ภาพรวมของ Places Insights

ข้อมูลเชิงลึกเกี่ยวกับสถานที่ช่วยให้คุณทำการวิเคราะห์ทางสถิติขั้นสูงเกี่ยวกับข้อมูลสถานที่ที่สมบูรณ์ของ Google Maps ได้ โดยจะให้จำนวนรวมและข้อมูลความหนาแน่นสำหรับจุดข้อมูลสถานที่น่าสนใจ (POI) หลายล้านจุด ซึ่งช่วยให้ได้รับข้อมูลเชิงลึกด้านภูมิสารสนเทศที่มีประสิทธิภาพ

ความสามารถหลัก

  • ข้อมูลเชิงลึกด้านภูมิสารสนเทศ: ดูภาพรวมความหนาแน่นและการกระจายของหมวดหมู่ต่างๆ ของจุดที่น่าสนใจ (POI) (เช่น ค้าปลีก ร้านอาหาร บริการ) ในพื้นที่ทางภูมิศาสตร์ที่เฉพาะเจาะจง
  • การเข้าถึงข้อมูลที่ปลอดภัย: ข้อมูลได้รับการติดตั้งใช้งานโดยใช้ข้อมูล BigQuery การแลกเปลี่ยน พร้อมการปกป้องข้อมูล ซึ่งช่วยให้สภาพแวดล้อมที่ปลอดภัยและได้รับการปกป้อง สำหรับการแชร์และการวิเคราะห์ข้อมูล
  • รายละเอียดที่นำไปใช้ได้จริง: แม้ว่าข้อมูลเชิงลึกเกี่ยวกับสถานที่จะมุ่งเน้นที่แนวโน้มโดยรวม แต่คุณ สามารถใช้รหัสสถานที่ที่แสดงเพื่อเจาะลึกและดึงข้อมูลสถานที่แต่ละแห่ง โดยใช้ Google Maps Platform API อื่นๆ เพื่อเปลี่ยนจากข้อมูลเชิงลึกทางสถิติ ไปเป็นการดำเนินการโดยละเอียด

เกี่ยวกับข้อมูลสถานที่

Google Maps คัดสรรข้อมูลสถานที่สำหรับสถานประกอบการหลายล้านแห่งทั่วโลก ข้อมูลเชิงลึกเกี่ยวกับสถานที่ทำให้ข้อมูลสถานที่ที่ครอบคลุมนี้พร้อมใช้งานใน BigQuery เพื่อให้คุณได้รับข้อมูลเชิงลึกแบบรวมเกี่ยวกับข้อมูลสถานที่ของ Google Maps โดยอิงตามแอตทริบิวต์ต่างๆ เช่น ประเภทสถานที่, คะแนน, เวลาทำการ, การเข้าถึงด้วยรถเข็น และอื่นๆ

หากต้องการใช้ข้อมูลเชิงลึกเกี่ยวกับสถานที่ คุณต้องเขียนคำค้นหา SQL ใน BigQuery ซึ่งจะแสดงข้อมูลเชิงลึกทางสถิติเกี่ยวกับข้อมูลสถานที่ ข้อมูลเชิงลึกเหล่านี้ช่วยให้คุณ ตอบคำถามต่างๆ ได้ เช่น

  • มีธุรกิจที่คล้ายกันกี่แห่งที่ดำเนินงานใกล้กับสถานที่ตั้งร้านค้าใหม่ที่มีศักยภาพ
  • ธุรกิจประเภทใดที่มักพบได้ใกล้กับร้านค้าที่ประสบความสำเร็จมากที่สุด
  • พื้นที่ใดที่มีธุรกิจเสริมซึ่งมีจำนวนมากและดึงดูดลูกค้าเป้าหมายของฉันได้
  • มีร้านซูชิระดับ 5 ดาวกี่ร้านที่เปิดตอน 20:00 น. ในมาดริด มีที่จอดรถที่รถเข็นเข้าถึงได้ และมีบริการซื้อกลับบ้าน
  • รหัสไปรษณีย์ใดในแคลิฟอร์เนียที่มีสถานีชาร์จ EV หนาแน่นที่สุด

ข้อมูลเชิงลึกเกี่ยวกับสถานที่รองรับกรณีการใช้งานหลายอย่าง เช่น

  • การเลือกสถานที่: ประเมินและเลือกสถานที่ที่เหมาะสมที่สุดสำหรับ ธุรกิจใหม่หรือการวางสินทรัพย์จริง การวิเคราะห์ความหนาแน่นและ ส่วนผสมของจุดที่น่าสนใจโดยรอบจะช่วยให้มั่นใจได้ว่าสถานที่ตั้งที่คาดหวังจะอยู่ในตำแหน่งที่เหมาะสมที่สุดภายในสภาพแวดล้อมทางธุรกิจที่แข่งขันกันและเสริมซึ่งกันและกัน แนวทางที่อิงตามข้อมูลนี้ช่วยลดความเสี่ยงที่เกี่ยวข้องกับการลงทุนใน สถานที่ตั้งใหม่ๆ ได้
  • การประเมินประสิทธิภาพของสถานที่ตั้ง: ระบุตัวแปรเชิงพื้นที่ เช่น ความใกล้เคียงกับจุดที่น่าสนใจบางประเภท เช่น ซูเปอร์มาร์เก็ตหรือสถานที่จัดกิจกรรม ซึ่งมีความสัมพันธ์กับประสิทธิภาพเชิงบวกหรือเชิงลบในสถานที่ตั้งที่มีอยู่ ข้อมูลนี้ช่วยให้คุณระบุเว็บไซต์ที่มีแนวโน้มซึ่งมีส่วนผสมที่ดีที่สุด ของลักษณะเชิงพื้นที่สำหรับกรณีการใช้งานของคุณ นอกจากนี้ คุณยังใช้ข้อมูลนี้เพื่อติดตั้งใช้งานโมเดลการคาดการณ์ที่คาดการณ์ประสิทธิภาพในอนาคตของสถานที่ตั้งใหม่ๆ ตามบริบทของจุดที่น่าสนใจโดยรอบได้ด้วย
  • การตลาดที่กำหนดเป้าหมายตามพื้นที่ทางภูมิศาสตร์: ระบุประเภทแคมเปญการตลาดหรือ โฆษณาที่จะประสบความสำเร็จในพื้นที่หนึ่งๆ ข้อมูลเชิงลึกเกี่ยวกับสถานที่ให้บริบทที่จำเป็นต่อการทำความเข้าใจกิจกรรมเชิงพาณิชย์ ซึ่งช่วยให้คุณปรับแต่งข้อความตามความหนาแน่นของธุรกิจหรือกิจกรรมที่เกี่ยวข้องได้
  • การคาดการณ์ยอดขาย: คาดการณ์ยอดขายในอนาคตที่สถานที่ที่มีศักยภาพ การสร้างแบบจำลองผลกระทบของลักษณะทางภูมิศาสตร์เชิงพื้นที่โดยรอบช่วยให้คุณ สร้างโมเดลการคาดการณ์ที่แข็งแกร่งเพื่อขับเคลื่อนการตัดสินใจลงทุนได้
  • การวิจัยตลาด: ให้ข้อมูลเกี่ยวกับภูมิภาคที่จะขยายธุรกิจหรือ บริการต่อไป วิเคราะห์ความอิ่มตัวของตลาดที่มีอยู่และความหนาแน่นของจุดที่น่าสนใจเพื่อ ระบุตลาดเป้าหมายที่ยังไม่ได้รับการตอบสนองหรือมีการกระจุกตัวสูงซึ่งมี โอกาสมากที่สุด การวิเคราะห์นี้ให้หลักฐานสนับสนุนการริเริ่มด้านการเติบโตและการขยายธุรกิจเชิงกลยุทธ์

คุณสามารถค้นหาชุดข้อมูลข้อมูลเชิงลึกเกี่ยวกับสถานที่ โดยตรงหรือใช้ฟังก์ชัน จำนวนสถานที่

ดูข้อมูลอ้างอิงสคีมา

เกี่ยวกับข้อมูลแบรนด์

นอกจากข้อมูลสถานที่แล้ว ข้อมูลเชิงลึกเกี่ยวกับสถานที่ยังมีข้อมูลเกี่ยวกับแบรนด์หรือร้านค้าที่มีหลายสาขาซึ่งดำเนินการภายใต้ชื่อแบรนด์เดียวกัน

คุณใช้แบรนด์เพื่อตอบคำถามต่างๆ ได้ เช่น

  • จำนวนร้านค้าทั้งหมดตามแบรนด์ในพื้นที่
  • แบรนด์คู่แข่ง 3 อันดับแรกในพื้นที่ของฉันมีจำนวนเท่าใด
  • มีร้านกาแฟทั้งหมดกี่ร้านในพื้นที่นี้ โดยไม่รวมร้านกาแฟยี่ห้อเหล่านี้

เกี่ยวกับ BigQuery

ข้อมูลที่พร้อมใช้งานในข้อมูล BigQuery ช่วยให้ข้อมูลเชิงลึกเกี่ยวกับสถานที่ช่วยให้คุณทำสิ่งต่อไปนี้ได้

  • รวมข้อมูลของคุณกับข้อมูลข้อมูลเชิงลึกเกี่ยวกับสถานที่อย่างปลอดภัย
  • เขียนการค้นหา SQL ที่ยืดหยุ่นเพื่อค้นพบข้อมูลเชิงลึกแบบรวมสำหรับความต้องการทางธุรกิจที่เฉพาะเจาะจง
  • ใช้เครื่องมือ BigQuery เดียวกันกับที่ใช้อยู่กับข้อมูลและเวิร์กโฟลว์ส่วนตัว
  • ใช้ประโยชน์จากความสามารถในการปรับขนาดและประสิทธิภาพของ BigQuery เพื่อให้คุณวิเคราะห์ชุดข้อมูลขนาดใหญ่ได้อย่างง่ายดาย

ตัวอย่างกรณีการใช้งาน

ตัวอย่างนี้จะรวมข้อมูลของคุณกับข้อมูลข้อมูลเชิงลึกเกี่ยวกับสถานที่ใน BigQuery เพื่อรับข้อมูลการรวบรวม ในตัวอย่างนี้ คุณเป็นเจ้าของโรงแรมในนิวยอร์กซิตี้ที่มีที่พักหลายแห่ง ตอนนี้คุณต้องการรวมข้อมูลสถานที่ตั้งของโรงแรม กับข้อมูลข้อมูลเชิงลึกเกี่ยวกับสถานที่เพื่อดูการกระจุกตัวของประเภทธุรกิจที่กำหนดไว้ล่วงหน้า ใกล้กับโรงแรม

ข้อกำหนดเบื้องต้น

ในตัวอย่างนี้ คุณจะสมัครใช้บริการ ชุดข้อมูลข้อมูลเชิงลึกเกี่ยวกับสถานที่สำหรับสหรัฐอเมริกา

ชุดข้อมูลโรงแรมของคุณชื่อ mydata และกำหนดสถานที่ตั้งของโรงแรม 2 แห่งในนิวยอร์กซิตี้ SQL ต่อไปนี้จะสร้างชุดข้อมูลนี้

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) );

ดูจำนวนร้านอาหารในพื้นที่

หากต้องการให้ลูกค้าทราบถึงความหนาแน่นของร้านอาหารที่เปิดให้บริการใกล้กับโรงแรม คุณต้องเขียนการค้นหา SQL เพื่อแสดงจำนวนร้านอาหารที่อยู่ภายในรัศมี 1, 000 เมตรจากโรงแรมแต่ละแห่ง

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

รูปภาพนี้แสดงตัวอย่างเอาต์พุตของคำค้นหานี้

ผลการค้นหาสำหรับการนับร้านอาหารภายใน 1,000 เมตรจากโรงแรมแต่ละแห่ง

ใช้ฟังก์ชันการนับสถานที่เพื่อรับจำนวนและรหัสสถานที่ของร้านอาหารในพื้นที่

นอกจากนี้ คุณยังใช้ฟังก์ชันการนับสถานที่ได้ด้วย

เพื่อดูจำนวนร้านอาหารใกล้กับสถานที่ ฟังก์ชันการนับสถานที่ช่วยให้คุณ ดึงรายการ ID สถานที่ ซึ่งใช้เพื่อค้นหา รายละเอียดเกี่ยวกับสถานที่แต่ละแห่งได้

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
      )
);

รูปภาพนี้แสดงตัวอย่างเอาต์พุตของคำค้นหานี้

ผลการค้นหาสำหรับร้านอาหารภายใน 1, 000 เมตรจากโรงแรมแต่ละแห่ง รวมถึงรหัสสถานที่

ดูจำนวนร้านอาหารและบาร์ในพื้นที่

แก้ไขคำค้นหาให้รวมบาร์ไปกับร้านอาหารภายในรัศมี 1,000 เมตรจาก โรงแรมแต่ละแห่ง

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

รูปภาพนี้แสดงตัวอย่างเอาต์พุตของคำค้นหานี้

ผลการค้นหาสำหรับการนับร้านอาหารและบาร์ภายใน 1,000 เมตรจากโรงแรมแต่ละแห่ง

ดูจำนวนร้านอาหารและบาร์ที่มีราคาปานกลางในพื้นที่

จากนั้นคุณต้องการทราบว่าบาร์และร้านอาหารให้บริการแก่กลุ่มประชากรลูกค้ากลุ่มใด เนื่องจากโรงแรมของคุณกำหนดเป้าหมายที่จุดราคาปานกลาง คุณจึงต้องการ โฆษณาการมีอยู่ของสถานประกอบการใกล้เคียงที่มีจุดราคานั้น และมีรีวิวที่ดี

จำกัดการค้นหาให้แสดงเฉพาะบาร์และร้านอาหารหากมีราคาอยู่ที่ PRICE_LEVEL_MODERATE และได้รับการจัดอันดับ 4 ดาวขึ้นไป นอกจากนี้ คำค้นหานี้ยัง ขยายรัศมีเป็น 1,500 เมตรรอบโรงแรมแต่ละแห่งด้วย

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

รูปภาพนี้แสดงตัวอย่างเอาต์พุตของคำค้นหานี้

ผลการค้นหาสำหรับบาร์และร้านอาหารที่มีราคาปานกลางซึ่งอยู่ภายในระยะ 1,500 เมตรจากโรงแรมแต่ละแห่ง

ขั้นตอนถัดไป