Places Insights cho phép bạn phân tích dữ liệu phong phú về địa điểm và thương hiệu trên Google Maps để rút ra thông tin chi tiết về thống kê từ dữ liệu địa điểm hoặc điểm đến (POI) của Google Maps. Dữ liệu được triển khai bằng cách sử dụng danh sách trao đổi dữ liệu BigQuery, đồng thời có các biện pháp bảo vệ dữ liệu để tạo một môi trường an toàn và được bảo vệ cho việc chia sẻ và phân tích dữ liệu.
Giới thiệu về dữ liệu địa điểm
Google Maps tuyển chọn dữ liệu về địa điểm cho hàng triệu cơ sở trên toàn thế giới. Places Insights cung cấp dữ liệu về địa điểm trong BigQuery để bạn có thể thu thập thông tin chi tiết tổng hợp về dữ liệu địa điểm của Google Maps dựa trên nhiều thuộc tính, chẳng hạn như loại địa điểm, điểm xếp hạng, giờ hoạt động của cửa hàng, khả năng tiếp cận bằng xe lăn, v.v.
Để sử dụng Places Insights, bạn viết các truy vấn SQL trong BigQuery để trả về thông tin chi tiết về số liệu thống kê liên quan đến dữ liệu về địa điểm. Những thông tin chi tiết này giúp bạn trả lời các câu hỏi như:
- Có bao nhiêu doanh nghiệp tương tự đang hoạt động gần một địa điểm tiềm năng cho cửa hàng mới?
- Những loại hình doanh nghiệp nào thường xuất hiện gần các cửa hàng thành công nhất của tôi?
- Những khu vực nào có nhiều doanh nghiệp bổ sung có thể thu hút khách hàng mục tiêu của tôi?
- Có bao nhiêu nhà hàng sushi 5 sao mở cửa lúc 8 giờ tối ở Madrid, có chỗ đậu xe dành cho xe lăn và có dịch vụ mang đi?
Dữ liệu tổng hợp có thể hỗ trợ nhiều trường hợp sử dụng, chẳng hạn như:
- Lựa chọn địa điểm để đánh giá và chọn địa điểm phù hợp nhất cho một doanh nghiệp mới hoặc vị trí của một tài sản thực.
- Đánh giá hiệu suất theo vị trí để xác định những biến số không gian địa lý (chẳng hạn như khoảng cách đến một số loại địa điểm yêu thích như siêu thị hoặc địa điểm tổ chức sự kiện) ảnh hưởng đến hiệu suất tích cực hoặc tiêu cực của các vị trí.
- Tiếp thị nhắm mục tiêu theo địa lý để xác định những loại chiến dịch tiếp thị hoặc quảng cáo sẽ thành công ở một khu vực.
- Dự báo doanh số để dự đoán doanh số trong tương lai tại một địa điểm tiềm năng.
- Nghiên cứu thị trường để biết những khu vực địa lý mà bạn nên mở rộng hoạt động kinh doanh hoặc dịch vụ tiếp theo.
Giới thiệu về dữ liệu thương hiệu
Ngoài dữ liệu về địa điểm, Thông tin chi tiết về địa điểm còn có dữ liệu về các thương hiệu hoặc cửa hàng có nhiều địa điểm hoạt động dưới cùng một tên thương hiệu.
Bạn có thể sử dụng thương hiệu để trả lời các câu hỏi như:
- Số lượng cửa hàng theo thương hiệu trong một khu vực là bao nhiêu?
- Số lượng 3 thương hiệu cạnh tranh hàng đầu của tôi trong khu vực là bao nhiêu?
- Có bao nhiêu quán cà phê (không bao gồm các thương hiệu này) trong khu vực này?
Giới thiệu về BigQuery
Bằng cách cung cấp dữ liệu trong trang thông tin BigQuery, Thông tin chi tiết về địa điểm giúp bạn:
Kết hợp dữ liệu của bạn với dữ liệu Places Insights một cách an toàn.
Viết các truy vấn SQL linh hoạt để khám phá thông tin chi tiết tổng hợp cho nhu cầu kinh doanh cụ thể của bạn.
Sử dụng các công cụ BigQuery mà bạn đang dùng với dữ liệu và quy trình làm việc riêng tư.
Tận dụng sức mạnh về quy mô và hiệu suất của BigQuery để bạn có thể dễ dàng phân tích các tập dữ liệu khổng lồ.
Trường hợp sử dụng mẫu
Ví dụ này kết hợp dữ liệu của bạn với dữ liệu Places Insights trong BigQuery để lấy thông tin tổng hợp. Trong ví dụ này, bạn là chủ sở hữu khách sạn ở Thành phố New York, có nhiều vị trí. Giờ đây, bạn muốn kết hợp dữ liệu vị trí khách sạn với dữ liệu Places Insights để khám phá mức độ tập trung của các loại hình kinh doanh được xác định trước gần khách sạn của bạn.
Điều kiện tiên quyết
Trong ví dụ này, bạn đăng ký bộ dữ liệu Thông tin chi tiết về địa điểm cho Hoa Kỳ.
Tập dữ liệu khách sạn của bạn có tên là mydata và xác định vị trí của 2 khách sạn ở Thành phố New York. SQL sau đây sẽ tạo tập dữ liệu này:
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) );
Lấy số lượng nhà hàng trong khu vực
Để cho khách hàng biết mật độ của các nhà hàng đang hoạt động ở gần khách sạn của bạn, hãy viết một truy vấn SQL để trả về số lượng nhà hàng trong vòng 1.000 mét của mỗi khách sạn:
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
Hình ảnh sau đây cho thấy một ví dụ về kết quả của truy vấn này:
Lấy số lượng nhà hàng và quán bar trong khu vực
Sửa đổi truy vấn để thêm quán bar cùng với nhà hàng trong vòng 1.000 mét của mỗi khách sạn:
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
Hình ảnh sau đây cho thấy một ví dụ về kết quả của truy vấn này:
Lấy số lượng nhà hàng và quán bar có giá vừa phải trong khu vực
Tiếp theo, bạn muốn biết quán bar và nhà hàng phục vụ nhóm nhân khẩu học nào của khách hàng. Vì khách sạn của bạn nhắm đến mức giá vừa phải, nên bạn chỉ muốn quảng cáo sự tồn tại của những cơ sở lân cận có mức giá đó và được đánh giá tốt.
Hạn chế truy vấn chỉ trả về các quán bar và nhà hàng nếu chúng có mức giá PRICE_LEVEL_MODERATE và được xếp hạng từ 4 sao trở lên. Truy vấn này cũng mở rộng bán kính lên 1.500 mét xung quanh mỗi khách sạn:
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
Hình ảnh sau đây cho thấy một ví dụ về kết quả của truy vấn này:
