運用 Places 洞察和 BigQuery ML 分析網站成效

重要事項： 您必須先註冊存取地點洞察產品，才能查詢地點洞察資料。

為什麼在人力、庫存和營運做法一致的情況下，一個網站蓬勃發展，另一個網站卻表現不佳？如果商家有多個地點，往往難以解釋投資組合中成效差異的原因。答案通常隱藏在外部環境中。運用興趣點 (POI) 資料，我們就能擺脫軼事解釋，準確量化當地競爭密度和鄰近地區特徵如何決定網站的成功。

本指南說明如何使用 Places Insights 和 BigQuery ML，量化當地環境對網站成功率的影響。您將結合專屬網站成效資料與外部地理空間信號，診斷成效驅動因素。

我們將使用倫敦的網站資料集，建構線性迴歸模型。這個工作流程會使用 H3 空間索引，將城市劃分為大小一致的六邊形格狀單元。將環境資料匯總到這些儲存格後，您就能訓練模型，預測城市中任何鄰近地區的潛在成效，而不僅限於現有網站。

您將學會：

1. 工程師功能：彙整您網站 500 公尺半徑內的搜尋點 (POI) 數量，例如健身房、學校和轉運站。
2. 訓練模型：使用 BigQuery ML 建立迴歸模型，將這些環境特徵與內部成效指標建立關聯。
3. 為城市評分：將訓練好的模型套用至倫敦的整個 H3 格線，找出未來擴展的高潛力熱點。

如果您是 BigQuery ML 新手，請參閱「BigQuery ML 簡介」，瞭解核心概念和支援的模型類型。

如要在互動式環境中探索這個工作流程，請執行下列筆記本。並示範如何使用 BigQuery ML 建構預測模型，以及如何運用 H3 空間索引建立全市商機的視覺化資料。

在 Google Colab 中執行

在 GitHub 上查看來源

必要條件

開始之前，請確認您具備以下項目：

• Google Cloud 專案：

  • 已啟用計費功能的 Google Cloud 專案。

• 資料存取權：

  • BigQuery 中的地點洞察訂閱項目。
  • 您自己的網站位置表格，其中包含成效指標 (例如收益)。範例資料集位於教學課程資源中。

• Google 地圖平台：

  • API 金鑰。
  • 金鑰已啟用下列 API：
    • Maps JavaScript API
    • Map Tiles API

• Python 環境和程式庫：

  • Python 環境，例如 Google Cloud 控制台中的 Colab Enterprise。
  • 已安裝下列程式庫：

    媒體庫	說明
    pandas-gbq	與 BigQuery 互動。
    geopandas	處理地理空間資料作業。
    folium	建立互動式地圖。
    shapely	幾何操作。

• IAM 權限：

  • 確認使用者或服務帳戶具備下列 IAM 角色：

    角色	ID
    BigQuery 資料編輯者	roles/bigquery.dataEditor
    BigQuery 使用者	roles/bigquery.user

• 費用提醒：

  • 本教學課程使用 Google Cloud 的計費元件，請注意下列潛在費用：
    • BigQuery ML：系統會根據使用的運算單元收費。請參閱 BigQuery ML 定價。
    • 地點洞察：根據查詢用量計費。

運用 Places 洞察進行特徵工程

如要找出影響網站效能的外部因素，您必須將原始興趣點資料轉換為可量化的特徵。您將計算每個地點 500 公尺半徑範圍內特定設施或地點類型 (例如健身房、學校和轉運站) 的密度。選取的設施取決於你認為最適合自家業務的項目。

我們將使用 Python 和 pandas-gbq 程式庫完成這個步驟。這個方法可讓您執行 SELECT WITH AGGREGATION_THRESHOLD 查詢 (存取地點洞察資料集時必須執行這項查詢)，並將結果儲存在專案的新資料表中。如要進一步瞭解如何使用地點洞察資料，請參閱「直接查詢資料集」。

執行特徵工程查詢

在環境中執行下列 Python 指令碼 (例如 Colab Enterprise)。這項指令碼會將內部網站資料與 Places Insights 資料集連結。

from google.cloud import bigquery
import pandas_gbq

# Configuration
project_id = 'your_project_id'
dataset_id = 'your_dataset_id'
features_table_id = f'{dataset_id}.site_features'

client = bigquery.Client(project=project_id)

# Define the Feature Engineering Query
# We count specific amenities within 500m of each site in London.
sql = f"""
SELECT WITH AGGREGATION_THRESHOLD
    internal.store_id,
    internal.store_performance,

    -- Feature Engineering: count nearby POIs by type
    COUNTIF('gym' IN UNNEST(places.types)) AS gym_count,
    COUNTIF('restaurant' IN UNNEST(places.types)) AS restaurant_count,
    COUNTIF('school' IN UNNEST(places.types)) AS school_count,
    COUNTIF('transit_station' IN UNNEST(places.types)) AS transit_count,
    COUNTIF('clothing_store' IN UNNEST(places.types)) AS clothing_store_count

FROM
    `{dataset_id}.site_performance` AS internal
JOIN
    `places_insights___gb.places` AS places
    ON ST_DWITHIN(internal.location, places.point, 500)
WHERE
    places.business_status = 'OPERATIONAL'
GROUP BY
    internal.store_id, internal.store_performance
"""

print("1. Running Feature Engineering Query...")

# Execute the query and download results to a Pandas DataFrame
df_features = client.query(sql).to_dataframe()

print(f"2. Saving features to: {features_table_id}...")

# Upload the engineered features to a permanent BigQuery table
pandas_gbq.to_gbq(
    dataframe=df_features,
    destination_table=features_table_id,
    project_id=project_id,
    if_exists='replace'
)

print("   Success! Training data ready.")

瞭解查詢

1. ST_DWITHIN：這項地理空間函式會在每個地點位置周圍建立 500 公尺的緩衝區，並找出該半徑內的所有地點洞察資料點。
2. COUNTIF：這項函式會計算每個地點的特定地點類型密度 (例如「健身房」、「學校」)。這些計數會成為機器學習模型的輸入特徵 (X)。
3. pandas_gbq.to_gbq：這個函式會將查詢結果儲存到新資料表 (site_features)。這個永久性資料表會做為 BigQuery ML 模型的乾淨訓練資料集。

如要瞭解更進階的實際應用，請考慮計算多個距離 (例如 250 公尺、500 公尺、1 公里) 的特徵，並探索其他地點洞察屬性，例如 rating、price_level 或 regular_opening_hours。如需地點洞察屬性的完整清單，請參閱支援的地點類型和核心結構定義參考資料。

使用 BigQuery ML 訓練模型

將工程化特徵儲存在 site_features 資料表後，您現在可以訓練線性迴歸模型。

這個模型會學習各項環境特徵 (X) 的最佳權重 (β)，藉此預測網站成效 (Y)。

使用穩健的縮放功能處理離群值

地理空間資料通常包含極端離群值，可能會扭曲標準線性模型。舉例來說，倫敦西區的某個地點方圓 500 公尺內可能有 200 間餐廳，但郊區的地點可能只有 2 間。如果您使用標準縮放 (平均值/標準差)，離群值 (200) 會使分配偏斜，並強制模型優先配合該極端值。

為解決這個問題，我們在模型定義中使用了「穩健縮放」(ML.ROBUST_SCALER)。這項技術會根據中位數和四分位數間距 (IQR) 調整特徵，讓模型能抵禦離群值，並確保模型從網站的典型分布情況中學習。

建立模型

在 BigQuery 中執行下列 SQL 查詢，即可建立及訓練模型。

我們使用 TRANSFORM 子句，對所有輸入特徵套用強大的縮放功能。我們也設定了 optimize_strategy = 'NORMAL_EQUATION'，因為這是相對較小資料集 (例如一般商店位置組合) 最有效率的訓練方法。最後，我們會篩除成效優異的離群值 (store_performance < 75)，讓模型專注於預測一般成長模式。

CREATE OR REPLACE MODEL `your_project.your_dataset.site_performance_model`
TRANSFORM(
  store_performance,
  -- Feature Engineering inside the model artifact
  -- These stats are calculated on the TRAINING split only
  ML.ROBUST_SCALER(gym_count) OVER() AS scaled_gym_count,
  ML.ROBUST_SCALER(restaurant_count) OVER() AS scaled_restaurant_count,
  ML.ROBUST_SCALER(school_count) OVER() AS scaled_school_count,
  ML.ROBUST_SCALER(transit_count) OVER() AS scaled_transit_count,
  ML.ROBUST_SCALER(clothing_store_count) OVER() AS scaled_clothing_store_count
)
OPTIONS(
    model_type = 'LINEAR_REG',
    input_label_cols = ['store_performance'],

    -- OPTIMIZATION PARAMETERS
    optimize_strategy = 'NORMAL_EQUATION', -- Exact mathematical solution (fast for small data)
    data_split_method = 'AUTO_SPLIT',      -- Automatically reserves ~20% for evaluation

    -- DIAGNOSTICS
    enable_global_explain = TRUE -- Essential to see feature importance
)
AS
SELECT
    gym_count,
    restaurant_count,
    school_count,
    transit_count,
    clothing_store_count,
    store_performance
FROM
    `your_project.your_dataset.site_features`
WHERE
    store_performance < 75;

評估模型效能

如要信任模型提供的網站成效影響因素洞察資料，請務必先驗證預測結果是否準確。

訓練完成後，請使用 ML.EVALUATE 函式，根據訓練期間未使用的「保留」資料集，評估模型的預測結果。

SELECT
  *
FROM
  ML.EVALUATE(MODEL `your_project.your_dataset.site_performance_model`);

查看 R2 分數 (r2_score) 和平均絕對誤差 (mean_absolute_error)，判斷模型是否已準備好投入生產：

• R2 分數會評估外部環境因素 (附近的興趣點) 實際說明瞭多少的成效差異。R2 分數為 0.70 表示網站 70% 的成功與當地環境有關。越接近 1.0，表示環境設施與網站成效的關聯性越強。
• 平均絕對誤差會顯示平均誤差 (以點數為單位)。舉例來說，MAE 為 1.5 表示模型預測結果通常與實際成效分數相差 +/- 1.5 分。

排解分數偏低的問題

如果 R2 分數偏低，請考慮進行下列改善：

• 擴展地圖項目類型：在查詢中新增不同的地點類型 (例如 tourist_attraction、subway_station)。
• 調整集水區半徑：變更 ST_DWITHIN 距離。500 公尺的半徑對咖啡店來說可能太廣，但對家具店來說可能太小。
• 增加資料大小：請確保訓練的商店位置數量足夠，可找出具統計顯著性的模式。

使用 H3 空間索引為城市評分

我們使用 H3 空間索引將倫敦市劃分為六邊形單元格的統一網格 (解析度 8，約 0.7 平方公里)。將地點洞察資料匯總到這些單元格後，我們就能將訓練好的模型套用至每個社區，找出符合您頂尖網站環境特徵的高潛力區域。

執行開發查詢

如要產生這個格線，我們使用 Places Insights 資料集提供的 PLACES_COUNT_PER_H3 函式 (進一步瞭解如何使用地點計數函式查詢 Places Insights)。這項函式可在單一作業中，計算 H3 格狀儲存格的興趣點數量。

執行下列 SQL 查詢，在單一執行作業中完成三個步驟：

1. H3 索引和計數：我們使用 JSON 設定物件呼叫 PLACES_COUNT_PER_H3，找出倫敦市中心方圓 25 公里內的所有營業地點。我們會針對每種設施類型 (健身房、學校等) 分別查詢，然後使用 UNION ALL 合併。
2. 樞紐分析 (特徵工程)：由於機器學習模型會預期有不同的特徵欄 (例如 gym_count 和 restaurant_count)，因此我們會將儲存格分組，並使用條件式匯總 (SUM(IF(...))) 將資料透視為正確的結構。
3. 預測：我們會將這些透視格線特徵直接饋送至 ML.PREDICT 函式，為每個鄰近地區產生效能分數。

WITH combined_counts AS (
    -- Gyms
    SELECT h3_cell_index, geography, count, 'gym' AS type
    FROM `places_insights___gb.PLACES_COUNT_PER_H3`(
        JSON_OBJECT(
            'geography', ST_BUFFER(ST_GEOGPOINT(-0.1278, 51.5074), 25000), -- 25km radius around London
            'h3_resolution', 8,
            'business_status', ['OPERATIONAL'],
            'types', ['gym']
        )
    )
    UNION ALL
    -- Restaurants
    SELECT h3_cell_index, geography, count, 'restaurant' AS type
    FROM `places_insights___gb.PLACES_COUNT_PER_H3`(
        JSON_OBJECT(
            'geography', ST_BUFFER(ST_GEOGPOINT(-0.1278, 51.5074), 25000),
            'h3_resolution', 8,
            'business_status', ['OPERATIONAL'],
            'types', ['restaurant']
        )
    )
    UNION ALL
    -- Schools
    SELECT h3_cell_index, geography, count, 'school' AS type
    FROM `places_insights___gb.PLACES_COUNT_PER_H3`(
        JSON_OBJECT(
            'geography', ST_BUFFER(ST_GEOGPOINT(-0.1278, 51.5074), 25000),
            'h3_resolution', 8,
            'business_status', ['OPERATIONAL'],
            'types', ['school']
        )
    )
    UNION ALL
    -- Transit Stations
    SELECT h3_cell_index, geography, count, 'transit_station' AS type
    FROM `places_insights___gb.PLACES_COUNT_PER_H3`(
        JSON_OBJECT(
            'geography', ST_BUFFER(ST_GEOGPOINT(-0.1278, 51.5074), 25000),
            'h3_resolution', 8,
            'business_status', ['OPERATIONAL'],
            'types', ['transit_station']
        )
    )
    UNION ALL
    -- Clothing Stores
    SELECT h3_cell_index, geography, count, 'clothing_store' AS type
    FROM `places_insights___gb.PLACES_COUNT_PER_H3`(
        JSON_OBJECT(
            'geography', ST_BUFFER(ST_GEOGPOINT(-0.1278, 51.5074), 25000),
            'h3_resolution', 8,
            'business_status', ['OPERATIONAL'],
            'types', ['clothing_store']
        )
    )
),
aggregated_features AS (
    -- Pivot the stacked rows back into standard feature columns for the ML Model
    SELECT
        h3_cell_index AS h3_index,
        ANY_VALUE(geography) AS h3_geography,
        SUM(IF(type = 'gym', count, 0)) AS gym_count,
        SUM(IF(type = 'restaurant', count, 0)) AS restaurant_count,
        SUM(IF(type = 'school', count, 0)) AS school_count,
        SUM(IF(type = 'transit_station', count, 0)) AS transit_count,
        SUM(IF(type = 'clothing_store', count, 0)) AS clothing_store_count
    FROM
        combined_counts
    GROUP BY
        h3_cell_index
)

-- Feed the pivoted features into the model
SELECT
    h3_index,
    predicted_store_performance,
    h3_geography,
    gym_count,
    restaurant_count
FROM
    ML.PREDICT(MODEL `your_project.your_dataset.site_performance_model`,
      (SELECT * FROM aggregated_features)
    )
ORDER BY
    predicted_store_performance DESC;

解讀結果

查詢會傳回資料表，其中每個資料列代表倫敦的六邊形區域。

• h3_index：六邊形格子的專屬 ID。
• predicted_store_performance：模型根據周遭環境，估算這個儲存格內網站的分數。
• h3_geography：儲存格的多邊形幾何圖形，我們會在下一個步驟中用於視覺化。

值越高，表示該區域的學校、健身房和大眾運輸密度，與您現有最成功的地點周圍模式相符。

查看目標顧客開發地圖

如要將資料轉化為行動，請在地圖上以視覺化方式呈現結果。表格輸出內容提供原始分數，但地圖會顯示高潛力空間的叢集和走廊，這些資訊在清單中並不顯眼。

在隨附的筆記本中，我們會使用 geopandas 程式庫剖析 H3 多邊形幾何，並使用 folium 算繪互動式地圖。

結果會顯示等值線地圖，每個六邊形格子的顏色會根據預測分數而有所不同。

解讀地圖：

• 熱點 (黃色/綠色)：這些區域的預測成效分數較高。這些地點的學校、健身房和大眾運輸設施密度最理想，與您成功的地點相關。這些是新選址的主要候選地點。
• 冷區 (紫色)：這些區域缺乏頂尖商家附近提供的支援環境功能。
• 互動式檢查：在筆記本環境中，您可以將游標懸停在任何儲存格上，查看促成該特定分數的設施具體數量 (例如「健身房：12」)。

結論

您已成功將內部營運資料與地點洞察資料合併，診斷網站成效。透過分析模型權重，您找出與現有指標相關的特定鄰里特徵。您使用 H3 空間索引，將這項分析從幾百個地點擴展到倫敦各地數千個潛在社區。

後續動作

• 擴展特徵工程：在查詢中新增更具體的地點類型，找出吸引來店人潮的小眾因素。
• 探索進階模型：雖然線性迴歸可提供清楚的說明，但請嘗試使用 BigQuery ML 中的 BOOSTED_TREE_REGRESSOR，並搭配適當的交叉驗證策略，擷取非線性關係。
• 將地圖投入運作：使用 Maps JavaScript API 將 H3 格線結果匯出至自訂資訊主頁，與團隊分享這些洞察資料。

貢獻者

• Henrik Valve | 開發人員體驗工程師
• Gennadii Donchyts | 客戶工程師