Panoramica di Approfondimenti sui luoghi

Places Insights ti consente di condurre analisi statistiche avanzate sui dati sui luoghi di Google Maps. Fornisce conteggi aggregati e informazioni sulla densità per milioni di punti dati sui punti di interesse (PDI), consentendo una potente intelligence geospaziale.

Funzionalità chiave

  • Intelligence geospaziale: ottieni una "visione dall'alto" della densità e della distribuzione di diverse categorie di PDI (ad es. vendita al dettaglio, ristoranti, servizi) in aree geografiche specifiche.
  • Accesso sicuro ai dati: i dati vengono sottoposti a deployment utilizzando gli elenchi di scambio di dati di BigQuery con protezioni dei dati, consentendo un ambiente sicuro e protetto per la condivisione dei dati e l'analisi.
  • Dettagli utili: anche se Places Insights si concentra sulle tendenze aggregate, puoi utilizzare gli ID luogo generati per eseguire il drill-down e recuperare le informazioni sui singoli luoghi utilizzando altre API di Google Maps Platform per passare da informazioni statistiche ad azioni dettagliate.

Comprendere i dati sui luoghi e i casi d'uso

Google Maps cura i dati sui luoghi per milioni di attività in tutto il mondo. Places Insights rende disponibili questi dati completi sui luoghi in BigQuery in modo che tu possa ricavare informazioni aggregate sui dati sui luoghi di Google Maps in base a una serie di attributi come tipi di luoghi, valutazioni, orari di apertura, accessibilità per sedie a rotelle e altro ancora.

Per utilizzare Places Insights, scrivi query SQL in BigQuery che restituiscono informazioni statistiche sui dati sui luoghi. Queste informazioni ti consentono di rispondere a domande come:

  • Quante attività simili operano vicino a una potenziale nuova sede del negozio?
  • Quali tipi di attività si trovano più comunemente vicino ai miei negozi di maggior successo?
  • Quali aree hanno un'alta concentrazione di attività complementari che potrebbero attirare i miei clienti target?
  • Quanti ristoranti di sushi a 5 stelle sono aperti alle 20:00 a Madrid, dispongono di parcheggio accessibile per sedie a rotelle e offrono cibo da asporto?
  • Quali codici postali in California hanno la più alta concentrazione di stazioni di ricarica per veicoli elettrici?

Casi d'uso supportati

  • Selezione del sito: valuta e scegli le sedi più adatte per una nuova attività o per il posizionamento di un asset fisico. Analizzando la densità e il mix di PDI circostanti, puoi assicurarti che un potenziale sito sia posizionato in modo ottimale nel suo ambiente aziendale competitivo e complementare. Questo approccio basato sui dati può ridurre il rischio associato all'investimento in nuove sedi.
  • Valutazione del rendimento della sede: determina quali variabili geospaziali, come la vicinanza a determinati tipi di PDI come supermercati o sedi di eventi, sono correlate a un rendimento positivo o negativo nelle sedi esistenti. Questi dati ti consentono di identificare i potenziali siti che condividono il miglior mix di caratteristiche geospaziali per il tuo caso d'uso. Puoi anche utilizzare queste informazioni per eseguire il deployment di modelli predittivi che prevedono il rendimento futuro di qualsiasi nuova sede in base al contesto dei PDI circostanti.
  • Marketing con targeting geografico: determina quali tipi di campagne di marketing o pubblicità avranno successo in un'area. Places Insights fornisce il contesto necessario per comprendere l'attività commerciale, consentendoti di personalizzare i messaggi in base alla concentrazione di attività o attività pertinenti.
  • Previsione delle vendite: prevedi le vendite future in una potenziale sede. La modellazione dell'impatto delle caratteristiche geospaziali circostanti ti consente di creare modelli predittivi solidi per guidare le decisioni di investimento.
  • Ricerca di mercato: informa su quali aree geografiche espandere la tua attività o il tuo servizio. Analizza la saturazione del mercato esistente e la densità dei PDI per identificare i mercati target sottoserviti o altamente concentrati che offrono la massima opportunità. Questa analisi fornisce prove a supporto delle iniziative di crescita ed espansione strategica.
  • Analisi delle tendenze: esplora le modifiche che si verificano in un periodo di tempo. Confronta i conteggi dei luoghi, inclusi i luoghi aggiunti e rimossi, di mese in mese a partire da gennaio 2024.

Puoi eseguire query sui set di dati di Places Insights utilizzando le funzioni di conteggio dei luoghi o le query SQL dirette.

Consulta il riferimento dello schema.

Scegli il metodo di query: funzioni di conteggio dei luoghi o SQL diretto

Per soddisfare diverse scale di analisi e requisiti di privacy, Places Insights offre due percorsi di query: funzioni di conteggio dei luoghi (funzioni BigQuery native) e query SQL dirette (unioni di tabelle).

Utilizza questa matrice decisionale per determinare il percorso di query corretto per la tua implementazione:

Obiettivo dell'analisi Metodo di query consigliato Dati e output restituiti Considerazioni sulla privacy e sullo spazio
Analizza la densità dei PDI regionali e crea mappe termiche PLACES_COUNT_PER_H3
  • Restituisce poligoni esagonali H3 con conteggi esatti (incluso 0)
  • Restituisce fino a 250 valori place_id per cella
  • Appositamente progettato per i modelli di ML spaziali e l'ingegneria delle funzionalità
  • Area di ricerca minima di 40 m × 40 m (1600 m²)
  • Ottimizzato per prestazioni e costi di elaborazione ridotti
  • Convalida i parametri di input e restituisce errori chiari per semplificare il debug
Ottieni i conteggi per siti specifici e recupera gli ID luogo per cercare i dettagli PLACES_COUNT_V2 o PLACES_COUNT_PER_TYPE_V2
  • Restituisce conteggi esatti (incluso 0) per le geometrie personalizzate
  • Restituisce fino a 250 valori place_id per riga
  • Area di ricerca minima di 40 m × 40 m (1600 m²)
  • Scalabile a migliaia di sedi utilizzando i parametri TABLE
  • Ottimizzato per prestazioni e costi di elaborazione ridotti
  • Convalida i parametri di input e restituisce errori chiari per semplificare il debug
Monitora le modifiche e le tendenze di crescita dei PDI nel tempo tra due mesi PLACES_COUNT_CHANGE
  • Restituisce start_count, end_count, net_change, percentage_change e compound_monthly_growth_rate
  • Restituisce array di ID luogo appena aggiunti (sample_added_place_ids) e rimossi (sample_removed_place_ids)
  • Richiede i parametri month1 e month2 nel formato YYYY-MM
  • Area di ricerca minima di 40 m × 40 m (1600 m²)
  • Scalabile a migliaia di sedi personalizzate utilizzando i parametri TABLE
Esegui logica personalizzata avanzata, medie o unioni con i tuoi dati Query SQL dirette
  • Flessibilità SQL completa nelle tabelle non elaborate
  • Consente metriche SQL personalizzate (AVG, SUM e così via)
  • Non restituisce gli ID luogo
  • Soglia di privacy: i conteggi da 0 a 4 vengono completamente omessi
  • Nessuna limitazione dell'area di ricerca minima

Places Insights ti consente di condurre analisi storiche eseguendo query sugli snapshot mensili dei dati sui luoghi a partire da gennaio 2024. In questo modo, puoi valutare l'evoluzione della densità delle attività, dell'attività commerciale e dei panorami competitivi nel tempo.

Per eseguire query sui dati storici utilizzando le funzioni di conteggio dei luoghi, trasmetti il parametro di filtro facoltativo snapshot_date all'interno di JSON_OBJECT. Il valore deve essere nel formato YYYY-MM (ad es. '2026-01').

Esempio: eseguire query sui conteggi storici dei ristoranti a New York con PLACES_COUNT_V2

L'esempio seguente utilizza PLACES_COUNT_V2 per analizzare i conteggi dei ristoranti operativi intorno all'Empire State Building e a Times Square a New York così come esistevano a gennaio 2026:

-- Create a table for the input search geographies
WITH my_search_areas AS (
  SELECT
    'Empire State Building' AS geo_id,
    ST_GEOGPOINT(-73.9857, 40.7484) AS geo
  UNION ALL
  SELECT
    'Times Square' AS geo_id,
    ST_GEOGPOINT(-73.9851, 40.7580) AS geo
)

-- Query restaurant counts for the January 2026 snapshot
SELECT *
FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_V2`(
  TABLE my_search_areas,
  JSON_OBJECT(
      'geography_radius', 1000, -- Radius in meters around each point
      'business_status', ['OPERATIONAL'],
      'types', ['restaurant'],
      'snapshot_date', '2026-01'
  )
);

Analizzare l'output storico

La tabella BigQuery restituita contiene geo_id, il poligono geografico di input, il conteggio dei luoghi e gli ID luogo di esempio così come sono stati registrati durante il mese dello snapshot specificato (2026-01). Puoi eseguire query identiche su più mesi di snapshot per calcolare le tendenze di crescita, le aperture dei negozi o la contrazione del mercato.

Aggregare la densità dei PDI regionali utilizzando PLACES_COUNT_PER_H3

La funzione PLACES_COUNT_PER_H3 è il percorso consigliato per analizzare la densità dei PDI su aree di grandi dimensioni. Dividendo la regione target in celle della griglia esagonale H3 standardizzate, non è necessario disegnare confini personalizzati e puoi inserire i risultati direttamente negli strumenti di mappatura visiva, come Looker Studio.

Esempio: contare i negozi di alimentari e di alimentari accessibili per sedie a rotelle nello stato di New York

La query seguente aggrega i negozi di alimentari e di alimentari accessibili per sedie a rotelle nello stato di New York in celle H3 al livello di risoluzione 8. Utilizza la geometria dei confini recuperata dinamicamente dal set di dati pubblico bigquery-public-data.geo_us_boundaries.states.

-- Query POI count per H3 cell intersecting the New York State polygon boundary
SELECT *
FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_PER_H3`(
  JSON_OBJECT(
      'geography', (
        -- Dynamically retrieve the boundary geography for New York State
        SELECT state_geom
        FROM `bigquery-public-data.geo_us_boundaries.states`
        WHERE state = 'NY'
        LIMIT 1
      ),
      'types', ['grocery_store', 'convenience_store'],
      'business_status', ['OPERATIONAL'],
      'h3_resolution', 8,
      'wheelchair_accessible_entrance', TRUE
  )
)
ORDER BY count DESC;

Analizzare l'output

Questa query restituisce una tabella strutturata che mappa ogni indice H3 distinto (h3_cell_index) al relativo poligono di confine (geography), al conteggio dei PDI (count) e a un massimo di 250 sample_place_ids rappresentativi.

  • Conteggi zero inclusi: se una cella nella griglia dello stato di New York non ha negozi corrispondenti, restituisce comunque una riga con un conteggio di 0. Questo è fondamentale per individuare i deserti commerciali o di servizi.
  • Mappatura visiva diretta: poiché l'output include un poligono GEOGRAPHY, puoi eseguire il rendering delle mappe termiche direttamente in BigQuery Studio o Looker Studio.

Recuperare gli ID luogo per ispezionare i dettagli del luogo

Anche se Places Insights è progettato per l'intelligence statistica, puoi passare da informazioni aggregate ad azioni granulari.

Tutte le funzioni di conteggio dei luoghi principali, tra cui PLACES_COUNT_PER_H3, PLACES_COUNT_V2, e PLACES_COUNT_PER_TYPE_V2 (ad eccezione della funzione precedente PLACES_COUNT), restituiscono un array di un massimo di 250 ID luogo per riga che corrispondono ai criteri della query.

Questi ID luogo fungono da ponte, consentendoti di utilizzare altre API di Google Maps Platform, come l'APIPlace Details, per recuperare dettagli specifici come nomi dei negozi, recensioni, numeri di telefono e indirizzi.

Analizzare la presenza del brand in più sedi

Oltre ai dati sui luoghi, Places Insights include dati sui brand o sui negozi che hanno più sedi che operano con lo stesso nome del brand.

Puoi eseguire query sui dati del brand per:

  • Identificare la densità dei brand concorrenti in un mercato target.
  • Filtrare i conteggi dei PDI in base agli ID brand.
  • Esaminare la penetrazione di mercato confrontando le attività con brand e quelle indipendenti.

Passaggi successivi