نظرة عامة على "إحصاءات الأماكن"

تتيح لك أداة إحصاءات الأماكن إجراء تحليل إحصائي متقدّم لبيانات الأماكن الغنية في "خرائط Google". وتوفّر هذه الأداة إحصاءات مجمّعة ومعلومات عن الكثافة لملايين نقاط بيانات الأماكن المهمة، ما يتيح الحصول على استخبارات الجغرافيا المكانية فعّالة.

الإمكانات الرئيسية:

• المعلومات الجغرافية المكانية: يمكنك الحصول على "نظرة عامة" على كثافة وتوزيع فئات مختلفة من الأماكن المهمة (مثل متاجر البيع بالتجزئة والمطاعم والخدمات) في مناطق جغرافية محدّدة.
• الوصول الآمن إلى البيانات: يتم نشر البيانات باستخدام قوائم تبادل بيانات 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 للانتقال من الإحصاءات الإحصائية إلى الإجراءات التفصيلية.

لمحة عن بيانات الأماكن

تجمع "خرائط Google" بيانات الأماكن لملايين المؤسسات في جميع أنحاء العالم. وتتيح أداة Places Insights بيانات الأماكن الشاملة هذه في BigQuery حتى تتمكّن من استخلاص إحصاءات مجمّعة عن 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 بلغة SQL في BigQuery التي تعرض إحصاءات عن 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 ذات الـ 5 نجوم المفتوحة في الساعة 8 مساءً في مدريد، والتي توفّر موقفًا للسيارات يمكن الوصول إليه باستخدام الكراسي المتحركة، وتقدّم خدمة الطلبات الخارجية؟
• ما هي الرموز البريدية في كاليفورنيا التي تضم أكبر عدد من محطات شحن السيارات الكهربائية؟

تتوافق أداة إحصاءات الأماكن مع حالات استخدام متعدّدة، مثل:

• اختيار الموقع: يمكنك تقييم واختيار المواقع الأكثر ملاءمةً لـ مؤسسة جديدة أو لوضع أصل مادي. من خلال تحليل كثافة الأماكن المهمة المحيطة وتنوّعها، يمكنك التأكّد من أنّ الموقع المحتمل يتم وضعه على النحو الأمثل ضمن بيئته التنافسية والتجارية التكميلية. يمكن أن يقلّل هذا النهج المستند إلى البيانات من المخاطر المرتبطة بالاستثمار في مواقع جديدة.
• تقييم أداء الموقع: يمكنك تحديد المتغيّرات الجغرافية المكانية، مثل القرب من أنواع معيّنة من الأماكن المهمة، مثل محلات السوبرماركت أو أماكن إقامة الفعاليات، التي ترتبط بالأداء الإيجابي أو السلبي في مواقعك الحالية. تتيح لك هذه البيانات تحديد المواقع المحتملة التي تشارك أفضل مزيج من الخصائص الجغرافية المكانية لحالة استخدامك. يمكنك أيضًا استخدام هذه المعلومات لتفعيل نماذج تنبؤية تتوقّع الأداء المستقبلي لأي مواقع 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 أداة إحصاءات الأماكن السياق اللازم لفهم النشاط التجاري، ما يتيح لك تخصيص الرسائل استنادًا إلى كثافة المؤسسات أو الأنشطة ذات الصلة.
• التنبؤ بالمبيعات: يمكنك التنبؤ بالمبيعات المستقبلية في موقع محتمل. يتيح لك وضع نماذج لتأثير الخصائص الجغرافية المكانية المحيطة إنشاء نماذج تنبؤية قوية لاتخاذ قرارات الاستثمار.
• أبحاث السوق: يمكنك تحديد المناطق الجغرافية التي ستوسّع مؤسستك أو خدمتك إليها بعد ذلك. يمكنك تحليل تشبّع السوق الحالي وكثافة نقاط الاهتمام لتحديد الأسواق المستهدفة التي لا تحظى بالخدمات الكافية أو التي تضم عددًا كبيرًا من العملاء المحتملين والتي توفّر أكبر فرصة. يقدّم هذا التحليل أدلة لدعم مبادرات النمو والتوسّع الاستراتيجية.

يمكنك الاستعلام عن مجموعات بيانات Places Insights مباشرةً أو استخدام دوال Places Count.

الاطّلاع على مرجع المخطط.

لمحة عن بيانات العلامات التجارية

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

يمكنك استخدام بيانات العلامات التجارية للإجابة عن أسئلة مثل:

• ما هو عدد كل المتاجر حسب العلامة التجارية في منطقة معيّنة؟
• ما هو عدد العلامات التجارية الثلاث الأولى لمنافسي في المنطقة؟
• ما هو عدد جميع المقاهي باستثناء هذه العلامات التجارية في هذه المنطقة؟

لمحة عن BigQuery

من خلال إتاحة البيانات في قوائم BigQuery، تتيح لك أداة إحصاءات الأماكن ما يلي:

• الجمع بأمان بين بياناتك وبيانات إحصاءات الأماكن
• كتابة طلبات بحث مرنة بلغة SQL لاستكشاف إحصاءات مجمّعة لتلبية احتياجات مؤسستك المحدّدة
• استخدام أدوات BigQuery نفسها التي تستخدمها حاليًا مع بياناتك الخاصة وسير العمل
• الاستفادة من إمكانات BigQuery من حيث الحجم والأداء حتى تتمكّن من تحليل مجموعات البيانات الكبيرة بسهولة

مثال عن حالة الاستخدام

يجمع هذا المثال بين بياناتك وبيانات إحصاءات الأماكن في BigQuery لاستخلاص معلومات التجميع. في هذا المثال، أنت مالك فندق في مدينة نيويورك، ولديك مواقع جغرافية متعدّدة. تريد الآن دمج بيانات الموقع الجغرافي لفندقك مع بيانات إحصاءات الأماكن لاكتشاف كثافة أنواع المؤسسات المحدّدة مسبقًا بالقرب من فنادقك.

المتطلبات الأساسية

في هذا المثال، أنت مشترك في مجموعة بيانات إحصاءات الأماكن للولايات المتحدة.

تُسمى مجموعة بيانات فندقك mydata وتحدّد مواقع فندقَيك في مدينة نيويورك. ينشئ استعلام SQL التالي مجموعة البيانات هذه:

CREATE OR REPLACE TABLE `mydata.hotels` ( name STRING, location GEOGRAPHY );
INSERT INTO `mydata.hotels` VALUES( 'Hotel 1', ST_GEOGPOINT(-73.9933, 40.75866) );
INSERT INTO `mydata.hotels` VALUES( 'Hotel 2', ST_GEOGPOINT(-73.977713, 40.752124) );

الحصول على عدد المطاعم في المنطقة

لمنح عملائك فكرة عن كثافة المطاعم العاملة بالقرب من فنادقك، يمكنك كتابة استعلام لغة الاستعلامات البنيوية (SQL) لعرض عدد المطاعم ضمن مسافة 1000 متر من كل فندق:

SELECT WITH AGGREGATION_THRESHOLD h.name, COUNT(*) AS count
FROM `PROJECT_NAME.places_insights___us.places` AS r, `mydata.hotels` AS h
WHERE
ST_DWITHIN(h.location, r.point, 1000)
AND r.primary_type = 'restaurant'
AND business_status = "OPERATIONAL"
GROUP BY 1

تعرض هذه الصورة مثالاً على الناتج من هذا الاستعلام:

استخدام دالة Places Count للحصول على عدد المطاعم وأرقام تعريف الأماكن في المنطقة

يمكنك أيضًا استخدام دالة Places Count

للعثور على عدد المطاعم القريبة من موقع جغرافي. تتيح لك دوال Places Count استرداد قائمة بأرقام تعريف الأماكن، التي يمكن استخدامها للبحث عن تفاصيل حول الأماكن الفردية:

DECLARE geo GEOGRAPHY;
SET geo = ST_GEOGPOINT(-73.9933, 40.75866); -- Location of hotel 1

SELECT * FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_PER_TYPE`(
  JSON_OBJECT(
      'types', ["restaurant", "cafe", "bar"],
      'geography', geo,
      'geography_radius', 1000 -- Radius in meters
      )
);

تعرض هذه الصورة مثالاً على الناتج من هذا الاستعلام:

الحصول على عدد المطاعم والبارات في المنطقة

يمكنك تعديل طلب البحث ليشمل البارات بالإضافة إلى المطاعم ضمن مسافة 1000 متر من كل فندق:

SELECT WITH AGGREGATION_THRESHOLD h.name, r.primary_type, COUNT(*) AS count
FROM `PROJECT_NAME.places_insights___us.places` AS r, `mydata.hotels` AS h
WHERE
ST_DWITHIN(h.location, r.point, 1000)
AND r.primary_type IN UNNEST(['restaurant','bar'])
AND business_status = "OPERATIONAL"
GROUP BY 1, 2

تعرض هذه الصورة مثالاً على الناتج من هذا الاستعلام:

الحصول على عدد المطاعم والبارات ذات الأسعار المتوسّطة في المنطقة

بعد ذلك، تريد معرفة التركيبة السكانية للعملاء الذين يخدمهم البارات والمطاعم. بما أنّ فنادقك تستهدف نقطة سعر متوسّطة، لا تريد الإعلان إلا عن المؤسسات القريبة التي تقع عند نقطة السعر هذه والتي حصلت على تقييمات جيدة.

يمكنك حصر طلب البحث لعرض البارات والمطاعم فقط إذا كانت عند نقطة السعر PRICE_LEVEL_MODERATE وحصلت على 4 نجوم أو أكثر. يوسّع هذا الاستعلام أيضًا النطاق إلى 1500 متر حول كل فندق:

SELECT WITH AGGREGATION_THRESHOLD h.name, r.primary_type, COUNT(*) AS count
FROM `PROJECT_NAME.places_insights___us.places` AS r, `mydata.hotels` AS h
WHERE
ST_DWITHIN(h.location, r.point, 1500)
AND r.primary_type IN UNNEST(['restaurant', 'bar'])
AND rating >= 4
AND business_status = "OPERATIONAL"
AND price_level = 'PRICE_LEVEL_MODERATE'
GROUP BY 1, 2

تعرض هذه الصورة مثالاً على الناتج من هذا الاستعلام:

الخطوات التالية

• إعداد إحصاءات الأماكن
• الاستعلام عن مجموعة البيانات مباشرةً
• الاستعلام عن مجموعة البيانات باستخدام دوال Places Count
• عرض مرجع المخطط