نظرة عامة على "إحصاءات الأماكن"

تتيح لك "إحصاءات الأماكن" إجراء تحليل إحصائي متقدّم على بيانات الأماكن الغنية في "خرائط Google". وتوفّر هذه الإحصاءات إحصاءات مجمّعة ومعلومات عن الكثافة لملايين نقاط بيانات الاهتمام (POI)، ما يتيح الحصول على استخبارات جغرافية مكانية فعّالة.

الإمكانات الرئيسية

• المعلومات الجغرافية المكانية: يمكنك الحصول على نظرة عامة على كثافة وتوزيع فئات مختلفة من نقاط الاهتمام (مثل البيع بالتجزئة والمطاعم والخدمات) في مناطق جغرافية محدّدة.
• الوصول الآمن إلى البيانات: يتم نشر البيانات باستخدام بطاقات بيانات تبادل البيانات في BigQuery مع توفير وسائل حماية البيانات، ما يتيح بيئة آمنة ومحمية لمشاركة البيانات وتحليلها.
• التفاصيل القابلة للتنفيذ: على الرغم من أنّ "إحصاءات الأماكن" تركز على المؤشرات المجمّعة، يمكنك استخدام أرقام تعريف الأماكن الناتجة للوصول إلى التفاصيل واسترداد معلومات المكان الفردية باستخدام واجهات برمجة تطبيقات أخرى من "منصة خرائط Google"، وذلك للانتقال من الإحصاءات الإحصائية إلى الإجراءات التفصيلية.

فهم بيانات الأماكن وحالات الاستخدام

تجمع "خرائط Google" بيانات الأماكن لملايين المؤسسات في جميع أنحاء العالم. وتتيح "إحصاءات الأماكن" بيانات الأماكن الشاملة هذه في BigQuery حتى تتمكّن من استخلاص إحصاءات مجمّعة حول بيانات الأماكن في "خرائط Google" استنادًا إلى مجموعة متنوّعة من السمات، مثل أنواع الأماكن والتقييمات وساعات عمل المتجر وإمكانية الوصول باستخدام الكراسي المتحركة وغير ذلك.

لاستخدام "إحصاءات الأماكن"، عليك كتابة طلبات بحث SQL في BigQuery تعرض إحصاءات إحصائية حول بيانات الأماكن. تتيح لك هذه الإحصاءات الإجابة عن أسئلة مثل:

• كم عدد المؤسسات المشابهة التي تعمل بالقرب من موقع متجر جديد محتمل؟
• ما هي أنواع المؤسسات الأكثر شيوعًا بالقرب من متاجري الأكثر نجاحًا؟
• ما هي المناطق التي تضم عددًا كبيرًا من المؤسسات التكميلية التي يمكن أن تجذب عملائي المستهدفين؟
• كم عدد مطاعم السوشي الحاصلة على 5 نجوم والمفتوحة في الساعة 8 مساءً في مدريد، والتي توفّر مواقف سيارات يمكن الوصول إليها باستخدام الكراسي المتحركة وخدمة الطلب الخارجي؟
• ما هي الرموز البريدية في كاليفورنيا التي تضم أكبر عدد من محطات شحن السيارات الكهربائية؟

حالات الاستخدام المتوافقة

• اختيار الموقع الجغرافي: يمكنك تقييم واختيار المواقع الجغرافية الأكثر ملاءمةً لمؤسسة جديدة أو لوضع أحد الأصول المادية. من خلال تحليل كثافة نقاط الاهتمام المحيطة وتنوّعها، يمكنك التأكّد من أنّ الموقع الجغرافي المحتمل يتم وضعه على النحو الأمثل ضمن بيئته التنافسية والتكميلية. يمكن أن يقلّل هذا النهج المستند إلى البيانات من المخاطر المرتبطة بالاستثمار في مواقع جغرافية جديدة.
• تقييم أداء الموقع الجغرافي: يمكنك تحديد المتغيّرات الجغرافية المكانية، مثل القرب من أنواع معيّنة من نقاط الاهتمام، مثل محلات السوبرماركت أو أماكن إقامة الفعاليات، التي ترتبط بالأداء الإيجابي أو السلبي في مواقعك الجغرافية الحالية. تتيح لك هذه البيانات تحديد المواقع الجغرافية المحتملة التي تشترك في أفضل مزيج من الخصائص الجغرافية المكانية لحالة الاستخدام. يمكنك أيضًا استخدام هذه المعلومات لنشر نماذج تنبؤية تتوقّع الأداء المستقبلي لأي مواقع جغرافية جديدة استنادًا إلى سياق نقاط الاهتمام المحيطة بها.
• التسويق الجغرافي المستهدف: يمكنك تحديد أنواع الحملات التسويقية أو الإعلانات التي ستحقق النجاح في منطقة معيّنة. توفّر "إحصاءات الأماكن" السياق اللازم لفهم النشاط التجاري، ما يتيح لك تخصيص الرسائل استنادًا إلى كثافة المؤسسات أو الأنشطة ذات الصلة.
• توقّع المبيعات: يمكنك توقّع المبيعات المستقبلية في موقع جغرافي محتمل. من خلال وضع نموذج لتأثير الخصائص الجغرافية المكانية المحيطة، يمكنك إنشاء نماذج تنبؤية قوية لاتخاذ قرارات الاستثمار.
• أبحاث السوق: يمكنك تحديد المناطق الجغرافية التي تريد توسيع نطاق مؤسستك أو خدمتك إليها في الخطوة التالية. يمكنك تحليل تشبّع السوق الحالي وكثافة نقاط الاهتمام لتحديد الأسواق المستهدفة التي لا تحظى بالقدر الكافي من الخدمات أو التي تضم عددًا كبيرًا من العملاء المحتملين والتي توفّر أكبر فرصة. يقدّم هذا التحليل أدلة لدعم مبادرات النمو والتوسّع الاستراتيجية.
• تحليل المؤشرات: يمكنك استكشاف التغييرات التي تحدث خلال فترة زمنية معيّنة. يمكنك مقارنة أعداد الأماكن، بما في ذلك الأماكن التي تمت إضافتها وإزالتها، شهرًا بعد شهر اعتبارًا من يناير 2024.

يمكنك طلب مجموعات بيانات "إحصاءات الأماكن" باستخدام دوالّ "عدد الأماكن" أو طلبات بحث SQL مباشرةً.

الاطّلاع على مرجع المخطط.

اختيار طريقة طلب البحث: دوالّ "عدد الأماكن" مقابل طلبات بحث SQL مباشرةً

لتلبية متطلبات التحليل المختلفة من حيث النطاق والخصوصية، توفّر "إحصاءات الأماكن" مسارَين لطلب البحث: دوالّ "عدد الأماكن" (دوالّ BigQuery الأصلية) وطلبات بحث SQL مباشرةً (عمليات الربط بين الجداول).

استخدِم مصفوفة القرارات هذه لتحديد مسار طلب البحث الصحيح لعملية التنفيذ:

تحليل المؤشرات السابقة باستخدام تواريخ اللقطات

تتيح لك "إحصاءات الأماكن" إجراء تحليل سابق من خلال طلب لقطات شهرية لبيانات الأماكن يعود تاريخها إلى يناير 2024. يتيح لك ذلك تقييم كيفية تطوّر كثافة المؤسسات والنشاط التجاري والمشهد التنافسي بمرور الوقت.

لطلب البيانات السابقة باستخدام دوالّ "عدد الأماكن"، عليك تمرير مَعلمة الفلتر الاختيارية snapshot_date داخل JSON_OBJECT. يجب تنسيق القيمة على النحو YYYY-MM (على سبيل المثال، '2026-01').

مثال: طلب الإحصاءات السابقة لعدد المطاعم في مدينة نيويورك باستخدام `PLACES_COUNT_V2`

يستخدِم المثال التالي PLACES_COUNT_V2 لتحليل إحصاءات المطاعم العاملة حول مبنى إمباير ستيت وتايمز سكوير في مدينة نيويورك كما كانت في يناير 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'
  )
);

تحليل الناتج السابق

يحتوي جدول BigQuery المعروض على geo_id وشكل مضلّع الجغرافيا الذي تم إدخاله وعدد الأماكن وأرقام تعريف الأماكن النموذجية كما تم تسجيلها خلال شهر اللقطة المحدّد (2026-01). يمكنك تنفيذ طلبات بحث متطابقة على مستوى عدة أشهر من اللقطات لحساب مؤشرات النمو أو عمليات فتح المتاجر أو انكماش السوق.

تجميع كثافة نقاط الاهتمام الإقليمية باستخدام `PLACES_COUNT_PER_H3`

تُعدّ دالة PLACES_COUNT_PER_H3 المسار المقترَح لتحليل كثافة نقاط الاهتمام على مساحات كبيرة. من خلال تقسيم المنطقة المستهدَفة إلى خلايا شبكة سداسية الأضلاع موحّدة من H3، لن تحتاج إلى رسم حدود مخصّصة ويمكنك إدخال النتائج مباشرةً في أدوات رسم الخرائط المرئية، مثل Looker Studio.

مثال: إحصاء محلات البقالة والمتاجر الصغيرة التي يمكن الوصول إليها باستخدام الكراسي المتحركة في ولاية نيويورك

يجمع طلب البحث التالي محلات البقالة والمتاجر الصغيرة التي يمكن الوصول إليها باستخدام الكراسي المتحركة في ولاية نيويورك في خلايا H3 على مستوى الدقة 8. ويستخدِم هذا الطلب شكلًا هندسيًا للحدود يتم استرداده ديناميكيًا من مجموعة البيانات العامة 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;

تحليل الناتج

يعرض طلب البحث هذا جدولاً منظَّمًا يربط كل فهرس H3 مميّز (h3_cell_index) بشكل مضلّع الحدود (geography) وعدد نقاط الاهتمام (count) وما يصل إلى 250 من sample_place_ids التمثيلية.

• تضمين الإحصاءات الصفرية: إذا كانت إحدى الخلايا في شبكة ولاية نيويورك لا تحتوي على أي متاجر مطابقة، ستظل تعرض صفًا يتضمّن الإحصاء 0. يُعدّ ذلك أمرًا بالغ الأهمية لتحديد المناطق التجارية أو الخدمية التي لا تحظى بالقدر الكافي من الخدمات.
• رسم الخرائط المرئية مباشرةً: بما أنّ الناتج يتضمّن شكلًا مضلّعًا من GEOGRAPHY، يمكنك عرض الخرائط الحرارية مباشرةً داخل BigQuery Studio أو Looker Studio.

استرداد أرقام تعريف الأماكن لفحص تفاصيل المكان

على الرغم من أنّ "إحصاءات الأماكن" مصمّمة للحصول على معلومات إحصائية، يمكنك الانتقال من الإحصاءات المجمّعة إلى الإجراءات الدقيقة.

تعرض جميع دوالّ "عدد الأماكن" الرئيسية، بما في ذلك PLACES_COUNT_PER_H3 PLACES_COUNT_V2 وPLACES_COUNT_PER_TYPE_V2 (باستثناء الدالة القديمة PLACES_COUNT)، صفيفًا يتضمّن ما يصل إلى 250 رقم تعريف مكان لكل صف يطابق معايير طلب البحث.

تعمل أرقام تعريف الأماكن هذه كجسر، ما يتيح لك استخدام واجهات برمجة تطبيقات أخرى من "منصة خرائط Google"، مثل واجهة برمجة تطبيقات تفاصيل المكان، لاسترداد تفاصيل محدّدة مثل أسماء المتاجر والمراجعات وأرقام الهواتف والعناوين.

تحليل مدى توفّر العلامة التجارية في مواقع جغرافية متعدّدة

بالإضافة إلى بيانات الأماكن، تتضمّن "إحصاءات الأماكن" بيانات حول العلامات التجارية أو المتاجر التي لها مواقع جغرافية متعدّدة تعمل تحت اسم العلامة التجارية نفسه.

يمكنك طلب بيانات العلامة التجارية لإجراء ما يلي:

• تحديد كثافة العلامات التجارية المنافسة في سوق مستهدَف
• فلترة إحصاءات نقاط الاهتمام حسب أرقام تعريف العلامات التجارية على وجه التحديد
• فحص مدى انتشار العلامة التجارية في السوق من خلال مقارنة المؤسسات التي تحمل علامة تجارية بالمؤسسات المستقلة

الخطوات التالية

• بدء استخدام "إحصاءات الأماكن": يمكنك قراءة النظرة العامة على جميع الدوالّ المحسَّنة التي تعرض قيمًا جدولية.
• مرجع `PLACES_COUNT_PER_H3` : يمكنك التعرّف على دالة الفهرسة المكانية السداسية.
• متقدّم: طلب مجموعة البيانات مباشرةً: يمكنك التعرّف على طلبات بحث SQL العادية وعمليات الربط بين الجداول وفلترة بيانات العلامات التجارية.
• الاطّلاع على مرجع المخطط – يمكنك قراءة جداول الحقول التفصيلية لكل من المخططات الأساسية والمخططات الخاصة بكل بلد.