Обзор статистики мест

Places Insights позволяет проводить расширенный статистический анализ обширных данных о местах в Google Maps. Он предоставляет агрегированные данные о количестве и плотности миллионов точек интереса (POI), что обеспечивает мощный инструмент геопространственной аналитики.

Ключевые возможности

  • Геопространственная аналитика: получите «обзор с высоты птичьего полета» плотности и распределения различных категорий объектов интереса (например, магазины, рестораны, предприятия сферы услуг) в конкретных географических районах.
  • Безопасный доступ к данным: данные предоставляются с использованием списков обмена данными BigQuery с применением мер защиты данных, что обеспечивает безопасную и защищенную среду для обмена и анализа данных.
  • Подробная информация для принятия решений: Хотя Places Insights фокусируется на общих тенденциях, вы можете использовать полученные идентификаторы мест для детализации и получения информации об отдельных местах с помощью других API платформы Google Maps, чтобы перейти от статистических данных к детальным действиям.

Разберитесь в данных о местах и ​​вариантах их использования.

Google Maps собирает данные о местах расположения миллионов заведений по всему миру. Places Insights делает эти исчерпывающие данные доступными в BigQuery, позволяя получать сводные данные о местах в Google Maps на основе различных атрибутов, таких как типы мест , рейтинги, часы работы, доступность для инвалидных колясок и многое другое.

Для использования Places Insights необходимо писать SQL-запросы в BigQuery, которые возвращают статистические данные о местах. Эти данные позволяют отвечать на такие вопросы, как:

  • Сколько аналогичных предприятий работают вблизи потенциального места расположения нового магазина?
  • Какие виды бизнеса чаще всего встречаются рядом с моими самыми успешными магазинами?
  • В каких районах сосредоточено большое количество предприятий, предлагающих взаимодополняющие товары и услуги, которые могли бы привлечь моих целевых клиентов?
  • Сколько пятизвездочных суши-ресторанов в Мадриде открыты в 20:00, имеют парковку для инвалидных колясок и предлагают еду на вынос?
  • В каких почтовых индексах Калифорнии наблюдается наибольшая концентрация зарядных станций для электромобилей?

Поддерживаемые варианты использования

  • Выбор площадки: Оцените и выберите наиболее подходящие места для нового бизнеса или размещения физического актива. Анализируя плотность и сочетание окружающих объектов интереса, вы можете убедиться, что потенциальная площадка оптимально расположена в конкурентной и взаимодополняющей деловой среде. Такой подход, основанный на данных, может снизить риски, связанные с инвестициями в новые места.
  • Оценка эффективности местоположения: Определите, какие геопространственные переменные, такие как близость к определенным типам объектов интереса (например, супермаркетам или местам проведения мероприятий), коррелируют с положительной или отрицательной эффективностью существующих объектов. Эти данные позволяют выявить перспективные площадки, обладающие наилучшим сочетанием геопространственных характеристик для вашего сценария использования. Вы также можете использовать эту информацию для развертывания прогностических моделей, которые прогнозируют будущую эффективность любых новых объектов на основе контекста окружающих их объектов интереса.
  • Геотаргетинговый маркетинг: определите, какие типы маркетинговых кампаний или рекламы будут успешными в данном регионе. Places Insights предоставляет контекст, необходимый для понимания коммерческой активности, позволяя адаптировать сообщения в зависимости от концентрации соответствующих предприятий или видов деятельности.
  • Прогнозирование продаж: прогнозирование будущих продаж в перспективном регионе. Моделирование влияния окружающих геопространственных характеристик позволяет создавать надежные прогностические модели для принятия инвестиционных решений.
  • Исследование рынка: Определите, в какие географические регионы следует расширить свой бизнес или услуги в дальнейшем. Проанализируйте существующую насыщенность рынка и плотность точек интереса, чтобы выявить недостаточно охваченные или высококонцентрированные целевые рынки, предлагающие наибольшие возможности. Этот анализ предоставляет доказательства для поддержки стратегических инициатив роста и расширения.

Вы можете запрашивать данные из наборов данных Places Insights, используя функции подсчета мест или прямые SQL-запросы .

См. справочник по схемам .

Выберите метод запроса: функции подсчета мест или прямой SQL-запрос.

Для учета различных масштабов анализа и требований к конфиденциальности Places Insights предлагает два способа выполнения запросов: функции подсчета мест (собственные функции BigQuery) и прямые SQL-запросы (объединение таблиц).

Используйте эту матрицу решений, чтобы определить правильный путь выполнения запроса для вашей реализации:

Ваша цель анализа Рекомендуемый метод запроса Возвращенные данные и результаты Вопросы конфиденциальности и пространственного хранения
Проанализируйте плотность региональных точек интереса и постройте тепловые карты. PLACES_COUNT_PER_H3
  • Возвращает шестиугольные многоугольники H3 с точным количеством элементов (включая 0).
  • Возвращает до 250 значений place_id для каждой ячейки.
  • Специально разработан для пространственных моделей машинного обучения и проектирования признаков.
  • Минимальная зона поиска 40 м × 40 м (1600 м²)
  • Оптимизировано для повышения производительности и снижения затрат на обработку.
  • Проверяет входные параметры и возвращает понятные сообщения об ошибках для упрощения отладки.
Получите данные о количестве посетителей на конкретных площадках и извлеките идентификаторы мест для поиска подробной информации. PLACES_COUNT_V2 или PLACES_COUNT_PER_TYPE_V2
  • Возвращает точное количество (включая 0) для пользовательских геометрических объектов.
  • Возвращает до 250 значений place_id для каждой строки.
  • Минимальная зона поиска 40 м × 40 м (1600 м²)
  • Масштабируемость до тысяч точек с использованием параметров TABLE
  • Оптимизировано для повышения производительности и снижения затрат на обработку.
  • Проверяет входные параметры и возвращает понятные сообщения об ошибках для упрощения отладки.
Выполняйте сложные пользовательские логические операции, вычисляйте средние значения или объединяйте данные. Прямые SQL-запросы
  • Полная гибкость SQL при работе с исходными таблицами.
  • Позволяет использовать пользовательские метрики SQL ( AVG , SUM и т. д.).
  • Не возвращает идентификаторы мест.
  • Порог конфиденциальности: значения от 0 до 4 полностью исключаются.
  • Ограничений по минимальной зоне поиска нет.

Сводная региональная плотность точек интереса (POI) с использованием PLACES_COUNT_PER_H3

Функция PLACES_COUNT_PER_H3 — рекомендуемый способ анализа плотности точек интереса (POI) на больших территориях. Разделив целевую область на стандартизированные ячейки гексагональной сетки H3, вы избавляетесь от необходимости рисовать пользовательские границы и можете напрямую передавать результаты в инструменты визуального картографирования, такие как Looker Studio.

Пример: Подсчитайте количество продуктовых магазинов и магазинов товаров повседневного спроса, доступных для людей в инвалидных колясках, в штате Нью-Йорк.

Следующий запрос объединяет доступные для инвалидных колясок продуктовые магазины и магазины товаров повседневного спроса в штате Нью-Йорк в ячейки H3 с уровнем детализации 8. Он использует геометрию границ, динамически получаемую из общедоступного набора данных 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;

Анализ результатов

Этот запрос возвращает структурированную таблицу, в которой каждый уникальный индекс H3 ( h3_cell_index ) сопоставляется с его граничным полигоном ( geography ), количеством точек интереса ( count ) и до 250 репрезентативными sample_place_ids .

  • Включая нулевые значения: если в ячейке сетки штата Нью-Йорк нет ни одного соответствующего магазина, она все равно возвращает строку с 0 значением. Это крайне важно для выявления районов с дефицитом коммерческой недвижимости или услуг.
  • Прямое визуальное отображение: поскольку выходные данные включают полигон GEOGRAPHY , вы можете создавать тепловые карты непосредственно в BigQuery Studio или Looker Studio.

Получите идентификаторы мест, чтобы просмотреть подробную информацию о них.

Хотя Places Insights создан для статистического анализа, вы можете переходить от обобщенных данных к детальным действиям.

Все основные функции подсчета мест, включая PLACES_COUNT_PER_H3 , PLACES_COUNT_V2 и PLACES_COUNT_PER_TYPE_V2 (за исключением устаревшей функции PLACES_COUNT ), возвращают массив, содержащий до 250 идентификаторов мест в каждой строке, соответствующих критериям вашего запроса.

Эти идентификаторы мест выступают в качестве связующего звена, позволяя использовать другие API платформы Google Maps, такие как API сведений о местах , для получения конкретных сведений, таких как названия магазинов, отзывы, номера телефонов и адреса.

Анализ присутствия бренда в нескольких локациях.

Помимо данных о местах, Places Insights включает в себя данные о брендах или магазинах, имеющих несколько точек продаж, работающих под одним и тем же брендом.

Вы можете запрашивать данные о брендах, чтобы:

  • Определите плотность присутствия брендов конкурентов на целевом рынке.
  • Отфильтруйте количество точек интереса (POI) по идентификаторам брендов.
  • Проанализируйте проникновение на рынок, сравнив брендированные и независимые заведения.

Что дальше?