使用品牌数据编写查询

Places Insights 可提供许多类别的场所的品牌信息。例如：

  • 对于“ATM、银行和信用合作社”类别，品牌数据包含 PNC、UBS 和 Chase 银行这三个品牌的条目。
  • 对于“汽车租赁”类别，数据包含 Budget、Hertz 和 Thrifty 这三个品牌的条目。

查询品牌数据集的典型用例是将其与位置数据查询联接，以回答以下问题：

  • 某个区域内各品牌的商店数量是多少？
  • 我所在区域内排名前三的竞争对手品牌的数量是多少？
  • 相应区域内特定类别（例如“健身”或“加油站”）的品牌数量是多少？

品牌数据集简介

美国境内的品牌数据集名为 places_insights___us___sample.brands。

品牌数据集架构

品牌数据集的架构定义了三个字段：

  • id：品牌 ID。
  • name：品牌名称，例如“Hertz”或“Chase”。
  • category：品牌类型，例如“加油站”“食品和饮料”或“住宿”。如需查看可能值的列表，请参阅类别值

在查询中使用品牌数据集

地点数据集架构定义了 brand_ids 字段。如果 places 数据集中的某个地点与某个品牌相关联，则该地点的 brand_ids 字段包含相应的品牌 ID。

引用品牌数据集的典型查询会根据 brand_ids 字段对地点数据集执行 JOIN。

例如，如需查找纽约市帝国大厦 2000 米范围内的麦当劳餐厅数量，请执行以下操作：

SELECT WITH AGGREGATION_THRESHOLD
 COUNT(*)
FROM places_insights___us___sample.places_sample places, UNNEST(brand_ids) AS brand_id
LEFT JOIN places_insights___us___sample.brands ON brand_id = brands.id
WHERE
ST_DWITHIN(ST_GEOGPOINT(-73.9857, 40.7484), point, 2000)
AND brands.name = "McDonald's"
AND business_status = "OPERATIONAL"

以下查询会返回纽约市属于某个品牌的咖啡馆的数量，并按品牌名称进行分组：

SELECT WITH AGGREGATION_THRESHOLD
  brands.name,
  COUNT(*) AS store_count
FROM places_insights___us___sample.places_sample places, UNNEST(brand_ids) AS brand_id
LEFT JOIN places_insights___us___sample.brands ON brand_id = brands.id
WHERE brands.category = "Food and Drink"
AND "cafe" IN UNNEST(places.types)
AND business_status = "OPERATIONAL"
GROUP BY brands.name
ORDER BY store_count DESC;

下图显示了按品牌划分的统计信息：

用于统计按品牌分组的 CFE 的查询结果。

类别值

品牌的 category 字段可以包含以下值：

类别类型值
ATMs, Banks and Credit Unions
Automotive and Parts Dealers
Automotive Rentals
Automotive Services
Dental
Electric Vehicle Charging Stations
Electronics Retailers
Fitness
Food and Drink
Gas Station
Grocery and Liquor
Health and Personal Care Retailers
Hospital
Lodging
Merchandise Retail
Movie Theater
Parking
Telecommunications