地点数据分析概览

借助 Places Insights，您可以分析 Google 地图中的丰富地点和品牌数据，从而从 Google 地图的地点或地图注点 (POI) 数据中获取统计数据洞见。这些数据通过 BigQuery 数据交换信息进行部署，并采取了数据保护措施，以便为数据共享和分析提供安全可靠的环境。

地点数据简介

Google 地图会整理全球数百万家商家的地点数据。 Places Insights 可在 BigQuery 中提供地点数据，以便您根据各种属性（例如地点类型、评分、营业时间、轮椅无障碍设施等）得出有关 Google 地图地点数据的汇总分析洞见。

如需使用 Places Insights，您需要在 BigQuery 中编写 SQL 查询，以返回有关地点数据的统计分析洞见。借助这些数据洞见，您可以回答以下问题：

  • 在潜在的新实体店位置附近有多少家类似商家在营业？
  • 我的最成功商店附近最常出现哪些类型的商家？
  • 哪些地区的互补型商家高度集中，可以吸引我的目标客户？
  • 马德里有多少家 5 星级寿司餐厅在晚上 8 点营业，提供轮椅无障碍停车位，并提供外卖服务？

汇总数据可支持多种用例，例如：

  • 选址，用于评估和选择最适合新业务或实体资产放置的位置。
  • 位置效果评估，以确定哪些地理空间变量（例如与超市或活动场地等特定类型的 POI 的邻近程度）会影响您实体店的正面或负面效果。
  • 地理位置定位营销，以确定哪些类型的营销广告系列或广告会在某个区域取得成功。
  • 销售预测：预测潜在地点的未来销售情况。
  • 市场研究，可帮助您确定下一步要将业务或服务拓展到哪些地理位置。

品牌数据简介

除了地点数据外，“地点数据洞见”还包含有关品牌或以同一品牌名称运营的多个实体店的数据。

您可以使用品牌来回答以下问题：

  • 某个区域内各品牌的商店数量是多少？
  • 我所在区域内排名前三的竞争对手品牌的数量是多少？
  • 此区域内所有咖啡店（不包括这些品牌）的数量是多少？

BigQuery 简介

通过在 BigQuery 商家详情中提供数据，Places Insights 可让您：

  • 安全地将您的数据与 Places Insights 数据相结合。

  • 编写灵活的 SQL 查询，以根据您的特定业务需求发掘汇总的分析洞见。

  • 使用您已在私密数据和工作流中使用的相同 BigQuery 工具。

  • 充分利用 BigQuery 的规模和性能，轻松分析海量数据集。

用例示例

此示例将您的数据与 BigQuery 中的 Places Insights 数据联接，以得出汇总信息。在此示例中，您是纽约市的一位酒店业主，拥有多个酒店地点。现在，您希望将酒店位置数据与 Places Insights 数据联接，以了解酒店附近预定义类型的商户集中度。

前提条件

在此示例中，您将订阅美国境内的 Places Insights 数据集。

您的酒店数据集名为 mydata，用于定义您在纽约市的两家酒店的位置。以下 SQL 会创建此数据集：

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) );

获取相应区域内的餐厅数量

为了让客户了解酒店附近营业餐厅的密度，您编写了一个 SQL 查询，用于返回每家酒店 1, 000 米范围内的餐厅数量：

SELECT WITH AGGREGATION_THRESHOLD h.name, COUNT(*) AS count
FROM `PROJECT_NAME.places_insights___us___sample.places_sample` 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

下图显示了此查询的示例输出：

用于统计每家酒店 1000 米范围内的餐厅数量的查询结果。

获取相应区域内餐厅和酒吧的数量

修改查询，以纳入各酒店 1,000 米范围内的酒吧和餐厅：

SELECT WITH AGGREGATION_THRESHOLD h.name, r.primary_type, COUNT(*) AS count
FROM `PROJECT_NAME.places_insights___us___sample.places_sample` 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

下图显示了此查询的示例输出：

用于统计每家酒店 1000 米范围内的餐厅和酒吧的查询结果。

获取相应区域内中等价位餐厅和酒吧的数量

接下来，您想知道酒吧和餐厅服务于哪些客户群体。由于您的酒店定位为中等价位，因此您只想宣传附近价位相当且评价良好的商家。

将查询限制为仅当酒吧和餐厅的价格档位为 PRICE_LEVEL_MODERATE 且评分为 4 星或更高时，才返回这些酒吧和餐厅。此查询还将每个酒店周围的半径扩大到 1,500 米：

SELECT WITH AGGREGATION_THRESHOLD h.name, r.primary_type, COUNT(*) AS count
FROM `PROJECT_NAME.places_insights___us___sample.places_sample` 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

下图显示了此查询的示例输出：

查询结果：每家酒店方圆 1,500 米内价格适中的酒吧和餐厅。

后续步骤