जगहों की अहम जानकारी की खास जानकारी

जगहों की अहम जानकारी की मदद से, Google Maps के जगहों के डेटा का बेहतर तरीके से विश्लेषण किया जा सकता है. यह लाखों लोकप्रिय जगहों (पीओआई) के डेटा पॉइंट के लिए, कुल संख्या और डेंसिटी की जानकारी देता है. इससे जियोस्पेशल इंटेलिजेंस को बेहतर बनाने में मदद मिलती है.

मुख्य सुविधाएं

  • जियोस्पेशल इंटेलिजेंस: किसी खास भौगोलिक इलाके में, लोकप्रिय जगहों की अलग-अलग कैटगरी (जैसे, खुदरा कारोबार, रेस्टोरेंट, और सेवाएं) की डेंसिटी और डिस्ट्रिब्यूशन के बारे में "बर्ड्स आई व्यू" पाएं.
  • डेटा का सुरक्षित ऐक्सेस: डेटा को BigQuery डेटा एक्सचेंज लिस्टिंग का इस्तेमाल करके डिप्लॉय किया जाता है. इसमें डेटा की सुरक्षा के लिए ज़रूरी उपाय किए जाते हैं. इससे डेटा शेयर करने और उसका विश्लेषण करने के लिए, एक सुरक्षित और सुरक्षित माहौल मिलता है.
  • कार्रवाई करने लायक जानकारी: जगहों की अहम जानकारी, एग्रीगेट किए गए रुझानों पर फ़ोकस करती है. हालांकि, आउटपुट के तौर पर मिले जगह के आईडी का इस्तेमाल करके, किसी जगह की जानकारी को बारीकी से देखा जा सकता है. इसके लिए, Google Maps Platform के अन्य एपीआई का इस्तेमाल करके, आंकड़ों की जानकारी से लेकर कार्रवाई करने लायक जानकारी तक हासिल की जा सकती है.

जगहों के डेटा और इस्तेमाल के उदाहरणों को समझना

Google Maps, दुनिया भर के लाखों कारोबारों की जगहों का डेटा इकट्ठा करता है. Places Insights, जगहों से जुड़ा यह पूरा डेटा BigQuery में उपलब्ध कराता है. इससे आपको Google Maps पर मौजूद जगहों के डेटा के बारे में एग्रीगेट की गई अहम जानकारी मिलती है. यह जानकारी, कई तरह के एट्रिब्यूट के आधार पर मिलती है. जैसे, जगह के टाइप, रेटिंग, स्टोर के खुले रहने का समय, व्हीलचेयर ले जाने की सुविधा वगैरह.

जगहों की अहम जानकारी का इस्तेमाल करने के लिए, BigQuery में एसक्यूएल क्वेरी लिखें. इससे आपको जगहों के डेटा के बारे में आंकड़ों की अहम जानकारी मिलती है. इन अहम जानकारी से आपको इस तरह के सवालों के जवाब मिल सकते हैं:

  • स्टोर की संभावित नई जगह के आस-पास, आपके कारोबार से मिलते-जुलते कितने कारोबार मौजूद हैं?
  • मेरे सबसे सफल स्टोर के आस-पास, आम तौर पर किस तरह के कारोबार मौजूद हैं?
  • ऐसे कौनसे इलाके हैं जहां मेरे कारोबार से जुड़े अन्य कारोबारों की संख्या ज़्यादा है और जहां मेरे टारगेट कस्टमर आ सकते हैं?
  • मैड्रिड में सुशी परोसने वाले ऐसे कितने 5-स्टार रेस्टोरेंट हैं जो रात 8 बजे खुले रहते हैं, जहां व्हीलचेयर ले जाने की सुविधा वाली पार्किंग है, और खाना पैक कराने की सुविधा मिलती है?
  • कैलिफ़ोर्निया के किन पिन कोड में, ईवी चार्जिंग स्टेशन सबसे ज़्यादा हैं?

इस्तेमाल के उदाहरण

  • जगह चुनना: किसी नए कारोबार या फ़िज़िकल ऐसेट के लिए, सबसे सही जगहों का आकलन करके उन्हें चुनें. आस-पास की लोकप्रिय जगहों की डेंसिटी और मिक्स का विश्लेषण करके, यह पक्का किया जा सकता है कि संभावित साइट, अपने प्रतिस्पर्धी और पूरक कारोबारी माहौल में सही जगह पर हो. डेटा पर आधारित इस तरीके से, नई जगहों पर निवेश करने से जुड़े जोखिम को कम किया जा सकता है.
  • जगह की परफ़ॉर्मेंस का आकलन करना: यह तय करें कि कौनसे जियोस्पेशल वैरिएबल, जैसे कि सुपरमार्केट या इवेंट वेन्यू जैसी कुछ खास तरह की लोकप्रिय जगहों से नज़दीक होना, आपकी मौजूदा जगहों पर बेहतर या खराब परफ़ॉर्मेंस से जुड़े हैं. इस डेटा की मदद से, ऐसी संभावित साइटों की पहचान की जा सकती है जो आपके इस्तेमाल के उदाहरण के लिए, जियोस्पेशल विशेषताओं का सबसे अच्छा कॉम्बिनेशन शेयर करती हैं. इस जानकारी का इस्तेमाल, अनुमान लगाने वाले मॉडल को डिप्लॉय करने के लिए भी किया जा सकता है. ये मॉडल, किसी नई जगह के आस-पास की लोकप्रिय जगहों के आधार पर, उस जगह की परफ़ॉर्मेंस का अनुमान लगाते हैं.
  • इलाके के हिसाब से मार्केटिंग: यह तय करना कि किसी इलाके में किस तरह के मार्केटिंग कैंपेन या विज्ञापन सफल होंगे. जगहों की अहम जानकारी से, आपको व्यावसायिक गतिविधि को समझने के लिए ज़रूरी जानकारी मिलती है. इससे आपको काम के कारोबारों या गतिविधियों के आधार पर, मैसेज को ज़रूरत के मुताबिक बनाने में मदद मिलती है.
  • बिक्री का अनुमान लगाना: किसी संभावित जगह पर आने वाले समय में होने वाली बिक्री का अनुमान लगाएं. आस-पास की जियोस्पेशल विशेषताओं के असर को मॉडल करने से, आपको निवेश से जुड़े फ़ैसले लेने के लिए, अनुमान लगाने वाले बेहतर मॉडल बनाने में मदद मिलती है.
  • मार्केट रिसर्च: इससे आपको यह पता चलता है कि आपको अपने कारोबार या सेवा को किन देशों या इलाकों में बढ़ाना चाहिए. बाज़ार में मौजूद प्रॉडक्ट की संख्या और लोकप्रिय जगहों की डेंसिटी का विश्लेषण करें, ताकि उन टारगेट मार्केट की पहचान की जा सके जहां प्रॉडक्ट की कमी है या जहां प्रॉडक्ट की संख्या बहुत ज़्यादा है. इससे आपको सबसे ज़्यादा अवसर देने वाले मार्केट की पहचान करने में मदद मिलेगी. इस विश्लेषण से, कारोबार को बढ़ाने और उसका दायरा बढ़ाने की रणनीतियों को लागू करने के लिए ज़रूरी सबूत मिलते हैं.
  • रुझान का विश्लेषण: किसी समयावधि के दौरान होने वाले बदलावों के बारे में जानें. जोड़ी गई और हटाई गई जगहों की संख्या की तुलना, हर महीने के हिसाब से करें. यह डेटा जनवरी 2024 से उपलब्ध है.

जगहों की संख्या बताने वाले फ़ंक्शन या डायरेक्ट एसक्यूएल क्वेरी का इस्तेमाल करके, जगहों की अहम जानकारी वाले डेटासेट के लिए क्वेरी की जा सकती है.

स्कीमा का रेफ़रंस देखें.

जगहों की अहम जानकारी से, लोकप्रिय जगहों की कुल संख्या और ब्रैंड डेंसिटी का पता चलता है. हालांकि, जगह से जुड़े फ़ैसले अक्सर लोगों के व्यवहार और स्थानीय माहौल को समझने पर निर्भर करते हैं. BigQuery में मौजूद लोकप्रिय जगहों के डेटा को बेहतर बनाने के लिए, मशीन लर्निंग एंबेडिंग का इस्तेमाल करें. इससे Google Search के रुझान, मानव निर्मित पर्यावरण (बिल्ट एनवायरमेंट), लोगों की गतिविधि के पैटर्न, और पर्यावरण के संदर्भ (जैसे, मौसम और एयर क्वालिटी) को कैप्चर किया जा सकता है. इसके लिए, जगहों की अहम जानकारी को पॉप्युलेशन डाइनैमिक्स इनसाइट (पीडीआई) (झलक) के साथ जोड़ें.

क्वेरी करने का तरीका चुनें: Places Count फ़ंक्शन बनाम डायरेक्ट एसक्यूएल

विश्लेषण के अलग-अलग लेवल और निजता से जुड़ी ज़रूरी शर्तों को पूरा करने के लिए, जगहों की अहम जानकारी की सुविधा, क्वेरी करने के दो तरीके उपलब्ध कराती है: जगहों की संख्या बताने वाले फ़ंक्शन (BigQuery के नेटिव फ़ंक्शन) और डायरेक्ट एसक्यूएल क्वेरी (टेबल जॉइन).

इस डिसिज़न मैट्रिक्स का इस्तेमाल करके, अपने लागू करने के लिए सही क्वेरी पाथ तय करें:

आपके विश्लेषण का लक्ष्य क्वेरी करने का सुझाया गया तरीका लौटाया गया डेटा और आउटपुट निजता और स्पेस से जुड़ी ज़रूरी बातें
किसी इलाके में लोकप्रिय जगहों की डेंसिटी का विश्लेषण करना और हीटमैप बनाना PLACES_COUNT_PER_H3
  • यह फ़ंक्शन, सटीक संख्या (0 के साथ) के साथ H3 हेक्सागॉन पॉलीगॉन दिखाता है
  • हर सेल में ज़्यादा से ज़्यादा 250 place_id वैल्यू दिखती हैं
  • स्पेशल एमएल मॉडल और फ़ीचर इंजीनियरिंग के लिए खास तौर पर बनाया गया है
  • खोज के लिए कम से कम 40 मी॰ × 40 मी॰ (1,600 वर्ग मीटर) की जगह होनी चाहिए
  • परफ़ॉर्मेंस और कम प्रोसेसिंग लागत के लिए ऑप्टिमाइज़ किया गया
  • इनपुट पैरामीटर की पुष्टि करता है और गड़बड़ियों को आसानी से ठीक करने के लिए, साफ़ तौर पर गड़बड़ियां दिखाता है
खास साइटों की संख्या पाना और जानकारी देखने के लिए, जगह के आईडी वापस पाना PLACES_COUNT_V2 या PLACES_COUNT_PER_TYPE_V2
  • कस्टम ज्यामिति के लिए सटीक संख्या दिखाता है. इसमें 0 भी शामिल है
  • हर पंक्ति के लिए ज़्यादा से ज़्यादा 250 place_id वैल्यू दिखाता है
  • खोज के लिए कम से कम 40 मी॰ × 40 मी॰ (1,600 वर्ग मीटर) की जगह होनी चाहिए
  • TABLE पैरामीटर का इस्तेमाल करके, हज़ारों जगहों के लिए स्केल किया जा सकता है
  • परफ़ॉर्मेंस और कम प्रोसेसिंग लागत के लिए ऑप्टिमाइज़ किया गया
  • इनपुट पैरामीटर की पुष्टि करता है और गड़बड़ियों को आसानी से ठीक करने के लिए, साफ़ तौर पर गड़बड़ियां दिखाता है
दो महीनों के बीच, लोकप्रिय जगहों में हुए बदलावों और बढ़ोतरी के रुझानों को ट्रैक करना PLACES_COUNT_CHANGE
  • start_count, end_count, net_change, percentage_change, और compound_monthly_growth_rate दिखाता है
  • जोड़े गए नए (sample_added_place_ids) और हटाए गए (sample_removed_place_ids) जगह के आईडी के कलेक्शन दिखाता है
  • YYYY-MM फ़ॉर्मैट में month1 और month2 पैरामीटर ज़रूरी हैं
  • खोज के लिए कम से कम 40 मी॰ × 40 मी॰ (1,600 वर्ग मीटर) की जगह होनी चाहिए
  • TABLE पैरामीटर का इस्तेमाल करके, हज़ारों कस्टम जगहों के लिए विज्ञापन दिखाए जा सकते हैं
ऐडवांस कस्टम लॉजिक, औसत या अपने डेटा के साथ जोड़ना डायरेक्ट एसक्यूएल क्वेरी
  • रॉ टेबल में एसक्यूएल का पूरा फ़ायदा
  • कस्टम एसक्यूएल मेट्रिक (AVG, SUM वगैरह) चालू करता है
  • जगह के आईडी नहीं दिखाता
  • प्राइवसी थ्रेशोल्ड: 0 से 4 तक की संख्या को पूरी तरह से हटा दिया जाता है
  • खोज के लिए, कम से कम जगह की कोई पाबंदी नहीं है

Places Insights की मदद से, जनवरी 2024 से लेकर अब तक के Places डेटा के हर महीने के स्नैपशॉट के बारे में क्वेरी करके, पुराने डेटा का विश्लेषण किया जा सकता है. इससे आपको यह समझने में मदद मिलती है कि समय के साथ कारोबार की डेंसिटी, कमर्शियल ऐक्टिविटी, और प्रतिस्पर्धी लैंडस्केप में किस तरह के बदलाव हुए हैं.

Places Count फ़ंक्शन का इस्तेमाल करके पुराने डेटा के बारे में क्वेरी करने के लिए, अपने JSON_OBJECT में वैकल्पिक snapshot_date फ़िल्टर पैरामीटर पास करें. वैल्यू को YYYY-MM के तौर पर फ़ॉर्मैट किया जाना चाहिए. उदाहरण के लिए, '2026-01'.

उदाहरण: PLACES_COUNT_V2 का इस्तेमाल करके, न्यूयॉर्क शहर में मौजूद रेस्टोरेंट की पुरानी संख्या के बारे में क्वेरी करना

इस उदाहरण में, PLACES_COUNT_V2 का इस्तेमाल करके न्यूयॉर्क शहर में एम्पायर स्टेट बिल्डिंग और टाइम्स स्क्वेयर के आस-पास मौजूद रेस्टोरेंट की संख्या का विश्लेषण किया गया है. यह डेटा जनवरी 2026 का है:

-- 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'
  )
);

पुराने आउटपुट का विश्लेषण किया जा रहा है

BigQuery टेबल में geo_id, इनपुट किया गया भौगोलिक पॉलीगॉन, जगहों की संख्या, और सैंपल के तौर पर जगह के आईडी शामिल होते हैं. ये आईडी, स्नैपशॉट के लिए तय किए गए महीने (2026-01) के दौरान रिकॉर्ड किए गए थे. ग्रोथ के रुझान, स्टोर खुलने या मार्केट में गिरावट का हिसाब लगाने के लिए, कई महीनों के स्नैपशॉट में एक जैसी क्वेरी चलाई जा सकती हैं.

PLACES_COUNT_PER_H3 का इस्तेमाल करके, इलाके के हिसाब से लोकप्रिय जगहों की कुल डेंसिटी

PLACES_COUNT_PER_H3 फ़ंक्शन, बड़े इलाकों में लोकप्रिय जगहों की डेंसिटी का विश्लेषण करने के लिए सबसे सही तरीका है. अपने टारगेट किए गए इलाके को स्टैंडर्ड H3 हेक्सागोनल ग्रिड सेल में बांटकर, आपको कस्टम बाउंड्री बनाने की ज़रूरत नहीं पड़ती. साथ ही, नतीजों को सीधे Looker Studio जैसे विज़ुअल मैपिंग टूल में फ़ीड किया जा सकता है.

उदाहरण: न्यूयॉर्क राज्य में, व्हीलचेयर ले जाने की सुविधा वाले किराना और शॉपिंग स्टोर की संख्या गिनें

नीचे दी गई क्वेरी, न्यूयॉर्क राज्य में व्हीलचेयर ले जाने की सुविधा वाले किराना और शॉपिंग स्टोर को रिज़ॉल्यूशन लेवल 8 पर H3 सेल में एग्रीगेट करती है. यह bigquery-public-data.geo_us_boundaries.states के सार्वजनिक डेटासेट से डाइनैमिक तौर पर हासिल की गई बाउंड्री ज्योमेट्री का इस्तेमाल करता है.

-- 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;

आउटपुट का विश्लेषण करना

इस क्वेरी से, स्ट्रक्चर्ड टेबल मिलती है. इसमें हर यूनीक H3 इंडेक्स (h3_cell_index) को उसकी बाउंड्री पॉलीगॉन (geography), लोकप्रिय जगहों की संख्या (count), और ज़्यादा से ज़्यादा 250 प्रतिनिधि sample_place_ids से मैप किया जाता है.

  • शून्य संख्याएं शामिल हैं: अगर न्यूयॉर्क राज्य के ग्रिड में मौजूद किसी सेल में, मैच करने वाले स्टोर की संख्या शून्य है, तो भी यह 0 की संख्या वाली लाइन दिखाता है. यह उन इलाकों का पता लगाने के लिए ज़रूरी है जहां व्यावसायिक या सेवा से जुड़ी सुविधाएं नहीं हैं.
  • डायरेक्ट विज़ुअल मैपिंग: आउटपुट में GEOGRAPHY पॉलीगॉन शामिल होता है. इसलिए, हीटमैप को सीधे BigQuery Studio या Looker Studio में रेंडर किया जा सकता है.

जगह की जानकारी देखने के लिए, जगह के आईडी वापस पाना

Places Insights को आंकड़ों के आधार पर अहम जानकारी देने के लिए बनाया गया है. हालांकि, आपके पास एग्रीगेट की गई अहम जानकारी से, ज़्यादा बारीकी से जानकारी देने वाली कार्रवाइयों पर स्विच करने का विकल्प होता है.

जगहों की संख्या बताने वाले सभी मुख्य फ़ंक्शन, हर लाइन में ज़्यादा से ज़्यादा 250 जगह का आईडी का कलेक्शन दिखाते हैं. इनमें PLACES_COUNT_PER_H3, PLACES_COUNT_V2, और PLACES_COUNT_PER_TYPE_V2 शामिल हैं. हालांकि, लेगसी PLACES_COUNT फ़ंक्शन शामिल नहीं है. ये जगह का आईडी, आपकी क्वेरी की शर्तों से मैच करते हैं.

ये जगह के आईडी, एक ब्रिज की तरह काम करते हैं. इनकी मदद से, Google Maps Platform के अन्य एपीआई इस्तेमाल किए जा सकते हैं. जैसे, Place Details एपीआई. इससे आपको स्टोर के नाम, समीक्षाएं, फ़ोन नंबर, और पते जैसी खास जानकारी पाने में मदद मिलती है.

एक से ज़्यादा जगहों पर ब्रैंड की मौजूदगी का विश्लेषण करना

जगहों की अहम जानकारी में, जगहों के डेटा के साथ-साथ ब्रैंड या स्टोर का डेटा भी शामिल होता है. इसमें ऐसे स्टोर का डेटा शामिल होता है जो एक ही ब्रैंड नेम के तहत कई जगहों पर काम करते हैं.

ब्रैंड के डेटा के लिए क्वेरी करके, ये काम किए जा सकते हैं:

  • टारगेट मार्केट में, प्रतिस्पर्धी ब्रैंड की डेंसिटी की पहचान करना.
  • खास तौर पर ब्रैंड आईडी के हिसाब से, लोकप्रिय जगहों की संख्या को फ़िल्टर करें.
  • ब्रैंडेड और स्वतंत्र कारोबारों की तुलना करके, बाज़ार में पहुंच की जांच करें.

आगे क्या करना है