نمای کلی Places Insights

Places Insights به شما امکان می‌دهد تجزیه و تحلیل آماری پیشرفته‌ای را بر روی داده‌های غنی مکان‌های گوگل مپ انجام دهید. این ابزار، تعداد و اطلاعات تراکم میلیون‌ها نقطه مورد علاقه (POI) را به صورت تجمیع شده ارائه می‌دهد و امکان هوش مکانی قدرتمندی را فراهم می‌کند.

قابلیت‌های کلیدی

• اطلاعات مکانی: از تراکم و توزیع دسته‌های مختلف نقاط مورد توجه (مثلاً خرده‌فروشی‌ها، رستوران‌ها، خدمات) در مناطق جغرافیایی خاص، «دید کلی» داشته باشید.
• دسترسی امن به داده‌ها: داده‌ها با استفاده از فهرست‌های تبادل داده BigQuery و با حفاظت از داده‌ها مستقر می‌شوند و محیطی امن و محافظت‌شده را برای اشتراک‌گذاری و تجزیه و تحلیل داده‌ها فراهم می‌کنند.
• جزئیات قابل اجرا: در حالی که Places Insights بر روندهای کلی تمرکز دارد، می‌توانید از شناسه‌های مکان خروجی برای بررسی دقیق‌تر و بازیابی اطلاعات تک تک مکان‌ها با استفاده از سایر APIهای پلتفرم نقشه‌های گوگل استفاده کنید تا از بینش آماری به اقدام دقیق برسید.

درک داده‌های مکان‌ها و موارد استفاده

نقشه‌های گوگل داده‌های مکانی میلیون‌ها موسسه در سراسر جهان را گردآوری می‌کند. Places Insights این داده‌های مکانی جامع را در BigQuery در دسترس قرار می‌دهد تا بتوانید بر اساس ویژگی‌های متنوعی مانند نوع مکان ، رتبه‌بندی، ساعات کاری فروشگاه، دسترسی با ویلچر و موارد دیگر، بینش‌های تجمیعی در مورد داده‌های مکانی نقشه‌های گوگل به دست آورید.

برای استفاده از Places Insights، شما کوئری‌های SQL را در BigQuery می‌نویسید که بینش‌های آماری در مورد داده‌های مکان‌ها را برمی‌گردانند. این بینش‌ها به شما امکان می‌دهند به سؤالاتی مانند موارد زیر پاسخ دهید:

• چند کسب و کار مشابه در نزدیکی یک مکان فروشگاه جدید بالقوه فعالیت می‌کنند؟
• چه نوع کسب و کارهایی معمولاً در نزدیکی موفق‌ترین فروشگاه‌های من یافت می‌شوند؟
• چه مناطقی تمرکز بالایی از کسب‌وکارهای مکمل دارند که می‌توانند مشتریان هدف من را جذب کنند؟
• چند رستوران سوشی ۵ ستاره در مادرید ساعت ۸ شب باز هستند، پارکینگ مناسب برای ویلچر دارند و غذای بیرون‌بر ارائه می‌دهند؟
• کدام کدهای پستی در کالیفرنیا بیشترین تعداد ایستگاه‌های شارژ خودروهای برقی را دارند؟

موارد استفاده پشتیبانی شده

• انتخاب مکان: ارزیابی و انتخاب مناسب‌ترین مکان‌ها برای یک کسب و کار جدید یا قرار دادن یک دارایی فیزیکی. با تجزیه و تحلیل تراکم و ترکیب نقاط مورد علاقه اطراف، می‌توانید اطمینان حاصل کنید که یک سایت بالقوه در موقعیت بهینه در محیط رقابتی و مکمل کسب و کار خود قرار دارد. این رویکرد مبتنی بر داده می‌تواند ریسک مرتبط با سرمایه‌گذاری در مکان‌های جدید را کاهش دهد.
• ارزیابی عملکرد موقعیت مکانی: مشخص کنید که چه متغیرهای جغرافیایی، مانند نزدیکی به انواع خاصی از نقاط مورد توجه (POI) مانند سوپرمارکت‌ها یا مکان‌های برگزاری رویداد، با عملکرد مثبت یا منفی در مکان‌های موجود شما همبستگی دارند. این داده‌ها به شما امکان می‌دهد مکان‌های بالقوه‌ای را شناسایی کنید که بهترین ترکیب از ویژگی‌های جغرافیایی را برای مورد استفاده شما به اشتراک می‌گذارند. همچنین می‌توانید از این اطلاعات برای استقرار مدل‌های پیش‌بینی‌کننده‌ای استفاده کنید که عملکرد آینده هر مکان جدید را بر اساس زمینه POI اطراف آن پیش‌بینی می‌کنند.
• بازاریابی هدفمند جغرافیایی: تعیین کنید که چه نوع کمپین‌های بازاریابی یا تبلیغات در یک منطقه موفق خواهند بود. Places Insights زمینه لازم برای درک فعالیت‌های تجاری را فراهم می‌کند و به شما امکان می‌دهد پیام‌رسانی را بر اساس تمرکز مشاغل یا فعالیت‌های مرتبط تنظیم کنید.
• پیش‌بینی فروش: پیش‌بینی فروش آینده در یک مکان مورد نظر. مدل‌سازی تأثیر ویژگی‌های جغرافیایی-مکانی اطراف به شما امکان می‌دهد مدل‌های پیش‌بینی قوی برای هدایت تصمیمات سرمایه‌گذاری ایجاد کنید.
• تحقیقات بازار: مشخص کنید که در مرحله بعد، کسب و کار یا خدمات خود را در کدام مناطق جغرافیایی گسترش دهید. اشباع بازار موجود و تراکم نقاط مورد توجه را تجزیه و تحلیل کنید تا بازارهای هدف کم توجه یا بسیار متمرکز را که بیشترین فرصت را ارائه می‌دهند، شناسایی کنید. این تجزیه و تحلیل شواهدی را برای پشتیبانی از رشد استراتژیک و ابتکارات توسعه ارائه می‌دهد.

شما می‌توانید با استفاده از توابع Places Count یا کوئری‌های مستقیم SQL، از مجموعه داده‌های Places Insights کوئری بگیرید.

به مرجع Schema مراجعه کنید .

روش پرس‌وجوی خود را انتخاب کنید: توابع شمارش مکان در مقابل SQL مستقیم

برای تطبیق با مقیاس‌های مختلف تحلیل و الزامات حریم خصوصی، Places Insights دو مسیر پرس‌وجو ارائه می‌دهد: توابع شمارش مکان‌ها (توابع بومی BigQuery) و پرس‌وجوهای مستقیم SQL (پیوندهای جدول).

از این ماتریس تصمیم‌گیری برای تعیین مسیر صحیح پرس‌وجو برای پیاده‌سازی خود استفاده کنید:

تراکم نقاط مورد توجه منطقه‌ای با استفاده از PLACES_COUNT_PER_H3

تابع PLACES_COUNT_PER_H3 مسیر پیشنهادی برای تحلیل تراکم نقاط مورد توجه (POI) در مناطق بزرگ است. با تقسیم منطقه هدف خود به سلول‌های شبکه شش ضلعی استاندارد H3، نیاز به ترسیم مرزهای سفارشی را از بین می‌برید و می‌توانید نتایج را مستقیماً به ابزارهای نقشه‌برداری بصری، مانند Looker Studio، وارد کنید.

مثال: تعداد فروشگاه‌های مواد غذایی و خواربارفروشی‌های مناسب برای ویلچر در ایالت نیویورک را بشمارید

پرس‌وجوی زیر فروشگاه‌های مواد غذایی و رفاهی قابل دسترس برای ویلچر در ایالت نیویورک را در سلول‌های H3 با سطح وضوح ۸ جمع‌آوری می‌کند. این پرس‌وجو از هندسه مرزی که به صورت پویا از مجموعه داده عمومی bigquery-public-data.geo_us_boundaries.states بازیابی می‌شود، استفاده می‌کند.

-- 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;

تحلیل خروجی

این پرس‌وجو یک جدول ساختاریافته را برمی‌گرداند که هر شاخص H3 متمایز ( h3_cell_index ) را به چندضلعی مرزی ( geography )، تعداد نقاط مورد توجه ( count ) و حداکثر ۲۵۰ sample_place_ids نماینده آن نگاشت می‌کند.

• شامل تعداد صفر: اگر سلولی در شبکه ایالت نیویورک دارای صفر ذخیره منطبق باشد، همچنان ردیفی با تعداد 0 را برمی‌گرداند. این برای یافتن مناطق خالی تجاری یا خدماتی بسیار مهم است.
• نگاشت بصری مستقیم: از آنجا که خروجی شامل یک چندضلعی GEOGRAPHY است، می‌توانید نقشه‌های حرارتی را مستقیماً درون BigQuery Studio یا Looker Studio رندر کنید.

بازیابی شناسه‌های مکان برای بررسی جزئیات مکان

اگرچه Places Insights برای هوش آماری ساخته شده است، می‌توانید از بینش‌های تجمیعی به اقدامات جزئی‌تر تغییر دهید.

تمام توابع اصلی شمارش مکان‌ها، شامل PLACES_COUNT_PER_H3 ، PLACES_COUNT_V2 و PLACES_COUNT_PER_TYPE_V2 (به استثنای تابع قدیمی PLACES_COUNT )، آرایه‌ای تا ۲۵۰ شناسه مکان در هر ردیف را مطابق با معیارهای جستجوی شما برمی‌گردانند.

این شناسه‌های مکان به عنوان یک پل عمل می‌کنند و به شما امکان می‌دهند از سایر APIهای پلتفرم نقشه‌های گوگل، مانند API جزئیات مکان ، برای بازیابی جزئیات خاص مانند نام فروشگاه‌ها، نظرات، شماره تلفن‌ها و آدرس‌ها استفاده کنید.

حضور برند در مکان‌های مختلف را تجزیه و تحلیل کنید

همراه با داده‌های مکان‌ها، Places Insights شامل داده‌هایی درباره برندها یا فروشگاه‌هایی است که چندین شعبه دارند و تحت یک نام تجاری فعالیت می‌کنند.

می‌توانید داده‌های برند را از طریق موارد زیر جستجو کنید:

• تراکم برندهای رقیب در یک بازار هدف را شناسایی کنید.
• تعداد نقاط مورد علاقه خود را به طور خاص بر اساس شناسه برند فیلتر کنید.
• با مقایسه موسسات برنددار در مقابل موسسات مستقل، نفوذ در بازار را بررسی کنید.

قدم بعدی چیست؟

• با Places Insights شروع کنید - نمای کلی تمام توابع بهینه شده با مقدار جدول را بخوانید.
• مرجع PLACES_COUNT_PER_H3 – درباره تابع اندیس‌گذاری مکانی شش‌ضلعی اطلاعات کسب کنید.
• پیشرفته: مستقیماً از مجموعه داده‌ها پرس‌وجو کنید - پرس‌وجوهای استاندارد SQL را بیاموزید، به گردش‌های کاری بپیوندید و فیلتر کردن داده‌ها را با برندها انجام دهید.
• مرجع طرحواره را مشاهده کنید - جداول فیلد دقیق را برای طرحواره‌های اصلی و خاص کشور بخوانید.