science Bu ürün veya özellik önizleme sürümündedir (GKST öncesi). GKST öncesi ürünler ve özelliklere verilen destek sınırlı olabilir. Ayrıca bu ürünler ve özelliklerde yapılan değişiklikler, GKST öncesi diğer sürümlerle uyumlu olmayabilir. GKST Öncesi Teklifler, Google Haritalar Platformu Hizmete Özgü Şartlar'a tabidir. Daha fazla bilgi için lansman aşamalarının açıklamalarını inceleyin. Places Insights'ı test etmek için kaydolun.
Koleksiyonlar ile düzeninizi koruyun
İçeriği tercihlerinize göre kaydedin ve kategorilere ayırın.
Places Insights, birçok yer kategorisi için marka bilgileri sağlar. Örneğin:
"ATM'ler, Bankalar ve Kredi Birlikleri" kategorisinde, marka verileri PNC, UBS ve Chase bankalarının her biri için bir giriş içerir.
"Araç Kiralama" kategorisinde, Budget, Hertz ve Thrifty markalarının her biri için bir giriş bulunur.
Markalar veri kümesini sorgulamak için tipik bir kullanım alanı, aşağıdaki gibi soruları yanıtlamak üzere yer verileriyle ilgili bir sorguyla birleştirmektir:
Bir bölgedeki tüm mağazaların markaya göre sayısı nedir?
Bölgedeki en iyi üç rakip markamın sayısı nedir?
Bölgedeki "Fitness" veya "Benzin İstasyonu" gibi belirli bir kategorideki marka sayısı nedir?
Markalar veri kümesi hakkında
ABD'ye yönelik markalar veri kümesinin adı places_insights___us___sample.brands'dır.
Markalar veri kümesi şeması
Markalar veri kümesinin şeması üç alan tanımlar:
id: Marka kimliği.
name: "Hertz" veya "Chase" gibi marka adı.
category: "Benzin İstasyonu", "Yiyecek ve İçecek" veya "Konaklama" gibi marka türü. Olası değerlerin listesi için Kategori değerleri bölümüne bakın.
Sorguda markalar veri kümesini kullanma
Yer veri kümesi şeması, brand_ids alanını tanımlar. Yer kümesindeki bir yer bir markayla ilişkiliyse yerin brand_ids alanında ilgili marka kimliği yer alır.
brands veri kümesine başvuran tipik bir sorgu, brand_ids alanına göre places veri kümesiyleJOIN işlemi gerçekleştirir.
Örneğin, New York City'deki Empire State Binası'nın 2.000 metre yarıçapındaki McDonald's restoranlarının sayısını bulmak için:
Aşağıdaki sorgu, New York City'deki bir markaya ait kafelerin sayısını marka adına göre gruplandırarak döndürür:
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;
Aşağıdaki resimde markaya göre sayı gösterilmektedir:
Kategori değerleri
Bir markanın category alanı aşağıdaki değerleri içerebilir:
[[["Anlaması kolay","easyToUnderstand","thumb-up"],["Sorunumu çözdü","solvedMyProblem","thumb-up"],["Diğer","otherUp","thumb-up"]],[["İhtiyacım olan bilgiler yok","missingTheInformationINeed","thumb-down"],["Çok karmaşık / çok fazla adım var","tooComplicatedTooManySteps","thumb-down"],["Güncel değil","outOfDate","thumb-down"],["Çeviri sorunu","translationIssue","thumb-down"],["Örnek veya kod sorunu","samplesCodeIssue","thumb-down"],["Diğer","otherDown","thumb-down"]],["Son güncelleme tarihi: 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` |"]]