تحديد العملاء المحتملين الجدد في مجال المبيعات الميدانية باستخدام "إحصاءات الأماكن"

تعتمد عملية جذب العملاء المحتملين التقليدية بين الأنشطة التجارية غالبًا على شراء أدلة ثابتة أو قوائم خاصة بمجال معيّن لتحديد إمكانات منطقة معيّنة. ومع ذلك، تصبح مجموعات بيانات نقاط الاهتمام الثابتة هذه قديمة على الفور تقريبًا. ونظرًا إلى أنّ هذه البيانات غالبًا ما تفتقر إلى حالة التشغيل الحديثة أو التصنيف الدقيق لأنواع الأماكن، فإنّ فِرق المبيعات الميدانية تخاطر بإضاعة وقت ثمين في ملاحقة الأنشطة التجارية المغلقة نهائيًا أو المصنّفة بشكل خاطئ أو غير ذات الصلة بملف العميل المثالي.

يقدّم هذا الدليل سير عمل لسدّ هذه الفجوة باستخدام إحصاءات الأماكن وPlaces API. من خلال ربط قاعدة بيانات نشاطك التجاري الحالية بمعرّفات الأماكن، يمكنك استخدام BigQuery لعزل كل نشاط تجاري تشغيلي في منطقة غير مضمّنة في قاعدة بيانات إدارة علاقات العملاء (CRM). يوضّح لك هذا الدليل كيفية إنشاء محرّك الاستبعاد هذا لتقديم قائمة عملاء محتملين مستهدَفة بدقة ومؤكَّدة إلى مندوبي المبيعات الميدانيين.

مخطّط بياني يعرض بيانات نظام إدارة علاقات العملاء (CRM) الحالية التي تتم معالجتها باستخدام Places API و"إحصاءات الأماكن" في BigQuery لإنشاء عملاء محتملين جدد تم التحقّق منهم

مثال على التطبيق

لنفترض أنّ موفّر نقاط البيع يخطّط لتوسيع نطاق مبيعاته الميدانية في مدينة نيويورك. عادةً، تعدّ المؤسسة تقريرًا عن إجمالي عدد مؤسسات الأطعمة والمشروبات لكل رمز بريدي. يحمل هذا النهج خطر اعتماد مندوبي المبيعات على بيانات قديمة، مثل المواقع الجغرافية المغلقة نهائيًا، أو العملاء المحتملين غير الملائمين، مثل مطبخ خاص لتقديم الطعام بدون واجهة متجر. بدلاً من ذلك، يمكنك استخدام أسلوب حديث يعتمد على "إحصاءات الأماكن" التي تستفيد من النطاق العالمي لـ "خرائط Google" والبيانات الحديثة التي تم التحقّق من صحتها من مصادر متعددة. تتيح أداة إحصاءات الأماكن ما يقرب من 500 فئة من الأماكن وأكثر من 70 سمة، ما يتيح لك تحسين آفاقك بدقة عالية استنادًا إلى أنواع معيّنة من الأنشطة التجارية (مثل scandinavian_restaurant) وساعات عمل المتاجر وعروض الخدمات (مثل accepts_credit_cards). ومن خلال المقارنة بين مصادر بيانات أداة إحصاءات الأماكن ونظام إدارة علاقات العملاء الداخلي، يمكنك تزويد فريق المبيعات بقائمة مستهدفة للغاية من العملاء المحتملين غير المتواصل معهم.

سير عمل الحل

يقدّم هذا الدليل إطار عمل فنيًا لإنشاء "خريطة العملاء المحتملين" ديناميكية تعمل على فلترة قائمة العملاء الحاليين تلقائيًا، ولا تعرض سوى العملاء المحتملين الجدد الذين يمكن لفريق المبيعات متابعتهم.

بنية التطبيق المكوّنة من أربع خطوات

تحديد أنواع الأماكن المستهدَفة: اربط ملفات العملاء المثاليين بأنواع الأماكن.
تحديد المناطق التي تتوفّر لها فرص جيدة للنجاح: نفِّذ وظائف "عدد الأماكن" في BigQuery لإنشاء خرائط حرارية للكثافة خاصة بالأنشطة التجارية المستهدَفة.
تسوية بيانات إدارة علاقات العملاء لتحديد أرقام تعريف الأماكن: يمكنك معالجة سجلات إدارة علاقات العملاء غير المنظَّمة من خلال مسار تنظيف البيانات، وذلك باستخدام واجهات برمجة التطبيقات Address Validation وGeocoding وPlaces للعثور على أرقام تعريف الأماكن الخاصة بعملائك الحاليين.
استبعاد المساحات البيضاء: اربط أرقام تعريف الأماكن في نظام إدارة علاقات العملاء ببيانات إحصاءات الأماكن في BigQuery لاستبعاد العملاء الحاليين بشكلٍ ديناميكي وإنشاء قائمة عملاء محتملين جدد.

المتطلبات الأساسية

قبل البدء، تأكَّد من توفّر ما يلي:

مشروع Google Cloud:
- مشروع Google Cloud تم تفعيل الفوترة فيه
الوصول إلى البيانات:
- اشتراك إحصاءات الأماكن في BigQuery.
- مجموعة بيانات نظام إدارة علاقات العملاء الخاصة بك (مثل جدول BigQuery) التي تحتوي على أسماء وأعناوين الأنشطة التجارية الحالية للعملاء، والتي ستكون بمثابة قائمة الاستبعاد
منصة خرائط Google:
- مفتاح واجهة برمجة التطبيقات
- واجهات برمجة التطبيقات التالية مفعّلة لمفتاحك:
أذونات "إدارة الهوية وإمكانية الوصول":
- تأكَّد من أنّ حساب المستخدِم أو حساب الخدمة يتضمّن أدوار إدارة الهوية وإمكانية الوصول (IAM) التالية لتنفيذ طلبات البحث وإدارة مجموعة البيانات:
  
  الدور رقم التعريف
  
  محرِّر بيانات BigQuery roles/bigquery.dataEditor
  
  مستخدم BigQuery roles/bigquery.user
الوعي بالتكلفة:
- يستخدم هذا البرنامج التعليمي مكوّنات Google Cloud قابلة للفوترة. يُرجى الانتباه إلى التكاليف المحتملة المرتبطة بما يلي:
  - ‫BigQuery: يتم تحصيل رسوم مقابل مساحات الحوسبة المستخدَمة أو البيانات المعالَجة أثناء تنفيذ طلب البحث.
  - إحصاءات الأماكن: يتم تحصيل الرسوم استنادًا إلى استخدام الطلبات.
  - منصة خرائط Google: يتم تحصيل الرسوم مقابل كل طلب لواجهة Address Validation API وGeocoding API وText Search API.

الدور	رقم التعريف
محرِّر بيانات BigQuery	`roles/bigquery.dataEditor`
مستخدم BigQuery	`roles/bigquery.user`

الخطوة 1: تحديد أنواع الأماكن المستهدَفة

تتيح "إحصاءات الأماكن" حوالي 500 فئة مكان وأكثر من 70 سمة (مثل ساعات عمل المتجر وأنواع الدفع والحالة التشغيلية). إنّ البحث عن معلومات في مجموعة البيانات بأكملها بشكل عشوائي هو أمر غير فعّال ومكلف.

كخطوة أساسية، استخدِم نموذجًا لغويًا كبيرًا، مثل Gemini، لترجمة ملفات تعريف العملاء الداخليين إلى أنواع أماكن، والتي يتم استخدامها عند إنشاء طلب بحث في إحصاءات الأماكن. يضمن تعريف التصنيف على مستوى الماكرو استهداف عمليات البحث اللاحقة في BigQuery بشكلٍ كبير، ما يقلّل من الحمل الزائد لمعالجة الحساب.

على سبيل المثال، إذا كنت تصمّم سير عمل لنظام نقاط البيع، يمكنك تزويد Gemini بقائمة بأنواع الأماكن واستخدام الطلب التالي:

"أريد منك تقمُّص دور محلّل سوق. من بين "أنواع الأماكن" المتوافقة مع "خرائط Google"، ما هي الأنواع التي تستهدفها بشكل أساسي الجهة المقدّمة لنظام نقاط البيع؟ يُرجى تبرير قرارك."

استنادًا إلى هذا الطلب، سيحلّل Gemini التصنيف ويعرض مجموعة فرعية مستهدَفة من أنواع الأماكن ذات الصلة لاستخدامها في فلتر types في BigQuery:

الفئة الرئيسية	التبرير	أنواع الأماكن الرئيسية
المأكولات والمشروبات	يتطلّب معالجة سريعة للمعاملات وإدارة الجداول وإصدار تذاكر الطلبات والتعامل مع الإكراميات.	`restaurant`، و`bar`، و`cafe`، و`coffee_shop`
التسوّق	يجب أن تتضمّن ميزات قوية لتتبُّع المستودع ومسح الرموز الشريطية ضوئيًا ومعالجة عمليات الإرجاع ودمج برامج الولاء.	`clothing_store`، و`grocery_store`، و`supermarket`، و`convenience_store`
الخدمات والصحة والعافية	يتطلّب ذلك دمج ميزات حجز المواعيد وتحديدها وملفات العملاء الشخصية وتتبُّع العمولات.	`hair_salon`، و`beauty_salon`، و`spa`، و`massage`
الترفيه والاستجمام والرياضة	تتطلّب التعامل السريع مع أعداد كبيرة من العملاء، وفحص التذاكر الرقمية، وبيع الامتيازات بسرعة.	`movie_theater`، و`amusement_park`، و`bowling_alley`، و`stadium`

لأغراض هذا الدليل، سنركّز على أنواع الأماكن المقترَحة ضمن فئة المأكولات والمشروبات.

الخطوة 2: استخراج أعداد الأنشطة التجارية لتحديد المناطق التي تتوفّر لها فرص جيدة للنجاح

لتحديد مجالات التحسين، عليك أولاً الحصول على نظرة عامة على كثافة الأنشطة التجارية. يمكنك إجراء ذلك من خلال تنفيذ دوال Places Count (مثل PLACES_COUNT_PER_H3 أو PLACES_COUNT_PER_GEO) في BigQuery.

على الرغم من أنّه يمكنك طلب البحث في مجموعة البيانات مباشرةً، إلا أنّ دوال Places Count هي طلبات بحث SQL محددة مسبقًا ومحسّنة لا تفرض الحد الأدنى العادي للتجميع وهو 5 أماكن كحد أدنى (ستحذف طلبات البحث المباشرة العادية الصفوف التي تتضمّن من مؤسسة إلى 4 مؤسسات، ولكن تتيح لك هذه الدوال معرفة الأماكن التي يتوفّر فيها عميل محتمل واحد على الأقل). والأهم من ذلك أنّ هذه الدوال تعرض صفيفًا يتضمّن ما يصل إلى 250 معرّف مكان لكل منطقة جغرافية باستخدام العمود sample_place_ids. ويوفّر ذلك كلاً من خريطة الكثافة الإحصائية لمخطّطي المناطق والمعرّفات الأساسية اللازمة لجذب العملاء المحتملين.

يوضّح الاستعلام التالي كيفية استرداد مضلّع معقّد بشكل ديناميكي (الحدود الكاملة لمدينة نيويورك) باستخدام مجموعة بيانات عامة، ثم تمرير تلك الجغرافيا إلى دالة "عدد الأماكن". باستخدام الفهرس المكاني H3 بدقة أوسع (8) في جميع أنحاء المدينة، يمكنك إنشاء خريطة كثافة على مستوى شامل.

بالإضافة إلى ذلك، من خلال اختيار جميع الأعمدة (SELECT *)، تعرض الدالة العمود geography، وهو مضلّع يمثّل خلية H3. يتيح لك ذلك استيراد نتائج BigQuery على الفور إلى أدوات ذكاء الأعمال (مثل Looker Studio) لإنشاء عروض مرئية لخرائط مملوءة تكشف بصريًا عن النقاط الساخنة في السوق.

-- Illustrative logic: Extracting target business counts per H3 cell across New York City
DECLARE geo GEOGRAPHY;

-- Get the geography for New York City using the Overture Maps public dataset
SET geo = (SELECT geometry FROM `bigquery-public-data.overture_maps.division_area`
  WHERE country = 'US' AND subtype = 'locality' AND names.primary = 'New York' LIMIT 1);

SELECT *
FROM `YOUR_PROJECT_NAME.places_insights___us.PLACES_COUNT_PER_H3`(
  JSON_OBJECT(
      'geography', geo,
      'h3_resolution', 8,
      'types',['restaurant', 'bar', 'cafe', 'coffee_shop'],
      'business_status', ['OPERATIONAL']
  )
)
ORDER BY count DESC;

تصوّر خريطة يعرض أشكال سداسية عشرية خضراء من الفئة H3 بدرجات عتامة مختلفة فوق مدينة نيويورك، ما يشير إلى كثافة الأنشطة التجارية العالية في مانهاتن

كما يظهر في التمثيل المرئي الناتج، هناك مناطق ذات كثافة عالية بشكل واضح للأنشطة التجارية المستهدَفة في جميع أنحاء مانهاتن. في ما تبقّى من هذا المستند، سنركّز جهودنا في مجال جذب العملاء المحتملين على إحدى المناطق الواعدة التالية: المنطقة القريبة من يونيون سكوير.

الخطوة 3: تحويل بيانات نظام إدارة علاقات العملاء إلى معرّفات الأماكن

لإجراء تحليل استبعاد، عليك أولاً ترجمة سجلّات نظام إدارة علاقات العملاء إلى معرّفات الأماكن. بما أنّ بيانات نظام إدارة علاقات العملاء غالبًا ما تكون غير منظَّمة، يؤدي تمرير نص غير معالَج إلى واجهات برمجة التطبيقات الخاصة بالبحث إلى معدّلات مطابقة منخفضة. استخدِم مسار المعالجة المكوّن من خطوتَين هذا لتنظيف العناوين، وتغطية واجهة برمجة التطبيقات على مستوى المناطق، وضمان استخراج معرّفات الأماكن الصحيحة في BigQuery.

لنفترض أنّ لديك 5 عملاء في نظام إدارة علاقات العملاء (CRM) الخاص بمطعمك، وهم مقيمون في مدينة نيويورك:

اسم المكان	العنوان
Boucherie Union Square	225 Park Ave S, New York, NY 10003, United States
Gramercy Tavern	42 E 20th St, New York, NY 10003, United States
Barn Joo Union Square	‎35 Union Square W, New York, NY 10003, United States
LOS TACOS No.1	200 Park Ave S, New York, NY 10003, United States
Union Square Cafe	101 E 19th St, New York, NY 10003, United States

بما أنّ هذه السجلات تتألف من نص غير منظَّم، لا يمكنك ضمّها مباشرةً إلى بيانات إحصاءات الأماكن في BigQuery. بدلاً من ذلك، عالِج كل صف من خلال المسار التالي لتوحيد النص واستخراج رقم تعريف المكان.

الخطوة 3 (أ): تنظيف العناوين والمطابقة المباشرة

عليك أولاً توحيد بيانات العناوين. اختَر واجهة برمجة التطبيقات استنادًا إلى البلد المستهدَف:

الخيار 1: واجهة برمجة التطبيقات للتحقّق من صحة العنوان

بالنسبة إلى المناطق المتوافقة، مرِّر اسم النشاط التجاري وعنوانه المدمجَين في نظام إدارة علاقات العملاء إلى واجهة برمجة التطبيقات. افحص صفيفة result.geocode.placeTypes في الردّ:

مطابقة المؤسسة: إذا كانت تتضمّن establishment أو point_of_interest، يعني ذلك أنّ واجهة برمجة التطبيقات قد حدّدت المؤسسة بنجاح. أضِف هذا placeId إلى مجموعة البيانات وانتقِل إلى سجلّ نظام إدارة علاقات العملاء التالي. لا حاجة إلى إجراء المزيد من طلبات البيانات من واجهة برمجة التطبيقات لهذا الإدخال.
عدم تطابق المؤسسة: إذا لم يتضمّن هذا الحقل أنواع الأنشطة التجارية المذكورة أعلاه، يتعذّر على واجهة برمجة التطبيقات تأكيد المؤسسة التجارية بشكل قاطع. يمثّل رقم تعريف المكان الذي يتم عرضه خصائص جغرافية (مثل مبنى أو شارع أو مدينة). لا تستخدِم رقم تعريف المكان هذا في BigQuery، لأنّه سيؤدي إلى تعذُّر عمليات الربط الخاصة بالاستبعاد. بدلاً من ذلك، احفظ result.address.formattedAddress وانتقِل إلى الخطوة 3ب.

الخيار 2: Geocoding API

بالنسبة إلى المناطق التي لا تتيح خدمة Address Validation، مرِّر عنوان نظام إدارة علاقات العملاء فقط إلى Geocoding API. لا تُدرِج اسم النشاط التجاري، لأنّ Geocoding API قد تعرض نتائج غير متوقّعة. استخرِج formattedAddress الناتج وانتقِل إلى الخطوة 3ب.

البنية المتقدّمة: التعامل مع البيانات غير المنظَّمة باستخدام نماذج اللغات الكبيرة

إذا كانت بيانات نظام إدارة علاقات العملاء (CRM) سيئة للغاية، مثل أسماء الأنشطة التجارية وعناوينها المختلطة في حقل واحد للملاحظات النصية الحرة، يمكنك معالجة السجلات مسبقًا باستخدام نموذج لغوي كبير (LLM) مثل Gemini. يمكنك أن تطلب من Gemini تحليل اسم المؤسسة بشكل واضح من الموقع الجغرافي قبل إدخالهما في مسار المعالجة هذا.

الخطوة 3 (ب): حلّ مشكلة "كيان النشاط التجاري"

إذا عرضت الخطوة 3أ عنوانًا معدَّلاً فقط، ادمجه مع اسم المؤسسة الأصلي في نظام إدارة علاقات العملاء وأرسِله إلى Text Search API. يؤدي توحيد تنسيق العنوان أولاً إلى تحسين نسبة المطابقة بشكل كبير.

لتحسين الأداء والتكلفة، استخدِم Field Mask (X-Goog-FieldMask: places.id) واضبط "pageSize": 1 لضمان عرض رقم تعريف المكان الخاص بأفضل نتيجة مطابقة فقط.

مثال على طلب البحث النصي:

curl -X POST -d '{
  "textQuery" : "Gramercy Tavern 42 E 20th St, New York, NY 10003-1324, USA",
  "pageSize": 1
}' \
-H 'Content-Type: application/json' -H 'X-Goog-Api-Key: YOUR_API_KEY' \
-H 'X-Goog-FieldMask: places.id' \
'https://places.googleapis.com/v1/places:searchText'

ناتج خطوة المعالجة

بعد معالجة سجلّات نظام إدارة علاقات العملاء من خلال مسار المعالجة المكوّن من خطوتَين، سواء تم استخراج المعرّف بنجاح في الخطوة 3 (أ) أو تم حلّه باستخدام "البحث النصي" في الخطوة 3 (ب)، يكون هدفك النهائي هو إضافة عمود جديد place_id إلى مجموعة البيانات. أصبح هذا الجدول الناتج جاهزًا الآن للتحميل إلى BigQuery كقائمة استبعاد.

اسم المكان	العنوان	معرّف المكان
Boucherie Union Square	225 Park Ave S, New York, NY 10003, United States	ChIJc1Vf7KFZwokR1YL2Rn9oxi8
Gramercy Tavern	42 E 20th St, New York, NY 10003, United States	ChIJvSQIgqFZwokRFYQbJdzceSs
Barn Joo Union Square	‎35 Union Square W, New York, NY 10003, United States	ChIJQ7XpyqNZwokRQpVfvGEViWM
LOS TACOS No.1	200 Park Ave S, New York, NY 10003, United States	ChIJFZh0PABZwokRVzoJu0o-mLY
Union Square Cafe	101 E 19th St, New York, NY 10003, United States	ChIJxTHke6JZwokRCLWVd99eDBw

الخطوة 4: إجراء تحليل استبعاد المسافات البيضاء في BigQuery

بعد ربط عملائك الحاليين بمعرّفات الأماكن، استخدِم وظائف Places Count للعثور على العملاء المحتملين الجدد.

في هذا المثال، سنبحث عن الأنشطة التجارية التي تستهدف عمليات التشغيل (المطاعم والبارات والمقاهي) ضمن دائرة نصف قطرها 850 مترًا من ساحة "يونيون سكوير" (40.73595، -73.99043). للحصول على عرض أكثر تفصيلاً لميزة توجيه المسار على مستوى الشارع، سنزيد دقة وظيفة PLACES_COUNT_PER_H3 إلى 10.

بما أنّ الدالة تعرض معرّفات الأماكن كمصفوفة في العمود sample_place_ids، يجب UNNEST المصفوفة لوضع كل نشاط تجاري محتمل في صف خاص به. بعد ذلك، ننفّذ عملية LEFT JOIN مقارنةً بمعرّفات الأماكن المعروفة الخاصة بالعملاء.

لإثبات أنّ منطق الاستبعاد يعمل في هذا المثال، يستخدم طلب البحث أدناه عبارة CASE لوضع علامة على النتائج بدلاً من فلترتها بالكامل. ويتم أيضًا ترتيب العملاء الحاليين بشكل واضح في أعلى جدول النتائج حتى تتمكّن من التأكّد من مطابقتهم بنجاح.

طلب بحث SQL

WITH existing_customers AS (
  -- 1. Simulate the uploaded CRM table
  SELECT * FROM UNNEST([
    'ChIJc1Vf7KFZwokR1YL2Rn9oxi8', -- Boucherie Union Square
    'ChIJvSQIgqFZwokRFYQbJdzceSs', -- Gramercy Tavern
    'ChIJQ7XpyqNZwokRQpVfvGEViWM', -- Barn Joo Union Square
    'ChIJFZh0PABZwokRVzoJu0o-mLY', -- LOS TACOS No.1
    'ChIJxTHke6JZwokRCLWVd99eDBw'  -- Union Square Cafe
  ]) AS place_id
),

target_area_businesses AS (
  -- 2. Query Places Insights for target businesses in the radius
  SELECT
    h3_cell_index,
    place_id
  FROM `places_insights___us.PLACES_COUNT_PER_H3`(
    JSON_OBJECT(
      'geography', ST_GEOGPOINT(-73.99043, 40.73595),
      'geography_radius', 850,
      'h3_resolution', 10,
      'types',['restaurant', 'bar', 'cafe', 'coffee_shop'],
      'business_status', ['OPERATIONAL']
    )
  ),
  UNNEST(sample_place_ids) AS place_id
)

-- 3. The "Proof" Output: Flag them instead of filtering them out
SELECT
  t.h3_cell_index,
  t.place_id,
  -- Flag whether the LEFT JOIN found a match in the CRM table
  CASE
    WHEN e.place_id IS NOT NULL THEN 'Existing Customer (To Be Excluded)'
    ELSE 'Net-New Lead'
  END AS lead_status,
  CONCAT('https://www.google.com/maps/search/?api=1&query=Place&query_place_id=', t.place_id) AS actionable_maps_url
FROM target_area_businesses t
LEFT JOIN existing_customers e
  ON t.place_id = e.place_id
ORDER BY
  -- Explicitly sort the existing customers to the top (0 comes before 1)
  CASE WHEN e.place_id IS NOT NULL THEN 0 ELSE 1 END ASC;

نتائج طلب البحث

في ما يلي مقتطف من نتائج طلب البحث، يوضّح كيفية تحديد العملاء الحاليين وفصلهم بنجاح عن العملاء المحتملين الجدد ضمن خلايا H3 الدقيقة نفسها.

لاحظ كيف يستخدم طلب البحث عبارة CONCAT لإنشاء عنوان URL لـ "خرائط Google" متوافق مع عدّة منصات، وذلك باستخدام place_id. يؤدي ذلك إلى إنشاء العمود actionable_maps_url تلقائيًا، ما يوفّر لفريق المبيعات رابطًا فوريًا يمكن النقر عليه لتحميل النشاط التجاري المحدد في تطبيق "خرائط Google" للأجهزة الجوّالة أو في المتصفّح.

`h3_cell_index`	`place_id`	`lead_status`	`actionable_maps_url`
8a2a100d2767fff	ChIJQ7XpyqNZwokRQpVfvGEViWM	العميل الحالي (الذي سيتم استبعاده)	https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJQ7XpyqNZwokRQpVfvGEViWM
8a2a100d20effff	ChIJvSQIgqFZwokRFYQbJdzceSs	العميل الحالي (الذي سيتم استبعاده)	https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJvSQIgqFZwokRFYQbJdzceSs
8a2a100d2397fff	ChIJc1Vf7KFZwokR1YL2Rn9oxi8	العميل الحالي (الذي سيتم استبعاده)	https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJc1Vf7KFZwokR1YL2Rn9oxi8
8a2a100d2397fff	ChIJFZh0PABZwokRVzoJu0o-mLY	العميل الحالي (الذي سيتم استبعاده)	https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJFZh0PABZwokRVzoJu0o-mLY
8a2a100d23b7fff	ChIJxTHke6JZwokRCLWVd99eDBw	العميل الحالي (الذي سيتم استبعاده)	https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJxTHke6JZwokRCLWVd99eDBw
8a2a1072c96ffff	ChIJ6atD-WRZwokRULgcZ4TWin8	عميل محتمل جديد	https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJ6atD-WRZwokRULgcZ4TWin8
8a2a1072c96ffff	ChIJ09yg-llZwokRKAgp0jg6TCU	عميل محتمل جديد	https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJ09yg-llZwokRKAgp0jg6TCU

تصوّر العملاء المحتملين باستخدام حزمة أدوات "خرائط Google" الجاهزة للأماكن

بدلاً من تقديم عنوان URL غير معدَّل على "خرائط Google"، يمكنك تمرير place_ids مباشرةً إلى Places UI Kit لإنشاء لوحة بيانات داخلية غنية بميزات جذب العملاء المحتملين لفريق المبيعات. تتوفّر هذه الميزة على جميع المنصات، ويمكنك إدراج المكوّنات الجاهزة لكل من الويب و Android و iOS. تعرض هذه المكوّنات تلقائيًا بيانات نقاط الاهتمام الغنية بالمعلومات، مثل الصور والتقييمات وساعات العمل، بدون الحاجة إلى كتابة رمز واجهة مستخدم للواجهة الأمامية أو التعامل مع ردود واجهة برمجة التطبيقات يدويًا.

حدود البيانات

تعرض دوال Places Count ما يصل إلى 250 رقم تعريف مكان لكل خلية جغرافية في مصفوفة sample_place_ids. إذا كانت المنطقة مكتظة للغاية، سيتم تحديد الحد الأقصى لقائمة العملاء المحتملين التي تم إنشاؤها لهذه الخلية المحددة بـ 250 عميلاً محتملاً. لضمان جذب جميع العملاء المحتملين في الأسواق ذات الكثافة السكانية العالية، ننصحك باتّباع الاستراتيجيات التالية:

استخدام فلاتر طلبات بحث محدّدة: بدلاً من تجميع أنواع متعددة في طلب بحث واحد (كما هو موضّح في المثال أعلاه)، نفِّذ طلبات بحث منفصلة لكل نوع من أنواع الأماكن.
تقليل النطاق المكاني: قلِّل مساحة البحث الإجمالية باستخدام geography_radius أصغر، أو قسِّم المساحة إلى مجموعات أصغر وأكثر تفصيلاً من خلال زيادة دقة H3 (حتى الدقة 11).
تعديل الدقة حسب الكثافة: عند تحليل مناطق ذات كثافات سكانية مختلفة، عدِّل حجم البحث بشكل ديناميكي لتجنُّب بلوغ الحد الأقصى المسموح به وهو 250 رقم تعريف مكان. استخدِم دقة H3 أوسع (مثل 6 أو 7) أو geography_radius أكبر في المناطق الريفية التي تتوزّع فيها الأنشطة التجارية. في المقابل، استخدِم دقة عالية جدًا (مثل 10 أو 11) في المناطق الحضرية المكتظة بالسكان لضمان تسجيل كل عميل محتمل بدون اقتطاع قائمتك.

طلب الإنتاج

بعد التأكّد من تحديد العملاء الحاليين بنجاح، يمكنك الرجوع إلى إصدار طلب البحث المتاح للجميع. استبدِل كتلة SELECT النهائية بعبارة WHERE التالية لتصفية دفتر أعمالك الحالي نهائيًا:

SELECT
  t.h3_cell_index,
  t.place_id,
  CONCAT('https://www.google.com/maps/search/?api=1&query=Place&query_place_id=', t.place_id) AS actionable_maps_url
FROM target_area_businesses t
LEFT JOIN existing_customers e
  ON t.place_id = e.place_id
WHERE e.place_id IS NULL; -- Filters out the CRM matches

إدارة البنية والامتثال

للحفاظ على نظام متوافق وعالي الأداء، يجب الالتزام بالمعايير التالية:

أرقام تعريف الأماكن كمعرّف دائم: بالإضافة إلى رقم تعريف المكان، تحظر بنود خدمة "خرائط Google" تخزين بيانات نقاط الاهتمام الفردية أو تخزينها مؤقتًا التي يتم عرضها من Places API (مثل أرقام الهواتف وتفاصيل الاتصال).استخدِم أرقام تعريف الأماكن كمعرّف دائم لإجراء تحليل متكرّر للمساحات البيضاء.
ضمان حداثة السمات من خلال طلبات البيانات من واجهة برمجة التطبيقات في الوقت الفعلي: استخدِم معرّفات الأماكن لإجراء طلبات بيانات "في الوقت المناسب" إلى Place Details API للتأكّد من أنّ مندوب المبيعات لديه أحدث معلومات النشاط التجاري ومعلومات الاتصال الخاصة بالمكان. بدلاً من ذلك، وكما هو موضّح في نتيجة طلب البحث، يمكنك إنشاء عناوين URL ديناميكية لـ "خرائط Google" من أجل تزويد فريق المبيعات بروابط مباشرة تؤدي إلى الملفات التجارية على "خرائط Google".

الخاتمة

من خلال توحيد رقم تعريف المكان باعتباره المفتاح الأساسي، تمكّنت من سدّ الفجوة بين تحليل السوق العالي المستوى وعمليات المبيعات التشغيلية على المستوى الأساسي. تتجاوز هذه البنية عدم الدقة في الاستهداف التقليدي المستند إلى السكان، وتستفيد من مستودع البيانات بدون خادم لعمليات الربط الحسابية المعقّدة، وتلتزم بدقة بأفضل الممارسات المتعلّقة بإدارة التكاليف والامتثال على مستوى واجهة برمجة التطبيقات.

الإجراءات التالية

طلب الوصول إلى عينة من مجموعة بيانات إحصاءات الأماكن.
اشترِ مجموعة بيانات إحصاءات الأماكن باستخدام بطاقات بيانات تبادل بيانات BigQuery للوصول إلى عيّنة أو بيانات كاملة خاصة ببلد معيّن.
راجِع مرجع مَعلمات الفلتر لتحسين طلبات البحث بلغة الاستعلامات البنيوية (SQL) في BigQuery استنادًا إلى سمات المؤسسة وأنواعها.
استخدِم عمليات بحث ديناميكية في Places API في نظام إدارة علاقات العملاء أو تطبيق توجيه المبيعات لعرض تفاصيل الاتصال الحديثة والمتوافقة مع العملاء المحتملين الجدد الذين تم إنشاؤهم.

المساهمون

هنريك Valve | مهندس DevX