Tổng quan về Thông tin chi tiết về địa điểm

Thông tin chi tiết về địa điểm cho phép bạn tiến hành phân tích thống kê nâng cao về dữ liệu phong phú của Địa điểm trên Google Maps. API này cung cấp thông tin về số lượng và mật độ được tổng hợp cho hàng triệu điểm dữ liệu về Địa điểm yêu thích (POI), cho phép bạn có được thông tin tình báo không gian địa lý mạnh mẽ.

Các chức năng chính

  • Thông tin tình báo không gian địa lý: Xem "từ trên cao" về mật độ và mức độ phân bố của nhiều danh mục địa điểm yêu thích (ví dụ: bán lẻ, nhà hàng, dịch vụ) ở các khu vực địa lý cụ thể.
  • Quyền truy cập dữ liệu an toàn: Dữ liệu được triển khai bằng các trang thông tin trao đổi dữ liệu BigQuery với các biện pháp bảo vệ dữ liệu, cho phép tạo một môi trường an toàn và được bảo vệ để chia sẻ dữ liệu và phân tích.
  • Thông tin chi tiết hữu ích: Mặc dù Thông tin chi tiết về địa điểm tập trung vào các xu hướng tổng hợp, nhưng bạn có thể sử dụng Mã địa điểm được xuất để xem chi tiết và truy xuất thông tin về từng địa điểm bằng cách sử dụng các API khác của Google Maps Platform để chuyển từ thông tin chi tiết thống kê sang hành động chi tiết.

Tìm hiểu về dữ liệu địa điểm và các trường hợp sử dụng

Google Maps tuyển chọn dữ liệu về địa điểm cho hàng triệu cơ sở trên toàn thế giới. Thông tin chi tiết về địa điểm cung cấp dữ liệu toàn diện về địa điểm trong BigQuery để bạn có thể rút ra thông tin chi tiết tổng hợp về dữ liệu địa điểm của Google Maps dựa trên nhiều thuộc tính, chẳng hạn như các loại địa điểm, điểm xếp hạng, giờ hoạt động của cửa hàng, khả năng tiếp cận bằng xe lăn và nhiều thuộc tính khác.

Để sử dụng Thông tin chi tiết về địa điểm, bạn viết các truy vấn SQL trong BigQuery để trả về thông tin chi tiết về 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 cho xe lăn và có dịch vụ mang đi?
  • Những mã bưu chính nào ở California có mật độ trạm sạc xe điện cao nhất?

Trường hợp sử dụng được hỗ trợ

  • Lựa chọn địa điểm: Đánh giá và chọn địa điểm phù hợp nhất cho một doanh nghiệp mới hoặc vị trí đặt tài sản thực. Bằng cách phân tích mật độ và sự kết hợp của các địa điểm yêu thích xung quanh, bạn có thể đảm bảo rằng một địa điểm tiềm năng được đặt ở vị trí tối ưu trong môi trường kinh doanh cạnh tranh và bổ sung. Cách tiếp cận dựa trên dữ liệu này có thể giảm thiểu rủi ro liên quan đến việc đầu tư vào các địa điểm mới.
  • Đánh giá hiệu suất theo vị trí: 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) tương quan với hiệu suất tích cực hoặc tiêu cực ở các vị trí hiện có của bạn. Dữ liệu này giúp bạn xác định những địa điểm tiềm năng có sự kết hợp tốt nhất về đặc điểm không gian địa lý cho trường hợp sử dụng của bạn. Bạn cũng có thể sử dụng thông tin này để triển khai các mô hình dự đoán, giúp dự đoán hiệu suất trong tương lai của mọi vị trí mới dựa trên bối cảnh địa điểm yêu thích xung quanh.
  • Tiếp thị nhắm mục tiêu theo vị trí địa lý: Xác định những loại chiến dịch tiếp thị hoặc quảng cáo sẽ thành công ở một khu vực. Thông tin chi tiết về địa điểm cung cấp bối cảnh cần thiết để hiểu rõ hoạt động thương mại, cho phép bạn điều chỉnh thông điệp dựa trên mức độ tập trung của các hoạt động hoặc doanh nghiệp có liên quan.
  • Dự báo doanh số: Dự đoán doanh số trong tương lai tại một địa điểm tiềm năng. Việc mô hình hoá tác động của các đặc điểm không gian địa lý xung quanh giúp bạn tạo ra các mô hình dự đoán mạnh mẽ để đưa ra quyết định đầu tư.
  • Nghiên cứu thị trường: Cung cấp thông tin về những khu vực địa lý mà bạn nên mở rộng hoạt động kinh doanh hoặc dịch vụ tiếp theo. Phân tích mức độ bão hoà thị trường hiện tại và mật độ địa điểm yêu thích để xác định các thị trường mục tiêu chưa được khai thác hoặc có mức độ tập trung cao, mang lại cơ hội lớn nhất. Phân tích này cung cấp bằng chứng để hỗ trợ các sáng kiến tăng trưởng và mở rộng chiến lược.
  • Phân tích xu hướng: Khám phá những thay đổi xảy ra trong một khoảng thời gian. So sánh số lượng địa điểm, bao gồm cả địa điểm đã thêm và đã xoá, theo từng tháng kể từ tháng 1 năm 2024.

Bạn có thể truy vấn tập dữ liệu Thông tin chi tiết về địa điểm bằng cách sử dụng các hàm Places Count hoặc các truy vấn SQL trực tiếp.

Xem Tài liệu tham khảo về giản đồ.

Chọn phương thức truy vấn: Hàm Đếm địa điểm so với SQL trực tiếp

Để đáp ứng các quy mô phân tích và yêu cầu về quyền riêng tư khác nhau, Thông tin chi tiết về địa điểm cung cấp 2 cách truy vấn: Hàm đếm địa điểm (hàm BigQuery gốc) và Truy vấn SQL trực tiếp (nối bảng).

Hãy sử dụng ma trận quyết định này để xác định đường dẫn truy vấn phù hợp cho quá trình triển khai của bạn:

Mục tiêu phân tích của bạn Phương thức truy vấn được đề xuất Dữ liệu và đầu ra được trả về Quyền riêng tư và những điều cần cân nhắc về không gian
Phân tích mật độ địa điểm yêu thích theo khu vực và tạo bản đồ nhiệt PLACES_COUNT_PER_H3
  • Trả về đa giác lục giác H3 với số lượng chính xác (bao gồm cả 0)
  • Trả về tối đa 250 giá trị place_id cho mỗi ô
  • Được thiết kế riêng cho các mô hình học máy không gian và kỹ thuật trích xuất đặc trưng
  • Khu vực tìm kiếm tối thiểu là 40 m × 40 m (1.600 m²)
  • Được tối ưu hoá để cải thiện hiệu suất và giảm chi phí xử lý
  • Xác thực các tham số đầu vào và trả về lỗi rõ ràng để dễ dàng gỡ lỗi hơn
Nhận số lượt truy cập cho các trang web cụ thể và truy xuất mã địa điểm để tra cứu thông tin chi tiết PLACES_COUNT_V2 hoặc PLACES_COUNT_PER_TYPE_V2
  • Trả về số lượng chính xác (kể cả 0) cho các hình học tuỳ chỉnh
  • Trả về tối đa 250 giá trị place_id cho mỗi hàng
  • Khu vực tìm kiếm tối thiểu là 40 m × 40 m (1.600 m²)
  • Có thể mở rộng đến hàng nghìn vị trí bằng cách sử dụng TABLE tham số
  • Được tối ưu hoá để cải thiện hiệu suất và giảm chi phí xử lý
  • Xác thực các tham số đầu vào và trả về lỗi rõ ràng để dễ dàng gỡ lỗi hơn
Theo dõi những thay đổi và xu hướng tăng trưởng của địa điểm yêu thích theo thời gian giữa hai tháng PLACES_COUNT_CHANGE
  • Trả về start_count, end_count, net_change, percentage_change và compound_monthly_growth_rate
  • Trả về mảng gồm mã địa điểm mới được thêm (sample_added_place_ids) và bị xoá (sample_removed_place_ids)
  • Yêu cầu các tham số month1 và month2 ở định dạng YYYY-MM
  • Khu vực tìm kiếm tối thiểu là 40 m × 40 m (1.600 m²)
  • Có thể mở rộng đến hàng nghìn vị trí tuỳ chỉnh bằng cách sử dụng các thông số TABLE
Thực thi logic tuỳ chỉnh nâng cao, tính trung bình hoặc kết hợp với dữ liệu của bạn Truy vấn SQL trực tiếp
  • Tính linh hoạt hoàn toàn của SQL trên các bảng thô
  • Cho phép sử dụng các chỉ số SQL tuỳ chỉnh (AVG, SUM, v.v.)
  • Không trả về mã địa điểm
  • Ngưỡng về quyền riêng tư: Số lượt từ 0 đến 4 sẽ bị bỏ qua hoàn toàn
  • Không có giới hạn tối thiểu về khu vực tìm kiếm

Places Insights cho phép bạn tiến hành phân tích dữ liệu trong quá khứ bằng cách truy vấn ảnh chụp nhanh hằng tháng về dữ liệu Địa điểm từ tháng 1 năm 2024. Nhờ đó, bạn có thể đánh giá mức độ thay đổi của mật độ kinh doanh, hoạt động thương mại và môi trường cạnh tranh theo thời gian.

Để truy vấn dữ liệu cũ bằng các hàm Places Count, hãy truyền tham số bộ lọc snapshot_date không bắt buộc vào bên trong JSON_OBJECT. Giá trị phải được định dạng là YYYY-MM (ví dụ: '2026-01').

Ví dụ: Truy vấn số lượng nhà hàng trước đây ở Thành phố New York bằng PLACES_COUNT_V2

Ví dụ sau đây sử dụng PLACES_COUNT_V2 để phân tích số lượng nhà hàng đang hoạt động xung quanh Toà nhà Empire State và Quảng trường Thời đại ở Thành phố New York tính đến tháng 1 năm 2026:

-- 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'
  )
);

Phân tích kết quả đầu ra trước đây

Bảng BigQuery được trả về chứa geo_id, đa giác địa lý đầu vào, số lượng địa điểm và mã địa điểm mẫu như được ghi lại trong tháng chụp nhanh được chỉ định (2026-01). Bạn có thể chạy các truy vấn giống hệt nhau trên nhiều tháng có dữ liệu nhanh để tính toán xu hướng tăng trưởng, số lượng cửa hàng mở cửa hoặc mức độ suy giảm của thị trường.

Tổng hợp mật độ địa điểm yêu thích theo khu vực bằng cách sử dụng PLACES_COUNT_PER_H3

Hàm PLACES_COUNT_PER_H3 là đường dẫn được đề xuất để phân tích mật độ POI trên các khu vực rộng lớn. Bằng cách chia khu vực mục tiêu thành các ô lưới lục giác H3 được chuẩn hoá, bạn không cần vẽ ranh giới tuỳ chỉnh và có thể đưa kết quả trực tiếp vào các công cụ lập bản đồ trực quan, chẳng hạn như Looker Studio.

Ví dụ: Đếm số cửa hàng tạp hoá và cửa hàng tiện lợi có lối đi cho xe lăn ở tiểu bang New York

Truy vấn sau đây tổng hợp các cửa hàng tạp hoá và cửa hàng tiện lợi có lối đi cho xe lăn ở tiểu bang New York thành các ô H3 ở cấp độ phân giải 8. Nó sử dụng hình học ranh giới được truy xuất động từ tập dữ liệu công khai bigquery-public-data.geo_us_boundaries.states.

-- 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;

Phân tích kết quả đầu ra

Truy vấn này trả về một bảng có cấu trúc ánh xạ từng chỉ mục H3 riêng biệt (h3_cell_index) đến đa giác ranh giới (geography), số lượng địa điểm yêu thích (count) và tối đa 250 sample_place_ids đại diện.

  • Bao gồm số lượng bằng 0: Nếu một ô trong lưới của tiểu bang New York có 0 cửa hàng trùng khớp, thì ô đó vẫn trả về một hàng có số lượng là 0. Điều này rất quan trọng để xác định các khu vực thương mại hoặc dịch vụ không có sẵn.
  • Lập bản đồ trực quan: Vì đầu ra bao gồm một đa giác GEOGRAPHY, bạn có thể kết xuất bản đồ nhiệt ngay trong BigQuery Studio hoặc Looker Studio.

Truy xuất mã địa điểm để kiểm tra thông tin chi tiết về địa điểm

Mặc dù Places Insights được xây dựng để cung cấp thông tin tình báo thống kê, nhưng bạn có thể chuyển đổi từ thông tin chi tiết tổng hợp sang các hành động chi tiết.

Tất cả các hàm chính của Số lượng địa điểm, bao gồm cả PLACES_COUNT_PER_H3, PLACES_COUNT_V2 và PLACES_COUNT_PER_TYPE_V2 (ngoại trừ hàm PLACES_COUNT cũ), đều trả về một mảng gồm tối đa 250 mã địa điểm cho mỗi hàng khớp với tiêu chí truy vấn của bạn.

Các mã địa điểm này đóng vai trò là cầu nối, cho phép bạn sử dụng các API khác của Google Maps Platform, chẳng hạn như Place Details API, để truy xuất các thông tin cụ thể như tên cửa hàng, bài đánh giá, số điện thoại và địa chỉ.

Phân tích sự hiện diện của thương hiệu ở nhiều vị trí

Cùng với 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 truy vấn dữ liệu về thương hiệu để:

  • Xác định mật độ của các thương hiệu cạnh tranh trong một thị trường mục tiêu.
  • Lọc số lượng địa điểm yêu thích theo mã nhận dạng thương hiệu.
  • Kiểm tra mức độ thâm nhập thị trường bằng cách so sánh các cơ sở có thương hiệu với các cơ sở độc lập.

Bước tiếp theo