealers
Automotive Rentals
Automotive Services
Dental
Electric Vehicle Charging Stations
Electronics Retailers
Fitness
Food and Drink
Gas Station
Grocery and Liquor
Health and Personal Care Retailers
Hospital
Lodging
Merchandise Retail
Movie Theater
Parking
Telecommunications
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2025/09/06 (UTC).
[[["Facile à comprendre","easyToUnderstand","thumb-up"],["J'ai pu résoudre mon problème","solvedMyProblem","thumb-up"],["Autre","otherUp","thumb-up"]],[["Il n'y a pas l'information dont j'ai besoin","missingTheInformationINeed","thumb-down"],["Trop compliqué/Trop d'étapes","tooComplicatedTooManySteps","thumb-down"],["Obsolète","outOfDate","thumb-down"],["Problème de traduction","translationIssue","thumb-down"],["Mauvais exemple/Erreur de code","samplesCodeIssue","thumb-down"],["Autre","otherDown","thumb-down"]],["Dernière mise à jour le 2025/09/06 (UTC)."],[],[],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` |"]]