Visão geral dos Insights de lugares

Com o Insights de Lugares, você pode fazer análises estatísticas avançadas sobre os dados detalhados de lugares do Google Maps. Ele fornece contagens agregadas e informações de densidade para milhões de pontos de dados de pontos de interesse (PDIs), permitindo uma inteligência geoespacial poderosa.

Principais recursos

  • Inteligência geoespacial:tenha uma visão geral da densidade e da distribuição de diferentes categorias de PIs (por exemplo, varejo, restaurantes, serviços) em áreas geográficas específicas.
  • Acesso seguro a dados:os dados são implantados usando listagens de troca de dados do BigQuery com proteções de dados ativadas, permitindo um ambiente seguro e protegido para compartilhamento de dados pessoais e análise.
  • Detalhe prático:embora o Places Insights se concentre em tendências agregadas, você pode usar os IDs de lugar gerados para detalhar e recuperar informações individuais de lugares usando outras APIs da Plataforma Google Maps e transformar insights estatísticos em ações detalhadas.

Entender os dados de lugares e os casos de uso

O Google Maps organiza dados de lugares para milhões de estabelecimentos no mundo todo. O Insights de Lugares disponibiliza esses dados abrangentes no BigQuery para que você possa extrair insights agregados sobre os dados de lugares do Google Maps com base em vários atributos, como tipos de lugares, notas, horário de funcionamento, acessibilidade para cadeirantes e muito mais.

Para usar o Insights de Lugares, escreva consultas SQL no BigQuery que retornem insights estatísticos sobre dados de lugares. Com esses insights, você pode responder a perguntas como:

  • Quantas empresas semelhantes estão operando perto de um possível novo local de loja?
  • Que tipos de empresas são mais comuns perto das minhas lojas de maior sucesso?
  • Quais áreas têm uma alta concentração de empresas complementares que podem atrair meus clientes-alvo?
  • Quantos restaurantes de sushi cinco estrelas estão abertos às 20h em Madri, têm estacionamento acessível para cadeirantes e oferecem comida para viagem?
  • Quais CEPs da Califórnia têm a maior concentração de estações de recarga de veículos elétricos?

Casos de uso com suporte

  • Seleção de sites:avalie e escolha os locais mais adequados para uma nova empresa ou a colocação de um recurso físico. Ao analisar a densidade e a combinação dos POIs ao redor, você pode garantir que um possível site esteja posicionado de maneira ideal no ambiente de negócios competitivo e complementar. Essa abordagem baseada em dados pode reduzir o risco associado ao investimento em novos locais.
  • Avaliação de performance de local:determine quais variáveis geoespaciais, como proximidade a determinados tipos de POIs, como supermercados ou locais de eventos, estão relacionadas a uma performance positiva ou negativa nos seus locais atuais. Com esses dados, é possível identificar sites em potencial que compartilham a melhor combinação de características geoespaciais para seu caso de uso. Você também pode usar essas informações para implantar modelos preditivos que preveem a performance futura de novos locais com base no contexto de PDI ao redor.
  • Marketing por segmentação geográfica:determine quais tipos de campanhas de marketing ou anúncios vão ter sucesso em uma área. O Insights de Lugares oferece o contexto necessário para entender a atividade comercial, permitindo que você personalize as mensagens com base na concentração de empresas ou atividades relevantes.
  • Previsão de vendas:preveja vendas futuras em um local em potencial. Ao modelar o impacto das características geoespaciais ao redor, você cria modelos preditivos robustos para orientar as decisões de investimento.
  • Pesquisa de mercado:informa para quais regiões expandir sua empresa ou serviço. Analise a saturação do mercado e a densidade de POIs atuais para identificar mercados-alvo carentes ou altamente concentrados que oferecem a maior oportunidade. Essa análise fornece evidências para apoiar iniciativas estratégicas de crescimento e expansão.
  • Análise de tendências:confira as mudanças que ocorrem ao longo de um período. Compare as contagens de lugares, incluindo os adicionados e removidos, mês a mês, desde janeiro de 2024.

É possível consultar conjuntos de dados do Insights de Lugares usando funções de contagem de lugares ou consultas SQL diretas.

Consulte a referência de esquema.

Escolha seu método de consulta: funções de contagem de lugares ou SQL direto

Para atender a diferentes escalas de análise e normas de privacidade, o Insights de Lugares oferece duas formas de consulta: funções de contagem de lugares (funções nativas do BigQuery) e consultas SQL diretas (junções de tabelas).

Use esta matriz de decisão para determinar o caminho de consulta correto para sua implementação:

Sua meta de análise Método de consulta recomendado Dados e resultados retornados Considerações espaciais e de privacidade
Analisar a densidade regional de POIs e criar mapas de calor PLACES_COUNT_PER_H3
  • Retorna polígonos hexagonais H3 com contagens exatas (incluindo 0)
  • Retorna até 250 valores place_id por célula
  • Criado para modelos de ML espacial e engenharia de atributos
  • Área de pesquisa mínima de 40 m × 40 m (1.600 m²)
  • Otimizado para desempenho e baixo custo de processamento
  • Valida parâmetros de entrada e retorna erros claros para facilitar a depuração.
Receber contagens de sites específicos e recuperar IDs de lugar para pesquisar detalhes PLACES_COUNT_V2 ou PLACES_COUNT_PER_TYPE_V2
  • Retorna contagens exatas (incluindo 0) para geometrias personalizadas
  • Retorna até 250 valores place_id por linha
  • Área de pesquisa mínima de 40 m × 40 m (1.600 m²)
  • Escalonável para milhares de locais usando parâmetros TABLE
  • Otimizado para desempenho e baixo custo de processamento
  • Valida parâmetros de entrada e retorna erros claros para facilitar a depuração.
Acompanhar as mudanças e tendências de crescimento dos PIs ao longo do tempo entre dois meses PLACES_COUNT_CHANGE
  • Retorna start_count, end_count, net_change, percentage_change e compound_monthly_growth_rate
  • Retorna matrizes de IDs de lugares recém-adicionados (sample_added_place_ids) e removidos (sample_removed_place_ids)
  • Requer parâmetros month1 e month2 no formato YYYY-MM
  • Área de pesquisa mínima de 40 m × 40 m (1.600 m²)
  • Escalonável para milhares de locais personalizados usando parâmetros TABLE
Executar lógica personalizada avançada, médias ou junções com seus dados Consultas SQL diretas
  • Flexibilidade total do SQL em tabelas brutas
  • Ativa métricas SQL personalizadas (AVG, SUM etc.)
  • Não retorna IDs de lugar
  • Limite de privacidade:contagens de 0 a 4 são totalmente omitidas.
  • Sem restrição de área de pesquisa mínima

Com o Insights de Lugares, você pode fazer análises históricas consultando snapshots mensais de dados de lugares desde janeiro de 2024. Assim, você pode avaliar como a densidade de negócios, a atividade comercial e os cenários competitivos evoluíram ao longo do tempo.

Para consultar dados históricos usando funções de contagem de lugares, transmita o parâmetro de filtro snapshot_date opcional dentro da JSON_OBJECT. O valor precisa ser formatado como YYYY-MM (por exemplo, '2026-01').

Exemplo: consultar contagens históricas de restaurantes em Nova York com PLACES_COUNT_V2

O exemplo a seguir usa PLACES_COUNT_V2 para analisar a quantidade de restaurantes em funcionamento ao redor do Empire State Building e da Times Square na cidade de Nova York em janeiro de 2026:

-- 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'
  )
);

Analisar a saída histórica

A tabela retornada do BigQuery contém o geo_id, o polígono geográfico de entrada, a contagem de lugares e exemplos de IDs de lugar registrados durante o mês de snapshot especificado (2026-01). É possível executar consultas idênticas em vários meses de snapshots para calcular tendências de crescimento, aberturas de lojas ou contração do mercado.

Agrega a densidade regional de PDIs usando PLACES_COUNT_PER_H3

A função PLACES_COUNT_PER_H3 é o método recomendado para analisar a densidade de POIs em grandes áreas. Ao dividir sua região de destino em células de grade hexagonal H3 padronizadas, você elimina a necessidade de desenhar limites personalizados e pode inserir resultados diretamente em ferramentas de mapeamento visual, como o Looker Studio.

Exemplo: contar mercados e lojas de conveniência acessíveis para cadeirantes no estado de Nova York

A consulta a seguir agrega lojas de conveniência e supermercados acessíveis para cadeirantes no estado de Nova York em células H3 no nível de resolução 8. Ela usa a geometria de limite recuperada dinamicamente do conjunto de dados público 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;

Analisar a saída

Essa consulta retorna uma tabela estruturada que mapeia cada índice H3 distinto (h3_cell_index) para o polígono de limite (geography), a contagem de PDI (count) e até 250 sample_place_ids representativos.

  • Contagens zero incluídas:se uma célula na grade do estado de Nova York tiver zero lojas correspondentes, ela ainda vai retornar uma linha com uma contagem de 0. Isso é fundamental para localizar áreas com poucos serviços ou comércios.
  • Mapeamento visual direto:como a saída inclui um polígono GEOGRAPHY, é possível renderizar mapas de calor diretamente no BigQuery Studio ou no Looker Studio.

Recuperar IDs de lugares para inspecionar detalhes

Embora o Insights de Lugares tenha sido criado para inteligência estatística, é possível fazer a transição de insights agregados para ações detalhadas.

Todas as funções principais de contagem de lugares, incluindo PLACES_COUNT_PER_H3, PLACES_COUNT_V2 e PLACES_COUNT_PER_TYPE_V2 (exceto a função legada PLACES_COUNT), retornam uma matriz de até 250 IDs de lugar por linha que correspondem aos critérios da consulta.

Esses IDs de lugar funcionam como uma ponte, permitindo que você use outras APIs da Plataforma Google Maps, como a API Place Details, para recuperar detalhes específicos, como nomes de lojas, avaliações, números de telefone e endereços.

Analisar a presença da marca em vários locais

Além dos dados de Lugares, o Insights de Lugares inclui dados sobre marcas ou lojas com várias unidades que operam sob o mesmo nome de marca.

Você pode consultar dados de marca para:

  • Identifique a densidade de marcas concorrentes em um mercado-alvo.
  • Filtre as contagens de PDI especificamente por IDs de marca.
  • Examine a penetração no mercado comparando estabelecimentos de marca e independentes.

A seguir