Places Insights vous permet d'analyser les données enrichies sur les lieux et les marques dans Google Maps pour obtenir des insights statistiques à partir des données sur les lieux ou les points d'intérêt (POI) de Google Maps. Les données sont déployées à l'aide de fiches de l'échange de données BigQuery, avec des mesures de protection des données en place pour permettre un environnement sécurisé et protégé pour le partage et l'analyse des données.
À propos des données sur les lieux
Google Maps collecte des données sur des millions d'établissements dans le monde entier. Places Insights met les données Places à disposition dans BigQuery afin que vous puissiez obtenir des insights agrégés sur les données Places de Google Maps en fonction de différents attributs tels que les types de lieux, les notes, les horaires d'ouverture, l'accessibilité en fauteuil roulant, etc.
Pour utiliser Places Insights, vous devez écrire des requêtes SQL dans BigQuery qui renvoient des insights statistiques sur les données de lieux. Ces insights vous permettent de répondre à des questions telles que :
- Combien d'entreprises similaires sont implantées à proximité d'un nouvel emplacement potentiel pour un magasin ?
- Quels types d'établissements se trouvent le plus souvent à proximité de mes magasins les plus performants ?
- Quels sont les quartiers où se concentrent des entreprises complémentaires qui pourraient attirer mes clients cibles ?
- Combien de restaurants de sushis cinq étoiles sont ouverts à 20h à Madrid, disposent d'un parking accessible aux personnes à mobilité réduite et proposent des plats à emporter ?
Les données d'agrégation peuvent être utilisées dans de nombreux cas, par exemple :
- La sélection de sites pour évaluer et choisir les emplacements les plus adaptés à une nouvelle entreprise ou à l'emplacement d'un actif physique.
- Évaluez les performances de vos établissements pour déterminer les variables géospatiales (comme la proximité de certains types de points d'intérêt, tels que les supermarchés ou les lieux d'événements) qui ont un impact positif ou négatif sur leurs performances.
- Marketing ciblé géographiquement pour déterminer les types de campagnes marketing ou de publicités qui seront efficaces dans une zone.
- Prévoir les ventes dans un emplacement potentiel.
- Études de marché pour déterminer les zones géographiques dans lesquelles étendre votre activité ou votre service.
À propos des données sur les marques
En plus des données sur les lieux, Places Insights inclut des données sur les marques ou les magasins ayant plusieurs établissements qui opèrent sous le même nom de marque.
Vous pouvez utiliser les marques pour répondre à des questions telles que :
- Quel est le nombre total de magasins par marque dans une zone ?
- Quel est le nombre de mes trois principales marques concurrentes dans la zone ?
- Quel est le nombre de cafés dans cette zone, à l'exclusion de ces marques ?
À propos de BigQuery
En mettant à disposition des données dans les fiches BigQuery, Places Insights vous permet de :
Combinez de manière sécurisée vos données avec les données Places Insights.
Rédigez des requêtes SQL flexibles pour découvrir des insights agrégés répondant à vos besoins commerciaux spécifiques.
Utilisez les mêmes outils BigQuery que ceux que vous utilisez déjà avec vos données et workflows privés.
Exploitez la puissance de l'évolutivité et des performances de BigQuery pour analyser facilement des ensembles de données volumineux.
Exemple d'utilisation
Cet exemple joint vos données à celles de Places Insights dans BigQuery pour obtenir des informations agrégées. Dans cet exemple, vous êtes propriétaire d'un hôtel à New York, avec plusieurs établissements. Vous souhaitez maintenant associer les données sur l'emplacement de votre hôtel à celles de Places Insights pour découvrir la concentration de types d'établissements prédéfinis à proximité de vos hôtels.
Prérequis
Dans cet exemple, vous vous abonnez à l'ensemble de données Places Insights pour les États-Unis.
Votre ensemble de données sur les hôtels est nommé mydata et définit les emplacements de vos deux hôtels à New York. Le code SQL suivant crée cet ensemble de données :
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) );
Obtenir le nombre de restaurants dans la zone
Pour donner à vos clients une idée de la densité des restaurants ouverts à proximité de vos hôtels, vous écrivez une requête SQL pour renvoyer le nombre de restaurants situés à moins de 1 000 mètres de chaque hôtel :
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
L'image suivante montre un exemple de résultat pour cette requête :
Obtenir le nombre de restaurants et de bars dans la zone
Modifiez votre requête pour inclure les bars et les restaurants situés à moins de 1 000 mètres de chaque hôtel :
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
L'image suivante montre un exemple de résultat pour cette requête :
Obtenez le nombre de restaurants et bars à prix modérés dans la zone.
Vous souhaitez ensuite connaître la tranche d'âge des clients des bars et restaurants. Étant donné que vos hôtels ciblent un prix modéré, vous ne souhaitez faire la promotion que des établissements à proximité qui proposent ce prix et qui ont de bons avis.
Limitez la requête pour qu'elle ne renvoie que les bars et restaurants dont le prix est PRICE_LEVEL_MODERATE et qui ont reçu une note de quatre étoiles ou plus. Cette requête étend également le rayon à 1 500 mètres autour de chaque hôtel :
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
L'image suivante montre un exemple de résultat pour cette requête :
