Ringkasan Places Insights

Places Insights memungkinkan Anda melakukan analisis statistik lanjutan pada data Tempat Google Maps yang lengkap. Places Insights menyediakan informasi kepadatan dan jumlah gabungan untuk jutaan titik data Tempat Menarik (POI), sehingga memungkinkan intelijen geospasial yang efektif.

Kemampuan Utama:

  • Intelijen Geospasial: Dapatkan "tampilan dari atas" tentang kepadatan dan distribusi berbagai kategori POI (misalnya, retail, restoran, layanan) di seluruh area geografis tertentu.
  • Akses Data yang Aman: Data di-deploy menggunakan listingan pertukaran data BigQuery dengan perlindungan data yang diterapkan, sehingga memungkinkan lingkungan yang aman dan terlindungi untuk berbagi dan menganalisis data.
  • Detail yang Dapat Ditindaklanjuti: Meskipun Places Insights berfokus pada tren gabungan, Anda dapat menggunakan ID Tempat yang dihasilkan untuk mempelajari lebih lanjut dan mengambil informasi Tempat individual menggunakan Google Maps Platform API lainnya untuk beralih dari insight statistik ke tindakan mendetail.

Tentang data tempat

Google Maps mengumpulkan data tempat untuk jutaan tempat usaha di seluruh dunia. Places Insights menyediakan data tempat yang komprehensif ini di BigQuery se hingga Anda dapat memperoleh insight gabungan tentang data tempat Google Maps berdasarkan berbagai atribut seperti jenis tempat, rating, jam buka toko, aksesibilitas kursi roda, dan lainnya.

Untuk menggunakan Places Insights, Anda menulis kueri SQL di BigQuery yang menampilkan insight statistik tentang data tempat. Insight ini memungkinkan Anda menjawab pertanyaan seperti:

  • Berapa banyak bisnis serupa yang beroperasi di dekat lokasi toko baru yang potensial?
  • Jenis bisnis apa yang paling sering ditemukan di dekat toko saya yang paling sukses?
  • Area mana yang memiliki konsentrasi tinggi bisnis pelengkap yang dapat menarik pelanggan target saya?
  • Berapa banyak restoran sushi bintang 5 yang buka pukul 20.00 di Madrid, memiliki tempat parkir yang dapat diakses kursi roda, dan menawarkan layanan pesan antar?
  • Kode pos mana di California yang memiliki konsentrasi stasiun pengisian daya kendaraan listrik tertinggi?

Places Insights mendukung beberapa kasus penggunaan, seperti:

  • Pemilihan lokasi: Mengevaluasi dan memilih lokasi yang paling sesuai untuk bisnis baru atau penempatan aset fisik. Dengan menganalisis kepadatan dan campuran POI di sekitarnya, Anda dapat memastikan lokasi prospektif diposisikan secara optimal dalam lingkungan bisnis yang kompetitif dan pelengkap. Pendekatan berbasis data ini dapat mengurangi risiko yang terkait dengan investasi di lokasi baru.
  • Evaluasi performa lokasi: Menentukan variabel geospasial, seperti kedekatan dengan jenis POI tertentu seperti supermarket atau tempat acara, yang berkorelasi dengan performa positif atau negatif di seluruh lokasi yang ada. Data ini memungkinkan Anda mengidentifikasi lokasi prospektif yang memiliki campuran karakteristik geospasial terbaik untuk kasus penggunaan Anda. Anda juga dapat menggunakan informasi ini untuk men-deploy model prediktif yang memperkirakan performa lokasi baru di masa mendatang berdasarkan konteks POI di sekitarnya.
  • Pemasaran yang ditargetkan secara geografis: Menentukan jenis kampanye pemasaran atau iklan yang akan berhasil di suatu area. Places Insights memberikan konteks yang diperlukan untuk memahami aktivitas komersial, sehingga Anda dapat menyesuaikan pesan berdasarkan konsentrasi bisnis atau aktivitas yang relevan.
  • Perkiraan penjualan: Memprediksi penjualan di masa mendatang di lokasi prospektif. Dengan membuat model dampak karakteristik geospasial di sekitarnya, Anda dapat membuat model prediktif yang efektif untuk mendorong keputusan investasi.
  • Riset pasar: Memberikan informasi tentang wilayah geografis mana yang akan menjadi target ekspansi bisnis atau layanan Anda berikutnya. Menganalisis saturasi pasar dan kepadatan POI yang ada untuk mengidentifikasi pasar target yang kurang terlayani atau sangat terkonsentrasi yang menawarkan peluang terbesar. Analisis ini memberikan bukti untuk mendukung inisiatif pertumbuhan dan ekspansi strategis.

Anda dapat membuat kueri set data Places Insights secara langsung atau menggunakan fungsi Places Count.

Lihat Referensi skema.

Tentang data merek

Selain data tempat, Places Insights menyertakan data tentang merek, atau toko yang memiliki beberapa lokasi yang beroperasi dengan nama merek yang sama.

Anda dapat menggunakan data merek 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 semua kedai kopi, kecuali merek ini, di area ini?

Tentang BigQuery

Dengan menyediakan data dalam listingan BigQuery, Places Insights memungkinkan Anda:

  • Menggabungkan data Anda dengan data Places Insights secara aman.
  • Menulis kueri SQL yang fleksibel untuk menemukan insight gabungan untuk kebutuhan bisnis spesifik Anda.
  • Menggunakan alat BigQuery yang sama yang sudah Anda gunakan dengan data dan alur kerja pribadi Anda.
  • Memanfaatkan skala dan performa BigQuery sehingga Anda dapat menganalisis set data besar dengan mudah.

Contoh kasus penggunaan

Contoh ini menggabungkan data Anda dengan data Places Insights di BigQuery untuk mendapatkan informasi agregasi. Untuk contoh ini, Anda adalah pemilik hotel di New York City, dengan beberapa lokasi. Sekarang, Anda ingin menggabungkan data lokasi hotel Anda dengan data Places Insights untuk menemukan konsentrasi jenis bisnis yang telah ditentukan di dekat hotel Anda.

Prasyarat

Untuk contoh ini, Anda berlangganan ke set data Places Insights untuk Amerika Serikat.

Set data hotel Anda diberi nama mydata dan menentukan lokasi dua hotel Anda di New York City. SQL berikut membuat set data ini:

CREATE OR REPLACE TABLE `mydata.hotels` ( name STRING, location GEOGRAPHY );
INSERT INTO `mydata.hotels` VALUES( 'Hotel 1', ST_GEOGPOINT(-73.9933, 40.75866) );
INSERT INTO `mydata.hotels` VALUES( 'Hotel 2', ST_GEOGPOINT(-73.977713, 40.752124) );

Mendapatkan jumlah restoran di area tersebut

Untuk memberi pelanggan Anda gambaran tentang kepadatan restoran yang beroperasi di dekat hotel Anda, tulis kueri SQL untuk menampilkan jumlah restoran dalam jarak 1.000 meter dari setiap hotel:

SELECT WITH AGGREGATION_THRESHOLD h.name, COUNT(*) AS count
FROM `PROJECT_NAME.places_insights___us.places` AS r, `mydata.hotels` AS h
WHERE
ST_DWITHIN(h.location, r.point, 1000)
AND r.primary_type = 'restaurant'
AND business_status = "OPERATIONAL"
GROUP BY 1

Gambar ini menunjukkan contoh output untuk kueri ini:

Hasil kueri untuk menghitung restoran dalam jarak 1.000 meter dari setiap hotel.

Menggunakan fungsi Places Count untuk mendapatkan jumlah dan ID Tempat restoran di area tersebut

Anda juga dapat menggunakan fungsi Places Count

untuk menemukan jumlah restoran di dekat lokasi. Fungsi Places Count memungkinkan Anda mengambil daftar ID Tempat, yang dapat digunakan untuk menemukan detail tentang masing-masing tempat:

DECLARE geo GEOGRAPHY;
SET geo = ST_GEOGPOINT(-73.9933, 40.75866); -- Location of hotel 1

SELECT * FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_PER_TYPE`(
  JSON_OBJECT(
      'types', ["restaurant", "cafe", "bar"],
      'geography', geo,
      'geography_radius', 1000 -- Radius in meters
      )
);

Gambar ini menunjukkan contoh output untuk kueri ini:

Hasil kueri untuk restoran dalam radius 1.000 meter dari setiap hotel, termasuk ID tempat.

Mendapatkan jumlah restoran dan bar di area tersebut

Ubah kueri Anda untuk menyertakan bar bersama restoran dalam jarak 1.000 meter dari setiap hotel:

SELECT WITH AGGREGATION_THRESHOLD h.name, r.primary_type, COUNT(*) AS count
FROM `PROJECT_NAME.places_insights___us.places` AS r, `mydata.hotels` AS h
WHERE
ST_DWITHIN(h.location, r.point, 1000)
AND r.primary_type IN UNNEST(['restaurant','bar'])
AND business_status = "OPERATIONAL"
GROUP BY 1, 2

Gambar ini menunjukkan contoh output untuk kueri ini:

Hasil kueri untuk menghitung restoran dan bar dalam jarak 1.000 meter dari setiap hotel.

Mendapatkan jumlah restoran dan bar dengan harga sedang di area tersebut

Selanjutnya, Anda ingin mengetahui demografi pelanggan mana yang dilayani oleh bar dan restoran. Karena hotel Anda menargetkan titik harga sedang, Anda hanya ingin mengiklankan keberadaan tempat usaha terdekat yang berada pada titik harga tersebut dan memiliki ulasan yang baik.

Batasi kueri agar hanya menampilkan bar dan restoran jika berada pada titik harga PRICE_LEVEL_MODERATE, dan diberi rating 4 bintang atau lebih. Kueri ini juga memperluas radius hingga 1.500 meter di sekitar setiap hotel:

SELECT WITH AGGREGATION_THRESHOLD h.name, r.primary_type, COUNT(*) AS count
FROM `PROJECT_NAME.places_insights___us.places` AS r, `mydata.hotels` AS h
WHERE
ST_DWITHIN(h.location, r.point, 1500)
AND r.primary_type IN UNNEST(['restaurant', 'bar'])
AND rating >= 4
AND business_status = "OPERATIONAL"
AND price_level = 'PRICE_LEVEL_MODERATE'
GROUP BY 1, 2

Gambar ini menunjukkan contoh output untuk kueri ini:

Hasil kueri untuk bar dan restoran dengan harga sedang dalam jarak 1.500 meter dari setiap hotel.

Langkah berikutnya