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 수행할 수 있습니다. 수백만 개의 관심 장소 (POI) 데이터 포인트에 대한 집계된 수와 밀도 정보를 제공하여 강력한 지리 공간 인텔리전스를 지원합니다.

주요 기능

지리 공간 인텔리전스: 특정 지리적 영역에 걸쳐 다양한 카테고리의 관심 장소 (예: 소매, 음식점, 서비스)의 밀도와 분포를 '조감도'로 파악합니다.
안전한 데이터 액세스: 데이터는 데이터 보호 기능이 적용된 BigQuery 데이터 교환 등록정보를 사용하여 배포되므로 데이터 공유 및 분석을 위한 안전하고 보호된 환경을 지원합니다.
실행 가능한 세부정보: Places Insights는 집계된 추세에 중점을 두지만, 출력된 장소 ID를 사용하여 다른 Google Maps Platform API를 통해 개별 장소 정보를 드릴다운하고 검색하여 통계적 통찰력에서 세부적인 조치로 전환할 수 있습니다.

장소 데이터 및 사용 사례 이해

Google 지도는 전 세계 수백만 개의 시설에 대한 장소 데이터를 관리합니다. Places Insights는 BigQuery에서 이 포괄적인 장소 데이터를 사용할 수 있도록 지원하므로 장소 유형, 평점, 영업시간, 휠체어 접근성 등 다양한 속성을 기반으로 Google 지도 장소 데이터에 관한 집계된 유용한 정보를 도출할 수 있습니다.

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

잠재적인 신규 매장 위치 근처에 유사한 비즈니스가 몇 개 운영되고 있나요?
가장 성공적인 매장 근처에서 가장 흔하게 발견되는 비즈니스 유형은 무엇인가요?
타겟 고객을 유치할 수 있는 보완적인 비즈니스가 많이 있는 지역은 어디인가요?
마드리드에서 오후 8시에 영업하고, 휠체어 이용 가능 주차장이 있으며, 테이크아웃을 제공하는 5성급 초밥 레스토랑은 몇 개야?
캘리포니아에서 전기 자동차 충전소의 밀도가 가장 높은 우편번호는 어디인가요?

지원되는 사용 사례

부지 선정: 새로운 비즈니스 또는 실제 자산 배치에 가장 적합한 위치를 평가하고 선택합니다. 주변 관심 장소의 밀도와 혼합을 분석하면 경쟁 및 보완 비즈니스 환경 내에서 잠재적 부지가 최적으로 배치되도록 할 수 있습니다. 이 데이터 기반 접근 방식을 사용하면 새 위치에 투자할 때 발생하는 위험을 줄일 수 있습니다.
위치 실적 평가: 슈퍼마켓이나 이벤트 장소와 같은 특정 유형의 관심 장소와의 근접성과 같은 지리 공간 변수가 기존 위치의 긍정적 또는 부정적 실적과 어떤 상관관계가 있는지 파악합니다. 이 데이터를 사용하면 사용 사례에 가장 적합한 지리공간 특성을 공유하는 잠재적 사이트를 식별할 수 있습니다. 이 정보를 사용하여 주변 관심 장소 컨텍스트를 기반으로 새 위치의 미래 실적을 예측하는 예측 모델을 배포할 수도 있습니다.
지역 타겟팅 마케팅: 특정 지역에서 성공할 마케팅 캠페인 또는 광고 유형을 결정합니다. Places Insights는 상업 활동을 이해하는 데 필요한 컨텍스트를 제공하므로 관련 비즈니스 또는 활동의 집중도에 따라 메시지를 맞춤설정할 수 있습니다.
매출 예측: 예상 위치에서 향후 매출을 예측합니다. 주변 지리 공간 특성의 영향을 모델링하면 투자 결정을 내릴 수 있는 강력한 예측 모델을 만들 수 있습니다.
시장 조사: 비즈니스 또는 서비스를 다음으로 확장할 지역을 파악합니다. 기존 시장 포화도와 POI 밀도를 분석하여 가장 큰 기회를 제공하는 서비스가 부족하거나 밀도가 높은 타겟 시장을 파악합니다. 이 분석은 전략적 성장 및 확장 이니셔티브를 뒷받침하는 증거를 제공합니다.
추세 분석: 일정 기간 동안 발생하는 변화를 살펴봅니다. 2024년 1월부터 월별로 추가 및 삭제된 장소를 포함한 장소 수를 비교합니다.

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

스키마 참조 확인

쿼리 방법 선택: 장소 수 함수와 직접 SQL 비교

다양한 분석 규모와 개인 정보 보호 요건을 충족하기 위해 Places Insights에서는 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 확인하세요.

분석 목표	권장되는 쿼리 메서드	반환된 데이터 및 출력	개인 정보 보호 및 공간 고려사항
지역 관심 장소 밀도 분석 및 히트맵 빌드	`PLACES_COUNT_PER_H3`	정확한 개수 (0 포함)가 있는 H3 육각형 폴리곤을 반환합니다. 셀당 최대 250개의 `place_id` 값을 반환합니다.	공간 ML 모델 및 특성 추출을 위해 맞춤 제작 최소 검색 영역: 40m × 40m (1,600m²) 성능 및 낮은 처리 비용에 최적화됨 입력 매개변수를 검증하고 디버깅을 더 쉽게 할 수 있도록 명확한 오류를 반환합니다.
특정 사이트의 개수를 가져오고 세부정보를 조회할 장소 ID를 검색	`PLACES_COUNT_V2` 또는 `PLACES_COUNT_PER_TYPE_V2`	맞춤 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 확장 가능 성능 및 낮은 처리 비용에 최적화됨 입력 매개변수를 검증하고 디버깅을 더 쉽게 할 수 있도록 명확한 오류를 반환합니다.
두 달 동안의 관심 장소 변경사항 및 성장 추세 추적	`PLACES_COUNT_CHANGE`	`start_count`, `end_count`, `net_change`, `percentage_change`, `compound_monthly_growth_rate` 반환 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 맞춤 위치로 확장 가능
고급 맞춤 로직, 평균 실행 또는 데이터와 조인	직접 SQL 쿼리	원시 테이블 전반에서 완벽한 SQL 유연성 맞춤 SQL 측정항목 (`AVG`, `SUM` 등)을 사용 설정합니다.	장소 ID를 반환하지 않음 개인 정보 보호 기준: 0~4의 개수는 완전히 생략됩니다. 최소 검색 영역 제한 없음

스냅샷 날짜를 사용하여 과거 추세 분석

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

장소 수 함수를 사용하여 이전 데이터를 쿼리하려면 JSON_OBJECT 내부에 선택사항인 snapshot_date 필터 매개변수를 전달하세요. 값은 YYYY-MM (예: '2026-01') 형식이어야 합니다.

예: PLACES_COUNT_V2를 사용하여 뉴욕시의 이전 레스토랑 수를 쿼리

다음 예에서는 PLACES_COUNT_V2를 사용하여 2026년 1월에 뉴욕시의 엠파이어 스테이트 빌딩과 타임스퀘어 주변에 있는 영업 중인 레스토랑 수를 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 (2026년 1월)에 기록된 geo_id, 입력 지리 다각형, 장소 수, 샘플 장소 ID가 포함됩니다. 여러 스냅샷 월에 걸쳐 동일한 쿼리를 실행하여 성장 추세, 매장 개점 또는 시장 축소를 계산할 수 있습니다.

PLACES_COUNT_PER_H3를 사용하여 지역별 관심 장소 밀도 집계

PLACES_COUNT_PER_H3 함수는 넓은 지역의 관심 장소 밀도를 분석하는 데 권장되는 방법입니다. 타겟 지역을 표준화된 H3 육각형 그리드 셀로 나누면 맞춤 경계를 그릴 필요가 없으며 Looker Studio와 같은 시각적 매핑 도구에 결과를 직접 제공할 수 있습니다.

예: 뉴욕주의 휠체어 이용 가능 식료품점 및 편의점 수

다음 쿼리는 뉴욕주의 휠체어 이용 가능 식료품점과 편의점을 해상도 수준 8의 H3 셀로 집계합니다. bigquery-public-data.geo_us_boundaries.states 공개 데이터 세트에서 동적으로 가져온 경계 지오메트리를 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), 관심 장소 수 (count), 최대 250개의 대표 sample_place_ids에 매핑하는 구조화된 테이블을 반환합니다.

0개 포함: 뉴욕주 그리드의 셀에 일치하는 매장이 0개인 경우에도 0개의 행이 반환됩니다. 이는 상업 또는 서비스 사막을 찾는 데 매우 중요합니다.
직접 시각적 매핑: 출력에 GEOGRAPHY 다각형이 포함되므로 BigQuery Studio 또는 Looker Studio 내에서 직접 히트맵을 렌더링할 수 있습니다.

장소 세부정보를 검사하기 위해 장소 ID 가져오기

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

PLACES_COUNT_PER_H3, PLACES_COUNT_V2, PLACES_COUNT_PER_TYPE_V2 (기존 PLACES_COUNT 함수 제외)를 비롯한 모든 기본 장소 수 함수는 쿼리 기준과 일치하는 행당 최대 250개의 장소 ID 배열을 반환합니다.

이러한 장소 ID는 장소 세부정보 API와 같은 다른 Google Maps Platform API를 사용하여 매장 이름, 리뷰, 전화번호, 주소와 같은 특정 세부정보를 검색할 수 있도록 지원하는 브리지 역할을 합니다.

여러 위치의 브랜드 인지도 분석

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

브랜드 데이터를 쿼리하여 다음 작업을 할 수 있습니다.

타겟 시장에서 경쟁사 브랜드의 밀도를 파악합니다.
브랜드 ID별로 관심 장소 수를 필터링합니다.
브랜드 매장과 독립 매장을 비교하여 시장 침투율을 살펴봅니다.

다음 단계

장소 통계 시작하기 – 최적화된 모든 테이블 값 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 필터링을 알아봅니다.
스키마 참조 보기: 핵심 스키마와 국가별 스키마의 상세 필드 표를 읽습니다.