Présentation de Places Insights

Places Insights vous permet d'effectuer des analyses statistiques avancées sur les données enrichies de Google Maps sur les lieux. Il fournit des informations agrégées sur le nombre et la densité de millions de points de données de points d'intérêt (POI), ce qui permet d'obtenir une intelligence géospatiale puissante.

Capacités clés

• Intelligence géospatiale : obtenez une vue d'ensemble de la densité et de la répartition des différentes catégories de points d'intérêt (par exemple, commerces, restaurants, services) dans des zones géographiques spécifiques.
• Accès sécurisé aux données : les données sont déployées à l'aide de fiches d'échange de données BigQuery avec des protections des données en place, ce qui permet de partager et d'analyser les données dans un environnement sécurisé et protégé.
• Détails exploitables : Places Insights se concentre sur les tendances globales, mais vous pouvez utiliser les ID de lieu générés pour explorer et récupérer des informations sur des lieux individuels à l'aide d'autres API Google Maps Platform afin de passer d'un insight statistique à une action détaillée.

Comprendre les données sur les lieux et les cas d'utilisation

Google Maps organise les données de millions d'établissements dans le monde entier. Places Insights met ces données complètes sur les lieux à disposition dans BigQuery afin que vous puissiez obtenir des insights agrégés sur les données de lieux de Google Maps en fonction de divers attributs tels que les types de lieux, les notes, les horaires d'ouverture, l'accessibilité en fauteuil roulant, etc.

Pour utiliser Places Insights, vous devez écrire des requêtes SQL dans BigQuery qui renvoient des insights statistiques sur les données de lieux. Ces insights vous permettent de répondre à des questions telles que :

• Combien d'entreprises similaires sont implantées à proximité d'un nouvel emplacement potentiel ?
• Quels types d'entreprises sont les plus courants à proximité de mes magasins les plus performants ?
• Quelles zones présentent une forte concentration d'entreprises complémentaires susceptibles d'attirer mes clients cibles ?
• Combien de restaurants de sushis 5 étoiles sont ouverts à 20h à Madrid, disposent d'un parking accessible en fauteuil roulant et proposent des plats à emporter ?
• Quels codes postaux de Californie ont la plus forte concentration de bornes de recharge VE ?

Cas d'utilisation compatibles

• Sélection de sites : évaluez et choisissez les emplacements les plus adaptés pour une nouvelle entreprise ou un nouvel élément physique. En analysant la densité et la combinaison des points d'intérêt environnants, vous pouvez vous assurer qu'un site potentiel est positionné de manière optimale dans son environnement commercial concurrentiel et complémentaire. Cette approche basée sur les données peut réduire le risque associé à l'investissement dans de nouveaux emplacements.
• Évaluation des performances des établissements : déterminez les variables géospatiales, telles que la proximité de certains types de points d'intérêt (supermarchés ou lieux d'événements, par exemple), qui sont liées aux performances positives ou négatives de vos établissements existants. Ces données vous permettent d'identifier les sites potentiels qui partagent la meilleure combinaison de caractéristiques géospatiales pour votre cas d'utilisation. Vous pouvez également utiliser ces informations pour déployer des modèles prédictifs qui prévoient les performances futures de tout nouvel emplacement en fonction du contexte des POI environnants.
• Marketing géociblé : déterminez les types de campagnes marketing ou d'annonces qui seront efficaces dans une zone donnée. Places Insights fournit le contexte nécessaire pour comprendre l'activité commerciale, ce qui vous permet d'adapter vos messages en fonction de la concentration d'entreprises ou d'activités pertinentes.
• Prévision des ventes : prédisez les ventes futures d'un emplacement potentiel. La modélisation de l'impact des caractéristiques géospatiales environnantes vous permet de créer des modèles prédictifs robustes pour orienter vos décisions d'investissement.
• Étude de marché : déterminez les zones géographiques dans lesquelles étendre votre activité ou votre service. Analysez la saturation du marché existant et la densité des points d'intérêt pour identifier les marchés cibles sous-desservis ou très concentrés qui offrent les meilleures opportunités. Cette analyse fournit des preuves pour soutenir les initiatives de croissance et d'expansion stratégiques.
• Analyse des tendances : explorez les changements qui se produisent sur une période donnée. Comparez le nombre de lieux, y compris les lieux ajoutés et supprimés, d'un mois sur l'autre, jusqu'en janvier 2024.

Vous pouvez interroger les ensembles de données Places Insights à l'aide des fonctions de décompte de lieux ou de requêtes SQL directes.

Consultez la documentation de référence sur le schéma.

Choisir votre méthode de requête : fonctions Places Count ou SQL direct

Pour s'adapter aux différentes échelles d'analyse et exigences de confidentialité, Places Insights propose deux méthodes de requête : les fonctions de décompte de lieux (fonctions BigQuery natives) et les requêtes SQL directes (jointures de tables).

Utilisez cette matrice de décision pour déterminer le chemin de requête approprié pour votre implémentation :

Analyser les tendances historiques à l'aide des dates d'instantané

Places Insights vous permet d'effectuer une analyse historique en interrogeant des instantanés mensuels des données Places remontant jusqu'à janvier 2024. Cela vous permet d'évaluer l'évolution de la densité des entreprises, de l'activité commerciale et des paysages concurrentiels au fil du temps.

Pour interroger des données historiques à l'aide des fonctions Places Count, transmettez le paramètre de filtre snapshot_date facultatif dans votre JSON_OBJECT. La valeur doit être au format YYYY-MM (par exemple, '2026-01').

Exemple : Interroger l'historique du nombre de restaurants à New York avec PLACES_COUNT_V2

L'exemple suivant utilise PLACES_COUNT_V2 pour analyser le nombre de restaurants opérationnels autour de l'Empire State Building et de Times Square à New York en janvier 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'
  )
);

Analyse de l'historique des résultats…

La table BigQuery renvoyée contient le geo_id, le polygone géographique d'entrée, le nombre de lieux et des exemples d'ID de lieu tels qu'ils ont été enregistrés au cours du mois de l'instantané spécifié (2026-01). Vous pouvez exécuter des requêtes identiques sur plusieurs mois d'instantanés pour calculer les tendances de croissance, les ouvertures de magasins ou la contraction du marché.

Agréger la densité régionale des POI à l'aide de PLACES_COUNT_PER_H3

La fonction PLACES_COUNT_PER_H3 est la méthode recommandée pour analyser la densité des points d'intérêt sur de grandes zones. En divisant votre région cible en cellules de grille hexagonale H3 standardisées, vous n'avez plus besoin de tracer des limites personnalisées et vous pouvez intégrer les résultats directement dans des outils de cartographie visuelle, tels que Looker Studio.

Exemple : Compter les épiceries et supérettes accessibles en fauteuil roulant dans l'État de New York

La requête suivante regroupe les épiceries et les supérettes accessibles en fauteuil roulant dans l'État de New York dans des cellules H3 au niveau de résolution 8. Il utilise la géométrie des limites récupérée de manière dynamique à partir de l'ensemble de données public 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;

Analyser le résultat

Cette requête renvoie une table structurée qui mappe chaque index H3 distinct (h3_cell_index) à son polygone de délimitation (geography), au nombre de points d'intérêt (count) et à un maximum de 250 sample_place_ids représentatifs.

• Inclusion des valeurs nulles : si une cellule de la grille de l'État de New York ne contient aucun magasin correspondant, elle renvoie tout de même une ligne avec un nombre de 0. C'est essentiel pour localiser les déserts commerciaux ou de services.
• Mappage visuel direct : comme le résultat inclut un polygone GEOGRAPHY, vous pouvez afficher des cartes de densité directement dans BigQuery Studio ou Looker Studio.

Récupérer des ID de lieu pour inspecter les détails d'un lieu

Bien que Places Insights soit conçu pour l'intelligence statistique, vous pouvez passer d'insights agrégés à des actions précises.

Toutes les fonctions Places Count principales, y compris PLACES_COUNT_PER_H3, PLACES_COUNT_V2 et PLACES_COUNT_PER_TYPE_V2 (à l'exception de l'ancienne fonction PLACES_COUNT), renvoient un tableau contenant jusqu'à 250 ID de lieu par ligne correspondant aux critères de votre requête.

Ces ID de lieu servent de passerelle, ce qui vous permet d'utiliser d'autres API Google Maps Platform, telles que l'API Place Details, pour récupérer des informations spécifiques telles que les noms des magasins, les avis, les numéros de téléphone et les adresses.

Analyser la présence d'une marque multi-établissement

En plus des données sur les lieux, Places Insights inclut des données sur les marques ou les magasins qui ont plusieurs établissements fonctionnant sous le même nom de marque.

Vous pouvez interroger les données sur les marques pour :

• Identifier la densité des marques concurrentes sur un marché cible.
• Filtrez vos nombres de POI spécifiquement par ID de marque.
• Examinez la pénétration du marché en comparant les établissements de marque et les établissements indépendants.

Étape suivante

• Premiers pas avec Places Insights : lisez la présentation de toutes les fonctions de valeur de table optimisées.
• Référence PLACES_COUNT_PER_H3 : découvrez la fonction d'indexation spatiale hexagonale.
• Avancé : interroger directement l'ensemble de données – Découvrez les requêtes SQL standards, les workflows de jointure et le filtrage des données de marques.
• Consultez la documentation de référence sur les schémas : lisez les tableaux détaillés des champs pour les schémas principaux et spécifiques à un pays.