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 영역에서 다양한 카테고리의 관심 장소 (예: 소매, 음식점, 서비스)의 밀도와 분포를 한눈에 파악할 수 있습니다.
• 안전한 데이터 액세스: 데이터는 데이터 보호가 적용된 BigQuery 데이터 거래소 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 세부정보를 드릴다운하고 개별 장소 정보를 가져와 통계적 통찰력에서 세부적인 작업으로 이동할 수 있습니다.

장소 데이터 정보

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

Places Insights를 사용하려면 BigQuery에서 장소 데이터에 관한 통계적 인사이트를 반환하는 SQL 쿼리를 작성하세요. 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 별 5개 스시 레스토랑은 몇 개야?
• 캘리포니아에서 전기 자동차 충전소가 가장 많이 집중된 우편번호는 무엇인가요?

장소 통계는 다음과 같은 여러 사용 사례를 지원합니다.

• 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 사이트가 최적으로 배치되도록 할 수 있습니다. 이러한 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 위치 전반의 긍정적 또는 부정적 실적과 어떤 상관관계가 있는지 파악합니다. 이 데이터를 사용하면 사용 사례에 가장 적합한 지리 공간적 특성을 공유하는 잠재적 사이트를 식별할 수 있습니다. 이 정보를 사용하여 주변 POI 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.
• 판매 예측: 예상 위치에서 향후 판매를 예측합니다. 주변 지리공간 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 관심 장소 밀도를 분석하여 가장 큰 기회를 제공하는 서비스가 부족하거나 밀도가 높은 타겟 시장을 파악합니다. 이 분석은 전략적 성장 및 확장 이니셔티브를 뒷받침하는 증거를 제공합니다.

Places Insights 데이터 세트를 직접 쿼리하거나 장소 수 함수를 사용할 수 있습니다.

스키마 참조 확인

브랜드 데이터에 대한 정보

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

브랜드를 사용하여 다음과 같은 질문에 답할 수 있습니다.

• 특정 지역의 브랜드별 모든 매장 수는 얼마인가요?
• 이 지역에서 상위 3개 경쟁업체 브랜드의 수는 얼마야?
• 이 지역에서 이 브랜드를 제외한 모든 커피숍의 수는 얼마인가요?

BigQuery 정보

BigQuery 등록정보에서 데이터를 사용할 수 있도록 하면 Places Insights를 통해 다음 작업을 할 수 있습니다.

• 데이터를 Places Insights 데이터와 안전하게 결합하세요.
• 유연한 SQL 쿼리를 작성하여 특정 비즈니스 요구사항에 대한 집계된 통계를 파악하세요.
• 비공개 데이터 및 워크플로와 함께 이미 사용 중인 BigQuery 도구를 사용합니다.
• BigQuery의 확장성과 성능을 활용하여 대규모 데이터 세트를 손쉽게 분석할 수 있습니다.

사용 사례

이 예에서는 BigQuery에서 내 데이터를 Places Insights 데이터와 조인하여 집계 정보를 도출합니다. 이 예에서는 뉴욕시에 여러 위치를 보유한 호텔 소유자라고 가정합니다. 이제 호텔 위치 데이터를 장소 통계 데이터와 결합하여 호텔 근처에 사전 정의된 비즈니스 유형이 얼마나 집중되어 있는지 파악하려고 합니다.

기본 요건

이 예에서는 미국의 장소 통계 데이터 세트를 구독합니다.

호텔 데이터 세트의 이름은 mydata이며 뉴욕시에 있는 두 호텔의 위치를 정의합니다. 다음 SQL은 이 데이터 세트를 만듭니다.

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) );

해당 지역의 음식점 수 가져오기

고객에게 호텔 근처에 영업 중인 레스토랑의 밀도를 알려주기 위해 각 호텔에서 1, 000m 이내에 있는 레스토랑 수를 반환하는 SQL 쿼리를 작성합니다.

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

이 이미지는 이 질문에 대한 출력의 예를 보여줍니다.

장소 개수 함수를 사용하여 해당 지역의 음식점 개수와 장소 ID를 가져옵니다.

장소 수 함수를 사용할 수도 있습니다.

위치 근처의 음식점 수를 찾습니다. 장소 개수 함수를 사용하면 개별 장소에 관한 세부정보를 조회하는 데 사용할 수 있는 장소 ID 목록을 가져올 수 있습니다.

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
      )
);

이 이미지는 이 질문에 대한 출력의 예를 보여줍니다.

해당 지역의 음식점 및 바 개수 가져오기

각 호텔에서 1,000m 이내에 있는 레스토랑과 함께 바를 포함하도록 쿼리를 수정합니다.

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

이 이미지는 이 질문에 대한 출력의 예를 보여줍니다.

이 지역의 적당한 가격의 레스토랑과 바의 수를 가져옵니다.

다음으로 바와 레스토랑에서 어떤 고객 인구통계를 타겟팅하는지 알아야 합니다. 호텔이 적당한 가격대를 타겟팅하므로 해당 가격대이고 리뷰가 좋은 인근 시설의 존재만 광고하고 싶습니다.

PRICE_LEVEL_MODERATE 가격대이고 평점이 별 4개 이상인 바와 레스토랑만 반환하도록 쿼리를 제한합니다. 이 쿼리는 각 호텔 주변의 반경을 1,500미터로 확장합니다.

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

이 이미지는 이 질문에 대한 출력의 예를 보여줍니다.

다음 단계

• 장소 통계 설정하기
• 데이터 세트 직접 쿼리하기
• 장소 수 함수를 사용하여 데이터 세트 쿼리
• 스키마 참조 보기