Places Insights umożliwia analizowanie bogatych danych o miejscach i markach w Mapach Google w celu uzyskiwania statystycznych informacji z danych o miejscach lub punktach orientacyjnych w Mapach Google. Dane są wdrażane przy użyciu ofert wymiany danych BigQuery. Zastosowano w nich ochronę danych, aby zapewnić bezpieczne środowisko do udostępniania i analizowania danych.
Dane o miejscach
Mapy Google gromadzą dane o milionach miejsc na całym świecie. Statystyki miejsc udostępniają dane o miejscach w BigQuery, dzięki czemu możesz uzyskiwać zagregowane statystyki oparte na danych z Miejsc Google na podstawie różnych atrybutów, takich jak typy miejsc, oceny, godziny otwarcia, dostępność dla osób na wózkach inwalidzkich i inne.
Aby korzystać ze Statystyk miejsc, musisz napisać zapytania SQL w BigQuery, które zwracają statystyczne informacje o danych dotyczących miejsc. Te statystyki pozwalają uzyskać odpowiedzi na pytania takie jak:
- Ile podobnych firm działa w pobliżu potencjalnej nowej lokalizacji sklepu?
- Jakie rodzaje firm najczęściej znajdują się w pobliżu moich najbardziej dochodowych sklepów?
- W których obszarach jest dużo firm uzupełniających moją ofertę, które mogą przyciągnąć moich docelowych klientów?
- Ile restauracji sushi z 5 gwiazdkami jest otwartych o 20:00 w Madrycie, ma parking przystosowany do potrzeb osób na wózkach inwalidzkich i oferuje jedzenie na wynos?
Dane agregacji mogą obsługiwać wiele przypadków użycia, takich jak:
- Wybór lokalizacji, aby ocenić i wybrać najbardziej odpowiednie lokalizacje dla nowej firmy lub umieszczenia fizycznego zasobu.
- Ocena skuteczności lokalizacji, aby określić, które zmienne geoprzestrzenne, takie jak odległość od określonych typów punktów POI, np. supermarketów lub miejsc organizacji wydarzeń, wpływają na pozytywne lub negatywne wyniki Twoich lokalizacji.
- Marketing ukierunkowany geograficznie, aby określić, jakie typy kampanii marketingowych lub reklam będą skuteczne w danym obszarze.
- Prognozowanie sprzedaży w celu przewidywania przyszłej sprzedaży w potencjalnej lokalizacji.
- badania rynku, które pomogą Ci zdecydować, na jakie regiony rozszerzyć działalność lub usługi;
Informacje o danych dotyczących marek
Oprócz danych o miejscach Places Insights zawiera dane o markach lub sklepach, które mają wiele lokalizacji działających pod tą samą nazwą marki.
Dzięki markom możesz uzyskać odpowiedzi na pytania takie jak:
- Jaka jest liczba wszystkich sklepów danej marki w danym obszarze?
- Jaka jest liczba 3 najpopularniejszych marek konkurencyjnych w tym obszarze?
- Ile jest kawiarni w tym obszarze z wyłączeniem tych marek?
Informacje o BigQuery
Dzięki udostępnianiu danych w informacjach o BigQuery Statystyki miejsc umożliwiają:
Bezpiecznie łącz swoje dane z danymi Statystyk miejsc.
Twórz elastyczne zapytania SQL, aby odkrywać zagregowane statystyki odpowiadające Twoim konkretnym potrzebom biznesowym.
Używaj tych samych narzędzi BigQuery, których używasz już w przypadku danych prywatnych i przepływów pracy.
Wykorzystaj skalę i wydajność BigQuery, aby z łatwością analizować ogromne zbiory danych.
Przypadek użycia
W tym przykładzie łączymy Twoje dane z danymi Statystyk miejsc w BigQuery, aby uzyskać informacje o agregacji. W tym przykładzie jesteś właścicielem hotelu w Nowym Jorku, który ma kilka lokalizacji. Chcesz teraz połączyć dane o lokalizacji hotelu z danymi Places Insights, aby sprawdzić, jakie jest zagęszczenie zdefiniowanych typów firm w pobliżu Twoich hoteli.
Wymagania wstępne
W tym przykładzie subskrybujesz zbiór danych Places Insights dotyczący Stanów Zjednoczonych.
Zbiór danych o hotelach ma nazwę mydata i określa lokalizacje 2 hoteli w Nowym Jorku. Ten zbiór danych tworzy się za pomocą tego kodu SQL:
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) );
Uzyskiwanie liczby restauracji w okolicy
Aby dać klientom wyobrażenie o gęstości działających restauracji w pobliżu hoteli, możesz napisać zapytanie SQL, które zwróci liczbę restauracji w promieniu 1000 metrów od każdego hotelu:
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
Na poniższym obrazie widać przykładowe dane wyjściowe tego zapytania:
Sprawdzanie liczby restauracji i barów w okolicy
Zmodyfikuj zapytanie, aby uwzględnić bary wraz z restauracjami w promieniu 1000 metrów od każdego hotelu:
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
Na poniższym obrazie widać przykładowe dane wyjściowe tego zapytania:
Uzyskiwanie liczby restauracji i barów w okolicy o średnich cenach
Następnie chcesz się dowiedzieć, do jakiej grupy demograficznej klientów są skierowane bary i restauracje. Ponieważ Twoje hotele są w średnim przedziale cenowym, chcesz reklamować tylko pobliskie obiekty, które są w tym przedziale cenowym i mają dobre opinie.
Ogranicz zapytanie tak, aby zwracało tylko bary i restauracje, które są w PRICE_LEVEL_MODERATE przedziale cenowym i mają ocenę co najmniej 4 gwiazdki. To zapytanie rozszerza też promień do 1500 metrów wokół każdego hotelu:
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
Na poniższym obrazie widać przykładowe dane wyjściowe tego zapytania:
