Truy vấn các thay đổi về địa điểm yêu thích giữa các tháng (PLACES_COUNT_CHANGE)

Hàm PLACES_COUNT_CHANGE tính toán những thay đổi về số lượng Địa điểm yêu thích và truy xuất mẫu mã địa điểm đã thêm và đã xoá giữa 2 tháng cụ thể trên nhiều khu vực địa lý đầu vào.

Tương tự như PLACES_COUNT_V2, hàm này được thiết kế để xử lý hàng loạt hiệu quả bằng cách chấp nhận một tham số bảng đầu vào gồm các khu vực địa lý, cho phép bạn đánh giá xu hướng tăng trưởng và sự thay đổi về thương mại ở nhiều vị trí cùng một lúc.

Cú pháp

SELECT *
FROM
  `PROJECT_NAME.LINKED_DATASET_NAME.PLACES_COUNT_CHANGE`(
    TABLE input_geographies,
    filters
  );

Thông số

• PROJECT_NAME: Tên dự án trên đám mây của bạn trên Google Cloud.
• LINKED_DATASET_NAME: Tên của tập dữ liệu BigQuery chứa các hàm Thông tin chi tiết về địa điểm (ví dụ: places_insights___us).
• input_geographies: Bảng BigQuery chứa các khu vực địa lý cần phân tích. Bảng này phải có các cột sau:
  • geo_id (STRING): Giá trị nhận dạng duy nhất cho từng khu vực địa lý.
  • geo (GEOGRAPHY): Đối tượng GEOGRAPHY của BigQuery đại diện cho khu vực. Đây có thể là một điểm, đa giác hoặc loại địa lý khác.
• filters (JSON): Một đối tượng JSON chứa các cặp khoá-giá trị để lọc địa điểm. Xem Tham số bộ lọc. Bạn phải thêm các bộ lọc sau:
  • month1 (STRING): Tháng đầu tiên để tìm địa điểm.
  • month2 (STRING): Tháng thứ hai để tìm địa điểm.

Giản đồ bảng đầu ra

Hàm PLACES_COUNT_CHANGE trả về một bảng có các cột:

Kết quả được sắp xếp theo thứ tự giảm dần của percentage_change và start_count.

Cách hoạt động

Hàm này xử lý từng hàng trong bảng input_geographies. Đối với mỗi đối tượng geo, đối tượng này sẽ đếm số lượng địa điểm nằm trong khu vực địa lý (hoặc trong geography_radius nếu geo là một điểm và bán kính được chỉ định trong filters) trong hai tháng được chỉ định trong month1 và month2 trong filters. Dựa vào những địa điểm đó, ứng dụng sẽ tính toán các số liệu thống kê hữu ích khác, chẳng hạn như tỷ lệ thay đổi và tốc độ tăng trưởng kép hằng tháng từ tháng đầu tiên đến tháng thứ hai.

Số lượng này chỉ bao gồm những địa điểm đáp ứng tất cả các điều kiện được xác định trong đối tượng JSON filters.

Ví dụ: Tính toán sự thay đổi về số lượng địa điểm yêu thích giữa hai tháng

Ví dụ này minh hoạ cách truy vấn các thay đổi về số lượng địa điểm yêu thích giữa 2 tháng cụ thể bằng cách sử dụng các tham số month1 và month2, với bán kính là 5.000 từ một điểm định vị địa lý nhất định.

WITH my_locations AS (
  SELECT
    'loc_1' AS geo_id,
    ST_GEOGFROMTEXT('POINT(-122.4194 37.7749)') AS geo
  -- Add more target locations as needed...
)

SELECT *
FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_CHANGE`(
  TABLE my_locations,
  JSON_OBJECT(
    'geography_radius', 5000,
    'month1', '2026-01', -- Baseline snapshot month (YYYY-MM)
    'month2', '2026-02'  -- Comparison snapshot month (YYYY-MM)
  )
);

Phân tích kết quả đầu ra

Truy vấn này trả về một bảng có một hàng cho mỗi vị trí địa lý đầu vào.

• Chỉ số tăng trưởng: Kết quả cho thấy số lượng cơ sở (start_count: 89.560) và số lượng so sánh (end_count: 90.923), cho ra net_change là +1.363 địa điểm (+1,52% percentage_change).
• Kiểm tra dữ liệu thực tế: Mảng sample_added_place_ids liệt kê các Mã địa điểm cụ thể đã hoạt động trong month2 (tháng 2 năm 2026), trong khi sample_removed_place_ids liệt kê các Mã địa điểm không còn xuất hiện nữa.
• Kết nối với Places API: Bạn có thể truyền trực tiếp các mã địa điểm mẫu này đến Place Details API (mới) để tra cứu tên cửa hàng, địa chỉ và thuộc tính của các doanh nghiệp mới mở hoặc đã đóng cửa.