Mengidentifikasi Prospek Penjualan Lapangan Baru dengan Insight Tempat

Perolehan prospek bisnis ke bisnis konvensional sering kali mengandalkan pembelian direktori statis atau daftar industri untuk menentukan potensi wilayah. Namun, set data titik minat (POI) statis ini langsung menjadi tidak relevan. Karena sering kali tidak memiliki status operasional terbaru atau kategorisasi jenis tempat yang terperinci, tim penjualan lapangan berisiko membuang waktu berharga untuk mengejar bisnis yang tutup permanen, salah dikategorikan, atau tidak relevan dengan profil pelanggan ideal mereka.

Panduan ini memberikan alur kerja untuk menjembatani kesenjangan tersebut menggunakan Insight Tempat dan Places API. Dengan memetakan bisnis Anda saat ini ke ID Tempat, Anda dapat menggunakan BigQuery untuk mengisolasi setiap bisnis operasional di wilayah yang belum ada dalam database pengelolaan hubungan pelanggan (CRM) Anda. Panduan ini menunjukkan cara membuat mesin pengecualian tersebut untuk memberikan daftar prospek yang sangat tertarget dan terverifikasi kepada tenaga penjualan lapangan Anda.

Diagram yang menunjukkan data CRM yang ada diproses menggunakan Places API dan BigQuery Places Insights untuk menghasilkan prospek baru yang terverifikasi.

Contoh Aplikasi

Pertimbangkan penyedia Point of Sale (POS) yang merencanakan ekspansi penjualan lapangan di New York City. Biasanya, organisasi akan menarik laporan tentang total tempat makan dan minuman per kode pos. Pendekatan ini menimbulkan risiko bahwa tenaga penjualan mengandalkan data yang sudah tidak berlaku, seperti lokasi yang tutup permanen, atau prospek yang tidak relevan, seperti dapur katering pribadi tanpa etalase. Bayangkan pendekatan modern yang menggunakan Places Insights, yang memanfaatkan skala global dan data terbaru Google Maps yang divalidasi di berbagai sumber. Places Insights mendukung hampir 500 kategori tempat dan lebih dari 70 atribut, sehingga Anda dapat mempersempit calon pelanggan dengan presisi tinggi berdasarkan jenis bisnis tertentu (seperti scandinavian_restaurant), jam buka toko, dan penawaran layanan (seperti accepts_credit_cards). Dengan merujuk silang Places Insights dengan CRM internal, Anda dapat memberikan daftar calon pelanggan yang belum dihubungi dan berpotensi tinggi kepada tim penjualan Anda.

Alur Kerja Solusi

Panduan ini memberikan framework teknis untuk membuat "Peta Prospek" dinamis yang secara otomatis memfilter buku bisnis Anda saat ini, sehingga hanya menyisakan prospek operasional baru untuk ditindaklanjuti oleh tim penjualan Anda.

Arsitektur Empat Langkah

  1. Tentukan Jenis Tempat Target Anda: Petakan profil pelanggan ideal Anda ke Jenis Tempat.
  2. Mengidentifikasi Area Berpotensi Tinggi: Jalankan fungsi Jumlah Tempat di BigQuery untuk membuat peta panas kepadatan bisnis target operasional.
  3. Menormalisasi Data CRM ke ID Tempat: Memproses data CRM tidak terstruktur melalui pipeline pembersihan data, menggunakan Address Validation, Geocoding, dan Places API, untuk menemukan ID Tempat bagi pelanggan lama Anda.
  4. Lakukan Pengecualian Spasi: Gabungkan ID Tempat CRM dengan data Insight Tempat di BigQuery untuk secara dinamis mengecualikan pelanggan lama dan menghasilkan daftar prospek baru.

Prasyarat

Sebelum memulai, pastikan Anda memiliki hal-hal berikut:

  • Project Google Cloud:

    • Project Google Cloud yang mengaktifkan penagihan.

  • Akses Data:

    • Langganan Places Insights di BigQuery.
    • Set data CRM Anda sendiri (misalnya, tabel BigQuery) yang berisi nama dan alamat bisnis pelanggan yang ada untuk bertindak sebagai daftar pengecualian Anda.

  • Google Maps Platform:

  • Izin IAM:

    • Pastikan akun pengguna atau akun layanan Anda memiliki peran IAM berikut untuk menjalankan kueri dan mengelola set data Anda:
      Peran ID
      Editor Data BigQuery roles/bigquery.dataEditor
      BigQuery User roles/bigquery.user

  • Kesadaran Biaya:

    • Tutorial ini menggunakan komponen Google Cloud yang dapat ditagih. Perhatikan potensi biaya terkait:
      • BigQuery: Ditagih untuk slot komputasi yang digunakan atau data yang diproses selama eksekusi kueri.
      • Insight Tempat: Ditagih berdasarkan penggunaan kueri.
      • Google Maps Platform: Ditagih per permintaan untuk Address Validation API, Geocoding API, dan Text Search API.

Langkah 1: Tentukan Jenis Tempat Target Anda

Insight Tempat mendukung hampir 500 kategori tempat dan lebih dari 70 atribut (seperti jam buka toko, jenis pembayaran, dan status operasional). Mengkueri seluruh set data secara acak tidak efisien dan mahal.

Sebagai langkah dasar, gunakan LLM seperti Gemini untuk menerjemahkan profil pelanggan internal Anda ke dalam Place Types, yang digunakan saat membuat kueri untuk Insight Tempat. Definisi taksonomi tingkat makro ini memastikan penelusuran BigQuery berikutnya sangat bertarget, sehingga mengurangi overhead pemrosesan komputasi.

Misalnya, jika Anda mendesain alur kerja untuk sistem point of sale, Anda dapat memberikan daftar jenis Tempat kepada Gemini dan menggunakan perintah berikut:

"Bertindaklah sebagai analis pasar. Dari Jenis Tempat Google Maps yang didukung, mana yang menjadi target utama penyedia sistem tempat penjualan? Berikan alasan keputusan Anda."

Berdasarkan perintah ini, Gemini akan menganalisis taksonomi dan menampilkan subset jenis tempat yang relevan dan ditargetkan untuk digunakan dalam filter BigQuery types Anda:

Kategori Utama Pembenaran Jenis Tempat Utama
Makanan dan Minuman Memerlukan pemrosesan transaksi yang cepat, pengelolaan tabel, tiket pesanan, dan penanganan tip. restaurant, bar, cafe, coffee_shop
Shopping Membutuhkan pelacakan inventaris yang andal, pemindaian kode batang, pemrosesan pengembalian, dan integrasi program loyalitas. clothing_store, grocery_store, supermarket, convenience_store
Layanan dan Kesehatan & Kebugaran Memerlukan pemesanan janji temu, penjadwalan, profil pelanggan, dan pelacakan komisi yang terintegrasi. hair_salon, beauty_salon, spa, massage
Hiburan, Rekreasi, dan Olahraga Memerlukan penanganan cepat untuk keramaian pelanggan, pemindaian tiket digital, dan penjualan konsesi yang cepat. movie_theater, amusement_park, bowling_alley, stadium

Untuk tujuan panduan ini, kita akan berfokus pada jenis tempat yang disarankan untuk kategori Makanan dan Minuman.

Langkah 2: Ekstrak Jumlah Bisnis untuk Mengidentifikasi Area Berpotensi Tinggi

Untuk menentukan area peluang, Anda memerlukan gambaran umum tentang kepadatan bisnis. Anda dapat melakukannya dengan menjalankan fungsi Jumlah Tempat (seperti PLACES_COUNT_PER_H3 atau PLACES_COUNT_PER_GEO) di BigQuery.

Meskipun Anda dapat membuat kueri set data secara langsung, fungsi Jumlah Tempat telah ditentukan sebelumnya, yaitu kueri SQL yang dioptimalkan dan tidak menerapkan nilai minimum agregasi standar 5 tempat (kueri langsung standar akan menghilangkan baris dengan 1–4 bisnis; namun, fungsi ini memungkinkan Anda melihat dengan tepat di mana bahkan satu prospek berada). Yang penting, fungsi ini menampilkan array hingga 250 ID Tempat per area geografis menggunakan kolom sample_place_ids. Hal ini memberikan peta panas statistik untuk perencana wilayah Anda dan ID dasar yang diperlukan untuk pembuatan prospek.

Kueri berikut menunjukkan cara mengambil poligon kompleks secara dinamis (seluruh batas New York City) menggunakan set data publik, lalu meneruskan geografi tersebut ke fungsi Jumlah Tempat. Dengan memanfaatkan indeks spasial H3 pada resolusi yang lebih luas (8) di seluruh kota, Anda dapat membuat peta kepadatan tingkat makro.

Selain itu, dengan memilih semua kolom (SELECT *), fungsi ini akan menampilkan kolom geography, yaitu poligon yang merepresentasikan sel H3. Dengan begitu, Anda dapat langsung mengimpor hasil BigQuery ke alat business intelligence (seperti Looker Studio) untuk membuat visualisasi peta yang diisi dan secara visual mengungkapkan hotspot pasar.

-- 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;

Visualisasi peta yang menampilkan hex H3 hijau dengan berbagai tingkat keburaman di atas New York City, yang menunjukkan kepadatan bisnis yang tinggi di Manhattan.

Seperti yang terlihat dalam visualisasi yang dihasilkan, terdapat area padat yang berbeda-beda dari target bisnis di seluruh Manhattan. Untuk bagian selanjutnya dalam dokumen ini, kita akan memperbesar dan memfokuskan upaya perolehan prospek di salah satu zona berpotensi tinggi ini: area di dekat Union Square.

Langkah 3: Menormalisasi Data CRM ke ID Tempat

Untuk melakukan analisis pengecualian, Anda harus menerjemahkan data CRM terlebih dahulu menjadi ID Tempat. Karena data CRM sering kali tidak terstruktur, meneruskan teks mentah ke API penelusuran akan menghasilkan rasio kecocokan yang buruk. Gunakan pipeline dua langkah ini untuk membersihkan alamat, memperhitungkan cakupan API regional, dan memastikan Anda mengekstrak ID Tempat Usaha yang benar untuk BigQuery.

Asumsikan Anda memiliki 5 pelanggan restoran berikut di CRM Anda yang berlokasi di New York City:

Nama Tempat Alamat
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

Karena kumpulan data ini terdiri dari teks tidak terstruktur, Anda tidak dapat menggabungkannya secara langsung dengan data Places Insights di BigQuery. Sebagai gantinya, proses setiap baris melalui pipeline berikut untuk menstandardisasi teks dan mengekstrak ID Tempat.

Langkah 3a: Pembersihan Alamat dan Pencocokan Langsung

Standarisasi data alamat Anda terlebih dahulu. Pilih API Anda berdasarkan negara target:

Opsi 1: Address Validation API

Untuk wilayah yang didukung, teruskan Nama dan Alamat Bisnis CRM yang digabungkan ke dalam API. Periksa array result.geocode.placeTypes respons:

  • Pencocokan Tempat: Jika berisi establishment atau point_of_interest, API berhasil menyelesaikan bisnis. Tambahkan placeId ini ke set data Anda dan lanjutkan ke data CRM berikutnya. Tidak ada panggilan API lebih lanjut yang diperlukan untuk entri ini.
  • Kecocokan Non-Lembaga: Jika tidak berisi jenis bisnis tersebut, API tidak dapat mengonfirmasi entitas bisnis secara pasti. ID Tempat yang ditampilkan mewakili fitur geografis (seperti bangunan, jalan, atau kota). Jangan gunakan ID Tempat ini untuk BigQuery, karena akan menyebabkan kegagalan penggabungan pengecualian. Sebagai gantinya, simpan result.address.formattedAddress dan lanjutkan ke Langkah 3b.

Opsi 2: Geocoding API

Untuk wilayah yang tidak didukung oleh Address Validation, teruskan hanya Alamat CRM ke Geocoding API. Jangan sertakan nama bisnis, karena Geocoding API dapat menampilkan hasil yang tidak dapat diprediksi. Ekstrak formattedAddress yang dihasilkan dan lanjutkan ke Langkah 3b.

Arsitektur Lanjutan: Menangani Data Tidak Terstruktur dengan LLM

Jika data CRM Anda sangat buruk, seperti nama dan alamat bisnis yang digabungkan ke dalam satu kolom catatan teks bebas, lakukan pra-pemrosesan data dengan LLM seperti Gemini. Anda dapat meminta Gemini untuk mengurai nama bisnis dari lokasi secara bersih sebelum memasukkannya ke dalam pipeline ini.

Langkah 3b: Selesaikan Entitas Bisnis

Jika Langkah 3a hanya menampilkan alamat yang sudah dibersihkan, gabungkan dengan Nama Bisnis CRM asli dan teruskan ke Text Search API. Menyeragamkan alamat terlebih dahulu akan meningkatkan tingkat kecocokan Anda secara signifikan.

Untuk mengoptimalkan performa dan biaya, gunakan Masker Kolom (X-Goog-FieldMask: places.id) dan tetapkan "pageSize": 1 untuk memastikan hanya ID Tempat kecocokan teratas yang ditampilkan.

Contoh Permintaan Penelusuran Teks:

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'

Output Pipeline

Setelah memproses data CRM melalui pipeline dua langkah ini, baik ID berhasil diekstrak di Langkah 3a atau diselesaikan menggunakan Penelusuran Teks di Langkah 3b, tujuan akhir Anda adalah menambahkan kolom place_id baru ke set data. Tabel yang dihasilkan ini kini siap diupload ke BigQuery sebagai daftar pengecualian Anda.

Nama Tempat Alamat ID tempat
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

Langkah 4: Lakukan Analisis Pengecualian Spasi di BigQuery

Dengan pelanggan lama yang dipetakan ke ID Tempat, gunakan fungsi Jumlah Tempat untuk menemukan prospek baru.

Dalam contoh ini, kita akan menelusuri bisnis target operasional (restoran, bar, kafe, dan kedai kopi) dalam radius 850 meter dari Union Square (40.73595, -73.99043). Untuk mendapatkan tampilan yang lebih terperinci untuk perutean tingkat jalan, kita akan meningkatkan fungsi PLACES_COUNT_PER_H3 ke resolusi 10.

Karena fungsi menampilkan ID Tempat sebagai array di kolom sample_place_ids, kita harus UNNEST array untuk menempatkan setiap calon bisnis di barisnya masing-masing. Kemudian, kita melakukan LEFT JOIN terhadap ID Tempat pelanggan yang diketahui.

Untuk membuktikan bahwa logika pengecualian berfungsi untuk demonstrasi ini, kueri di bawah menggunakan pernyataan CASE untuk menandai hasil, bukan memfilternya sepenuhnya. Kolom ini juga secara eksplisit mengurutkan pelanggan lama ke bagian paling atas tabel hasil, sehingga Anda dapat memverifikasi bahwa pelanggan tersebut berhasil dicocokkan.

Kueri 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;

Hasil Kueri

Berikut adalah kutipan output kueri, yang menunjukkan cara pelanggan lama berhasil diidentifikasi dan dipisahkan dari prospek baru dalam sel H3 yang sama.

Perhatikan cara kueri menggunakan pernyataan CONCAT untuk membuat URL Maps lintas platform, menggunakan place_id. Hal ini akan otomatis membuat kolom actionable_maps_url, sehingga tim penjualan Anda dapat langsung mengakses link yang dapat diklik untuk memuat lokasi bisnis yang tepat di aplikasi seluler Google Maps atau browser.

h3_cell_index place_id lead_status actionable_maps_url
8a2a100d2767fff ChIJQ7XpyqNZwokRQpVfvGEViWM Pelanggan Lama (Untuk Dikecualikan) https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJQ7XpyqNZwokRQpVfvGEViWM
8a2a100d20effff ChIJvSQIgqFZwokRFYQbJdzceSs Pelanggan Lama (Untuk Dikecualikan) https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJvSQIgqFZwokRFYQbJdzceSs
8a2a100d2397fff ChIJc1Vf7KFZwokR1YL2Rn9oxi8 Pelanggan Lama (Untuk Dikecualikan) https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJc1Vf7KFZwokR1YL2Rn9oxi8
8a2a100d2397fff ChIJFZh0PABZwokRVzoJu0o-mLY Pelanggan Lama (Untuk Dikecualikan) https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJFZh0PABZwokRVzoJu0o-mLY
8a2a100d23b7fff ChIJxTHke6JZwokRCLWVd99eDBw Pelanggan Lama (Untuk Dikecualikan) https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJxTHke6JZwokRCLWVd99eDBw
8a2a1072c96ffff ChIJ6atD-WRZwokRULgcZ4TWin8 Prospek Baru https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJ6atD-WRZwokRULgcZ4TWin8
8a2a1072c96ffff ChIJ09yg-llZwokRKAgp0jg6TCU Prospek Baru https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJ09yg-llZwokRKAgp0jg6TCU

Memvisualisasikan Prospek dengan Kit UI Tempat

Daripada memberikan URL Maps mentah, Anda dapat meneruskan place_ids langsung ke Places UI Kit untuk membuat dasbor internal yang kaya dan menghasilkan prospek bagi tim penjualan Anda. Tersedia di berbagai platform, Anda dapat menggunakan komponen bawaan untuk Web, Android, dan iOS. Komponen ini secara otomatis menampilkan data POI lengkap, seperti foto, rating, dan jam operasional, tanpa mengharuskan Anda menulis kode UI frontend atau menangani respons API secara manual.

Batas Data

Fungsi Jumlah Tempat menampilkan maksimal 250 ID Tempat per sel geografis dalam array sample_place_ids. Jika suatu area sangat padat, daftar prospek yang dihasilkan untuk sel tertentu tersebut akan dibatasi hingga 250. Untuk memastikan Anda mendapatkan semua prospek di pasar yang sangat padat, pertimbangkan strategi berikut:

  • Gunakan filter kueri tertentu: Daripada mengelompokkan beberapa jenis ke dalam satu kueri (seperti contoh di atas), jalankan kueri terpisah untuk setiap jenis tempat.
  • Kurangi cakupan spasial: Kurangi area penelusuran keseluruhan menggunakan geography_radius yang lebih kecil, atau bagi area menjadi bucket yang lebih kecil dan lebih terperinci dengan meningkatkan resolusi H3 (hingga resolusi 11).
  • Menyesuaikan Resolusi menurut Kepadatan: Saat menganalisis wilayah dengan kepadatan populasi yang bervariasi, sesuaikan ukuran penelusuran Anda secara dinamis untuk menghindari batas 250 ID Tempat. Gunakan resolusi H3 yang lebih luas (misalnya, 6 atau 7) atau geography_radius yang lebih besar di area pedesaan tempat bisnis tersebar. Sebaliknya, gunakan resolusi yang sangat terperinci (misalnya, 10 atau 11) di area perkotaan yang padat untuk memastikan Anda mendapatkan setiap calon prospek tanpa memangkas daftar Anda.

Kueri Produksi

Setelah memverifikasi bahwa pelanggan lama berhasil diidentifikasi, Anda dapat mengembalikan ke kueri versi produksi. Ganti blok SELECT terakhir dengan klausa WHERE berikut untuk memfilter secara permanen buku bisnis yang ada:

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

Tata Kelola dan Kepatuhan Arsitektur

Untuk mempertahankan sistem yang berperforma lebih tinggi dan sesuai, patuhi standar berikut:

  1. ID Tempat sebagai ID Persisten Anda: Selain ID Tempat, Persyaratan Layanan Google Maps melarang penyimpanan atau penyiapan cache data POI individual yang ditampilkan dari Places API (seperti nomor telepon dan detail kontak).Gunakan ID Tempat sebagai ID persisten Anda untuk analisis ruang kosong berulang.
  2. Memastikan Keaktualan Atribut dengan Panggilan API Real-time: Gunakan ID Tempat untuk melakukan panggilan "just-in-time" ke Place Details API guna memastikan tenaga penjualan Anda memiliki informasi bisnis dan kontak yang paling terbaru untuk tempat tersebut. Atau, seperti yang ditunjukkan dalam output kueri, Anda dapat membuat URL Google Maps secara dinamis untuk memberikan link langsung ke profil bisnis di Google Maps kepada tim penjualan Anda.

Kesimpulan

Dengan menstandardisasi ID Tempat sebagai kunci utama, Anda berhasil menjembatani kesenjangan antara analisis pasar tingkat tinggi dan operasi penjualan tingkat dasar yang dapat ditindaklanjuti. Arsitektur ini melewati ketidakakuratan penargetan berbasis populasi konvensional, memanfaatkan data warehousing serverless untuk gabungan komputasi berat, dan secara ketat mematuhi praktik terbaik pengelolaan biaya dan kepatuhan di lapisan API.

Tindakan Berikutnya

  • Minta akses ke set data contoh Places Insights.
  • Berlangganan set data Places Insights menggunakan listingan pertukaran data BigQuery untuk mengakses data sampel atau data lengkap negara.
  • Tinjau referensi parameter filter untuk menyesuaikan kueri BigQuery SQL berdasarkan atribut dan jenis bisnis.
  • Terapkan pencarian Places API dinamis di aplikasi CRM atau perutean penjualan Anda untuk menampilkan detail kontak baru yang sesuai dan terbaru untuk prospek baru yang dihasilkan.

Kontributor