Présentation de Places Insights

Places Insights vous permet d'effectuer des analyses statistiques avancées sur les données détaillées des lieux dans Google Maps. Il fournit des informations agrégées sur le nombre et la densité pour des millions de points de données de points d'intérêt (POI), ce qui permet une intelligence géospatiale puissante.

Capacités clés

• Informations géospatiales : obtenez une vue d'ensemble de la densité et de la répartition de différentes catégories de POI (par exemple, commerces, restaurants, services) dans des zones géographiques spécifiques.
• Accès sécurisé aux données : les données sont déployées à l'aide d'annonces d'échange de données BigQuery avec des mesures de protection des données en place, ce qui permet de créer un environnement sécurisé et protégé pour le partage et l'analyse des données.
• Informations exploitables : bien que Places Insights se concentre sur les tendances globales, vous pouvez utiliser les ID de lieu générés pour obtenir des informations individuelles sur les lieux à l'aide d'autres API Google Maps Platform. Vous pouvez ainsi passer d'un insight statistique à une action détaillée.

Comprendre les données sur les lieux et les cas d'utilisation

Google Maps collecte des données sur des millions d'établissements dans le monde entier. Places Insights met ces données complètes sur les lieux à disposition dans BigQuery. Vous pouvez ainsi obtenir des insights agrégés sur les données de lieux Google Maps en fonction de divers attributs tels que les types de lieux, les notes, les horaires d'ouverture, l'accessibilité en fauteuil roulant, etc.

Pour utiliser Places Insights, vous devez écrire des requêtes SQL dans BigQuery qui renvoient des insights statistiques sur les données des lieux. Ces insights vous permettent de répondre à des questions telles que :

• Combien d'entreprises similaires sont implantées à proximité d'un emplacement potentiel pour un nouveau magasin ?
• Quels types d'établissements se trouvent le plus souvent à proximité de mes magasins les plus performants ?
• Quels sont les quartiers où se concentrent des entreprises complémentaires qui pourraient attirer mes clients cibles ?
• Combien de restaurants de sushis cinq étoiles sont ouverts à 20h à Madrid, disposent d'un parking accessible aux personnes à mobilité réduite et proposent des plats à emporter ?
• Quels sont les codes postaux de Californie qui comptent le plus de bornes de recharge pour véhicules électriques ?

Cas d'utilisation compatibles

• Sélection de sites : évaluez et choisissez les emplacements les plus adaptés pour une nouvelle entreprise ou l'emplacement d'un actif physique. En analysant la densité et la combinaison des points d'intérêt environnants, vous pouvez vous assurer qu'un site potentiel est positionné de manière optimale dans son environnement commercial concurrentiel et complémentaire. Cette approche basée sur les données peut réduire les risques associés à l'investissement dans de nouveaux emplacements.
• Évaluation des performances des établissements : déterminez les variables géospatiales (par exemple, la proximité de certains types de points d'intérêt, comme les supermarchés ou les lieux événementiels) qui sont liées aux performances positives ou négatives de vos établissements existants. Ces données vous permettent d'identifier les sites potentiels qui présentent la meilleure combinaison de caractéristiques géospatiales pour votre cas d'utilisation. Vous pouvez également utiliser ces informations pour déployer des modèles prédictifs qui prévoient les performances futures de nouveaux établissements en fonction du contexte des points d'intérêt environnants.
• Marketing ciblé par zone géographique : déterminez les types de campagnes marketing ou d'annonces qui seront efficaces dans une zone. Places Insights fournit le contexte nécessaire pour comprendre l'activité commerciale. Vous pouvez ainsi adapter vos messages en fonction de la concentration des activités ou des entreprises concernées.
• Prévisions des ventes : prévoyez les ventes futures dans un emplacement potentiel. La modélisation de l'impact des caractéristiques géospatiales environnantes vous permet de créer des modèles prédictifs robustes pour orienter vos décisions d'investissement.
• Études de marché : identifiez les zones géographiques dans lesquelles développer votre activité ou votre service. Analysez la saturation du marché et la densité des points d'intérêt existantes pour identifier les marchés cibles sous-représentés ou très concentrés qui offrent le plus de potentiel. Cette analyse fournit des preuves pour soutenir les initiatives stratégiques de croissance et d'expansion.
• Analyse des tendances : explorez les changements qui se produisent sur une période donnée. Comparez le nombre de lieux, y compris ceux ajoutés et supprimés, d'un mois à l'autre depuis janvier 2024.

Vous pouvez interroger les ensembles de données Places Insights à l'aide des fonctions Places Count ou des requêtes SQL directes.

Consultez la documentation de référence sur le schéma.

Choisissez votre méthode de requête : fonctions Places Count ou SQL direct

Pour s'adapter aux différentes échelles d'analyse et exigences de confidentialité, Places Insights propose deux méthodes de requête : les fonctions de dénombrement des lieux (fonctions BigQuery natives) et les requêtes SQL directes (jointures de tables).

Utilisez cette matrice de décision pour déterminer le chemin de requête approprié pour votre implémentation :

Analyser les tendances historiques à l'aide des dates d'instantané

Places Insights vous permet d'effectuer des analyses historiques en interrogeant des instantanés mensuels des données Places remontant à janvier 2024. Vous pouvez ainsi évaluer l'évolution de la densité commerciale, de l'activité commerciale et de la concurrence au fil du temps.

Pour interroger des données historiques à l'aide des fonctions Places Count, transmettez le paramètre de filtre snapshot_date facultatif dans votre JSON_OBJECT. La valeur doit être au format YYYY-MM (par exemple, '2026-01').

Exemple : Interroger le nombre de restaurants historiques à New York avec PLACES_COUNT_V2

L'exemple suivant utilise PLACES_COUNT_V2 pour analyser le nombre de restaurants ouverts autour de l'Empire State Building et de Times Square à New York en janvier 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'
  )
);

Analyser les résultats historiques

La table BigQuery renvoyée contient geo_id, le polygone géographique d'entrée, le nombre de lieux et des exemples d'ID de lieux tels qu'ils ont été enregistrés au cours du mois de l'instantané spécifié (2026-01). Vous pouvez exécuter des requêtes identiques sur plusieurs mois de données instantanées pour calculer les tendances de croissance, les ouvertures de magasins ou la contraction du marché.

Agrégation de la densité régionale des POI à l'aide de PLACES_COUNT_PER_H3

La fonction PLACES_COUNT_PER_H3 est la méthode recommandée pour analyser la densité des points d'intérêt sur de grandes zones. En divisant votre région cible en cellules de grille hexagonales H3 standardisées, vous n'avez plus besoin de dessiner des limites personnalisées et vous pouvez directement intégrer les résultats dans des outils de cartographie visuelle, tels que Looker Studio.

Exemple : Comptabiliser les épiceries et les magasins de proximité accessibles aux personnes en fauteuil roulant dans l'État de New York

La requête suivante agrège les épiceries et les magasins de proximité accessibles en fauteuil roulant dans l'État de New York dans des cellules H3 au niveau de résolution 8. Il utilise la géométrie des limites récupérée de manière dynamique à partir de l'ensemble de données public 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;

Analyser le résultat

Cette requête renvoie un tableau structuré qui mappe chaque index H3 distinct (h3_cell_index) à son polygone de limite (geography), au nombre de points d'intérêt (count) et à un maximum de 250 sample_place_ids représentatifs.

• Nombre de magasins égal à zéro inclus : si une cellule de la grille de l'État de New York ne contient aucun magasin correspondant, elle renvoie quand même une ligne avec un nombre de 0. C'est essentiel pour localiser les déserts commerciaux ou de services.
• Mappage visuel direct : comme le résultat inclut un polygone GEOGRAPHY, vous pouvez afficher les cartes de densité directement dans BigQuery Studio ou Looker Studio.

Récupérer des ID de lieu pour examiner les détails d'un lieu

Bien que Places Insights soit conçu pour l'intelligence statistique, vous pouvez passer des insights agrégés aux actions précises.

Toutes les fonctions principales de décompte des lieux, y compris PLACES_COUNT_PER_H3, PLACES_COUNT_V2 et PLACES_COUNT_PER_TYPE_V2 (à l'exception de l'ancienne fonction PLACES_COUNT), renvoient un tableau contenant jusqu'à 250 ID de lieux par ligne correspondant aux critères de votre requête.

Ces ID de lieu servent de pont, vous permettant d'utiliser d'autres API Google Maps Platform, telles que l'API Place Details, pour récupérer des informations spécifiques comme les noms de magasins, les avis, les numéros de téléphone et les adresses.

Analyser la présence de votre marque dans plusieurs établissements

En plus des données sur les lieux, Places Insights inclut des données sur les marques ou les magasins ayant plusieurs établissements qui opèrent sous le même nom de marque.

Vous pouvez interroger les données de marque pour :

• Identifiez la densité des marques concurrentes sur un marché cible.
• Filtrez vos nombres de POI spécifiquement par ID de marque.
• Examinez la pénétration du marché en comparant les établissements de marque à ceux indépendants.

Étape suivante

• Premiers pas avec Places Insights : consultez la présentation de toutes les fonctions de valeur de table optimisées.
• Référence PLACES_COUNT_PER_H3 : découvrez la fonction d'indexation spatiale hexagonale.
• Avancé : interroger directement l'ensemble de données : découvrez les requêtes SQL standards, les workflows de jointure et le filtrage des données de marques.
• Consulter la documentation de référence sur le schéma : consultez des tableaux détaillés sur les champs pour les schémas principaux et ceux spécifiques à un pays.