Menulis kueri menggunakan data merek

Places Insights memberikan informasi merek untuk banyak kategori tempat. Contoh:

• Untuk kategori "ATM, Bank, dan Koperasi", data merek berisi entri untuk setiap merek bank PNC, UBS, dan Chase.
• Untuk kategori "Rental Otomotif", data berisi entri untuk setiap merek Budget, Hertz, dan Thrifty.

Kasus penggunaan umum untuk membuat kueri set data merek adalah menganalisis kehadiran merek atau menggabungkannya dengan set data tempat untuk menjawab pertanyaan seperti:

• Berapa jumlah semua toko menurut merek di suatu area?
• Berapa jumlah tiga merek pesaing teratas saya di area tersebut?
• Berapa jumlah merek dari kategori tertentu, seperti "Kebugaran" atau "SPBU", di area tersebut?

Tentang set data merek

Set data merek didukung di Amerika Serikat, Inggris Raya, Australia, dan Kanada. Misalnya, set data merek untuk AS diberi nama places_insights___us.brands.

Skema set data merek

Skema untuk set data merek menentukan tiga kolom:

• id: ID merek.
• name: Nama merek, seperti "Hertz" atau "Chase".
• category: Jenis merek, seperti "SPBU", "Makanan dan Minuman", atau "Penginapan". Untuk mengetahui daftar nilai yang mungkin, lihat Nilai kategori.

Membuat kueri data merek

Metode yang direkomendasikan untuk menganalisis data merek adalah menggunakan Fungsi Jumlah Tempat. Fungsi Places Count secara native mendukung pemfilteran menurut ID merek menggunakan parameter brand_ids, yang menampilkan jumlah persis (termasuk nol) dan ID Tempat sampel tanpa memerlukan operasi JOIN SQL yang kompleks.

Langkah 1: Temukan ID merek

Skema set data tempat menentukan kolom brand_ids. Jika tempat dalam set data tempat dikaitkan dengan merek, kolom brand_ids-nya akan berisi ID merek yang sesuai.

Untuk memfilter menurut merek, buat kueri tabel brands terlebih dahulu untuk menemukan ID merek yang sesuai untuk merek yang diinginkan:

SELECT id, name
FROM PROJECT_NAME.places_insights___us.brands
WHERE name = "McDonald's"

Langkah 2: Gunakan brand_ids dalam fungsi Places Count

Setelah mendapatkan ID merek, teruskan ke parameter filter brand_ids.

Dalam contoh ini, Anda akan mengkueri kepadatan restoran McDonald's dalam jarak 2.000 meter dari Empire State Building di New York City menggunakan PLACES_COUNT_PER_H3:

SELECT *
FROM PROJECT_NAME.places_insights___us.PLACES_COUNT_PER_H3(
  JSON_OBJECT(
      'geography', ST_BUFFER(ST_GEOGPOINT(-73.9857, 40.7484), 2000),
      'business_status', ['OPERATIONAL'],
      'brand_ids', ["13992718219781496405"], -- McDonald's brand ID
      'h3_resolution', 8
  )
);

Anda juga dapat menggunakan PLACES_COUNT_V2 untuk menghitung lokasi brand secara batch di seluruh area penelusuran kustom:

SELECT *
FROM PROJECT_NAME.places_insights___us.PLACES_COUNT_V2(
  TABLE PROJECT_NAME.YOUR_DATASET.my_search_areas,
  JSON_OBJECT(
      'geography_radius', 2000,
      'business_status', ['OPERATIONAL'],
      'brand_ids', ["13992718219781496405"]
  )
);

Nilai kategori

Kolom category untuk merek dapat berisi nilai berikut: