Google은 AI 기술을 사용하여 콘텐츠를 사용자의 기본 언어로 번역합니다. AI 번역에는 오류가 있을 수 있습니다.

장소 통계 개요

Places Insights를 사용하면 Google 지도의 풍부한 장소 데이터에 대한 고급 통계 분석을 실행할 수 있습니다. 수백만 개의 관심 장소 (POI) 데이터 포인트에 대한 집계된 개수 및 밀도 정보를 제공하여 강력한 지리 공간 인텔리전스를 지원합니다.

주요 기능

지리 공간 인텔리전스: 특정 지리적 영역에서 다양한 카테고리의 POI (예: 소매업, 음식점, 서비스)의 밀도와 분포를 '조감도'로 확인합니다.
보안 데이터 액세스: 데이터 보호가 적용된 BigQuery 데이터 거래소 목록을 사용하여 데이터가 배포되므로 데이터 공유 및 분석을 위한 안전하고 보호된 환경 이 지원됩니다.
실행 가능한 세부정보: Places Insights는 집계된 추세에 중점을 두지만 출력된 장소 ID를 사용하여 다른 Google Maps Platform API를 통해 개별 장소 정보를 드릴다운하고 가져와 통계적 통찰력에서 세부적인 작업으로 전환할 수 있습니다.

장소 데이터 및 사용 사례 이해

Google 지도에서는 전 세계 수백만 개의 업체에 대한 장소 데이터를 큐레이션합니다. Places Insights는 이 포괄적인 장소 데이터를 BigQuery에서 사용할 수 있도록 하여 장소 유형, 평점, 영업시간, 휠체어 접근성 등 다양한 속성을 기반으로 Google 지도의 장소 데이터에 대한 집계된 통계를 얻을 수 있도록 합니다.

Places Insights를 사용하려면 BigQuery에서 장소 데이터에 대한 통계적 통계를 반환하는 SQL 쿼리를 작성합니다. 이러한 통계를 통해 다음과 같은 질문에 답할 수 있습니다.

새 매장 후보 위치 근처에서 운영 중인 유사한 비즈니스는 몇 개나 되나요?
가장 성공적인 매장 근처에서 가장 흔하게 볼 수 있는 비즈니스는 어떤 종류인가요?
타겟 고객을 유치할 수 있는 상호 보완적인 비즈니스가 밀집된 지역은 어디인가요?
마드리드에서 오후 8시에 영업 중이고, 휠체어 접근이 가능한 주차장이 있으며, 테이크아웃을 제공하는 별 5개짜리 초밥 전문점은 몇 개나 되나요?
캘리포니아에서 전기차 충전소가 가장 밀집된 우편번호는 무엇인가요?

지원되는 사용 사례

부지 선택: 새 비즈니스 또는 실제 자산 배치에 가장 적합한 위치를 평가하고 선택합니다. 주변 관심 장소의 밀도와 조합을 분석하여 경쟁 및 상호 보완적인 비즈니스 환경 내에서 잠재적인 부지가 최적으로 배치되도록 할 수 있습니다. 이 데이터 기반 접근 방식을 사용하면 새 위치에 대한 투자와 관련된 위험을 줄일 수 있습니다.
위치 실적 평가: 슈퍼마켓이나 이벤트 장소와 같은 특정 유형의 POI와의 근접성과 같은 지리 공간 변수가 기존 위치 전반의 긍정적 또는 부정적 실적과 어떤 상관관계가 있는지 파악합니다. 이 데이터를 사용하면 사용 사례에 가장 적합한 지리 공간 특성을 공유하는 잠재적인 사이트를 식별할 수 있습니다. 이 정보를 사용하여 주변 POI 컨텍스트를 기반으로 새 위치의 향후 실적을 예측하는 예측 모델을 배포할 수도 있습니다.
지리적 타겟팅 마케팅: 지역에서 성공할 마케팅 캠페인 또는 광고 유형을 결정합니다. Places Insights는 상업 활동을 이해하는 데 필요한 컨텍스트를 제공하므로 관련 비즈니스 또는 활동의 밀도를 기반으로 메시지를 맞춤설정할 수 있습니다.
매출 예측: 잠재적인 위치에서 향후 매출을 예측합니다. 주변 지리 공간 특성의 영향을 모델링하면 투자 결정을 내리는 데 도움이 되는 강력한 예측 모델을 만들 수 있습니다.
시장 조사: 비즈니스 또는 서비스를 다음에 확장할 지역을 파악합니다. 기존 시장 포화도와 POI 밀도를 분석하여 가장 큰 기회를 제공하는 공급이 충분하지 않거나 매우 밀집된 타겟 시장을 파악합니다. 이 분석은 전략적 성장 및 확장 이니셔티브를 지원하는 증거를 제공합니다.
추세 분석: 일정 기간 동안 발생하는 변화를 살펴봅니다. 추가 및 삭제된 장소를 포함한 장소 수를 2024년 1월부터 전월 대비 비교합니다.

장소 수 함수 또는 직접 SQL 쿼리를 사용하여 Places Insights 데이터 세트를 쿼리할 수 있습니다.

스키마 참조를 확인하세요.

쿼리 방법 선택: 장소 수 함수와 직접 SQL

다양한 분석 규모와 개인 정보 보호 요건을 수용하기 위해 Places Insights는 장소 수 함수(기본 BigQuery 함수)와 직접 SQL 쿼리 (테이블 조인)라는 두 가지 쿼리 경로를 제공합니다.

이 결정 매트릭스를 사용하여 구현에 적합한 쿼리 경로를 결정하세요.

분석 목표	권장 쿼리 방법	반환된 데이터 및 출력	개인 정보 보호 및 공간 고려사항
지역 POI 밀도 분석 및 히트맵 빌드	`PLACES_COUNT_PER_H3`	정확한 개수 (0 포함)가 있는 H3 육각형 다각형을 반환합니다. 셀당 최대 250개의 `place_id` 값을 반환합니다.	공간 ML 모델 및 특성 추출을 위해 특별히 빌드되었습니다. 최소 검색 영역 40m × 40m (1,600m²) 성능 및 낮은 처리 비용에 최적화되었습니다. 입력 매개변수의 유효성을 검사하고 디버깅을 더 쉽게 할 수 있도록 명확한 오류를 반환합니다.
특정 사이트의 개수를 가져오고 세부정보를 조회할 장소 ID를 가져옵니다.	`PLACES_COUNT_V2` 또는 `PLACES_COUNT_PER_TYPE_V2`	커스텀 도형의 정확한 개수 (0 포함)를 반환합니다. 행당 최대 250개의 `place_id` 값을 반환합니다.	최소 검색 영역 40m × 40m (1,600m²) `TABLE` 매개변수를 사용하여 수천 개의 위치로 확장할 수 있습니다. 성능 및 낮은 처리 비용에 최적화되었습니다. 입력 매개변수의 유효성을 검사하고 디버깅을 더 쉽게 할 수 있도록 명확한 오류를 반환합니다.
두 달 사이의 POI 변화 및 성장 추세를 시간 경과에 따라 추적합니다.	`PLACES_COUNT_CHANGE`	`start_count`, `end_count`, `net_change`, `percentage_change`, `compound_monthly_growth_rate`를 반환합니다. 새로 추가된 (`sample_added_place_ids`) 장소 ID와 삭제된 (`sample_removed_place_ids`) 장소 ID의 배열을 반환합니다.	`YYYY-MM` 형식의 `month1` 및 `month2` 매개변수가 필요합니다. 최소 검색 영역 40m × 40m (1,600m²) `TABLE` 매개변수를 사용하여 수천 개의 커스텀 위치로 확장할 수 있습니다.
고급 커스텀 로직, 평균을 실행하거나 데이터와 조인합니다.	직접 SQL 쿼리	원시 테이블 전반에서 완전한 SQL 유연성을 제공합니다. 커스텀 SQL 측정항목 (`AVG`, `SUM` 등)을 사용 설정합니다.	장소 ID를 반환하지 않습니다. 개인 정보 보호 기준점: 0~4의 개수는 완전히 생략 됩니다. 최소 검색 영역 제한이 없습니다.

스냅샷 날짜를 사용하여 이전 추세 분석

Places Insights를 사용하면 2024년 1월부터의 장소 데이터의 월별 스냅샷을 쿼리하여 이전 분석을 실행할 수 있습니다. 이를 통해 비즈니스 밀도, 상업 활동, 경쟁 환경이 시간 경과에 따라 어떻게 진화했는지 평가할 수 있습니다.

장소 수 함수를 사용하여 이전 데이터를 쿼리하려면 JSON_OBJECT 내에서 선택적 snapshot_date 필터 매개변수를 전달합니다. 값은 YYYY-MM 형식으로 지정해야 합니다 (예: '2026-01').

예: PLACES_COUNT_V2를 사용하여 뉴욕시의 이전 음식점 개수 쿼리

다음 예에서는 PLACES_COUNT_V2를 사용하여 2026년 1월에 뉴욕시의 엠파이어 스테이트 빌딩과 타임스퀘어 주변에 있는 운영 중인 음식점 개수를 분석합니다.

-- 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'
  )
);

이전 출력 분석

반환된 BigQuery 테이블에는 지정된 스냅샷 월 (2026-01) 동안 기록된 geo_id, 입력 지리적 다각형, 장소 개수, 샘플 장소 ID가 포함되어 있습니다. 여러 스냅샷 월에 걸쳐 동일한 쿼리를 실행하여 성장 추세, 매장 개장 또는 시장 축소를 계산할 수 있습니다.

PLACES_COUNT_PER_H3를 사용하여 지역 POI 밀도 집계

PLACES_COUNT_PER_H3 함수는 넓은 영역에서 POI 밀도를 분석하는 데 권장되는 경로입니다. 타겟 리전을 표준화된 H3 육각형 그리드 셀로 나누면 맞춤 경계를 그릴 필요가 없으며 Looker Studio와 같은 시각화 매핑 도구에 결과를 직접 제공할 수 있습니다.

예: 뉴욕주의 휠체어 접근이 가능한 식료품점 및 편의점 개수

다음 쿼리는 뉴욕주의 휠체어 접근이 가능한 식료품점 및 편의점을 해상도 수준 8의 H3 셀로 집계합니다. bigquery-public-data.geo_us_boundaries.states 공개 데이터 세트에서 동적으로 가져온 경계 도형을 사용합니다.

-- 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;

출력 분석

이 쿼리는 각 고유한 H3 색인(h3_cell_index)을 경계 다각형 (geography), POI 개수 (count), 최대 250개의 대표적인 sample_place_ids에 매핑하는 구조화된 테이블을 반환합니다.

0개 개수 포함: 뉴욕주 그리드의 셀에 일치하는 매장이 0개인 경우에도 개수가 0인 행을 반환합니다. 이는 상업 또는 서비스 사막을 찾는 데 중요합니다.
직접 시각적 매핑: 출력에 GEOGRAPHY 다각형이 포함되어 있으므로 BigQuery Studio 또는 Looker Studio 내에서 직접 히트맵을 렌더링할 수 있습니다.

장소 세부정보를 검사할 장소 ID 가져오기

Places Insights는 통계적 인텔리전스를 위해 빌드되었지만 집계된 통계에서 세부적인 작업으로 전환할 수 있습니다.

기본 장소 수 함수(PLACES_COUNT_PER_H3, PLACES_COUNT_V2, PLACES_COUNT_PER_TYPE_V2)(이전 PLACES_COUNT 함수 제외)는 쿼리 기준과 일치하는 행당 최대 250개의 장소 ID 배열을 반환합니다.

이러한 장소 ID는 매장 이름, 리뷰, 전화번호, 주소와 같은 특정 세부정보를 가져오기 위해 다른 Google Maps Platform API(예: 장소 세부정보 API)를 사용할 수 있도록 하는 브리지 역할을 합니다.

여러 위치의 브랜드 존재 분석

장소 데이터와 함께 Places Insights에는 동일한 브랜드 이름으로 운영되는 여러 위치가 있는 브랜드 또는 매장에 관한 데이터가 포함되어 있습니다.

브랜드 데이터를 쿼리하여 다음 작업을 할 수 있습니다.

타겟 시장에서 경쟁업체 브랜드의 밀도를 파악합니다.
POI 개수를 브랜드 ID별로 구체적으로 필터링합니다.
브랜드 업체와 독립 업체를 비교하여 시장 침투율을 검사합니다.

다음 단계

Places Insights 시작하기 - 모든 최적화된 테이블 반환 함수의 개요를 읽어보세요.
PLACES_COUNT_PER_H3 참조 - 육각형 공간 색인 함수에 대해 알아봅니다.
고급: 데이터 세트 직접 쿼리 - 표준 SQL 쿼리, 워크플로 조인, 브랜드 데이터 필터링에 대해 알아봅니다.
스키마 참조 보기 – 기본 스키마와 국가별 스키마 모두에 관한 상세 필드 테이블을 읽어보세요.