Yer Analizleri'ne genel bakış

Places Insights, Google Haritalar'ın zengin Yerler verileri üzerinde gelişmiş istatistiksel analizler yapmanıza olanak tanır. Milyonlarca önemli yer (ÖY) veri noktası için toplu sayılar ve yoğunluk bilgileri sağlayarak güçlü bir jeo-uzamsal bilgi toplama olanağı sunar.

Temel özellikler

  • Jeo-uzaysal bilgi toplama: Belirli coğrafi bölgelerdeki farklı ÖY kategorilerinin (ör. perakende, restoranlar ve hizmetler) yoğunluğu ve dağılımı hakkında "kuş bakışı" bir görünüm elde edin.
  • Güvenli veri erişimi: Veriler, veri koruma önlemleri alınarak BigQuery veri alışverişi girişleri kullanılarak dağıtılır. Bu sayede veri paylaşımı ve analizi için güvenli ve korumalı bir ortam sağlanır.
  • Uygulanabilir Ayrıntılar: Places Insights, toplu trendlere odaklanır. Ancak istatistiksel analizden ayrıntılı işlem aşamasına geçmek için diğer Google Haritalar Platformu API'lerini kullanarak ayrıntılı bilgi edinmek ve her bir yerle ilgili bilgileri almak için çıkış olarak verilen yer kimliklerini kullanabilirsiniz.

Places verilerini ve kullanım alanlarını anlama

Google Haritalar, dünya genelindeki milyonlarca işletmenin yer verilerini derler. Places Insights, bu kapsamlı yer verilerini BigQuery'de kullanıma sunar. Böylece Google Haritalar'ın yer verileri hakkında yer türleri, puanlar, mağaza çalışma saatleri, tekerlekli sandalye kullanıcılarına uygunluk gibi çeşitli özelliklere dayalı toplu analizler elde edebilirsiniz.

Places Insights'ı kullanmak için BigQuery'de yer verileriyle ilgili istatistiksel analizler döndüren SQL sorguları yazarsınız. Bu analizler, aşağıdaki gibi soruları yanıtlamanıza olanak tanır:

  • Potansiyel yeni bir mağaza konumunun yakınında kaç tane benzer işletme faaliyet gösteriyor?
  • En başarılı mağazalarımın yakınında en çok hangi tür işletmeler bulunuyor?
  • Hedef müşterilerimin ilgisini çekebilecek tamamlayıcı işletmelerin yoğun olduğu bölgeler hangileri?
  • Madrid'de saat 20:00'de açık olan, tekerlekli sandalye kullanıcılarına uygun otoparkı bulunan ve paket servis hizmeti sunan kaç tane 5 yıldızlı suşi restoranı var?
  • Kaliforniya'da en çok elektrikli araç şarj istasyonu bulunan posta kodları hangileri?

Desteklenen kullanım alanları

  • Site seçimi: Yeni bir işletme veya fiziksel bir varlığın yerleşimi için en uygun konumları değerlendirip seçin. Çevredeki ÖY'lerin yoğunluğunu ve karışımını analiz ederek, potansiyel bir sitenin rekabetçi ve tamamlayıcı iş ortamında en uygun şekilde konumlandırılmasını sağlayabilirsiniz. Veriye dayalı bu yaklaşım, yeni konumlara yatırım yapmayla ilişkili riski azaltabilir.
  • Konum performansını değerlendirme: Süpermarketler veya etkinlik mekanları gibi belirli ÖY türlerine yakınlık gibi hangi coğrafi değişkenlerin mevcut konumlarınızda olumlu veya olumsuz performansla ilişkili olduğunu belirleyin. Bu veriler, kullanım alanınız için en iyi coğrafi özellik karışımını paylaşan potansiyel siteleri belirlemenize olanak tanır. Bu bilgileri, çevredeki ÖY bağlamına göre yeni konumların gelecekteki performansını tahmin eden tahmin modelleri dağıtmak için de kullanabilirsiniz.
  • Coğrafi hedeflemeli pazarlama: Bir bölgede hangi tür pazarlama kampanyalarının veya reklamların başarılı olacağını belirleyin. Places Insights, ticari faaliyetleri anlamak için gereken bağlamı sağlayarak mesajları ilgili işletmelerin veya faaliyetlerin yoğunluğuna göre uyarlamanıza olanak tanır.
  • Satış öngörme: Potansiyel bir konumdaki gelecekteki satışları tahmin edin. Çevredeki coğrafi özelliklerin etkisini modelleyerek yatırım kararlarını yönlendirecek güçlü tahmin modelleri oluşturabilirsiniz.
  • Pazar araştırması: İşletmenizi veya hizmetinizi bir sonraki aşamada hangi bölgelere genişleteceğinizi belirleyin. En büyük fırsatı sunan, yeterince hizmet verilmeyen veya yoğun bir şekilde odaklanılan hedef pazarları belirlemek için mevcut pazar doygunluğunu ve ÖY yoğunluğunu analiz edin. Bu analiz, stratejik büyüme ve genişleme girişimlerini destekleyecek kanıtlar sağlar.
  • Trend analizi: Belirli bir süre boyunca meydana gelen değişiklikleri inceleyin. Eklenen ve kaldırılan yerler de dahil olmak üzere yer sayılarını Ocak 2024'ten itibaren aylık olarak karşılaştırın.

Places Insights veri kümelerini Places Count işlevlerini veya doğrudan SQL sorgularını kullanarak sorgulayabilirsiniz.

Şema referansını inceleyin.

Places Insights, toplu ÖY sayıları ve marka yoğunluğu sağlasa da konum kararları genellikle insan davranışını ve yerel çevreyi anlamaya bağlıdır. BigQuery'deki ÖY verilerini Google Arama trendlerini, yapılaşmayı, insan etkinliği kalıplarını ve çevresel bağlamı (hava durumu ve hava kalitesi gibi) yakalayan makine öğrenimi yerleştirmeleriyle zenginleştirmek için Places Insights'ı Population Dynamics Insights (PDI) (Önizleme) ile eşleyin.

Sorgu yönteminizi seçme: Places Count işlevleri ve doğrudan SQL

Places Insights, farklı analiz ölçeklerine ve gizlilik şartlarına uyum sağlamak için iki sorgulama yöntemi sunar: Yer Sayısı İşlevleri (yerel BigQuery işlevleri) ve Doğrudan SQL Sorguları (tablo birleştirmeleri).

Uygulamanız için doğru sorgu yolunu belirlemek üzere bu karar matrisini kullanın:

Analiz Hedefiniz Önerilen sorgu yöntemi Döndürülen Veriler ve Çıktılar Gizlilik ve Mekansal Hususlar
Bölgesel ÖY yoğunluğunu analiz etme ve ısı haritaları oluşturma PLACES_COUNT_PER_H3
  • Tam sayılarla (0 dahil) H3 altıgen poligonları döndürür.
  • Hücre başına en fazla 250 place_id değeri döndürür.
  • Mekansal ML modelleri ve özellik mühendisliği için özel olarak tasarlanmıştır.
  • Minimum arama alanı 40 m × 40 m (1.600 m²)
  • Performans ve düşük işlem maliyeti için optimize edilmiştir.
  • Giriş parametrelerini doğrular ve daha kolay hata ayıklama için net hatalar döndürür.
Belirli siteler için sayıları alma ve ayrıntıları aramak için yer kimliklerini alma PLACES_COUNT_V2 veya PLACES_COUNT_PER_TYPE_V2
  • Özel geometriler için tam sayıları (0 dahil) döndürür.
  • Satır başına en fazla 250 place_id değeri döndürür
  • Minimum arama alanı 40 m × 40 m (1.600 m²)
  • TABLE parametreleri kullanılarak binlerce konuma ölçeklendirilebilir
  • Performans ve düşük işlem maliyeti için optimize edilmiştir.
  • Giriş parametrelerini doğrular ve daha kolay hata ayıklama için net hatalar döndürür.
İki ay arasındaki ÖY değişikliklerini ve büyüme trendlerini takip etme PLACES_COUNT_CHANGE
  • start_count, end_count, net_change, percentage_change ve compound_monthly_growth_rate iadeleri
  • Yeni eklenen (sample_added_place_ids) ve kaldırılan (sample_removed_place_ids) yer kimliklerinin dizilerini döndürür.
  • YYYY-MM biçiminde month1 ve month2 parametreleri gerekir
  • Minimum arama alanı 40 m × 40 m (1.600 m²)
  • TABLE parametreleri kullanılarak binlerce özel konuma ölçeklenebilir
Gelişmiş özel mantık ve ortalamalar uygulama veya verilerinizle birleştirme Doğrudan SQL sorguları
  • Ham tablolar üzerinde tam SQL esnekliği
  • Özel SQL metriklerini (AVG, SUM vb.) etkinleştirir.
  • Yer kimliklerini döndürmez.
  • Gizlilik eşiği: 0 ile 4 arasındaki sayılar tamamen çıkarılır.
  • Minimum arama alanı kısıtlaması yok

Places Insights, Ocak 2024'e kadar uzanan Places verilerinin aylık anlık görüntülerini sorgulayarak geçmişe dönük analiz yapmanıza olanak tanır. Bu sayede işletme yoğunluğunun, ticari faaliyetlerin ve rekabet ortamlarının zaman içinde nasıl geliştiğini değerlendirebilirsiniz.

Places Count işlevlerini kullanarak geçmiş verileri sorgulamak için isteğe bağlı snapshot_date filtre parametresini JSON_OBJECT içine iletin. Değer, YYYY-MM biçiminde olmalıdır (örneğin, '2026-01').

Örnek: PLACES_COUNT_V2 ile New York'taki geçmiş restoran sayılarını sorgulama

Aşağıdaki örnekte, New York'taki Empire State Binası ve Times Meydanı çevresinde Ocak 2026'da faaliyet gösteren restoranların sayısını analiz etmek için PLACES_COUNT_V2 kullanılmıştır:

-- Create a table for the input search geographies
WITH my_search_areas AS (
  SELECT
    'Empire State Building' AS geo_id,
    ST_GEOGPOINT(-73.9857, 40.7484) AS geo
  UNION ALL
  SELECT
    'Times Square' AS geo_id,
    ST_GEOGPOINT(-73.9851, 40.7580) AS geo
)

-- Query restaurant counts for the January 2026 snapshot
SELECT *
FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_V2`(
  TABLE my_search_areas,
  JSON_OBJECT(
      'geography_radius', 1000, -- Radius in meters around each point
      'business_status', ['OPERATIONAL'],
      'types', ['restaurant'],
      'snapshot_date', '2026-01'
  )
);

Geçmiş çıkışlar analiz ediliyor

Döndürülen BigQuery tablosu, belirtilen anlık görüntü ayında (2026-01) kaydedilen geo_id, giriş coğrafyası poligonu, yer sayısı ve örnek yer kimliklerini içerir. Büyüme trendlerini, mağaza açılışlarını veya pazar daralmasını hesaplamak için birden fazla anlık görüntü ayında aynı sorguları çalıştırabilirsiniz.

PLACES_COUNT_PER_H3 kullanarak bölgesel ÖY yoğunluğunu toplama

PLACES_COUNT_PER_H3 işlevi, geniş alanlardaki ÖY yoğunluğunu analiz etmek için önerilen yöntemdir. Hedef bölgenizi standartlaştırılmış H3 altıgen ızgara hücrelerine bölerek özel sınırlar çizme ihtiyacını ortadan kaldırır ve sonuçları doğrudan Looker Studio gibi görsel harita araçlarına aktarabilirsiniz.

Örnek: New York eyaletinde tekerlekli sandalye kullanıcılarına uygun marketlerin sayısını belirleme

Aşağıdaki sorgu, New York eyaletindeki tekerlekli sandalye kullanıcılarına uygun marketleri ve bakkalları 8. çözünürlük seviyesindeki H3 hücrelerinde toplar. bigquery-public-data.geo_us_boundaries.states herkese açık veri kümesinden dinamik olarak alınan sınır geometrisini kullanır.

-- Query POI count per H3 cell intersecting the New York State polygon boundary
SELECT *
FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_PER_H3`(
  JSON_OBJECT(
      'geography', (
        -- Dynamically retrieve the boundary geography for New York State
        SELECT state_geom
        FROM `bigquery-public-data.geo_us_boundaries.states`
        WHERE state = 'NY'
        LIMIT 1
      ),
      'types', ['grocery_store', 'convenience_store'],
      'business_status', ['OPERATIONAL'],
      'h3_resolution', 8,
      'wheelchair_accessible_entrance', TRUE
  )
)
ORDER BY count DESC;

Çıkış analiz ediliyor

Bu sorgu, her bir farklı H3 dizinini (h3_cell_index) sınır poligonu (geography), ÖY sayısı (count) ve en fazla 250 temsili sample_place_ids ile eşleyen yapılandırılmış bir tablo döndürür.

  • Sıfır Sayımlar Dahil: New York eyaleti tablosundaki bir hücrede eşleşen mağaza sayısı sıfırsa yine de 0 sayısını içeren bir satır döndürülür. Bu, ticari veya hizmet alanlarının belirlenmesi açısından kritik önem taşır.
  • Doğrudan görsel eşleme: Çıkışta bir GEOGRAPHY poligon bulunduğu için ısı haritalarını doğrudan BigQuery Studio veya Looker Studio'da oluşturabilirsiniz.

Yer ayrıntılarını incelemek için yer kimliklerini alma

Places Insights, istatistiksel analizler için tasarlanmış olsa da toplu analizlerden ayrıntılı işlemlere geçiş yapabilirsiniz.

PLACES_COUNT_PER_H3, PLACES_COUNT_V2 ve PLACES_COUNT_PER_TYPE_V2 dahil olmak üzere tüm birincil Places Count işlevleri (eski PLACES_COUNT işlevi hariç), sorgu ölçütlerinizle eşleşen satır başına en fazla 250 yer kimliği içeren bir dizi döndürür.

Bu Yer Kimlikleri, mağaza adları, yorumlar, telefon numaraları ve adresler gibi belirli ayrıntıları almak için Yer Ayrıntıları API gibi diğer Google Haritalar Platformu API'lerini kullanmanıza olanak tanıyan bir köprü görevi görür.

Çok konumlu markaların varlığını analiz etme

Places Insights, yer verilerinin yanı sıra markalar veya aynı marka adı altında birden fazla konumda faaliyet gösteren mağazalarla ilgili veriler de içerir.

Marka verilerini şu amaçlarla sorgulayabilirsiniz:

  • Hedef pazardaki rakip markaların yoğunluğunu belirleme
  • ÖY sayılarınızı özellikle marka kimliklerine göre filtreleyin.
  • Markalı ve bağımsız işletmeleri karşılaştırarak pazara girmeyi inceleyin.

Sırada ne var?