تابع PLACES_COUNT_CHANGE تغییرات در تعداد «مکانهای جالب» را محاسبه میکند و نمونه شناسههای مکان اضافهشده و حذفشده را بین دو ماه خاص در چندین جغرافیای ورودی بازیابی میکند.
این تابع، مانند PLACES_COUNT_V2، برای پردازش دستهای کارآمد طراحی شده است
و پارامتر جدول ورودی مناطق جغرافیایی را میپذیرد، که به شما امکان میدهد
روندهای رشد و تغییرات تجاری را در چندین مکان بهطور همزمان ارزیابی کنید.
نحو
SELECT * FROM `PROJECT_NAME.LINKED_DATASET_NAME.PLACES_COUNT_CHANGE`( TABLE input_geographies, filters );
پارامترها
PROJECT_NAME: نام پروژه Google Cloud شما.LINKED_DATASET_NAME: نام مجموعه داده BigQuery حاوی توابع «اطلاعات آماری جاها» (مثلاًplaces_insights___us).input_geographies: جدول BigQuery حاوی مناطق جغرافیایی برای تجزیهوتحلیل. این جدول باید شامل ستونهای زیر باشد:filters(JSON): شیء JSON حاوی جفتهای کلید-مقدار برای فیلتر کردن مکانها. پارامترهای فیلتر را ببینید. باید شامل فیلترهای زیر باشد:
طرح جدول خروجی
تابع PLACES_COUNT_CHANGE جدولی با ستونهای زیر برمیگرداند:
| نام ستون | نوع داده | شرح |
|---|---|---|
geo_id |
رشته | شناسه از جغرافیای ورودی. |
start_count |
INT64 | تعداد مکانها از ماه اول. |
end_count |
INT64 | تعداد مکانها از ماه دوم. |
net_change |
INT64 | تفاوت بین end_count و start_count (end_count - start_count). |
percentage_change |
FLOAT64 | درصد تغییر از ماه ۱ به ماه ۲. |
compound_monthly_growth_rate |
FLOAT64 | نرخ رشد ماهانه مرکب از ماه ۱ تا ماه ۲. |
added_count |
INT64 | تعداد شناسههای مکان نمونه در sample_added_place_ids. |
removed_count |
INT64 | تعداد شناسههای مکان نمونه در sample_removed_place_ids. |
sample_added_place_ids |
ARRAY<STRING> | فهرستی از شناسههای مکان نمونه که در ماه ۲ وجود دارد اما در ماه ۱ وجود ندارد. |
sample_removed_place_ids |
ARRAY<STRING> | فهرستی از شناسههای مکان نمونه که در ماه ۱ وجود دارند اما در ماه ۲ وجود ندارند. |
نتایج براساس percentage_change و start_count بهصورت نزولی مرتب شدهاند.
روش کار
این تابع هر ردیف را در جدول input_geographies پردازش میکند. برای هر شیء geo، تعداد مکانهایی را که در محدوده جغرافیایی (یا در محدوده geography_radius اگر geo نقطه باشد و شعاع در filters مشخص شده باشد) در دو ماه مشخصشده در month1 و month2 در filters قرار میگیرند میشمارد. بااستفاده از این مکانها، آمار مفید دیگری مانند درصد تغییر و نرخ رشد مرکب ماهانه از ماه اول به ماه دوم را محاسبه میکند.
این تعداد فقط شامل مکانهایی است که با همه شرایط تعریفشده در شیء JSON filters مطابقت دارند.
مثال: محاسبه تغییرات در تعداد نقاط جالب بین دو ماه
این مثال نشان میدهد که چگونه میتوان تغییرات در تعداد نقاط موردعلاقه را بین دو ماه خاص بااستفاده از پارامترهای month1 و month2، با شعاع ۵۰۰۰ از یک نقطه جغرافیایی معین، جستجو کرد.
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) ) );
درحال تحلیل کردن برونداد
این پُرسمان جدولی را با یک ردیف برای هر جغرافیای ورودی برمیگرداند.
- سنجههای رشد: خروجی تعداد پایه (
start_count: ۸۹٬۵۶۰) و تعداد مقایسه (end_count: ۹۰٬۹۲۳) را نمایش میدهد که منجر بهnet_change+۱٬۳۶۳ مکان (+۱٫۵۲٪percentage_change) میشود. - بازرسی واقعیت عینی: آرایه
sample_added_place_idsشناسههای مکان خاصی را که درmonth2(فوریه ۲۰۲۶) فعال شدهاند فهرست میکند، درحالیکهsample_removed_place_idsشناسههای مکانی را که دیگر وجود ندارند فهرست میکند. - پل به Places API: میتوانید این «شناسههای جا» نمونه را مستقیماً به Place Details API (جدید) ارسال کنید تا نام، نشانی، و مشخصههای فروشگاه را برای کسبوکارهای تازه بازشده یا بستهشده جستجو کنید.
