Omówienie statystyk miejsc

Statystyki miejsc umożliwiają przeprowadzanie zaawansowanych analiz statystycznych na podstawie bogatych danych o miejscach w Mapach Google. Zawiera zagregowane liczby i informacje o gęstości milionów punktów danych dotyczących ciekawych miejsc (POI), co umożliwia uzyskiwanie zaawansowanej analizy geoprzestrzennej.

Najważniejsze funkcje

  • Dane geoprzestrzenne: uzyskaj „widok z lotu ptaka” na gęstość i rozmieszczenie różnych kategorii punktów POI (np. sklepy detaliczne, restauracje, usługi) na określonych obszarach geograficznych.
  • Bezpieczny dostęp do danych: dane są wdrażane przy użyciu ofert wymiany danych w BigQuery z zastosowanymi zabezpieczeniami danych, co zapewnia bezpieczne i chronione środowisko do udostępniania i analizowania danych.
  • Szczegółowe informacje umożliwiające podjęcie działań: usługa Statystyki miejsc koncentruje się na trendach zbiorczych, ale możesz użyć wygenerowanych identyfikatorów miejsc, aby przejść do bardziej szczegółowego widoku i uzyskać szczegółowe informacje o poszczególnych miejscach za pomocą innych interfejsów API Google Maps Platform. Dzięki temu możesz przejść od statystycznych informacji do szczegółowych działań.

Informacje o danych o miejscach i przypadkach użycia

Mapy Google gromadzą dane o milionach miejsc na całym świecie. Statystyki miejsc udostępniają te obszerne dane o miejscach w BigQuery, dzięki czemu możesz uzyskiwać zagregowane statystyki dotyczące danych o miejscach w Mapach Google na podstawie różnych atrybutów, takich jak rodzaje miejsc, oceny, godziny otwarcia, dostępność dla osób na wózkach inwalidzkich i inne.

Aby korzystać ze Statystyk miejsc, musisz pisać w BigQuery zapytania SQL, które zwracają statystyczne informacje o danych miejsc. Dzięki tym informacjom możesz uzyskać odpowiedzi na pytania takie jak:

  • Ile podobnych firm działa w pobliżu potencjalnej nowej lokalizacji sklepu?
  • Jakie rodzaje firm najczęściej znajdują się w pobliżu moich najbardziej dochodowych sklepów?
  • W których obszarach jest dużo firm uzupełniających, które mogą przyciągnąć moich docelowych klientów?
  • Ile 5-gwiazdkowych restauracji sushi jest otwartych o 20:00 w Madrycie, ma parking przystosowany do wózków inwalidzkich i oferuje jedzenie na wynos?
  • W których kodach pocztowych w Kalifornii jest najwięcej stacji ładowania pojazdów elektrycznych?

Obsługiwane zastosowania

  • Wybór lokalizacji: oceniaj i wybieraj najbardziej odpowiednie lokalizacje dla nowej firmy lub umieszczenia zasobu fizycznego. Analizując gęstość i rodzaj otaczających punktów POI, możesz mieć pewność, że potencjalna lokalizacja jest optymalnie usytuowana w środowisku konkurencyjnym i uzupełniającym. To podejście oparte na danych może zmniejszyć ryzyko związane z inwestycjami w nowych lokalizacjach.
  • Ocena skuteczności lokalizacji: określ, które zmienne geoprzestrzenne, np. odległość od określonych typów punktów POI, takich jak supermarkety lub obiekty, w których odbywają się wydarzenia, są powiązane z pozytywnymi lub negatywnymi wynikami w Twoich obecnych lokalizacjach. Te dane pozwalają identyfikować potencjalne lokalizacje, które w największym stopniu odpowiadają Twoim potrzebom pod względem charakterystyki geoprzestrzennej. Możesz też użyć tych informacji do wdrażania modeli predykcyjnych, które prognozują przyszłą skuteczność nowych lokalizacji na podstawie kontekstu otaczających je punktów POI.
  • Marketing geotargetowany: określanie, jakie typy kampanii marketingowych lub reklam będą skuteczne w danym obszarze. Statystyki miejsc dostarczają kontekstu potrzebnego do zrozumienia aktywności komercyjnej, co pozwala dostosowywać komunikaty na podstawie koncentracji odpowiednich firm lub działań.
  • Prognozowanie sprzedaży: przewidywanie przyszłej sprzedaży w potencjalnej lokalizacji. Modelowanie wpływu otaczających cech geoprzestrzennych pozwala tworzyć solidne modele predykcyjne, które ułatwiają podejmowanie decyzji inwestycyjnych.
  • Badania rynku: pomagają określić, na które regiony warto rozszerzyć działalność lub usługi. Analizuj obecne nasycenie rynku i gęstość punktów POI, aby identyfikować niedostatecznie obsługiwane lub wysoce skoncentrowane rynki docelowe, które oferują największe możliwości. Ta analiza dostarcza dowodów na poparcie strategicznych inicjatyw rozwoju i ekspansji.
  • Analiza trendów: sprawdzaj zmiany zachodzące w określonym czasie. Porównywać liczbę miejsc, w tym dodanych i usuniętych, w poszczególnych miesiącach od stycznia 2024 r.

Możesz wykonywać zapytania dotyczące zbiorów danych Statystyk miejsc za pomocą funkcji Places Count lub bezpośrednich zapytań SQL.

Zobacz odniesienia do schematu

Wybierz metodę zapytania: funkcje zliczania miejsc czy bezpośrednie zapytanie SQL

Aby uwzględnić różne skale analizy i wymagania dotyczące ochrony prywatności, Statystyki miejsc oferują 2 ścieżki wykonywania zapytań: funkcje zliczania miejsc (natywne funkcje BigQuery) i bezpośrednie zapytania SQL (łączenie tabel).

Skorzystaj z tej macierzy decyzyjnej, aby określić prawidłową ścieżkę zapytania dla swojej implementacji:

Cel analizy Zalecana metoda wysyłania zapytań Zwrócone dane i wyniki Prywatność i przestrzeń
Analizowanie gęstości regionalnych punktów POI i tworzenie map cieplnych PLACES_COUNT_PER_H3
  • Zwraca wielokąty sześciokątów H3 z dokładnymi liczbami (w tym 0).
  • Zwraca maksymalnie 250 wartości place_id w komórce
  • Zaprojektowany specjalnie pod kątem przestrzennych modeli ML i inżynierii cech
  • Minimalny obszar wyszukiwania to 40 m × 40 m (1600 m²).
  • Zoptymalizowany pod kątem wydajności i niskich kosztów przetwarzania
  • Sprawdza parametry wejściowe i zwraca czytelne błędy, co ułatwia debugowanie.
Uzyskiwanie liczby wyświetleń w przypadku konkretnych witryn i pobieranie identyfikatorów miejsc w celu wyszukiwania szczegółowych informacji PLACES_COUNT_V2 lub PLACES_COUNT_PER_TYPE_V2
  • Zwraca dokładne liczby (w tym 0) w przypadku geometrii niestandardowych.
  • Zwraca maksymalnie 250 wartości place_id w wierszu
  • Minimalny obszar wyszukiwania to 40 m × 40 m (1600 m²).
  • Możliwość skalowania do tysięcy lokalizacji za pomocą parametrów TABLE
  • Zoptymalizowany pod kątem wydajności i niskich kosztów przetwarzania
  • Sprawdza parametry wejściowe i zwraca jasne komunikaty o błędach, co ułatwia debugowanie.
Śledzenie zmian w przypadku ważnych miejsc i trendów wzrostu na przestrzeni czasu między dwoma miesiącami PLACES_COUNT_CHANGE
  • Zwraca start_count, end_count, net_change, percentage_change i compound_monthly_growth_rate
  • Zwraca tablice nowo dodanych (sample_added_place_ids) i usuniętych (sample_removed_place_ids) identyfikatorów miejsc.
  • Wymaga parametrów month1 i month2 w formacie YYYY-MM
  • Minimalny obszar wyszukiwania to 40 m × 40 m (1600 m²).
  • Możliwość skalowania do tysięcy lokalizacji niestandardowych za pomocą parametrów TABLE
Wykonywać zaawansowaną logikę niestandardową, obliczać średnie lub łączyć dane Bezpośrednie zapytania SQL
  • Pełna elastyczność SQL w przypadku tabel surowych
  • Umożliwia korzystanie z niestandardowych danych SQL (AVG, SUM itp.).
  • Nie zwraca identyfikatorów miejsc
  • Próg prywatności: wartości od 0 do 4 są całkowicie pomijane.
  • Brak ograniczeń dotyczących minimalnego obszaru wyszukiwania

Places Insights umożliwia przeprowadzanie analiz historycznych poprzez wysyłanie zapytań dotyczących miesięcznych zrzutów danych o miejscach od stycznia 2024 r. Dzięki temu możesz ocenić, jak na przestrzeni czasu zmieniały się gęstość biznesowa, aktywność komercyjna i konkurencyjność.

Aby wysyłać zapytania o dane historyczne za pomocą funkcji Places Count, przekaż opcjonalny parametr filtra snapshot_date w funkcji JSON_OBJECT. Wartość musi być sformatowana jako YYYY-MM (np. '2026-01').

Przykład: wysyłanie zapytań o historyczne liczby restauracji w Nowym Jorku za pomocą funkcji PLACES_COUNT_V2

W tym przykładzie użyto symbolu PLACES_COUNT_V2 do analizy liczby działających restauracji w pobliżu Empire State Building i Times Square w Nowym Jorku w styczniu 2026 r.:

-- 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'
  )
);

Analizowanie danych wyjściowych z przeszłości

Zwrócona tabela BigQuery zawiera geo_id, wejściowy wielokąt geograficzny, liczbę miejsc i przykładowe identyfikatory miejsc zarejestrowane w określonym miesiącu (2026-01). Możesz uruchamiać identyczne zapytania w przypadku wielu miesięcy z migawkami, aby obliczać trendy wzrostu, otwarcia sklepów lub kurczenie się rynku.

Agregowanie gęstości regionalnych ciekawych miejsc za pomocą funkcji PLACES_COUNT_PER_H3

Funkcja PLACES_COUNT_PER_H3 to zalecany sposób analizowania gęstości ciekawych miejsc na dużych obszarach. Dzieląc region docelowy na standardowe komórki siatki sześciokątnej H3, nie musisz rysować niestandardowych granic. Wyniki możesz przesyłać bezpośrednio do narzędzi do mapowania wizualnego, takich jak Looker Studio.

Przykład: zliczanie sklepów spożywczych i ogólnospożywczych w stanie Nowy Jork, które są przystosowane do potrzeb osób na wózkach inwalidzkich

To zapytanie agreguje sklepy spożywcze i sklepy z artykułami codziennego użytku w stanie Nowy Jork, które są przystosowane do potrzeb osób na wózkach inwalidzkich, w komórkach H3 na poziomie rozdzielczości 8. Wykorzystuje ona geometrię granic pobieraną dynamicznie z bigquery-public-data.geo_us_boundaries.states publicznego zbioru danych.

-- 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;

Analizowanie danych wyjściowych

To zapytanie zwraca tabelę strukturalną, która mapuje każdy odrębny indeks H3 (h3_cell_index) na jego wielokąt graniczny (geography), liczbę punktów POI (count) i maksymalnie 250 reprezentatywnych sample_place_ids.

  • Uwzględniono zera: jeśli komórka w siatce stanu Nowy Jork zawiera zero pasujących sklepów, nadal zwraca wiersz z liczbą 0. Jest to kluczowe w przypadku lokalizowania obszarów, na których brakuje usług lub sklepów.
  • Bezpośrednie mapowanie wizualne: ponieważ dane wyjściowe zawierają GEOGRAPHYwielokąt, możesz renderować mapy cieplne bezpośrednio w BigQuery Studio lub Looker Studio.

Pobieranie identyfikatorów miejsc w celu sprawdzenia szczegółów miejsca

Usługa Statystyki miejsc została stworzona z myślą o statystykach, ale możesz przechodzić od zbiorczych statystyk do szczegółowych działań.

Wszystkie podstawowe funkcje zliczania miejsc, w tym PLACES_COUNT_PER_H3, PLACES_COUNT_V2 i PLACES_COUNT_PER_TYPE_V2 (z wyjątkiem starszej funkcji PLACES_COUNT), zwracają tablicę zawierającą maksymalnie 250 identyfikatorów miejsc w wierszu, które pasują do kryteriów zapytania.

Te identyfikatory miejsc działają jak pomost, umożliwiając korzystanie z innych interfejsów API Google Maps Platform, takich jak interfejs API informacji o miejscu, do pobierania konkretnych szczegółów, takich jak nazwy sklepów, opinie, numery telefonów i adresy.

Analizowanie obecności marki w wielu lokalizacjach

Oprócz danych o miejscach Statystyki miejsc zawiera dane o markach lub sklepach, które mają wiele lokalizacji działających pod tą samą nazwą marki.

Możesz wysyłać zapytania o dane dotyczące marki, aby:

  • Określ gęstość marek konkurencyjnych na rynku docelowym.
  • Filtruj liczbę punktów POI według identyfikatorów marek.
  • Sprawdzaj penetrację rynku, porównując placówki należące do marek z placówkami niezależnymi.

Co dalej?