„Places Insights“ – Übersicht

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

Hauptmerkmale

• Geospatial Intelligence:Sie erhalten einen Überblick über die Dichte und Verteilung verschiedener Kategorien von POIs (z.B. Einzelhandel, Restaurants, Dienstleistungen) in bestimmten geografischen Gebieten.
• Sicherer Datenzugriff:Die Daten werden über BigQuery-Datenaustausch-Einträge bereitgestellt. Dabei sind Datenschutzmaßnahmen implementiert, die eine sichere Umgebung für die Datenfreigabe und -analyse ermöglichen.
• Umsetzbare Details:Bei Places Insights liegt der Fokus auf aggregierten Trends. Mit den ausgegebenen Orts-IDs können Sie jedoch detaillierte Informationen zu einzelnen Orten abrufen, indem Sie andere Google Maps Platform APIs verwenden. So können Sie von statistischen Erkenntnissen zu detaillierten Maßnahmen übergehen.

Ortsdaten und Anwendungsfälle

Google Maps stellt Daten zu Millionen von Orten weltweit zusammen. 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, Rollstuhlgerechtigkeit und mehr ableiten können.

Um Places Insights zu verwenden, schreiben Sie SQL-Abfragen in BigQuery, die statistische Informationen zu Ortsdaten zurückgeben. Mit diesen Statistiken 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 viele ergänzende Unternehmen, die meine Zielkunden anziehen könnten?
• Wie viele 5-Sterne-Sushirestaurants sind um 20:00 Uhr in Madrid geöffnet, haben rollstuhlgerechte Parkplätze und bieten Speisen zum Mitnehmen an?
• In welchen Postleitzahlengebieten in Kalifornien gibt es die meisten Ladestationen für Elektrofahrzeuge?

Unterstützte Anwendungsfälle

• Standortauswahl:Ermitteln und wählen Sie die am besten geeigneten Standorte für ein neues Unternehmen oder die Platzierung eines physischen Assets aus. 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 datengestützte Ansatz kann das Risiko von Investitionen in neue Standorte verringern.
• Leistungsbewertung von Standorten:Ermitteln Sie, welche geografischen 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 ermitteln, die die beste Kombination aus raumbezogenen Merkmalen für Ihren Anwendungsfall aufweisen. Sie können diese Informationen auch verwenden, um Vorhersagemodelle bereitzustellen, die die zukünftige Leistung neuer Standorte auf Grundlage des umgebenden POI-Kontexts vorhersagen.
• Geotargeting:Ermitteln Sie, welche Arten von Marketingkampagnen oder Anzeigen in einer bestimmten Region erfolgreich sein werden. Mit Places Insights erhalten Sie den Kontext, der erforderlich ist, um kommerzielle Aktivitäten zu verstehen. So können Sie Ihre Botschaften an die Konzentration relevanter Unternehmen oder Aktivitäten anpassen.
• Umsatzprognose:Prognostizieren Sie zukünftige Umsätze an einem potenziellen Standort. Wenn Sie die Auswirkungen der umgebenden raumbezogenen Merkmale modellieren, können Sie robuste Vorhersagemodelle erstellen, um Investitionsentscheidungen zu treffen.
• Marktforschung:Sie können herausfinden, in welchen Regionen Sie Ihr Unternehmen oder Ihre Dienstleistungen als Nächstes ausweiten sollten. Analysieren Sie die vorhandene Marktsättigung und POI-Dichte, um unterversorgte oder stark konzentrierte Zielmärkte mit dem größten Potenzial zu ermitteln. Diese Analyse liefert Beweise zur Unterstützung strategischer Wachstums- und Expansionsinitiativen.
• Trendanalyse:Hier können Sie Änderungen im Zeitverlauf untersuchen. Sie können die Anzahl der Orte, einschließlich hinzugefügter und entfernter Orte, monatlich vergleichen (bis zurück zum Januar 2024).

Sie können Places Insights-Datasets mit Funktionen für die Anzahl der Orte oder direkten SQL-Abfragen abfragen.

Schema-Referenz

Abfragemethode auswählen: Funktionen für die Anzahl von Orten im Vergleich zu direktem SQL

Um unterschiedlichen Analysestufen und Datenschutzanforderungen gerecht zu werden, bietet Places Insights zwei Abfrageverfahren: Places Count Functions (native BigQuery-Funktionen) und Direct SQL Queries (Table Joins).

Anhand dieser Entscheidungsmatrix können Sie den richtigen Abfragepfad für Ihre Implementierung ermitteln:

Verlaufstrends mithilfe von Snapshot-Datumsangaben analysieren

Mit Places Insights können Sie historische Analysen durchführen, indem Sie monatliche Snapshots von Places-Daten ab Januar 2024 abfragen. So können Sie nachvollziehen, wie sich die Unternehmensdichte, die kommerzielle Aktivität 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 als YYYY-MM formatiert werden (z. B. '2026-01').

Beispiel: Abfragen der Anzahl von Restaurants in New York City mit PLACES_COUNT_V2

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'
  )
);

Bisherige Ausgaben analysieren

Die zurückgegebene BigQuery-Tabelle enthält geo_id, das Eingabe-Geografiepolygon, 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, Neueröffnungen von Geschäften oder Marktrückgänge zu berechnen.

Regionale POI-Dichte mit PLACES_COUNT_PER_H3 aggregieren

Die Funktion PLACES_COUNT_PER_H3 ist die empfohlene Methode zur Analyse der POI-Dichte in großen Gebieten. Wenn Sie Ihre Zielregion in standardisierte H3-Sechseckzellen unterteilen, müssen Sie keine benutzerdefinierten Grenzen ziehen und können die Ergebnisse direkt in Tools für die visuelle Kartierung wie Looker Studio einfügen.

Beispiel: Rollstuhlgerechte Lebensmittelgeschäfte und Convenience-Stores im Bundesstaat New York zählen

Mit der folgenden Abfrage werden rollstuhlgerechte Lebensmittelgeschäfte und Convenience-Stores im Bundesstaat New York in H3-Zellen auf Auflösungsstufe 8 zusammengefasst. Dazu wird die Grenzgeometrie verwendet, die dynamisch aus dem öffentlichen Dataset bigquery-public-data.geo_us_boundaries.states abgerufen wird.

-- 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

Mit dieser Abfrage wird eine strukturierte Tabelle zurückgegeben, 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 wird.

• Nullwerte eingeschlossen:Wenn eine Zelle im Raster des Bundesstaats New York keine übereinstimmenden Geschäfte enthält, wird trotzdem eine Zeile mit dem Wert 0 zurückgegeben. Das ist wichtig, um Gebiete zu finden, in denen es keine oder nur wenige Geschäfte oder Dienstleistungen gibt.
• Direkte visuelle Zuordnung: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 Informationen entwickelt. Sie können jedoch von zusammengefassten Statistiken zu detaillierten Aktionen übergehen.

Alle primären Funktionen für die Anzahl der Orte, einschließlich PLACES_COUNT_PER_H3, PLACES_COUNT_V2 und PLACES_COUNT_PER_TYPE_V2 (mit Ausnahme der alten Funktion PLACES_COUNT), geben ein Array mit bis zu 250 Orts-IDs pro Zeile zurück, die Ihren Suchkriterien entsprechen.

Diese Orts-IDs dienen als Brücke, sodass Sie andere Google Maps Platform-APIs wie die Place Details API verwenden können, um bestimmte Details wie Filialnamen, 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 geführt werden.

Sie können Markendaten abfragen, um:

• Die Dichte von Marken von Mitbewerbern in einem Zielmarkt ermitteln.
• Filtern Sie die Anzahl der POIs nach Marken-IDs.
• Vergleichen Sie die Marktdurchdringung von Marken- und unabhängigen Einrichtungen.

Nächste Schritte

• Erste Schritte mit Places Insights: Hier finden Sie eine Übersicht über alle optimierten Tabellenwertfunktionen.
• PLACES_COUNT_PER_H3-Referenz: Informationen zur Funktion für die hexagonale räumliche Indexierung.
• Erweitert: Dataset direkt abfragen – Hier erfahren Sie mehr über Standard-SQL-Abfragen, Join-Workflows und das Filtern von Markendaten.
• Schemareferenz ansehen: Hier finden Sie detaillierte Feldtabellen für Kern- und länderspezifische Schemas.