نظرة عامة على "إحصاءات الأماكن"

تتيح لك Places Insights تحليل البيانات الغنية الخاصة بالأماكن والعلامات التجارية في "خرائط Google" لاستخلاص إحصاءات من بيانات الأماكن أو نقاط الاهتمام (POI) في "خرائط Google". يتم نشر البيانات باستخدام قوائم في "تبادل البيانات في BigQuery"، مع توفير وسائل حماية البيانات لضمان توفير بيئة آمنة ومحمية لمشاركة البيانات وتحليلها.

لمحة عن بيانات الأماكن

تجمع "خرائط Google" بيانات الأماكن لملايين المؤسسات في جميع أنحاء العالم. تتيح Places Insights بيانات الأماكن في BigQuery، ما يتيح لك استخلاص إحصاءات مجمّعة حول بيانات الأماكن في "خرائط Google" استنادًا إلى مجموعة متنوعة من السمات، مثل أنواع الأماكن والتقييمات وساعات عمل المتاجر وإمكانية الوصول إلى الكراسي المتحركة وغير ذلك.

لاستخدام Places Insights، عليك كتابة طلبات بحث SQL في BigQuery تعرض إحصاءات حول بيانات الأماكن. تتيح لك هذه الإحصاءات الإجابة عن أسئلة مثل:

  • كم عدد الأنشطة التجارية المشابهة التي تعمل بالقرب من موقع متجر جديد محتمل؟
  • ما هي أنواع الأنشطة التجارية الأكثر شيوعًا بالقرب من متاجري الأكثر نجاحًا؟
  • ما هي المناطق التي تضم عددًا كبيرًا من الأنشطة التجارية التكميلية التي يمكنها جذب عملائي المستهدفين؟
  • كم عدد مطاعم السوشي ذات الـ 5 نجوم المفتوحة في الساعة 8 مساءً في مدريد والتي توفّر مواقف سيارات يمكن الوصول إليها باستخدام الكراسي المتحركة وتقدّم خدمة استلام الطلبات؟

يمكن أن تتوافق بيانات التجميع مع مجموعة كبيرة من حالات الاستخدام، مثل:

  • اختيار الموقع الجغرافي لتقييم واختيار المواقع الجغرافية الأنسب لنشاط تجاري جديد أو لوضع أحد الأصول المادية
  • تقييم أداء المواقع الجغرافية لتحديد المتغيرات الجغرافية المكانية، مثل القرب من أنواع معيّنة من نقاط الاهتمام، كالمتاجر الكبيرة أو أماكن الفعاليات، التي تؤثّر في الأداء الإيجابي أو السلبي لمواقعك الجغرافية
  • التسويق المستهدِف جغرافيًا لتحديد أنواع الحملات التسويقية أو الإعلانات التي ستحقّق النجاح في منطقة معيّنة
  • توقّع المبيعات للتنبؤ بالمبيعات المستقبلية في موقع جغرافي محتمل
  • أبحاث السوق لتحديد المناطق الجغرافية التي يجب توسيع نطاق نشاطك التجاري أو خدماتك فيها

لمحة عن بيانات العلامات التجارية

بالإضافة إلى بيانات الأماكن، تتضمّن "إحصاءات الأماكن" بيانات حول العلامات التجارية أو المتاجر التي لديها مواقع جغرافية متعدّدة تعمل تحت اسم العلامة التجارية نفسه.

يمكنك استخدام العلامات التجارية للإجابة عن أسئلة مثل:

  • ما هو عدد جميع المتاجر حسب العلامة التجارية في منطقة معيّنة؟
  • ما هو عدد أهم ثلاث علامات تجارية منافسة في المنطقة؟
  • ما هو عدد جميع المقاهي باستثناء هذه العلامات التجارية في هذه المنطقة؟

لمحة عن BigQuery

من خلال إتاحة البيانات في بطاقات بيانات BigQuery، تتيح لك "إحصاءات الأماكن" ما يلي:

  • يمكنك الجمع بين بياناتك وبيانات "إحصاءات حول الأماكن" بشكل آمن.

  • اكتب استعلامات SQL مرنة للكشف عن إحصاءات مجمّعة لتلبية احتياجات عملك المحددة.

  • استخدِم أدوات BigQuery نفسها التي تستخدمها حاليًا مع بياناتك الخاصة وسير عملك.

  • يمكنك الاستفادة من إمكانات BigQuery في ما يتعلّق بالحجم والأداء لتحليل مجموعات البيانات الضخمة بسهولة.

مثال على حالة الاستخدام

يجمع هذا المثال بياناتك مع بيانات Places Insights في BigQuery لاستخلاص معلومات التجميع. في هذا المثال، أنت مالك فندق في مدينة نيويورك ولديك مواقع جغرافية متعددة. تريد الآن ربط بيانات الموقع الجغرافي لفندقك ببيانات Places Insights لمعرفة مدى تركّز أنواع الأنشطة التجارية المحدّدة مسبقًا بالقرب من فنادقك.

المتطلبات الأساسية

في هذا المثال، عليك الاشتراك في مجموعة بيانات "إحصاءات الأماكن" الخاصة بالولايات المتحدة.

اسم مجموعة بيانات الفنادق هو mydata، وهي تحدّد المواقع الجغرافية لفندقَيك في مدينة نيويورك. ينشئ SQL التالي مجموعة البيانات هذه:

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) );

الحصول على عدد المطاعم في المنطقة

لإعطاء عملائك فكرة عن كثافة المطاعم المفتوحة بالقرب من فنادقك، يمكنك كتابة استعلام SQL لعرض عدد المطاعم التي تقع على بُعد 1, 000 متر من كل فندق:

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

تعرض الصورة التالية مثالاً على الناتج الذي يظهر استجابةً لطلب البحث هذا:

نتائج طلب البحث لاحتساب عدد المطاعم التي تقع على بُعد 1,000 متر من كل فندق

الحصول على عدد المطاعم والحانات في المنطقة

عدِّل طلب البحث ليشمل البارات بالإضافة إلى المطاعم ضمن مسافة 1,000 متر من كل فندق:

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

تعرض الصورة التالية مثالاً على الناتج الذي يظهر استجابةً لطلب البحث هذا:

نتائج طلب البحث لاحتساب عدد المطاعم والبارات ضمن مسافة 1,000 متر من كل فندق

الحصول على عدد المطاعم والحانات ذات الأسعار المتوسطة في المنطقة

بعد ذلك، تريد معرفة الفئة السكانية التي تستهدفها الحانات والمطاعم. بما أنّ فنادقك تستهدف نقطة سعر معتدلة، ما عليك سوى الإعلان عن توفّر مؤسسات قريبة بهذا السعر وحصلت على مراجعات جيدة.

احصر نتائج البحث على الحانات والمطاعم التي تندرج ضمن فئة السعر PRICE_LEVEL_MODERATE والتي حصلت على تقييم 4 نجوم أو أكثر. يوسّع طلب البحث هذا أيضًا نطاق البحث إلى 1500 متر حول كل فندق:

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

تعرض الصورة التالية مثالاً على الناتج الذي يظهر استجابةً لطلب البحث هذا:

نتائج طلب البحث عن البارات والمطاعم ذات الأسعار المتوسطة التي تقع على بُعد 1500 متر من كل فندق

الخطوات التالية