Places Insights ti consente di analizzare i dati dettagliati su luoghi e brand in Google Maps per ricavare informazioni statistiche dai dati sui luoghi o sui punti di interesse (PDI) di Google Maps. I dati vengono implementati utilizzando le schede dello scambio di dati di BigQuery con protezioni dei dati in atto per consentire un ambiente sicuro e protetto per la condivisione e l'analisi dei dati.
Informazioni sui dati sui luoghi
Google Maps cura i dati sui luoghi per milioni di attività in tutto il mondo. Places Insights rende disponibili i dati sui luoghi in BigQuery in modo da poter ricavare informazioni aggregate sui dati sui luoghi di Google Maps in base a una serie di attributi come tipi di luoghi, valutazioni, orari di apertura, accessibilità con sedia a rotelle e altro ancora.
Per utilizzare Approfondimenti di Places, scrivi query SQL in BigQuery che restituiscono approfondimenti statistici sui dati dei luoghi. Queste informazioni ti consentono di rispondere a domande come:
- Quante attività simili operano vicino a una potenziale nuova sede del negozio?
- Quali tipi di attività si trovano più comunemente vicino ai miei negozi di maggior successo?
- In quali aree si trova un'alta concentrazione di attività complementari che potrebbero attirare i miei clienti target?
- Quanti ristoranti di sushi a 5 stelle sono aperti alle 20:00 a Madrid, hanno un parcheggio accessibile alle persone con disabilità motorie e offrono il servizio di asporto?
I dati di aggregazione possono supportare una moltitudine di casi d'uso, ad esempio:
- Selezione del sito per valutare e scegliere le posizioni più adatte per una nuova attività o il posizionamento di un asset fisico.
- Valutazione del rendimento delle località per determinare quali variabili geospaziali, come la vicinanza a determinati tipi di PDI come supermercati o sedi di eventi, influenzano il rendimento positivo o negativo delle tue sedi.
- Marketing basato sul targeting geografico per determinare quali tipi di campagne di marketing o pubblicità avranno successo in una determinata area.
- Previsione delle vendite per prevedere le vendite future in una potenziale sede.
- Ricerche di mercato per decidere in quali aree geografiche espandere la tua attività o il tuo servizio.
Informazioni sui dati dei brand
Oltre ai dati sui luoghi, Places Insights include dati su brand o negozi con più sedi che operano con lo stesso nome del brand.
Puoi utilizzare i brand per rispondere a domande come:
- Qual è il conteggio di tutti i negozi per brand in una zona?
- Qual è il conteggio dei tre brand concorrenti principali nella zona?
- Qual è il numero di tutte le caffetterie escluse queste marche in questa zona?
Informazioni su BigQuery
Rendendo disponibili i dati negli elenchi BigQuery, Places Insights ti consente di:
Combina in modo sicuro i tuoi dati con i dati di Approfondimenti di Places.
Scrivi query SQL flessibili per scoprire approfondimenti aggregati per le tue esigenze aziendali specifiche.
Utilizza gli stessi strumenti BigQuery che già utilizzi con i tuoi dati e workflow privati.
Sfrutta la potenza della scalabilità e delle prestazioni di BigQuery per analizzare facilmente set di dati di grandi dimensioni.
Esempio di caso d'uso
Questo esempio unisce i tuoi dati con i dati di Approfondimenti di Places in BigQuery per derivare informazioni di aggregazione. Per questo esempio, sei il proprietario di un hotel a New York con più sedi. Ora vuoi unire i dati sulla posizione dell'hotel con i dati di Places Insights per scoprire la concentrazione di tipi di attività predefiniti vicino ai tuoi hotel.
Prerequisiti
Per questo esempio, abbonati al set di dati Places Insights per gli Stati Uniti.
Il set di dati dell'hotel si chiama mydata e definisce le posizioni dei due
hotel a New York. Il seguente codice SQL crea questo set di dati:
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) );
Ottenere il conteggio dei ristoranti nella zona
Per dare ai tuoi clienti un'idea della densità di ristoranti operativi vicino ai tuoi hotel, scrivi una query SQL per restituire il numero di ristoranti entro 1000 metri da ogni hotel:
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
La seguente immagine mostra un esempio di output per questa query:
Visualizza il numero di ristoranti e bar nella zona
Modifica la query in modo da includere i bar insieme ai ristoranti entro 1000 metri da ogni hotel:
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
La seguente immagine mostra un esempio di output per questa query:
Visualizza il numero di ristoranti e bar a prezzi moderati nella zona
Successivamente, vuoi sapere a quale gruppo demografico di clienti si rivolgono i bar e i ristoranti. Poiché i tuoi hotel hanno come target un prezzo moderato, vuoi solo fare pubblicità all'esistenza di strutture vicine che rientrano in questa fascia di prezzo e che hanno recensioni positive.
Limita la query in modo che restituisca solo bar e ristoranti se hanno un prezzo di PRICE_LEVEL_MODERATE e una valutazione di 4 stelle o superiore. Questa query
estende anche il raggio a 1500 metri intorno a ogni hotel:
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
La seguente immagine mostra un esempio di output per questa query:
