Places Insights позволяет анализировать данные о местах и брендах в Google Картах, чтобы получать статистические данные на основе данных о местах и точках интереса (POI) Google Карт. Данные размещаются с использованием списков обмена данными BigQuery с защитой данных, что обеспечивает безопасную и защищенную среду для обмена данными и их анализа.
О данных мест
Google Карты собирают данные о местах для миллионов заведений по всему миру. Places Insights предоставляет доступ к данным о местах в BigQuery, что позволяет получать агрегированные данные о местах в Google Картах на основе различных атрибутов, таких как типы мест, рейтинги, часы работы магазинов, доступность для инвалидных колясок и многое другое.
Чтобы использовать Places Insights, вы пишете SQL-запросы в BigQuery, которые возвращают статистические данные о местах. Эти данные позволяют ответить на такие вопросы, как:
- Сколько аналогичных предприятий работает рядом с потенциальным местом открытия нового магазина?
- Какие виды бизнеса чаще всего находятся рядом с моими самыми успешными магазинами?
- В каких регионах наблюдается высокая концентрация дополнительных видов бизнеса, которые могли бы привлечь моих целевых клиентов?
- Сколько пятизвездочных суши-ресторанов в Мадриде открыты в 20:00, имеют парковку, доступную для инвалидных колясок, и предлагают еду на вынос?
Агрегированные данные могут использоваться во множестве вариантов, например:
- Выбор площадки для оценки и выбора наиболее подходящих мест для нового бизнеса или размещения физического актива.
- Оценка эффективности местоположений для определения того, какие геопространственные переменные, такие как близость к определенным типам точек интереса, например супермаркетам или местам проведения мероприятий, влияют на положительную или отрицательную эффективность ваших местоположений.
- Геотаргетинговый маркетинг для определения того, какие типы маркетинговых кампаний или рекламы будут успешными в определенном регионе.
- Прогнозирование продаж для определения будущих объемов продаж в перспективном месте.
- Маркетинговые исследования с целью определения, на какие регионы следует расширить ваш бизнес или услуги в дальнейшем.
О данных брендов
Наряду с данными о местах Places Insights включает данные о брендах или магазинах, имеющих несколько филиалов, работающих под одной и той же торговой маркой.
Вы можете использовать бренды, чтобы ответить на такие вопросы, как:
- Каково количество всех магазинов данного бренда в регионе?
- Каково количество трех моих основных конкурирующих брендов в этом районе?
- Каково количество всех кофеен в этом районе, за исключением этих брендов?
О BigQuery
Предоставляя данные в листингах BigQuery, Places Insights позволяет вам:
Безопасно объединяйте свои данные с данными Places Insights.
Создавайте гибкие SQL-запросы для получения обобщенной информации, отвечающей конкретным бизнес-потребностям.
Используйте те же инструменты BigQuery, которые вы уже используете для своих личных данных и рабочих процессов.
Используйте всю мощь масштабируемости и производительности BigQuery, чтобы с легкостью анализировать огромные наборы данных.
Пример использования
В этом примере ваши данные объединяются с данными Places Insights в BigQuery для получения агрегированной информации. В данном примере вы являетесь владельцем отеля в Нью-Йорке с несколькими филиалами. Теперь вам нужно объединить данные о местоположении отелей с данными Places Insights, чтобы определить концентрацию компаний определённых типов рядом с вашими отелями.
Предпосылки
В этом примере вы подписываетесь на набор данных Places Insights для США.
Ваш набор данных об отелях называется mydata и определяет местоположение двух ваших отелей в Нью-Йорке. Этот набор данных создается с помощью следующего SQL-запроса:
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) );
Получите количество ресторанов в этом районе
Чтобы дать вашим клиентам представление о плотности работающих ресторанов вблизи ваших отелей, вы пишете SQL-запрос для возврата количества ресторанов в радиусе 1000 метров от каждого отеля:
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
На следующем изображении показан пример вывода этого запроса:
Узнайте количество ресторанов и баров в этом районе.
Измените свой запрос, включив бары и рестораны в радиусе 1000 метров от каждого отеля:
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
На следующем изображении показан пример вывода этого запроса:
Узнайте количество недорогих ресторанов и баров в этом районе.
Далее вам нужно узнать, какую демографическую группу обслуживают бары и рестораны. Поскольку ваши отели ориентированы на умеренный ценовой сегмент, вам следует рекламировать только заведения поблизости, которые предлагают номера в этом ценовом сегменте и имеют хорошие отзывы.
Ограничьте запрос, чтобы возвращались только бары и рестораны, находящиеся в ценовом диапазоне PRICE_LEVEL_MODERATE и имеющие рейтинг 4 звезды или выше. Этот запрос также расширяет радиус до 1500 метров вокруг каждого отеля:
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
На следующем изображении показан пример вывода этого запроса:
