סקירה כללית על התובנות לגבי מקומות

הכלי 'תובנות לגבי מקומות' מאפשר לכם לנתח את הנתונים העשירים של מקומות ומותגים במפות Google כדי להפיק תובנות סטטיסטיות מנתוני המקומות או מנקודות העניין (POI) במפות Google. הנתונים נפרסים באמצעות רשימות של BigQuery Data Exchange, עם אמצעי הגנה על הנתונים שמאפשרים סביבה מאובטחת ומוגנת לשיתוף ולניתוח נתונים.

מידע על נתוני מקומות

מפות Google אוספת נתונים על מיליוני עסקים ברחבי העולם. התובנות לגבי מקומות מאפשרות לכם לגשת לנתוני מקומות ב-BigQuery כדי להפיק תובנות מצטברות לגבי נתוני מקומות במפות Google על סמך מגוון מאפיינים כמו סוגי מקומות, דירוגים, שעות פתיחה, נגישות לכיסא גלגלים ועוד.

כדי להשתמש ב-Places Insights, צריך לכתוב שאילתות SQL ב-BigQuery שמחזירות תובנות סטטיסטיות לגבי נתוני מקומות. התובנות האלה מאפשרות לכם לענות על שאלות כמו:

  • כמה עסקים דומים פועלים בקרבת מיקום פוטנציאלי של חנות חדשה?
  • אילו סוגי עסקים נפוצים בקרבת החנויות הכי מצליחות שלי?
  • באילו אזורים יש ריכוז גבוה של עסקים משלימים שיכולים למשוך את לקוחות היעד שלי?
  • כמה מסעדות סושי בדירוג 5 כוכבים פתוחות בשעה 20:00 במדריד, יש להן חנייה נגישה לכיסא גלגלים והן מציעות שירות משלוחים?

נתוני הצבירה יכולים לתמוך במגוון רחב של תרחישי שימוש, כמו:

  • בחירת אתר כדי להעריך ולבחור את המיקומים המתאימים ביותר לעסק חדש או למיקום של נכס פיזי.
  • הערכת הביצועים לפי מיקום כדי לקבוע אילו משתנים גיאוגרפיים, כמו קרבה לסוגים מסוימים של נקודות עניין (POI) כמו סופרמרקטים או מקומות לאירועים, משפיעים על הביצועים של המיקומים שלכם באופן חיובי או שלילי.
  • שיווק ממוקד גיאוגרפית כדי לקבוע אילו סוגים של קמפיינים שיווקיים או מודעות יניבו תוצאות טובות באזור מסוים.
  • תחזית מכירות כדי לחזות את ערך המכירות הצפוי במיקום פוטנציאלי.
  • מחקר שוק שיעזור לכם להחליט לאילו אזורים גיאוגרפיים כדאי להרחיב את העסק או השירות שלכם.

מידע על נתוני מותגים

בנוסף לנתוני המקומות, התובנות לגבי מקומות כוללות נתונים על מותגים או על חנויות עם כמה מיקומים שפועלות תחת אותו שם מותג.

אפשר להשתמש במותגים כדי לענות על שאלות כמו:

  • מהו מספר החנויות הכולל של מותג מסוים באזור מסוים?
  • מהו מספר המותגים המובילים של המתחרים באזור?
  • כמה בתי קפה יש באזור הזה, לא כולל המותגים האלה?

מידע על BigQuery

הנתונים שזמינים בכרטיסי המוצר ב-BigQuery מאפשרים לכם:

  • לשלב את הנתונים שלכם עם נתוני 'תובנות לגבי מקומות' באופן מאובטח.

  • לכתוב שאילתות SQL גמישות כדי לחשוף תובנות מצטברות שמתאימות לצרכים העסקיים הספציפיים שלכם.

  • להשתמש באותם כלים של BigQuery שבהם אתם כבר משתמשים עם הנתונים הפרטיים ועם תהליכי העבודה שלכם.

  • אתם יכולים לנצל את העוצמה של BigQuery מבחינת קנה מידה וביצועים כדי לנתח בקלות מערכי נתונים עצומים.

תרחיש שימוש לדוגמה

בדוגמה הזו, הנתונים שלכם מצורפים לנתונים של Places Insights ב-BigQuery כדי להפיק מידע מצטבר. בדוגמה הזו, אתם בעלים של מלון בניו יורק עם כמה מיקומים. עכשיו אתם רוצים לצרף את נתוני המיקום של המלון לנתוני התובנות לגבי מקומות, כדי לגלות את הריכוז של סוגי עסקים מוגדרים מראש ליד המלונות שלכם.

דרישות מוקדמות

בדוגמה הזו, נרשמים לקבוצת הנתונים Places Insights בארצות הברית.

מערך הנתונים של המלונות נקרא mydata והוא מגדיר את המיקומים של שני המלונות שלכם בניו יורק. שאילתת ה-SQL הבאה יוצרת את מערך הנתונים הזה:

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) );

קבלת מספר המסעדות באזור

כדי לתת ללקוחות מושג לגבי צפיפות המסעדות הפתוחות בקרבת המלונות שלכם, אתם כותבים שאילתת SQL שתחזיר את מספר המסעדות ברדיוס של 1,000 מטרים מכל מלון:

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

התמונה הבאה מציגה פלט לדוגמה של השאילתה הזו:

תוצאות של שאילתות לספירת מסעדות ברדיוס של 1,000 מטרים מכל מלון.

קבלת מספר המסעדות והברים באזור

משנים את השאילתה כך שתכלול ברים ומסעדות ברדיוס של 1,000 מטרים מכל מלון:

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

התמונה הבאה מציגה פלט לדוגמה של השאילתה הזו:

תוצאות של שאילתות לספירת מסעדות וברים ברדיוס של 1,000 מטרים מכל מלון.

קבלת מספר המסעדות והברים באזור עם מחירים בינוניים

לאחר מכן, אתם רוצים לדעת איזו קבוצה דמוגרפית של לקוחות נהנית מהשירותים של הברים והמסעדות. מכיוון שהמלונות שלכם ממוקמים ברמת מחיר בינונית, אתם רוצים לפרסם רק את קיומם של בתי עסק סמוכים שנמצאים ברמת המחיר הזו וקיבלו ביקורות טובות.

הגבלת השאילתה כך שתחזיר רק ברים ומסעדות אם הם ברמת המחיר PRICE_LEVEL_MODERATE וקיבלו דירוג של 4 כוכבים ומעלה. השאילתה הזו גם מרחיבה את הרדיוס ל-1,500 מטרים סביב כל מלון:

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

התמונה הבאה מציגה פלט לדוגמה של השאילתה הזו:

תוצאות של שאילתות לגבי ברים ומסעדות במחירים בינוניים, במרחק של עד 1,500 מטרים מכל מלון.

המאמרים הבאים