Menulis kueri menggunakan data merek

Analisis Tempat memberikan informasi merek untuk banyak kategori tempat. Contoh:

  • Untuk kategori "ATM, Bank, dan Koperasi", data merek berisi entri untuk setiap merek bank PNC, UBS, dan Chase.
  • Untuk kategori "Rental Mobil", data berisi entri untuk setiap merek Budget, Hertz, dan Thrifty.

Kasus penggunaan umum untuk membuat kueri set data merek adalah menggabungkannya dengan kueri pada data tempat untuk menjawab pertanyaan seperti:

  • Berapa jumlah semua toko menurut merek di suatu area?
  • Berapa jumlah merek tiga pesaing teratas saya di area tersebut?
  • Berapa jumlah merek dalam kategori tertentu, seperti "Kebugaran" atau "SPBU", di area tersebut?

Tentang set data merek

Set data merek untuk Amerika Serikat diberi nama places_insights___us___sample.brands.

Skema set data merek

Skema untuk set data merek menentukan tiga kolom:

  • id: ID merek.
  • name: Nama merek, seperti "Hertz" atau "Chase".
  • category: Jenis merek, seperti "SPBU", "Makanan dan Minuman", atau "Penginapan". Untuk mengetahui daftar kemungkinan nilai, lihat Nilai kategori

Menggunakan set data merek dalam kueri

Skema set data tempat menentukan kolom brand_ids. Jika tempat dalam set data tempat dikaitkan dengan merek, kolom brand_ids untuk tempat tersebut berisi ID merek yang sesuai.

Kueri umum yang mereferensikan set data merek melakukan JOIN dengan set data tempat berdasarkan kolom brand_ids.

Misalnya, untuk menemukan jumlah restoran McDonald's dalam jarak 2.000 meter dari Empire State Building di New York City:

SELECT WITH AGGREGATION_THRESHOLD
 COUNT(*)
FROM places_insights___us___sample.places_sample places, UNNEST(brand_ids) AS brand_id
LEFT JOIN places_insights___us___sample.brands ON brand_id = brands.id
WHERE
ST_DWITHIN(ST_GEOGPOINT(-73.9857, 40.7484), point, 2000)
AND brands.name = "McDonald's"
AND business_status = "OPERATIONAL"

Kueri berikutnya menampilkan jumlah kafe di New York City yang termasuk dalam suatu merek, yang dikelompokkan menurut nama merek:

SELECT WITH AGGREGATION_THRESHOLD
  brands.name,
  COUNT(*) AS store_count
FROM places_insights___us___sample.places_sample places, UNNEST(brand_ids) AS brand_id
LEFT JOIN places_insights___us___sample.brands ON brand_id = brands.id
WHERE brands.category = "Food and Drink"
AND "cafe" IN UNNEST(places.types)
AND business_status = "OPERATIONAL"
GROUP BY brands.name
ORDER BY store_count DESC;

Gambar berikut menunjukkan jumlah menurut merek:

Hasil kueri untuk menghitung cfe yang dikelompokkan menurut merek.

Nilai kategori

Kolom category untuk merek dapat berisi nilai berikut:

Nilai jenis kategori
ATMs, Banks and Credit Unions
Automotive and Parts Dealers
Automotive Rentals
Automotive Services
Dental
Electric Vehicle Charging Stations
Electronics Retailers
Fitness
Food and Drink
Gas Station
Grocery and Liquor
Health and Personal Care Retailers
Hospital
Lodging
Merchandise Retail
Movie Theater
Parking
Telecommunications