Google sử dụng công nghệ AI để dịch nội dung sang ngôn ngữ bạn ưu tiên. Bản dịch bằng AI có thể có lỗi.

Tổng quan về Thông tin chi tiết về địa điểm

Thông tin chi tiết về địa điểm cho phép bạn tiến hành phân tích thống kê nâng cao về dữ liệu phong phú của Google Maps về Địa điểm. Tập dữ liệu này cung cấp thông tin về số lượng và mật độ tổng hợp cho hàng triệu điểm dữ liệu Địa điểm yêu thích (POI), giúp bạn có được trí tuệ không gian địa lý mạnh mẽ.

Các chức năng chính

Trí tuệ không gian địa lý: Có được "góc nhìn toàn cảnh" về mật độ và mức độ phân bổ của các danh mục địa điểm yêu thích (ví dụ: cửa hàng bán lẻ, nhà hàng và dịch vụ) trên các khu vực địa lý cụ thể.
Truy cập dữ liệu an toàn: Dữ liệu được triển khai bằng danh sách trao đổi dữ liệu BigQuery có áp dụng các biện pháp bảo vệ dữ liệu, tạo ra một môi trường an toàn và được bảo vệ để chia sẻ dữ liệu và phân tích.
Thông tin chi tiết hữu ích: Mặc dù Thông tin chi tiết về địa điểm tập trung vào các xu hướng tổng hợp, nhưng bạn có thể sử dụng Mã địa điểm được xuất để xem chi tiết và truy xuất thông tin về từng địa điểm bằng các API khác của Google Maps Platform để chuyển từ thông tin chi tiết thống kê sang hành động chi tiết.

Tìm hiểu về dữ liệu địa điểm và các trường hợp sử dụng

Google Maps tuyển chọn dữ liệu về địa điểm cho hàng triệu cơ sở trên toàn thế giới. Thông tin chi tiết về địa điểm cung cấp dữ liệu toàn diện về địa điểm trong BigQuery để bạn có thể rút ra thông tin chi tiết tổng hợp về dữ liệu địa điểm của Google Maps dựa trên nhiều thuộc tính như loại địa điểm, điểm xếp hạng, giờ hoạt động của cửa hàng, khả năng hỗ trợ xe lăn và nhiều thuộc tính khác.

Để sử dụng Thông tin chi tiết về địa điểm, bạn cần viết các truy vấn SQL trong BigQuery để trả về thông tin chi tiết thống kê về dữ liệu địa điểm. Những thông tin chi tiết này giúp bạn trả lời các câu hỏi như:

Có bao nhiêu doanh nghiệp tương tự đang hoạt động gần một địa điểm cửa hàng mới tiềm năng?
Những loại hình doanh nghiệp nào thường xuất hiện gần các cửa hàng thành công nhất của tôi?
Khu vực nào có nhiều doanh nghiệp bổ trợ có thể thu hút khách hàng mục tiêu của tôi?
Có bao nhiêu nhà hàng sushi 5 sao mở cửa lúc 8 giờ tối ở Madrid, có bãi đỗ xe cho xe lăn và có dịch vụ mua mang về?
Những mã ZIP nào ở California có mật độ trạm sạc xe điện cao nhất?

Trường hợp sử dụng được hỗ trợ

Lựa chọn địa điểm: Đánh giá và chọn địa điểm phù hợp nhất cho một doanh nghiệp mới hoặc vị trí của một tài sản thực tế. Bằng cách phân tích mật độ và sự kết hợp của các địa điểm yêu thích xung quanh, bạn có thể đảm bảo một địa điểm tiềm năng được định vị tối ưu trong môi trường kinh doanh cạnh tranh và bổ trợ. Cách tiếp cận dựa trên dữ liệu này có thể giúp giảm rủi ro liên quan đến việc đầu tư vào các địa điểm mới.
Đánh giá hiệu suất của vị trí: Xác định những biến không gian địa lý (chẳng hạn như khoảng cách tương cận đến một số loại địa điểm yêu thích như siêu thị hoặc địa điểm tổ chức sự kiện) có mối tương quan với hiệu suất tích cực hoặc tiêu cực tại các vị trí hiện có của bạn. Dữ liệu này giúp bạn xác định những địa điểm tiềm năng có sự kết hợp tốt nhất các đặc điểm không gian địa lý cho trường hợp sử dụng của bạn. Bạn cũng có thể sử dụng thông tin này để triển khai các mô hình dự đoán hiệu suất trong tương lai của bất kỳ vị trí mới nào dựa trên bối cảnh địa điểm yêu thích xung quanh.
Tiếp thị nhắm mục tiêu theo địa lý: Xác định loại chiến dịch tiếp thị hoặc quảng cáo nào sẽ thành công ở một khu vực. Thông tin chi tiết về địa điểm cung cấp bối cảnh cần thiết để hiểu rõ hoạt động thương mại, giúp bạn điều chỉnh thông điệp dựa trên mức độ tập trung của các doanh nghiệp hoặc hoạt động có liên quan.
Dự báo doanh số: Dự đoán doanh số trong tương lai tại một địa điểm tiềm năng. Việc lập mô hình tác động của các đặc điểm không gian địa lý xung quanh giúp bạn tạo các mô hình dự đoán hiệu quả để đưa ra quyết định đầu tư.
Nghiên cứu thị trường: Cho biết những khu vực địa lý mà bạn nên mở rộng hoạt động kinh doanh hoặc dịch vụ tiếp theo. Phân tích mức độ bão hoà hiện tại của thị trường và mật độ địa điểm yêu thích để xác định những thị trường mục tiêu chưa được khai thác hoặc có mức độ tập trung cao, mang lại cơ hội lớn nhất. Bản phân tích này cung cấp bằng chứng để hỗ trợ các sáng kiến mở rộng và tăng trưởng chiến lược.
Phân tích xu hướng: Khám phá những thay đổi xảy ra trong một khoảng thời gian. So sánh số lượng địa điểm (bao gồm cả địa điểm được thêm và xoá) theo từng tháng, tính từ tháng 1 năm 2024.

Bạn có thể truy vấn các tập dữ liệu của Thông tin chi tiết về địa điểm bằng cách sử dụng hàm Đếm địa điểm hoặc truy vấn SQL trực tiếp.

Xem tài liệu tham khảo về giản đồ.

Kết hợp với các tập dữ liệu phân tích có liên quan của Google Maps Platform

Mặc dù Thông tin chi tiết về địa điểm cung cấp số lượng địa điểm yêu thích tổng hợp và mật độ thương hiệu, nhưng các quyết định về vị trí thường phụ thuộc vào việc hiểu rõ hành vi của con người và môi trường xung quanh tại địa phương. Để làm phong phú dữ liệu về địa điểm yêu thích trong BigQuery bằng các mục nhúng học máy ghi lại xu hướng trên Google Tìm kiếm, môi trường nhân tạo và mô hình hoạt động của con người, cũng như bối cảnh môi trường (chẳng hạn như thời tiết và chất lượng không khí), hãy kết hợp Thông tin chi tiết về địa điểm với Thông tin chi tiết về biến động dân số (PDI) (Bản dùng trước).

Chọn phương thức truy vấn: Hàm Places Count so với SQL trực tiếp

Để đáp ứng các quy mô phân tích và yêu cầu về quyền riêng tư khác nhau, Thông tin chi tiết về địa điểm cung cấp hai cách truy vấn: Hàm đếm địa điểm (hàm BigQuery gốc) và Truy vấn SQL trực tiếp (phép nối bảng).

Hãy sử dụng ma trận quyết định này để xác định đường dẫn truy vấn chính xác cho quá trình triển khai của bạn:

Mục tiêu phân tích của bạn	Phương thức truy vấn được đề xuất	Dữ liệu và kết quả trả về	Những điều cần cân nhắc về quyền riêng tư và không gian
Phân tích mật độ địa điểm yêu thích theo khu vực và tạo bản đồ nhiệt	`PLACES_COUNT_PER_H3`	Trả về đa giác lục giác H3 với số lượng chính xác (bao gồm cả 0) Trả về tối đa 250 giá trị `place_id` cho mỗi ô	Được thiết kế riêng cho các mô hình học máy không gian và kỹ thuật trích xuất tính chất Khu vực tìm kiếm tối thiểu là 40 m x 40 m (1.600 m²) Tối ưu hoá để đạt hiệu suất cao và chi phí xử lý thấp Xác thực các tham số đầu vào và trả về lỗi rõ ràng để dễ gỡ lỗi hơn
Nhận số lượng cho các trang web cụ thể và truy xuất Mã địa điểm để tra cứu thông tin chi tiết	`PLACES_COUNT_V2` hoặc `PLACES_COUNT_PER_TYPE_V2`	Trả về số lượng chính xác (bao gồm cả 0) cho các hình học tuỳ chỉnh Trả về tối đa 250 giá trị `place_id` mỗi hàng	Khu vực tìm kiếm tối thiểu là 40 m x 40 m (1.600 m²) Có thể mở rộng cho hàng nghìn vị trí bằng cách sử dụng tham số `TABLE` Tối ưu hoá để đạt hiệu suất cao và chi phí xử lý thấp Xác thực các tham số đầu vào và trả về lỗi rõ ràng để dễ gỡ lỗi hơn
Theo dõi những thay đổi về địa điểm yêu thích và xu hướng tăng trưởng theo thời gian giữa hai tháng	`PLACES_COUNT_CHANGE`	Trả về `start_count`, `end_count`, `net_change`, `percentage_change` và `compound_monthly_growth_rate` Trả về mảng mã địa điểm mới được thêm (`sample_added_place_ids`) và bị xoá (`sample_removed_place_ids`)	Yêu cầu các tham số `month1` và `month2` ở định dạng `YYYY-MM` Khu vực tìm kiếm tối thiểu là 40 m x 40 m (1.600 m²) Có thể mở rộng cho hàng nghìn vị trí tuỳ chỉnh bằng cách sử dụng tham số `TABLE`
Thực thi logic tuỳ chỉnh nâng cao, tính giá trị trung bình hoặc kết hợp với dữ liệu của bạn	Truy vấn SQL trực tiếp	Tính linh hoạt hoàn toàn của SQL trên các bảng thô Bật các chỉ số SQL tuỳ chỉnh (`AVG`, `SUM`, v.v.)	Không trả về Mã địa điểm Ngưỡng quyền riêng tư: Số lượt từ 0 đến 4 sẽ bị bỏ qua hoàn toàn Không có giới hạn về khu vực tìm kiếm tối thiểu

Phân tích xu hướng trong quá khứ bằng ngày tổng quan nhanh

Thông tin chi tiết về địa điểm cho phép bạn phân tích dữ liệu trong quá khứ bằng cách truy vấn thông tin tổng quan nhanh hằng tháng về dữ liệu Địa điểm từ tháng 1 năm 2024. Nhờ đó, bạn có thể đánh giá mức độ phát triển của mật độ doanh nghiệp, hoạt động thương mại và bối cảnh cạnh tranh theo thời gian.

Để truy vấn dữ liệu trong quá khứ bằng các hàm Số lượng địa điểm, hãy truyền tham số bộ lọc snapshot_date không bắt buộc vào bên trong JSON_OBJECT. Giá trị phải được định dạng là YYYY-MM (ví dụ: '2026-01').

Ví dụ: Truy vấn số lượng nhà hàng trước đây ở Thành phố New York bằng PLACES_COUNT_V2

Ví dụ sau đây sử dụng PLACES_COUNT_V2 để phân tích số lượng nhà hàng đang hoạt động xung quanh Toà nhà Empire State và Quảng trường Thời đại ở Thành phố New York vào tháng 1 năm 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'
  )
);

Đang phân tích kết quả trước đây

Bảng BigQuery được trả về chứa geo_id, đa giác địa lý đầu vào, số lượng địa điểm và mã địa điểm mẫu như được ghi lại trong tháng tổng quan nhanh được chỉ định (2026-01). Bạn có thể chạy các truy vấn giống hệt nhau trên nhiều tháng tổng quan nhanh để tính toán xu hướng tăng trưởng, số lượng cửa hàng mở mới hoặc mức độ thu hẹp thị trường.

Tổng hợp mật độ địa điểm yêu thích theo khu vực bằng PLACES_COUNT_PER_H3

Hàm PLACES_COUNT_PER_H3 là cách nên dùng để phân tích mật độ địa điểm yêu thích trên các khu vực rộng lớn. Bằng cách chia khu vực mục tiêu thành các ô lưới lục giác H3 được chuẩn hoá, bạn không cần phải vẽ ranh giới tuỳ chỉnh và có thể đưa kết quả trực tiếp vào các công cụ lập bản đồ trực quan, chẳng hạn như Looker Studio.

Ví dụ: Đếm số cửa hàng tạp hoá và cửa hàng tiện lợi có lối vào cho xe lăn ở bang New York

Truy vấn sau đây tổng hợp các cửa hàng tạp hoá và cửa hàng tiện lợi có lối đi cho xe lăn ở Tiểu bang New York vào các ô H3 ở cấp độ phân giải 8. Mẫu này sử dụng hình học ranh giới được truy xuất linh động từ tập dữ liệu công khai 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;

Đang phân tích kết quả đầu ra

Truy vấn này trả về một bảng có cấu trúc liên kết từng chỉ mục H3 riêng biệt (h3_cell_index) với đa giác ranh giới (geography), số lượng địa điểm yêu thích (count), và tối đa 250 sample_place_ids đại diện.

Bao gồm cả số lượng bằng 0: Nếu một ô trong lưới của Bang New York không có cửa hàng nào phù hợp, thì ô đó vẫn trả về một hàng có số lượng là 0. Điều này rất quan trọng để xác định những khu vực thiếu dịch vụ hoặc hoạt động thương mại.
Liên kết trực quan trực tiếp: Vì kết quả bao gồm một đa giác GEOGRAPHY, nên bạn có thể kết xuất bản đồ nhiệt ngay trong BigQuery Studio hoặc Looker Studio.

Truy xuất Mã địa điểm để kiểm tra thông tin chi tiết về địa điểm

Mặc dù Thông tin chi tiết về địa điểm được xây dựng để cung cấp thông tin thống kê, nhưng bạn có thể chuyển từ thông tin chi tiết tổng hợp sang các hành động chi tiết.

Tất cả các hàm Số lượng địa điểm chính, bao gồm cả PLACES_COUNT_PER_H3, PLACES_COUNT_V2 và PLACES_COUNT_PER_TYPE_V2 (ngoại trừ hàm PLACES_COUNT cũ), đều trả về một mảng gồm tối đa 250 Mã địa điểm cho mỗi hàng khớp với tiêu chí truy vấn của bạn.

Các Mã địa điểm này đóng vai trò là cầu nối, cho phép bạn sử dụng các API khác của Google Maps Platform, chẳng hạn như Place Details API, để truy xuất thông tin chi tiết cụ thể như tên cửa hàng, bài đánh giá, số điện thoại và địa chỉ.

Phân tích sự hiện diện của thương hiệu tại nhiều địa điểm

Cùng với dữ liệu về địa điểm, Thông tin chi tiết về địa điểm còn bao gồm dữ liệu về thương hiệu hoặc cửa hàng có nhiều địa điểm hoạt động dưới cùng một tên thương hiệu.

Bạn có thể truy vấn dữ liệu thương hiệu để:

Xác định mật độ của các thương hiệu cạnh tranh trong một thị trường mục tiêu.
Lọc số lượng địa điểm yêu thích theo mã thương hiệu.
Kiểm tra mức độ thâm nhập thị trường bằng cách so sánh các cơ sở có thương hiệu với các cơ sở độc lập.

Bước tiếp theo

Bắt đầu sử dụng Thông tin chi tiết về địa điểm – Đọc thông tin tổng quan về tất cả hàm có giá trị bảng được tối ưu hoá.
Tài liệu tham khảo về PLACES_COUNT_PER_H3 – Tìm hiểu về hàm lập chỉ mục không gian lục giác.
Nâng cao: Truy vấn trực tiếp tập dữ liệu – Tìm hiểu các truy vấn SQL chuẩn, quy trình kết hợp và lọc dữ liệu thương hiệu.
Xem tài liệu tham khảo về giản đồ – Đọc bảng trường chi tiết cho cả giản đồ cốt lõi và giản đồ theo quốc gia.