„Places Insights“ – Übersicht

Mit Places Insights können Sie erweiterte statistische Analysen der umfangreichen Ortsdaten von Google Maps durchführen. Es bietet aggregierte Zählungen und Informationen zur Dichte für Millionen von POI-Datenpunkten (Points of Interest) und ermöglicht so leistungsstarke raumbezogene Analysen.

Hauptmerkmale

  • Raumbezogene Analysen:Sie erhalten einen Überblick über die Dichte und Verteilung verschiedener POI-Kategorien (z.B. Einzelhandel, Restaurants, Dienstleistungen) in bestimmten geografischen Gebieten.
  • Sicherer Datenzugriff: Die Daten werden mithilfe von BigQuery-Datenaustausch Listings mit Datenschutzmaßnahmen bereitgestellt, sodass eine sichere Umgebung für die Datenfreigabe und -analyse gewährleistet ist.
  • Umsetzbare Details:Places Insights konzentriert sich zwar auf aggregierte Trends, Sie können aber die ausgegebenen Orts-IDs verwenden, um detailliertere Informationen abzurufen und mithilfe anderer Google Maps Platform APIs einzelne Ortsinformationen abzurufen. So können Sie statistische Erkenntnisse in detaillierte Maßnahmen umwandeln.

Ortsdaten und Anwendungsfälle

Google Maps kuratiert Ortsdaten für Millionen von Unternehmen weltweit. Mit Places Insights sind diese umfassenden Ortsdaten in BigQuery verfügbar, sodass Sie aggregierte Informationen zu den Ortsdaten von Google Maps anhand verschiedener Attribute wie Ortstypen, Bewertungen, Öffnungszeiten, Barrierefreiheit und mehr ableiten können.

Wenn Sie Places Insights verwenden möchten, schreiben Sie SQL-Abfragen in BigQuery, die statistische Informationen zu Ortsdaten zurückgeben. Mit diesen Informationen können Sie Fragen wie die folgenden beantworten:

  • Wie viele ähnliche Unternehmen gibt es in der Nähe eines potenziellen neuen Geschäftsstandorts?
  • Welche Arten von Unternehmen befinden sich am häufigsten in der Nähe meiner erfolgreichsten Geschäfte?
  • In welchen Gebieten gibt es eine hohe Konzentration an ergänzenden Unternehmen, die meine Zielkunden anziehen könnten?
  • Wie viele 5-Sterne-Sushi-Restaurants sind um 20:00 Uhr in Madrid geöffnet, haben barrierefreie Parkplätze und bieten Mitnahmeservice an?
  • Welche Postleitzahlen in Kalifornien haben die höchste Konzentration an Ladestationen für Elektrofahrzeuge?

Unterstützte Anwendungsfälle

  • Standortauswahl:Sie können die am besten geeigneten Standorte für ein neues Unternehmen oder die Platzierung eines physischen Assets ermitteln und auswählen. Durch die Analyse der Dichte und Mischung der umliegenden POIs können Sie sicherstellen, dass ein potenzieller Standort optimal in seinem Wettbewerbs- und ergänzenden Geschäftsumfeld positioniert ist. Dieser datengesteuerte Ansatz kann das Risiko von Investitionen in neue Standorte verringern.
  • Leistungsbewertung von Standorten:Sie können ermitteln, welche raumbezogenen Variablen, z. B. die Nähe zu bestimmten Arten von POIs wie Supermärkten oder Veranstaltungsorten, mit einer positiven oder negativen Leistung an Ihren bestehenden Standorten korrelieren. Anhand dieser Daten können Sie potenzielle Standorte identifizieren, die die beste Mischung aus raumbezogenen Merkmalen für Ihren Anwendungsfall aufweisen. Sie können diese Informationen auch verwenden, um Vorhersagemodelle bereitzustellen, die die zukünftige Leistung neuer Standorte basierend auf dem umliegenden POI-Kontext vorhersagen.
  • Geotargeting-Marketing:Sie können ermitteln, welche Arten von Marketingkampagnen oder Anzeigen in einem bestimmten Gebiet erfolgreich sein werden. Places Insights bietet den Kontext, der erforderlich ist, um kommerzielle Aktivitäten zu verstehen. So können Sie Ihre Botschaften an die Konzentration relevanter Unternehmen oder Aktivitäten anpassen.
  • Umsatzprognose:Sie können zukünftige Umsätze an einem potenziellen Standort vorhersagen. Durch die Modellierung der Auswirkungen der umliegenden raumbezogenen Merkmale können Sie robuste Vorhersagemodelle erstellen, um Investitionsentscheidungen zu treffen.
  • Marktforschung:Sie können ermitteln, in welchen geografischen Gebieten Sie Ihr Unternehmen oder Ihren Dienst als Nächstes erweitern sollten. Analysieren Sie die bestehende Marktsättigung und POI-Dichte, um unterversorgte oder stark konzentrierte Zielmärkte zu identifizieren, die die größten Chancen bieten. Diese Analyse liefert Beweise für strategische Wachstums- und Expansionsinitiativen.
  • Trendanalyse:Sie können Änderungen untersuchen, die im Laufe der Zeit auftreten. Vergleichen Sie die Anzahl der Orte, einschließlich hinzugefügter und entfernter Orte, im Vergleich zum Vormonat seit Januar 2024.

Sie können Places Insights-Datasets mit Places Count Funktionen oder direkten SQL-Abfragenabfragen.

Weitere Informationen finden Sie in der Schemareferenz.

Abfragemethode auswählen: Places Count-Funktionen oder direkte SQL-Abfragen

Um unterschiedlichen Analyseumfängen und Datenschutzanforderungen gerecht zu werden, bietet Places Insights zwei Abfrageoptionen: Places Count-Funktionen (native BigQuery-Funktionen) und direkte SQL-Abfragen (Tabellen-Joins).

Verwenden Sie diese Entscheidungsmatrix, um den richtigen Abfragepfad für Ihre Implementierung zu ermitteln:

Ziel der Analyse Empfohlene Abfragemethode Zurückgegebene Daten und Ausgaben Datenschutz und räumliche Überlegungen
Regionale POI-Dichte analysieren und Heatmaps erstellen PLACES_COUNT_PER_H3
  • Gibt H3-Sechseckpolygone mit genauen Zählungen (einschließlich 0) zurück
  • Gibt bis zu 250 place_id-Werte pro Zelle zurück
  • Speziell für räumliche ML-Modelle und Feature Engineering entwickelt
  • Mindestsuchbereich von 40 × 40 m (1.600 m²)
  • Optimiert für Leistung und niedrige Verarbeitungskosten
  • Validiert Eingabeparameter und gibt klare Fehler zurück, um das Debugging zu erleichtern
Zählungen für bestimmte Standorte abrufen und Orts-IDs abrufen, um Details zu suchen PLACES_COUNT_V2 oder PLACES_COUNT_PER_TYPE_V2
  • Gibt genaue Zählungen (einschließlich 0) für benutzerdefinierte Geometrien zurück
  • Gibt bis zu 250 place_id-Werte pro Zeile zurück
  • Mindestsuchbereich von 40 × 40 m (1.600 m²)
  • Mit TABLE-Parametern auf Tausende von Standorten skalierbar
  • Optimiert für Leistung und niedrige Verarbeitungskosten
  • Validiert Eingabeparameter und gibt klare Fehler zurück, um das Debugging zu erleichtern
POI-Änderungen und Wachstumstrends im Zeitverlauf zwischen zwei Monaten verfolgen PLACES_COUNT_CHANGE
  • Gibt start_count, end_count, net_change, percentage_change und compound_monthly_growth_rate zurück
  • Gibt Arrays mit neu hinzugefügten (sample_added_place_ids) und entfernten (sample_removed_place_ids) Orts-IDs zurück
  • Erfordert die Parameter month1 und month2 im Format YYYY-MM
  • Mindestsuchbereich von 40 × 40 m (1.600 m²)
  • Mit TABLE-Parametern auf Tausende von benutzerdefinierten Standorten skalierbar
Erweiterte benutzerdefinierte Logik, Durchschnittswerte oder Joins mit Ihren Daten ausführen Direkte SQL-Abfragen
  • Volle SQL-Flexibilität für Rohdaten-Tabellen
  • Ermöglicht benutzerdefinierte SQL-Messwerte (AVG, SUM usw.)
  • Gibt keine Orts-IDs zurück
  • Datenschutzgrenzwert:Zählungen von 0 bis 4 werden vollständig ausgelassen
  • Keine Einschränkung des Mindestsuchbereichs

Mit Places Insights können Sie Verlaufsanalysen durchführen, indem Sie monatliche Snapshots von Ortsdaten abfragen, die bis Januar 2024 zurückreichen. So können Sie nachvollziehen, wie sich die Unternehmensdichte, die kommerziellen Aktivitäten und die Wettbewerbslandschaft im Laufe der Zeit entwickelt haben.

Wenn Sie Verlaufsdaten mit Places Count-Funktionen abfragen möchten, übergeben Sie den optionalen Filterparameter snapshot_date in Ihrem JSON_OBJECT. Der Wert muss im Format YYYY-MM angegeben werden (z. B. '2026-01')

Beispiel: Anzahl der Restaurants in New York City mit PLACES_COUNT_V2 abfragen

Im folgenden Beispiel wird PLACES_COUNT_V2 verwendet, um die Anzahl der Restaurants in der Nähe des Empire State Building und des Times Square in New York City im Januar 2026 zu analysieren:

-- 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'
  )
);

Verlaufsausgabe analysieren

Die zurückgegebene BigQuery-Tabelle enthält die geo_id, das Eingabegeografiepolygon, die Anzahl der Orte und Beispiel-Orts-IDs, wie sie im angegebenen Snapshot-Monat (2026-01) erfasst wurden. Sie können identische Abfragen für mehrere Snapshot-Monate ausführen, um Wachstumstrends, Geschäftseröffnungen oder Marktrückgänge zu berechnen.

Regionale POI-Dichte mit PLACES_COUNT_PER_H3 aggregieren

Die Funktion PLACES_COUNT_PER_H3 ist die empfohlene Methode zum Analysieren der POI-Dichte in großen Gebieten. Wenn Sie Ihre Zielregion in standardisierte H3-Sechseckrasterzellen unterteilen, müssen Sie keine benutzerdefinierten Grenzen zeichnen und können die Ergebnisse direkt in visuelle Kartierungstools wie Looker Studio einfügen.

Beispiel: Anzahl der barrierefreien Lebensmittelgeschäfte und Convenience-Stores im Bundesstaat New York

Mit der folgenden Abfrage werden barrierefreie Lebensmittelgeschäfte und Convenience-Stores im Bundesstaat New York auf H3-Zellen der Auflösungsebene 8 aggregiert. Dabei wird die Grenzgeometrie dynamisch aus dem öffentlichen Dataset bigquery-public-data.geo_us_boundaries.states abgerufen.

-- 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;

Ausgabe analysieren

Diese Abfrage gibt eine strukturierte Tabelle zurück, in der jeder eindeutige H3-Index (h3_cell_index) seinem Grenzpolygon (geography), der Anzahl der POIs (count) und bis zu 250 repräsentativen sample_place_ids zugeordnet ist.

  • Null-Zählungen eingeschlossen:Wenn eine Zelle im Raster des Bundesstaats New York keine übereinstimmenden Geschäfte enthält, wird trotzdem eine Zeile mit der Anzahl 0 zurückgegeben. Das ist wichtig, um kommerzielle oder dienstleistungsbezogene Wüsten zu finden.
  • Direkte visuelle Kartierung:Da die Ausgabe ein GEOGRAPHY-Polygon enthält, können Sie Heatmaps direkt in BigQuery Studio oder Looker Studio rendern.

Orts-IDs abrufen, um Ortsdetails zu prüfen

Places Insights wurde für statistische Analysen entwickelt, Sie können aber von aggregierten Informationen zu detaillierten Maßnahmen übergehen.

Alle primären Places Count-Funktionen, einschließlich PLACES_COUNT_PER_H3, PLACES_COUNT_V2, und PLACES_COUNT_PER_TYPE_V2 (mit Ausnahme der Legacy-Funktion PLACES_COUNT), geben ein Array mit bis zu 250 Orts-IDs pro Zeile zurück, die Ihren Abfragekriterien entsprechen.

Diese Orts-IDs dienen als Brücke, mit der Sie andere Google Maps Platform APIs wie die Place Details API verwenden können, um bestimmte Details wie Geschäftsnamen, Rezensionen, Telefonnummern und Adressen abzurufen.

Markenpräsenz an mehreren Standorten analysieren

Neben den Ortsdaten enthält Places Insights auch Daten zu Marken oder Geschäften mit mehreren Standorten, die unter demselben Markennamen tätig sind.

Sie können Markendaten abfragen, um:

  • die Dichte von Konkurrenzmarken in einem Zielmarkt zu ermitteln.
  • Ihre POI-Zählungen speziell nach Marken-IDs zu filtern.
  • die Marktdurchdringung zu untersuchen, indem Sie Markenunternehmen mit unabhängigen Unternehmen vergleichen.

Nächste Schritte