এই পৃষ্ঠাটি Cloud Translation API অনুবাদ করেছে।

Places Insights-এর মাধ্যমে নতুন ফিল্ড সেলস লিড শনাক্ত করুন

প্রচলিত বিজনেস-টু-বিজনেস লিড জেনারেশন পদ্ধতিতে প্রায়শই কোনো অঞ্চলের সম্ভাবনা নির্ধারণের জন্য স্ট্যাটিক ডিরেক্টরি বা ইন্ডাস্ট্রি লিস্ট কেনার ওপর নির্ভর করা হয়। তবে, আগ্রহের নির্দিষ্ট স্থান (POI)-এর এই স্ট্যাটিক ডেটাসেটগুলো প্রায় সঙ্গে সঙ্গেই অকেজো হয়ে পড়ে। যেহেতু এগুলোতে প্রায়শই হালনাগাদ কার্যক্রমের অবস্থা বা স্থানের ধরন অনুযায়ী সুনির্দিষ্ট শ্রেণিবিন্যাসের অভাব থাকে, তাই ফিল্ড সেলস টিমগুলো এমন সব ব্যবসার পেছনে মূল্যবান সময় নষ্ট করার ঝুঁকিতে থাকে যেগুলো স্থায়ীভাবে বন্ধ, ভুলভাবে শ্রেণিবদ্ধ, অথবা তাদের আদর্শ গ্রাহক প্রোফাইলের জন্য অপ্রাসঙ্গিক।

এই নির্দেশিকাটি প্লেসেস ইনসাইটস এবং প্লেসেস এপিআই ব্যবহার করে সেই ব্যবধান পূরণের একটি কর্মপ্রবাহ প্রদান করে। আপনার বর্তমান ব্যবসায়িক পোর্টফোলিওকে প্লেস আইডি-গুলোর সাথে ম্যাপ করার মাধ্যমে, আপনি বিগকোয়েরি ব্যবহার করে একটি নির্দিষ্ট অঞ্চলের এমন প্রতিটি সক্রিয় ব্যবসাকে আলাদা করতে পারেন, যা আপনার কাস্টমার রিলেশনশিপ ম্যানেজমেন্ট (সিআরএম) ডেটাবেসে আগে থেকেই অন্তর্ভুক্ত নয়। এই নির্দেশিকাটি আপনাকে দেখাবে কীভাবে সেই এক্সক্লুশন ইঞ্জিনটি তৈরি করে আপনার ফিল্ড প্রতিনিধিদের কাছে একটি অত্যন্ত সুনির্দিষ্ট ও যাচাইকৃত লিড তালিকা পৌঁছে দেওয়া যায়।

Places API এবং BigQuery ব্যবহার করে প্রক্রিয়াকৃত বিদ্যমান CRM ডেটা দেখানো ডায়াগ্রাম, যা যাচাইকৃত নতুন লিড তৈরি করে।

উদাহরণ অ্যাপ্লিকেশন

ধরুন, একটি পয়েন্ট অফ সেল (POS) প্রদানকারী প্রতিষ্ঠান নিউ ইয়র্ক সিটিতে তাদের ফিল্ড সেলস ব্যবসা সম্প্রসারণের পরিকল্পনা করছে। সাধারণত, প্রতিষ্ঠানটি প্রতিটি জিপ কোড অনুযায়ী মোট খাদ্য ও পানীয় প্রতিষ্ঠানের একটি রিপোর্ট তৈরি করে। এই পদ্ধতিতে সেলস প্রতিনিধিদের পুরনো তথ্যের উপর নির্ভর করার ঝুঁকি থাকে, যেমন স্থায়ীভাবে বন্ধ হয়ে যাওয়া শাখা, অথবা অপ্রাসঙ্গিক লিড, যেমন কোনো দোকানবিহীন ব্যক্তিগত ক্যাটারিং কিচেন। এর পরিবর্তে প্লেসেস ইনসাইটস ব্যবহার করে একটি আধুনিক পদ্ধতির কথা ভাবুন, যা গুগল ম্যাপসের বিশ্বব্যাপী পরিধি এবং একাধিক উৎস থেকে যাচাইকৃত হালনাগাদ ডেটাকে কাজে লাগায়। প্লেসেস ইনসাইটস প্রায় ৫০০টি স্থানের বিভাগ এবং ৭০টিরও বেশি বৈশিষ্ট্য সমর্থন করে, যা আপনাকে নির্দিষ্ট ব্যবসার ধরন (যেমন scandinavian_restaurant ), দোকান খোলার সময় এবং পরিষেবার (যেমন accepts_credit_cards ) উপর ভিত্তি করে অত্যন্ত নির্ভুলভাবে আপনার সম্ভাব্য গ্রাহকদের বাছাই করতে সাহায্য করে। আপনার অভ্যন্তরীণ CRM-এর সাথে প্লেসেস ইনসাইটস মিলিয়ে, আপনি আপনার সেলস টিমকে উচ্চ সম্ভাবনাময় কিন্তু অযোগাযোগকৃত সম্ভাব্য গ্রাহকদের একটি অত্যন্ত সুনির্দিষ্ট তালিকা সরবরাহ করতে পারেন।

সমাধান কর্মপ্রবাহ

এই নির্দেশিকাটি একটি ডাইনামিক 'লিডস ম্যাপ' তৈরির জন্য একটি প্রযুক্তিগত কাঠামো প্রদান করে, যা স্বয়ংক্রিয়ভাবে আপনার বর্তমান গ্রাহকদের ফিল্টার করে দেয় এবং আপনার সেলস টিমের অনুসরণ করার জন্য শুধুমাত্র একেবারে নতুন ও কার্যকরী লিডগুলো রেখে দেয়।

চার-ধাপের স্থাপত্য

আপনার লক্ষ্যস্থলের ধরণ নির্ধারণ করুন: আপনার আদর্শ গ্রাহকের প্রোফাইলগুলোকে স্থানের ধরণগুলোর সাথে মিলিয়ে নিন।
উচ্চ সম্ভাবনাময় এলাকা শনাক্ত করুন: কার্যক্রমরত লক্ষ্য ব্যবসাগুলোর ঘনত্ব হিট ম্যাপ তৈরি করতে BigQuery-তে Places Count ফাংশনগুলো চালান।
CRM ডেটাকে প্লেস আইডিতে রূপান্তর করুন: আপনার বিদ্যমান গ্রাহকদের প্লেস আইডি খুঁজে বের করার জন্য, অ্যাড্রেস ভ্যালিডেশন, জিওকোডিং এবং প্লেসেস এপিআই ব্যবহার করে একটি ডেটা-ক্লিনজিং পাইপলাইনের মাধ্যমে অসংগঠিত CRM রেকর্ডগুলো প্রসেস করুন।
হোয়াইটস্পেস এক্সক্লুশন সম্পাদন করুন: বিদ্যমান গ্রাহকদের গতিশীলভাবে ফিল্টার করে বাদ দিতে এবং একটি সম্পূর্ণ নতুন লিড তালিকা আউটপুট করতে BigQuery-তে আপনার CRM প্লেস আইডিগুলোকে আপনার প্লেসেস ইনসাইটস ডেটার সাথে জয়েন করুন।

পূর্বশর্ত

শুরু করার আগে, নিশ্চিত করুন যে আপনার কাছে নিম্নলিখিত জিনিসগুলো আছে:

গুগল ক্লাউড প্রজেক্ট:
- বিলিং সক্ষম একটি গুগল ক্লাউড প্রজেক্ট।
ডেটা অ্যাক্সেস:
- BigQuery-তে Places Insights সাবস্ক্রিপশন ।
- আপনার নিজস্ব CRM ডেটাসেট (যেমন, একটি BigQuery টেবিল), যেখানে বিদ্যমান গ্রাহকদের ব্যবসার নাম এবং ঠিকানা থাকবে, যা আপনার বর্জন তালিকা হিসেবে কাজ করবে।
গুগল ম্যাপস প্ল্যাটফর্ম:
- একটি এপিআই কী ।
- আপনার কী-এর জন্য নিম্নলিখিত API গুলি সক্রিয় করা হয়েছে:

আইএএম অনুমতিসমূহ:

কোয়েরি সম্পাদন করতে এবং আপনার ডেটাসেট পরিচালনা করতে আপনার ব্যবহারকারী বা পরিষেবা অ্যাকাউন্টের নিম্নলিখিত IAM ভূমিকাগুলি আছে কিনা তা নিশ্চিত করুন:

ভূমিকা	আইডি
বিগকোয়েরি ডেটা এডিটর	`roles/bigquery.dataEditor`
বিগকোয়েরি ব্যবহারকারী	`roles/bigquery.user`

ব্যয় সচেতনতা:
- এই টিউটোরিয়ালে বিলযোগ্য গুগল ক্লাউড উপাদানসমূহ ব্যবহার করা হয়েছে। নিম্নলিখিত বিষয় সম্পর্কিত সম্ভাব্য খরচ সম্পর্কে সচেতন থাকুন:
  - BigQuery: কোয়েরি নির্বাহের সময় ব্যবহৃত কম্পিউট স্লট বা প্রক্রিয়াকৃত ডেটার জন্য চার্জ করা হয়।
  - প্লেসেস ইনসাইটস: কোয়েরি ব্যবহারের উপর ভিত্তি করে চার্জ প্রযোজ্য।
  - গুগল ম্যাপস প্ল্যাটফর্ম: অ্যাড্রেস ভ্যালিডেশন এপিআই, জিওকোডিং এপিআই, এবং টেক্সট সার্চ এপিআই-এর জন্য প্রতি অনুরোধ অনুযায়ী চার্জ করা হয়।

ধাপ ১: আপনার লক্ষ্য স্থানের ধরণগুলি নির্ধারণ করুন

প্লেসেস ইনসাইটস প্রায় ৫০০টি স্থানের বিভাগ এবং ৭০টিরও বেশি বৈশিষ্ট্য (যেমন দোকানের খোলার সময়, অর্থপ্রদানের ধরণ এবং পরিচালনার অবস্থা) সমর্থন করে। নির্বিচারে সম্পূর্ণ ডেটাসেটটি কোয়েরি করা অদক্ষ এবং ব্যয়বহুল।

প্রাথমিক পদক্ষেপ হিসেবে, আপনার অভ্যন্তরীণ গ্রাহক প্রোফাইলগুলোকে ‘প্লেস টাইপ’ -এ রূপান্তর করতে জেমিনির মতো একটি এলএলএম (LLM) ব্যবহার করুন, যা প্লেসেস ইনসাইটস (Places Insights)-এর জন্য কোয়েরি তৈরি করার সময় ব্যবহৃত হয়। এই ম্যাক্রো-লেভেলের ট্যাক্সোনমি সংজ্ঞাটি নিশ্চিত করে যে আপনার পরবর্তী বিগকোয়েরি (BigQuery) সার্চগুলো অত্যন্ত সুনির্দিষ্ট হবে, ফলে কম্পিউট প্রসেসিং ওভারহেড কমে যায়।

উদাহরণস্বরূপ, যদি আপনি একটি পয়েন্ট অফ সেল সিস্টেমের জন্য ওয়ার্কফ্লো ডিজাইন করেন, তাহলে আপনি জেমিনিকে প্লেস টাইপগুলির তালিকা প্রদান করতে পারেন এবং নিম্নলিখিত প্রম্পটটি ব্যবহার করতে পারেন:

একজন বাজার বিশ্লেষকের ভূমিকা পালন করুন। গুগল ম্যাপসের সমর্থিত প্লেস টাইপগুলোর মধ্যে, একটি পয়েন্ট অফ সেল সিস্টেম সরবরাহকারীর প্রধান লক্ষ্য কোনটি? আপনার সিদ্ধান্তের সপক্ষে যুক্তি দিন।

এই নির্দেশনার উপর ভিত্তি করে, জেমিনি শ্রেণিবিন্যাসটি বিশ্লেষণ করবে এবং আপনার BigQuery types ফিল্টারে ব্যবহারের জন্য প্রাসঙ্গিক স্থানের প্রকারগুলির একটি নির্দিষ্ট উপসেট ফেরত দেবে:

প্রধান বিভাগ	ন্যায্যতা	মূল স্থানের প্রকারভেদ
খাবার ও পানীয়	দ্রুত লেনদেন প্রক্রিয়াকরণ, টেবিল ব্যবস্থাপনা, অর্ডার টিকেটিং এবং টিপ পরিচালনার প্রয়োজন হয়।	`restaurant` , `bar` , `cafe` , `coffee_shop`
কেনাকাটা	শক্তিশালী ইনভেন্টরি ট্র্যাকিং, বারকোড স্ক্যানিং, রিটার্ন প্রসেসিং এবং লয়্যালটি ইন্টিগ্রেশন প্রয়োজন।	`clothing_store` , `grocery_store` , `supermarket` , `convenience_store`
পরিষেবা এবং স্বাস্থ্য ও সুস্থতা	সমন্বিত অ্যাপয়েন্টমেন্ট বুকিং, সময়সূচী নির্ধারণ, গ্রাহক প্রোফাইল এবং কমিশন ট্র্যাকিং প্রয়োজন।	`hair_salon` , `beauty_salon` , `spa` , `massage`
বিনোদন, চিত্তবিনোদন এবং খেলাধুলা	গ্রাহকদের ভিড় দ্রুত সামলানো, ডিজিটাল টিকিট স্ক্যানিং এবং দ্রুত কনসেশন বিক্রির প্রয়োজন হয়।	`movie_theater` , `amusement_park` , `bowling_alley` , `stadium`

এই নির্দেশিকার উদ্দেশ্যে, আমরা খাদ্য ও পানীয় বিভাগের জন্য প্রস্তাবিত স্থানের ধরণগুলোর উপর আলোকপাত করব।

ধাপ ২: উচ্চ সম্ভাবনাময় এলাকা শনাক্ত করতে ব্যবসার পরিসংখ্যান বের করুন

সুযোগের ক্ষেত্রগুলো সুনির্দিষ্টভাবে চিহ্নিত করতে, আপনার প্রথমে ব্যবসার ঘনত্বের একটি সামগ্রিক চিত্র প্রয়োজন। BigQuery-তে Places Count ফাংশনগুলো (যেমন PLACES_COUNT_PER_H3 বা PLACES_COUNT_PER_GEO ) প্রয়োগ করার মাধ্যমে আপনি এটি অর্জন করতে পারেন।

যদিও আপনি সরাসরি ডেটাসেটটি কোয়েরি করতে পারেন, প্লেসেস কাউন্ট ফাংশনগুলো হলো পূর্বনির্ধারিত, অপ্টিমাইজ করা SQL কোয়েরি যা ন্যূনতম ৫টি স্থানের সাধারণ অ্যাগ্রিগেশন থ্রেশহোল্ড প্রয়োগ করে না (সাধারণ সরাসরি কোয়েরিগুলো ১-৪টি ব্যবসা থাকা সারিগুলো বাদ দিয়ে দেয়; কিন্তু, এই ফাংশনগুলো আপনাকে দেখতে দেয় যে এমনকি একজন সম্ভাব্য গ্রাহকও ঠিক কোথায় রয়েছে)। সবচেয়ে গুরুত্বপূর্ণ বিষয় হলো, এই ফাংশনগুলো sample_place_ids কলাম ব্যবহার করে প্রতিটি ভৌগোলিক এলাকার জন্য ২৫০টি পর্যন্ত প্লেস আইডির একটি অ্যারে রিটার্ন করে। এটি আপনার টেরিটরি প্ল্যানারদের জন্য পরিসংখ্যানগত হিট ম্যাপ এবং লিড জেনারেশনের জন্য প্রয়োজনীয় মৌলিক শনাক্তকারী উভয়ই সরবরাহ করে।

নিম্নলিখিত কোয়েরিটি দেখায় কিভাবে একটি পাবলিক ডেটাসেট ব্যবহার করে গতিশীলভাবে একটি জটিল বহুভুজ (নিউ ইয়র্ক শহরের সম্পূর্ণ সীমানা) পুনরুদ্ধার করা যায় এবং তারপরে সেই ভৌগোলিক অবস্থানটি Places Count ফাংশনে পাঠানো যায়। শহর জুড়ে বৃহত্তর রেজোলিউশনে ( 8 ) H3 স্থানিক সূচক ব্যবহার করে, আপনি একটি ম্যাক্রো-স্তরের ঘনত্বের মানচিত্র তৈরি করতে পারেন।

এছাড়াও, সমস্ত কলাম নির্বাচন করলে ( SELECT * ), ফাংশনটি geography কলামটি রিটার্ন করে, যা H3 সেলকে প্রতিনিধিত্বকারী একটি বহুভুজ। এর ফলে আপনি আপনার BigQuery-এর ফলাফল তাৎক্ষণিকভাবে বিজনেস ইন্টেলিজেন্স টুলগুলিতে (যেমন Looker Studio ) ইম্পোর্ট করতে পারেন, যা দিয়ে ফিল্ড ম্যাপ ভিজ্যুয়ালাইজেশন তৈরি করা যায় এবং যা বাজারের হটস্পটগুলিকে দৃশ্যমানভাবে প্রকাশ করে।

-- 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;

নিউ ইয়র্ক শহরের উপর বিভিন্ন অস্বচ্ছতার সবুজ H3 হেক্স দেখানো মানচিত্র ভিজ্যুয়ালাইজেশন, যা ম্যানহাটনে উচ্চ ব্যবসায়িক ঘনত্ব নির্দেশ করে।

ফলস্বরূপ প্রাপ্ত ভিজ্যুয়ালাইজেশনে যেমন দেখা যাচ্ছে, পুরো ম্যানহাটন জুড়েই লক্ষ্যভুক্ত ব্যবসা প্রতিষ্ঠানগুলোর সুস্পষ্টভাবে উচ্চ-ঘনত্বের এলাকা রয়েছে। এই ডকুমেন্টের বাকি অংশে, আমরা এই উচ্চ-সম্ভাবনাময় অঞ্চলগুলোর মধ্যে একটির উপর আমাদের লিড জেনারেশন প্রচেষ্টা নিবদ্ধ করব: ইউনিয়ন স্কোয়ারের নিকটবর্তী এলাকা।

ধাপ ৩: আপনার CRM ডেটাকে প্লেস আইডিতে স্বাভাবিক করুন

বর্জন বিশ্লেষণ (exclusion analysis) করার জন্য, আপনাকে প্রথমে আপনার CRM রেকর্ডগুলিকে প্লেস আইডি-তে (Place ID) রূপান্তর করতে হবে। যেহেতু CRM ডেটা প্রায়শই অসংগঠিত হয়, তাই সার্চ এপিআই-তে (search APIs) সরাসরি টেক্সট দিলে ম্যাচ রেট (match rate) খুব কম হয়। ঠিকানা পরিশুদ্ধ করতে, আঞ্চলিক এপিআই কভারেজের (regional API coverage) বিষয়টি বিবেচনা করতে, এবং BigQuery-এর জন্য সঠিক এস্টাবলিশমেন্ট প্লেস আইডি (Estabilities Place IDs) বের করা নিশ্চিত করতে এই দুই-ধাপের পাইপলাইনটি ব্যবহার করুন।

ধরে নিন, আপনার CRM-এ নিউ ইয়র্ক সিটিতে অবস্থিত নিম্নলিখিত ৫ জন রেস্তোরাঁ গ্রাহক রয়েছেন:

স্থানের নাম	ঠিকানা
বুশেরি ইউনিয়ন স্কোয়ার	২২৫ পার্ক এভিনিউ সাউথ, নিউ ইয়র্ক, এনওয়াই ১০০০৩, মার্কিন যুক্তরাষ্ট্র
গ্রামারসি ট্যাভার্ন	৪২ পূর্ব ২০তম স্ট্রিট, নিউ ইয়র্ক, এনওয়াই ১০০০৩, মার্কিন যুক্তরাষ্ট্র
বার্ন জু ইউনিয়ন স্কোয়ার	৩৫ ইউনিয়ন স্কয়ার ডব্লিউ, নিউ ইয়র্ক, এনওয়াই ১০০০৩, মার্কিন যুক্তরাষ্ট্র
লস টাকোস নং ১	২০০ পার্ক এভিনিউ সাউথ, নিউ ইয়র্ক, এনওয়াই ১০০০৩, মার্কিন যুক্তরাষ্ট্র
ইউনিয়ন স্কোয়ার ক্যাফে	১০১ পূর্ব ১৯তম স্ট্রিট, নিউ ইয়র্ক, এনওয়াই ১০০০৩, মার্কিন যুক্তরাষ্ট্র

যেহেতু এই রেকর্ডগুলো অসংগঠিত টেক্সট নিয়ে গঠিত, তাই আপনি BigQuery-তে এগুলোকে সরাসরি Places Insights ডেটার সাথে যুক্ত করতে পারবেন না। এর পরিবর্তে, টেক্সটকে মানসম্মত করতে এবং Place ID বের করতে নিম্নলিখিত পাইপলাইনের মাধ্যমে প্রতিটি সারি প্রক্রিয়া করুন।

ধাপ ৩ক: ঠিকানা পরিষ্করণ এবং সরাসরি মেলানো

প্রথমে আপনার ঠিকানার ডেটা মানসম্মত করুন। লক্ষ্য দেশের উপর ভিত্তি করে আপনার এপিআই (API) বেছে নিন:

বিকল্প ১: ঠিকানা যাচাইকরণ এপিআই

সমর্থিত অঞ্চলগুলির জন্য, CRM ব্যবসার নাম এবং ঠিকানা একসাথে জুড়ে API-তে পাঠান। প্রতিক্রিয়ার result.geocode.placeTypes অ্যারেটি পরীক্ষা করুন:

প্রতিষ্ঠানের মিল: যদি এতে establishment বা point_of_interest থাকে, তাহলে API সফলভাবে ব্যবসাটি শনাক্ত করেছে। এই placeId আপনার ডেটাসেটে যুক্ত করুন এবং পরবর্তী CRM রেকর্ডে যান। এই এন্ট্রির জন্য আর কোনো API কলের প্রয়োজন নেই।
প্রতিষ্ঠানের সাথে অমিল: যদি এতে সেই ব্যবসার ধরণগুলো না থাকে, তাহলে API নিশ্চিতভাবে ব্যবসায়িক সত্তাটিকে নিশ্চিত করতে পারেনি। ফেরত আসা প্লেস আইডি একটি ভৌগোলিক বৈশিষ্ট্যকে (যেমন একটি ভবন, রাস্তা বা শহর) প্রতিনিধিত্ব করে। BigQuery-এর জন্য এই প্লেস আইডি ব্যবহার করবেন না, কারণ এটি আপনার এক্সক্লুশন জয়েনগুলোকে ব্যর্থ করে দেবে। পরিবর্তে, result.address.formattedAddress সংরক্ষণ করুন এবং ধাপ 3b-তে এগিয়ে যান।

বিকল্প ২: জিওকোডিং এপিআই

যেসব অঞ্চলে ঠিকানা যাচাইকরণ (Address Validation) সমর্থিত নয়, সেখানে জিওকোডিং এপিআই-তে (Geocoding API) শুধুমাত্র সিআরএম ঠিকানা (CRM Address) পাঠান। ব্যবসার নাম অন্তর্ভুক্ত করবেন না, কারণ জিওকোডিং এপিআই অপ্রত্যাশিত ফলাফল দিতে পারে। প্রাপ্ত ফরম্যাট formattedAddress বের করুন এবং ধাপ 3b-তে যান।

উন্নত স্থাপত্য: এলএলএম ব্যবহার করে অসংগঠিত ডেটা পরিচালনা

আপনার CRM ডেটা যদি অত্যন্ত দুর্বল হয়, যেমন ব্যবসার নাম এবং ঠিকানা একটিমাত্র ফ্রি-টেক্সট নোটস ফিল্ডে মিশে থাকে, তাহলে Gemini-এর মতো একটি LLM দিয়ে রেকর্ডগুলো প্রি-প্রসেস করুন। এই পাইপলাইনে ডেটা পাঠানোর আগে, আপনি Gemini-কে লোকেশন থেকে ব্যবসার নামটি পরিষ্কারভাবে পার্স করার জন্য নির্দেশ দিতে পারেন।

ধাপ ৩খ: ব্যবসায়িক সত্তাটির সমাধান করুন

যদি ধাপ 3a শুধুমাত্র একটি পরিমার্জিত ঠিকানা ফেরত দেয়, তবে সেটিকে মূল CRM ব্যবসার নামের সাথে যুক্ত করুন এবং টেক্সট সার্চ API- তে পাঠান। প্রথমে ঠিকানাটি প্রমিতকরণ করলে আপনার ম্যাচ রেট উল্লেখযোগ্যভাবে উন্নত হয়।

পারফরম্যান্স এবং খরচ অপ্টিমাইজ করার জন্য, একটি ফিল্ড মাস্ক ( X-Goog-FieldMask: places.id ) ব্যবহার করুন এবং "pageSize": 1 সেট করুন, যাতে শুধুমাত্র শীর্ষ ম্যাচ প্লেস আইডিটিই ফেরত আসে।

টেক্সট অনুসন্ধানের অনুরোধের উদাহরণ:

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'

পাইপলাইন আউটপুট

এই দুই-ধাপের পাইপলাইনের মাধ্যমে আপনার CRM রেকর্ডগুলি প্রসেস করার পর, ধাপ 3a-তে আইডিটি সফলভাবে এক্সট্র্যাক্ট করা হোক বা ধাপ 3b-তে টেক্সট সার্চ ব্যবহার করে সমাধান করা হোক, আপনার চূড়ান্ত লক্ষ্য হলো আপনার ডেটাসেটে একটি নতুন place_id কলাম যুক্ত করা। এই ফলাফলস্বরূপ প্রাপ্ত টেবিলটি এখন আপনার এক্সক্লুশন লিস্ট হিসেবে BigQuery-তে আপলোড করার জন্য প্রস্তুত।

স্থানের নাম	ঠিকানা	স্থান আইডি
বুশেরি ইউনিয়ন স্কোয়ার	২২৫ পার্ক এভিনিউ সাউথ, নিউ ইয়র্ক, এনওয়াই ১০০০৩, মার্কিন যুক্তরাষ্ট্র	ChIJc1Vf7KFZwokR1YL2Rn9oxi8
গ্রামারসি ট্যাভার্ন	৪২ পূর্ব ২০তম স্ট্রিট, নিউ ইয়র্ক, এনওয়াই ১০০০৩, মার্কিন যুক্তরাষ্ট্র	ChIJvSQIgqFZwokRFYQbJdzceSs
বার্ন জু ইউনিয়ন স্কোয়ার	৩৫ ইউনিয়ন স্কয়ার ডব্লিউ, নিউ ইয়র্ক, এনওয়াই ১০০০৩, মার্কিন যুক্তরাষ্ট্র	ChIJQ7XpyqNZwokRQpVfvGEViWM
লস টাকোস নং ১	২০০ পার্ক এভিনিউ সাউথ, নিউ ইয়র্ক, এনওয়াই ১০০০৩, মার্কিন যুক্তরাষ্ট্র	ChIJFZh0PABZwokRVzoJu0o-mLY
ইউনিয়ন স্কোয়ার ক্যাফে	১০১ পূর্ব ১৯তম স্ট্রিট, নিউ ইয়র্ক, এনওয়াই ১০০০৩, মার্কিন যুক্তরাষ্ট্র	ChIJxTHke6JZwokRCLWVd99eDBw

ধাপ ৪: BigQuery-তে হোয়াইটস্পেস বর্জন বিশ্লেষণ সম্পাদন করুন

আপনার বিদ্যমান গ্রাহকদের প্লেস আইডি-র সাথে সংযুক্ত করে, নতুন লিডগুলি খুঁজে বের করতে প্লেসেস কাউন্ট ফাংশনগুলি ব্যবহার করুন।

এই উদাহরণে, আমরা ইউনিয়ন স্কোয়ারের (40.73595, -73.99043) ৮৫০-মিটার ব্যাসার্ধের মধ্যে চালু থাকা লক্ষ্য ব্যবসা প্রতিষ্ঠানগুলো (রেস্তোরাঁ, বার, ক্যাফে এবং কফি শপ) অনুসন্ধান করব। রাস্তার স্তরের রাউটিং-এর আরও সূক্ষ্ম চিত্র পেতে, আমরা PLACES_COUNT_PER_H3 ফাংশনটির রেজোলিউশন ১০ পর্যন্ত বাড়িয়ে দেব।

যেহেতু ফাংশনটি sample_place_ids কলামে প্লেস আইডিগুলো একটি অ্যারে হিসেবে রিটার্ন করে, তাই প্রতিটি সম্ভাব্য ব্যবসাকে তার নিজস্ব সারিতে রাখার জন্য আমাদের অবশ্যই অ্যারেটিকে UNNEST করতে হবে। এরপর, আমরা আমাদের পরিচিত গ্রাহকদের প্লেস আইডিগুলোর সাথে একটি LEFT JOIN অপারেশন করি।

এই প্রদর্শনের জন্য বর্জন যুক্তিটি যে কাজ করে, তা প্রমাণ করতে, নিচের কোয়েরিটি ফলাফলগুলোকে সম্পূর্ণরূপে ফিল্টার করে বাদ না দিয়ে, সেগুলোকে চিহ্নিত করার জন্য একটি CASE স্টেটমেন্ট ব্যবহার করে। এটি বিদ্যমান গ্রাহকদের ফলাফল টেবিলের একেবারে শীর্ষে সুস্পষ্টভাবে সাজিয়ে রাখে, যাতে আপনি যাচাই করতে পারেন যে তাদের সফলভাবে মেলানো হয়েছে।

SQL কোয়েরি

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;

অনুসন্ধানের ফলাফল

এখানে কোয়েরি আউটপুটের একটি অংশ দেওয়া হলো, যেখানে দেখানো হয়েছে কীভাবে একই সূক্ষ্ম H3 সেলের মধ্যে বিদ্যমান গ্রাহকদের নতুন লিডগুলো থেকে সফলভাবে শনাক্ত ও পৃথক করা হয়।

লক্ষ্য করুন, কোয়েরিটি কীভাবে place_id ব্যবহার করে একটি ক্রস-প্ল্যাটফর্ম ম্যাপস ইউআরএল তৈরি করতে একটি CONCAT স্টেটমেন্ট প্রয়োগ করে। এটি স্বয়ংক্রিয়ভাবে actionable_maps_url কলামটি তৈরি করে, যা আপনার সেলস টিমকে গুগল ম্যাপস মোবাইল অ্যাপ বা ব্রাউজারে নির্দিষ্ট ব্যবসাটি লোড করার জন্য একটি তাৎক্ষণিক, ক্লিকযোগ্য লিঙ্ক প্রদান করে।

`h3_cell_index`	`place_id`	`lead_status`	`actionable_maps_url`
8a2a100d2767fff	ChIJQ7XpyqNZwokRQpVfvGEViWM	বিদ্যমান গ্রাহক (বাদ দেওয়া হবে)	https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJQ7XpyqNZwokRQpVfvGEViWM
8a2a100d20effff	ChIJvSQIgqFZwokRFYQbJdzceSs	বিদ্যমান গ্রাহক (বাদ দেওয়া হবে)	https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJvSQIgqFZwokRFYQbJdzceSs
8a2a100d2397fff	ChIJc1Vf7KFZwokR1YL2Rn9oxi8	বিদ্যমান গ্রাহক (বাদ দেওয়া হবে)	https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJc1Vf7KFZwokR1YL2Rn9oxi8
8a2a100d2397fff	ChIJFZh0PABZwokRVzoJu0o-mLY	বিদ্যমান গ্রাহক (বাদ দেওয়া হবে)	https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJFZh0PABZwokRVzoJu0o-mLY
8a2a100d23b7fff	ChIJxTHke6JZwokRCLWVd99eDBw	বিদ্যমান গ্রাহক (বাদ দেওয়া হবে)	https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJxTHke6JZwokRCLWVd99eDBw
8a2a1072c96ffff	ChIJ6atD-WRZwokRULgcZ4TWin8	নেট-নিউ লিড	https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJ6atD-WRZwokRULgcZ4TWin8
8a2a1072c96ffff	ChIJ09yg-llZwokRKAgp0jg6TCU	নেট-নিউ লিড	https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJ09yg-llZwokRKAgp0jg6TCU

Places UI Kit-এর মাধ্যমে লিডগুলোকে দৃশ্যমান করুন

সরাসরি ম্যাপস ইউআরএল দেওয়ার পরিবর্তে, আপনি আপনার সেলস টিমের জন্য একটি সমৃদ্ধ, অভ্যন্তরীণ লিড-জেনারেটর ড্যাশবোর্ড তৈরি করতে প্লেসেস ইউআই কিট- এ সরাসরি place_ids পাস করতে পারেন। বিভিন্ন প্ল্যাটফর্মে উপলব্ধ, আপনি ওয়েব , অ্যান্ড্রয়েড এবং আইওএস- এর জন্য আগে থেকে তৈরি কম্পোনেন্টগুলো সরাসরি ব্যবহার করতে পারেন। এই কম্পোনেন্টগুলো স্বয়ংক্রিয়ভাবে POI-এর বিস্তারিত ডেটা, যেমন ছবি, রেটিং এবং কার্যক্রমের সময়সূচী প্রদর্শন করে, যার জন্য আপনাকে ফ্রন্টএন্ড UI কোড লিখতে বা ম্যানুয়ালি API রেসপন্স পরিচালনা করতে হয় না।

ডেটা সীমা

প্লেসেস কাউন্ট ফাংশনগুলো sample_place_ids অ্যারের প্রতিটি ভৌগোলিক সেলের জন্য সর্বোচ্চ ২৫০টি প্লেস আইডি রিটার্ন করে। যদি কোনো এলাকা অত্যন্ত ঘনবসতিপূর্ণ হয়, তবে সেই নির্দিষ্ট সেলের জন্য আপনার তৈরি করা লিড তালিকাটি ২৫০-এ সীমাবদ্ধ থাকবে। অত্যন্ত ঘনবসতিপূর্ণ বাজারগুলোতে সমস্ত লিড সংগ্রহ নিশ্চিত করতে, নিম্নলিখিত কৌশলগুলো বিবেচনা করুন:

নির্দিষ্ট কোয়েরি ফিল্টার ব্যবহার করুন: একাধিক প্রকারকে একটি কোয়েরিতে একত্রিত করার পরিবর্তে (উপরের উদাহরণের মতো), প্রতিটি স্বতন্ত্র স্থানের প্রকারের জন্য পৃথক কোয়েরি চালান।
স্থানিক পরিধি হ্রাস করুন: একটি ছোট geography_radius ব্যবহার করে সামগ্রিক অনুসন্ধান এলাকা হ্রাস করুন, অথবা H3 রেজোলিউশন (রেজোলিউশন ১১ পর্যন্ত) বাড়িয়ে এলাকাটিকে আরও ছোট ও সুনির্দিষ্ট ভাগে ভাগ করুন।
ঘনত্ব অনুযায়ী রেজোলিউশন সমন্বয়: বিভিন্ন জনসংখ্যার ঘনত্বযুক্ত অঞ্চল বিশ্লেষণ করার সময়, ২৫০টি প্লেস আইডি-র সীমাবদ্ধতা এড়াতে আপনার অনুসন্ধানের আকার গতিশীলভাবে সমন্বয় করুন। গ্রামীণ এলাকায়, যেখানে ব্যবসাগুলো ছড়িয়ে ছিটিয়ে থাকে, সেখানে একটি বিস্তৃত H3 রেজোলিউশন (যেমন, ৬ বা ৭) অথবা একটি বৃহত্তর geography_radius ব্যবহার করুন। বিপরীতে, ঘনবসতিপূর্ণ শহুরে এলাকায় একটি অত্যন্ত সূক্ষ্ম রেজোলিউশন (যেমন, ১০ বা ১১) ব্যবহার করুন, যাতে আপনার তালিকা ছোট না করে প্রতিটি সম্ভাব্য গ্রাহককে অন্তর্ভুক্ত করা নিশ্চিত হয়।

উৎপাদন কোয়েরি

একবার আপনি যাচাই করে নিলে যে বিদ্যমান গ্রাহকদের সফলভাবে শনাক্ত করা হয়েছে, আপনি কোয়েরিটির প্রোডাকশন সংস্করণে ফিরে যেতে পারেন। আপনার বিদ্যমান গ্রাহকদের স্থায়ীভাবে ফিল্টার করার জন্য, শেষের SELECT ব্লকটি নিম্নলিখিত WHERE ক্লজ দিয়ে প্রতিস্থাপন করুন:

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

স্থাপত্য শাসন এবং সম্মতি

একটি উন্নত কর্মক্ষম ও সঙ্গতিপূর্ণ সিস্টেম বজায় রাখতে, এই মানদণ্ডগুলো মেনে চলুন:

স্থায়ী শনাক্তকারী হিসেবে প্লেস আইডি: প্লেস আইডি ছাড়াও, গুগল ম্যাপস-এর পরিষেবার শর্তাবলী অনুযায়ী প্লেসেস এপিআই (Places API) থেকে প্রাপ্ত স্বতন্ত্র POI ডেটা (যেমন ফোন নম্বর এবং যোগাযোগের বিবরণ) সংরক্ষণ বা ক্যাশ করা নিষিদ্ধ। পুনরাবৃত্তিমূলক হোয়াইটস্পেস বিশ্লেষণের জন্য আপনার স্থায়ী শনাক্তকারী হিসেবে প্লেস আইডি ব্যবহার করুন।
রিয়েল-টাইম এপিআই কলের মাধ্যমে অ্যাট্রিবিউটের সতেজতা নিশ্চিত করুন: প্লেস আইডি ব্যবহার করে প্লেস ডিটেইলস এপিআই-তে তাৎক্ষণিক কল করুন, যাতে আপনার বিক্রয়কর্মীর কাছে সেই স্থানের সবচেয়ে হালনাগাদ ব্যবসায়িক এবং যোগাযোগের তথ্য থাকে। বিকল্পভাবে, কোয়েরি আউটপুটে যেমন দেখানো হয়েছে, আপনি ডায়নামিকভাবে গুগল ম্যাপস ইউআরএল তৈরি করতে পারেন, যা আপনার বিক্রয় দলকে গুগল ম্যাপসে থাকা ব্যবসায়িক প্রোফাইলগুলিতে সরাসরি লিঙ্ক সরবরাহ করবে।

উপসংহার

প্লেস আইডি-কে আপনার প্রাইমারি কী হিসেবে প্রমিতকরণের মাধ্যমে, আপনি উচ্চ-স্তরের বাজার বিশ্লেষণ এবং কার্যকর, মাঠ-পর্যায়ের বিক্রয় কার্যক্রমের মধ্যেকার ব্যবধান সফলভাবে পূরণ করেছেন। এই আর্কিটেকচারটি প্রচলিত জনসংখ্যা-ভিত্তিক টার্গেটিংয়ের ত্রুটিগুলো এড়িয়ে চলে, জটিল কম্পিউটেশনাল জয়েনগুলোর জন্য সার্ভারলেস ডেটা ওয়্যারহাউজিং ব্যবহার করে এবং এপিআই স্তরে ব্যয়-ব্যবস্থাপনা ও কমপ্লায়েন্সের সর্বোত্তম অনুশীলনগুলো কঠোরভাবে মেনে চলে।

পরবর্তী পদক্ষেপ

Places Insights নমুনা ডেটাসেটে অ্যাক্সেসের জন্য অনুরোধ করুন।
নমুনা বা সম্পূর্ণ দেশের ডেটা অ্যাক্সেস করতে BigQuery ডেটা এক্সচেঞ্জ তালিকা ব্যবহার করে Places Insights ডেটাসেটে সাবস্ক্রাইব করুন।
ব্যবসায়িক বৈশিষ্ট্য এবং প্রকারের উপর ভিত্তি করে আপনার BigQuery SQL কোয়েরিগুলোকে সূক্ষ্মভাবে সমন্বয় করতে ফিল্টার প্যারামিটার রেফারেন্সটি পর্যালোচনা করুন।
জেনারেট হওয়া নতুন লিডগুলোর জন্য হালনাগাদ ও নিয়মসম্মত যোগাযোগের বিবরণ প্রকাশ করতে আপনার CRM বা সেলস রাউটিং অ্যাপ্লিকেশনে ডাইনামিক প্লেসেস এপিআই লুকআপ প্রয়োগ করুন।

অবদানকারীরা

হেনরিক ভালভ | ডেভএক্স ইঞ্জিনিয়ার