Обзор Places Insights API

Аналитика мест позволяет проводить расширенный статистический анализ подробных данных о местах в Google Картах. Он предоставляет агрегированные данные о количестве и плотности миллионов элементов данных Points-of-Interest (POI), что позволяет проводить мощную геопространственную аналитику.

Основные возможности

  • Геопространственная аналитика. Получайте общие сведения о плотности и распределении объектов инфраструктуры разных категорий (например, розничных магазинов, ресторанов и сервисов) в определенных географических областях.
  • Безопасный доступ к данным. Данные развертываются с помощью списков обмена данными BigQuery с использованием средств защиты данных, что обеспечивает безопасную и защищенную среду для передачи данных и их анализа.
  • Практические сведения. Places Insights фокусируется на общих тенденциях, но вы можете использовать полученные идентификаторы мест, чтобы детализировать информацию и получить данные об отдельных местах с помощью других API платформы Google Карт. Это позволит вам перейти от статистических данных к конкретным действиям.

Данные о местах и варианты использования

Google Карты собирают данные о миллионах мест по всему миру. Places Insights делает эти данные доступными в BigQuery, чтобы вы могли получать агрегированную статистику о местах на Google Картах на основе различных атрибутов, таких как типы мест, оценки, часы работы, доступность для инвалидов-колясочников и т. д.

Чтобы использовать Аналитику мест, вы пишете SQL-запросы в BigQuery, которые возвращают статистические данные о местах. Эти данные позволяют ответить на такие вопросы, как:

  • Сколько похожих компаний работает рядом с потенциальным местом расположения нового магазина?
  • Какие компании чаще всего находятся рядом с моими самыми успешными магазинами?
  • В каких районах высокая концентрация компаний, которые могут привлечь моих целевых клиентов?
  • Сколько пятизвездочных суши-ресторанов в Мадриде открыты в 8 вечера, имеют парковку, доступную для инвалидов-колясочников, и предлагают еду навынос?
  • В каких районах Калифорнии (по почтовым индексам) самая высокая концентрация станций зарядки ЭМ?

Поддерживаемые способы использования

  • Выбор местоположения. Оценка и выбор наиболее подходящих мест для нового бизнеса или размещения физического объекта. Анализируя плотность и сочетание окружающих объектов инфраструктуры, вы можете убедиться, что потенциальный участок оптимально расположен в конкурентной и дополняющей бизнес-среде. Такой подход, основанный на данных, может снизить риск, связанный с инвестициями в новые местоположения.
  • Оценка эффективности местоположений. Определите, какие геопространственные переменные, например близость к определенным типам объектов инфраструктуры, таким как супермаркеты или места проведения мероприятий, коррелируют с положительной или отрицательной эффективностью в существующих местоположениях. Эти данные позволяют определить потенциальные местоположения, которые обладают наилучшим сочетанием геопространственных характеристик для вашего варианта использования. Вы также можете использовать эту информацию для развертывания предиктивных моделей, которые прогнозируют будущую эффективность любых новых местоположений на основе окружающего контекста POI.
  • Маркетинг с геотаргетингом. Определите, какие типы маркетинговых кампаний или рекламы будут успешными в том или ином регионе. Аналитика мест предоставляет контекст, необходимый для понимания коммерческой деятельности, что позволяет адаптировать сообщения в зависимости от концентрации соответствующих предприятий или видов деятельности.
  • Прогнозирование продаж. Прогнозируйте будущие продажи в потенциальном местоположении. Моделирование влияния окружающих геопространственных характеристик позволяет создавать надежные прогнозные модели для принятия инвестиционных решений.
  • Исследование рынка. Вы можете определить, в каких регионах стоит расширять бизнес или предлагать услуги. Проанализируйте насыщенность рынка и плотность объектов инфраструктуры, чтобы определить целевые рынки с низкой или высокой концентрацией, которые предлагают наибольшие возможности. Этот анализ предоставляет доказательства в поддержку стратегических инициатив по росту и расширению.
  • Анализ тенденций. Изучайте изменения, происходящие за определенный период времени. Сравните количество мест, включая добавленные и удаленные, по месяцам, начиная с января 2024 года.

Вы можете запрашивать наборы данных Places Insights, используя функции Places Count или прямые SQL-запросы.

Подробнее о схеме…

Хотя Places Insights предоставляет агрегированные данные о количестве объектов инфраструктуры и плотности брендов, решения о местоположении часто зависят от понимания поведения людей и местных условий. Чтобы дополнить данные об объектах инфраструктуры в BigQuery эмбеддингами машинного обучения, которые отражают тенденции Google Поиска, антропогенную среду, закономерности человеческой деятельности и контекст окружающей среды (например, погоду и качество воздуха), используйте Places Insights вместе с Population Dynamics Insights (PDI) (предварительная версия).

Выберите метод запроса: функции Places Count или прямой SQL

Чтобы вы могли учитывать разные масштабы анализа и требования к конфиденциальности, в Places Insights есть два способа отправки запросов: функции подсчета мест (встроенные функции BigQuery) и прямые SQL-запросы (объединения таблиц).

Чтобы определить, какой путь запроса подходит для вашей реализации, воспользуйтесь следующей матрицей решений:

Ваша цель анализа Рекомендуемый метод запроса Возвращаемые данные и выходные значения Конфиденциальность и пространственные соображения
Анализ плотности объектов инфраструктуры в регионе и создание тепловых карт PLACES_COUNT_PER_H3
  • Возвращает шестиугольные полигоны H3 с точным количеством (включая 0)
  • Возвращает до 250 значений place_id на ячейку.
  • Специально разработан для пространственных моделей машинного обучения и выделения признаков
  • Минимальная область поиска: 40 × 40 м (1600 м²).
  • Оптимизировано для повышения производительности и снижения стоимости обработки
  • Проверяет входные параметры и возвращает понятные ошибки, чтобы упростить отладку.
Получайте количество определенных сайтов и идентификаторы мест для поиска подробных сведений PLACES_COUNT_V2 или PLACES_COUNT_PER_TYPE_V2
  • Возвращает точное количество (включая 0) для пользовательских геометрий.
  • Возвращает до 250 значений place_id в строке.
  • Минимальная область поиска: 40 × 40 м (1600 м²).
  • Масштабируемость до тысяч адресов с помощью параметров TABLE
  • Оптимизировано для повышения производительности и снижения стоимости обработки
  • Проверяет входные параметры и возвращает понятные ошибки, чтобы упростить отладку.
Как отслеживать изменения и тенденции роста объектов инфраструктуры за два месяца PLACES_COUNT_CHANGE
  • Возвращает start_count, end_count, net_change, percentage_change и compound_monthly_growth_rate.
  • Возвращает массивы добавленных (sample_added_place_ids) и удаленных (sample_removed_place_ids) идентификаторов мест.
  • Требуются параметры month1 и month2 в формате YYYY-MM.
  • Минимальная область поиска: 40 × 40 м (1600 м²).
  • Возможность масштабирования до тысяч пользовательских местоположений с помощью параметров TABLE.
Как использовать расширенную специальную логику, средние значения или объединение с вашими данными Прямые SQL-запросы
  • Полная гибкость SQL в необработанных таблицах
  • Включает специальные показатели SQL (AVG, SUM и т. д.)
  • Не возвращает идентификаторы мест.
  • Порог конфиденциальности. Значения от 0 до 4 полностью опускаются.
  • Нет ограничений на минимальную область поиска

Places Insights позволяет проводить ретроспективный анализ, запрашивая ежемесячные снимки данных о местах, начиная с января 2024 года. Это позволяет оценить, как со временем менялись плотность бизнеса, коммерческая активность и конкурентная среда.

Чтобы запросить статистику с помощью функций Places Count, передайте необязательный параметр фильтра snapshot_date в JSON_OBJECT. Значение должно быть указано в формате YYYY-MM (например, '2026-01').

Пример. Запрос статистики по количеству ресторанов в Нью-Йорке с помощью PLACES_COUNT_V2

В следующем примере PLACES_COUNT_V2 используется для анализа количества работающих ресторанов вокруг Эмпайр-стейт-билдинг и Таймс-сквер в Нью-Йорке по состоянию на январь 2026 года:

-- 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'
  )
);

Анализ исторических данных

Возвращенная таблица BigQuery содержит geo_id, входной географический многоугольник, количество мест и примеры идентификаторов мест, записанные в течение указанного месяца (2026-01). Вы можете выполнять одинаковые запросы по нескольким месяцам, чтобы выявлять тенденции роста, открытия магазинов или сокращения рынка.

Как агрегировать плотность объектов инфраструктуры в регионе с помощью PLACES_COUNT_PER_H3

Функция PLACES_COUNT_PER_H3 рекомендуется для анализа плотности объектов инфраструктуры на больших территориях. Разделив целевой регион на стандартные шестиугольные ячейки сетки H3, вы избавитесь от необходимости рисовать собственные границы и сможете передавать результаты непосредственно в инструменты визуального картографирования, такие как Looker Studio.

Пример: подсчет продуктовых магазинов и универсальных магазинов шаговой доступности, доступных для инвалидов-колясочников, в штате Нью-Йорк

Следующий запрос агрегирует продуктовые магазины и универсальные магазины шаговой доступности, доступные для инвалидов-колясочников, в штате Нью-Йорк в ячейки H3 на уровне разрешения 8. Она использует геометрию границ, динамически извлекаемую из общедоступного набора данных 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;

Анализ результатов

Этот запрос возвращает структурированную таблицу, в которой каждый отдельный индекс H3 (h3_cell_index) сопоставляется с его граничным многоугольником (geography), количеством объектов инфраструктуры (count) и до 250 репрезентативных sample_place_ids.

  • Включая нулевые значения. Если в ячейке сетки штата Нью-Йорк нет подходящих магазинов, она все равно возвращает строку со значением 0. Это критически важно для обнаружения коммерческих или сервисных пустынь.
  • Прямое визуальное сопоставление. Поскольку выходные данные включают многоугольник GEOGRAPHY, вы можете создавать тепловые карты непосредственно в BigQuery Studio или Looker Studio.

Как получить идентификаторы мест, чтобы посмотреть информацию о местах

Хотя Аналитика мест предназначена для статистического анализа, вы можете перейти от агрегированных данных к детализированным действиям.

Все основные функции Places Count, включая PLACES_COUNT_PER_H3, PLACES_COUNT_V2 и PLACES_COUNT_PER_TYPE_V2 (за исключением устаревшей функции PLACES_COUNT), возвращают массив, содержащий до 250 идентификаторов мест на строку, соответствующих критериям запроса.

Идентификаторы мест служат связующим звеном, позволяющим использовать другие API платформы Google Карт, например API информации о местах, для получения определенных сведений, таких как названия магазинов, отзывы, номера телефонов и адреса.

Анализ присутствия бренда с несколькими адресами

Помимо данных Places, Аналитика мест включает данные о брендах или магазинах, у которых есть несколько местоположений, работающих под одним и тем же названием бренда.

Вы можете запрашивать данные о брендах, чтобы:

  • Определить плотность конкурирующих брендов на целевом рынке.
  • Фильтрация количества объектов инфраструктуры по идентификаторам брендов.
  • Проанализируйте проникновение на рынок, сравнив брендовые и независимые заведения.

Дальнейшие действия