In der Vorabversion stellt Places Insights ein Beispiel-Dataset in einem BigQuery-Data-Clean-Room bereit, das die Daten für eine Top-Stadt in jedem der unterstützten Länder enthält: Sydney (AU), São Paulo (BR), Toronto (CA), Zürich (CH), Berlin (DE), Madrid (ES), Paris (FR), London (UK), Jakarta (ID), Mumbai (IN), Rom (IT), Tokio (JP), Mexiko-Stadt (MX) und New York City (US).
Mit jedem Beispieldataset können Sie Places Insights ausprobieren, um die Benutzerfreundlichkeit und den Wert des Produkts zu bewerten.
Jedes Beispieldataset hat einen eigenen Data-Clean-Room, den Sie separat abonnieren müssen. Weitere Informationen zum Abonnieren eines Data-Clean-Rooms finden Sie unter Places-Statistiken einrichten.
Die Datasets sind so konzipiert, dass Sie anhand verschiedener Attribute wie Ortstypen, Bewertungen, Öffnungszeiten und Angaben zur Barrierefreiheit aggregierte Statistiken zu Ortsdaten ableiten können.
Region des Beispiel-Datasets
In BigQuery werden Datasets an einem bestimmten regionalen oder multiregionalen Standort gespeichert. Eine Region ist eine Sammlung von Rechenzentren innerhalb eines geografischen Bereichs. Eine Multiregion ist ein großes geografisches Gebiet, das zwei oder mehr geografische Regionen enthält.
In der Vorschabeveröffentlichung von Places Insights werden die Beispieldatasets am multiregionalen Standort US gespeichert.
Um einen Join auszuführen, können Sie ein Replikat Ihrer Daten am multiregionalen Standort US erstellen. Weitere Informationen zur Dataset-Replikation finden Sie unter Regionenübergreifende Dataset-Replikation.
Dataset-Schemas
Das Schema für das Places-Dataset für jedes Land besteht aus zwei Teilen:
- Das Kernschema, das für die Datasets aller Länder gilt.
- Ein länderspezifisches Schema, das Schemakomponenten definiert, die für das jeweilige Land spezifisch sind.
Wenn Sie beispielsweise mit dem Dataset für Spanien (ES) arbeiten, verweisen Sie sowohl auf das Kernschema als auch auf das ES-spezifische Schema.
Das Schema für das Dataset „Marken“ definiert drei Felder:
id: Die Marken-ID.name: Der Name der Marke, z. B. „Hertz“ oder „Chase“.category: Die Kategorie der Marke auf hoher Ebene, z. B. „Tankstelle“, „Essen und Trinken“ oder „Unterkünfte“.
Beispieldaten für die Vorschau
In der Vorabversion enthält das Dataset für jedes Land Informationen für eine Top-Stadt. Obwohl die Daten für eine einzelne Stadt bestimmt sind, ist das Datasetschema für das gesamte Land gleich.
Der Dataset enthält nur Daten für die Stadt selbst. Sie enthält keine Daten für die umliegende Metropolregion.
Zusätzliche Hinweise
Die Daten für rating und user_rating_count sind Statistiken, die anhand von Nutzerrezensionen berechnet werden. Nutzerrezensionen werden nicht von Google überprüft. Google sucht aber gezielt nach gefälschten Inhalten, um sie zu entfernen.
Die Daten sind möglicherweise nicht genau und werden monatlich aktualisiert.
Anforderungen bezüglich Quellenangaben
Wenn Sie Daten aus Google Unternehmensprofil-Statistiken präsentieren, müssen Sie die erforderlichen Quellenangaben einblenden. Informationen zu den Anforderungen an die Quellenangabe finden Sie unter Richtlinien für Places Insights.