Places Insights ile tamamen yeni saha satış potansiyel müşterilerini belirleme

Geleneksel işletmeden işletmeye olası satış yaratma genellikle bölge potansiyelini tanımlamak için statik dizinlerin veya sektör listelerinin satın alınmasına dayanır. Ancak bu statik önemli yer (POI) veri kümeleri neredeyse anında eskiyor. Çoğu zaman güncel operasyonel durum veya ayrıntılı yer türü sınıflandırması olmadığından saha satış ekipleri, kalıcı olarak kapalı olan, yanlış sınıflandırılmış veya ideal müşteri profilleriyle alakasız işletmelerin peşinde değerli zamanlarını boşa harcama riskiyle karşı karşıya kalır.

Bu kılavuzda, Places Insights ve Places API kullanarak bu boşluğu dolduracak bir iş akışı sağlanmaktadır. Mevcut iş kitabınızı yer kimlikleriyle eşleyerek, müşteri ilişkileri yönetimi (CRM) veritabanınızda bulunmayan bir bölgedeki her operasyonel işletmeyi izole etmek için BigQuery'yi kullanabilirsiniz. Bu kılavuzda, saha temsilcilerinize son derece hedefli ve doğrulanmış bir potansiyel müşteri listesi sunmak için bu hariç tutma motorunu nasıl oluşturacağınız gösterilmektedir.

Places API ve BigQuery Places Insights kullanılarak işlenen mevcut CRM verilerinin, doğrulanmış tamamen yeni potansiyel müşteriler oluşturmak için kullanıldığı diyagram.

Örnek Uygulama

New York City'de saha satışlarını genişletmeyi planlayan bir satış noktası (POS) sağlayıcısını ele alalım. Kuruluş genellikle posta kodu başına toplam yiyecek ve içecek işletmeleriyle ilgili bir rapor oluşturur. Bu yaklaşım, satış temsilcilerinin kalıcı olarak kapanmış konumlar gibi eski verilere veya vitrini olmayan özel bir catering mutfağı gibi alakasız potansiyel müşterilere güvenme riskini taşır. Bunun yerine, Google Haritalar'ın küresel ölçeğinden ve birden fazla kaynakta doğrulanmış güncel verilerden yararlanan Places Insights'ı kullanan modern bir yaklaşımı düşünün. Places Insights, yaklaşık 500 yer kategorisini ve 70'ten fazla özelliği destekleyerek belirli işletme türlerine (ör. scandinavian_restaurant), mağaza çalışma saatlerine ve hizmet tekliflerine (ör. accepts_credit_cards) göre potansiyel müşterilerinizi yüksek hassasiyetle iyileştirmenize olanak tanır. Places Insights'ı dahili CRM'nizle çapraz referanslayarak satış ekibinize yüksek potansiyelli ve henüz iletişime geçilmemiş potansiyel müşterilerden oluşan son derece hedefli bir liste sağlayabilirsiniz.

Çözüm İş Akışı

Bu kılavuz, mevcut iş portföyünüzü otomatik olarak filtreleyerek satış ekibinizin yalnızca yepyeni ve operasyonel potansiyel müşterilerle ilgilenmesini sağlayan dinamik bir "Potansiyel Müşteri Haritası" oluşturmak için teknik bir çerçeve sunar.

Dört Adımlı Mimari

Hedef yer türlerinizi tanımlayın: İdeal müşteri profillerinizi yer türleriyle eşleyin.
Yüksek Potansiyelli Alanları Belirleme: Operasyonel hedef işletmelerin yoğunluk ısı haritalarını oluşturmak için BigQuery'de yer sayısı işlevlerini çalıştırın.
CRM Verilerini Yer Kimlikleriyle Normalleştirme: Mevcut müşterilerinizin Yer Kimliklerini bulmak için Address Validation, Coğrafi Kodlama ve Places API'lerini kullanarak yapılandırılmamış CRM kayıtlarını bir veri temizleme ardışık düzeni üzerinden işleyin.
Boşluk Hariç Bırakma İşlemi Yapma: Mevcut müşterileri dinamik olarak filtrelemek ve tamamen yeni bir potansiyel müşteri listesi oluşturmak için CRM Yer Kimliklerinizi BigQuery'deki Places Insights verilerinizle birleştirin.

Ön koşullar

Başlamadan önce aşağıdakilere sahip olduğunuzdan emin olun:

Google Cloud projesi:
- Faturalandırmanın etkin olduğu bir Google Cloud projesi.
Veri Erişimi:
- BigQuery'de Places Insights aboneliği.
- Hariç tutma listeniz olarak kullanılacak mevcut müşteri işletme adlarını ve adreslerini içeren kendi CRM veri kümeniz (ör. BigQuery tablosu).
Google Haritalar Platformu:
- API anahtarı.
- Anahtarınız için aşağıdaki API'ler etkinleştirildi:
IAM İzinleri:
- Kullanıcı veya hizmet hesabınızın, sorguları yürütmek ve veri kümenizi yönetmek için aşağıdaki IAM rollerine sahip olduğundan emin olun:
  
  Rol Kimlik
  
  BigQuery Veri Düzenleyicisi roles/bigquery.dataEditor
  
  BigQuery Kullanıcısı roles/bigquery.user
Maliyet Bilinci:
- Bu eğitimde, faturalandırılabilir Google Cloud bileşenleri kullanılmaktadır. Aşağıdakilerle ilgili olası maliyetlere dikkat edin:
  - BigQuery: Sorgu yürütme sırasında kullanılan işlem slotları veya işlenen veriler için ücret alınır.
  - Places Insights: Sorgu kullanımına göre ücretlendirilir.
  - Google Haritalar Platformu: Address Validation API, Geocoding API ve Text Search API için istek başına ücret alınır.

Rol	Kimlik
BigQuery Veri Düzenleyicisi	`roles/bigquery.dataEditor`
BigQuery Kullanıcısı	`roles/bigquery.user`

1. adım: Hedef yer türlerinizi tanımlayın

Places Insights, yaklaşık 500 yer kategorisini ve 70'ten fazla özelliği (ör. mağaza çalışma saatleri, ödeme türleri ve operasyonel durum) destekler. Tüm veri kümesini ayrım gözetmeksizin sorgulamak verimsiz ve maliyetlidir.

Temel bir adım olarak, dahili müşteri profillerinizi Yer Türleri'ne çevirmek için Gemini gibi bir LLM kullanın. Bu türler, Places Insights için sorgu oluştururken kullanılır. Bu makro düzeydeki sınıflandırma tanımı, sonraki BigQuery aramalarınızın yüksek oranda hedeflenmesini sağlayarak bilgi işlem işleme yükünü azaltır.

Örneğin, bir satış noktası sistemi için iş akışı tasarlıyorsanız Gemini'a yer türlerinin listesini sağlayabilir ve aşağıdaki istemi kullanabilirsiniz:

"Pazar analisti gibi davran. Desteklenen Google Haritalar Yer Türleri arasında, satış noktası sistemi sağlayıcısı için birincil hedefler hangileridir? Kararınızı gerekçelendirin."

Bu isteme göre Gemini, sınıflandırmayı analiz eder ve BigQuery types filtrenizde kullanmak üzere alakalı yer türlerinin hedeflenmiş bir alt kümesini döndürür:

Ana Kategori	Gerekçe	Başlıca yer türleri
Yiyecek ve İçecek	Hızlı işlem işleme, masa yönetimi, sipariş bileti ve bahşiş işleme gerektirir.	`restaurant`, `bar`, `cafe`, `coffee_shop`
Alışveriş	Güçlü envanter takibi, barkod tarama, iade işleme ve bağlılık entegrasyonları gerekir.	`clothing_store`, `grocery_store`, `supermarket`, `convenience_store`
Hizmetler ve Sağlık & Zindelik	Entegre randevu rezervasyonu, planlama, müşteri profilleri ve komisyon izleme gerektirir.	`hair_salon`, `beauty_salon`, `spa`, `massage`
Eğlence, Rekreasyon ve Spor	Müşteri yoğunluğunun hızlı bir şekilde yönetilmesi, dijital bilet tarama ve hızlı yiyecek satışı gerektirir.	`movie_theater`, `amusement_park`, `bowling_alley`, `stadium`

Bu kılavuzun amacı doğrultusunda, Yiyecek ve İçecek kategorisi için önerilen yer türlerine odaklanacağız.

2. adım: Yüksek potansiyelli alanları belirlemek için işletme sayılarını çıkarma

Fırsat alanlarını belirlemek için öncelikle işletme yoğunluğunun genel görünümüne ihtiyacınız vardır. Bu işlemi, BigQuery'de yer sayısı işlevlerini (ör. PLACES_COUNT_PER_H3 veya PLACES_COUNT_PER_GEO) yürüterek gerçekleştirebilirsiniz.

Veri kümesine doğrudan sorgu gönderebilirsiniz ancak Yer Sayısı işlevleri, önceden tanımlanmış ve optimize edilmiş SQL sorgularıdır. Bu sorgular, minimum 5 yerlik standart toplama eşiğini zorunlu kılmaz (Standart doğrudan sorgular, 1-4 işletme içeren satırları atlar ancak bu işlevler, tek bir potansiyel müşterinin bile tam olarak nerede bulunduğunu görmenizi sağlar). En önemlisi, bu işlevler sample_place_ids sütununu kullanarak coğrafi alan başına en fazla 250 yer kimliği içeren bir dizi döndürür. Bu, hem bölge planlayıcılarınız için istatistiksel ısı haritasını hem de potansiyel müşteri kazanımı için gereken temel tanımlayıcıları sağlar.

Aşağıdaki sorgu, herkese açık bir veri kümesi kullanarak karmaşık bir poligonun (New York City'nin tüm sınırı) nasıl dinamik olarak alınacağını ve ardından bu coğrafyanın Places Count işlevine nasıl aktarılacağını gösterir. Şehir genelinde daha geniş bir çözünürlükte (8) H3 mekansal dizinini kullanarak makro düzeyde bir yoğunluk haritası oluşturabilirsiniz.

Ayrıca, tüm sütunları (SELECT *) seçtiğinizde işlev, H3 hücresini temsil eden bir çokgen olan geography sütununu döndürür. Bu sayede, pazarın önemli noktalarını görsel olarak ortaya çıkaran dolu harita görselleştirmeleri oluşturmak için BigQuery sonuçlarınızı iş zekası araçlarına (ör. Looker Studio) anında aktarabilirsiniz.

-- 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;

New York City'nin üzerinde, Manhattan'da yüksek işletme yoğunluğunu gösteren, farklı opaklıkta yeşil H3 altıgenleri gösteren harita görseli.

Elde edilen görselleştirmede görüldüğü gibi, Manhattan genelinde hedef işletmelerin belirgin şekilde yüksek yoğunluklu olduğu alanlar var. Bu belgenin geri kalanında, potansiyeli yüksek bölgelerden birine (Union Square yakınındaki alan) odaklanarak potansiyel müşteri kazanma çalışmalarımızı yoğunlaştıracağız.

3. adım: CRM verilerinizi yer kimlikleriyle normalleştirin

Hariç tutma analizi yapmak için öncelikle CRM kayıtlarınızı yer kimliklerine çevirmeniz gerekir. CRM verileri genellikle yapılandırılmamış olduğundan, arama API'lerine ham metin aktarmak düşük eşleşme oranlarına yol açar. Adresleri temizlemek, bölgesel API kapsamını hesaba katmak ve BigQuery için doğru Establishment Place ID'lerini çıkardığınızı garanti etmek üzere bu iki adımlı ardışık düzeni kullanın.

CRM'nizde New York'ta bulunan 5 restoran müşteriniz olduğunu varsayalım:

Yer Adı	Adres
Boucherie Union Square	225 Park Ave S, New York, NY 10003, ABD
Gramercy Tavern	42 E 20th St, New York, NY 10003, ABD
Barn Joo Union Square	35 Union Square W, New York, NY 10003, ABD
LOS TACOS No.1	200 Park Ave S, New York, NY 10003, ABD
Union Square Cafe	101 E 19th St, New York, NY 10003, ABD

Bu kayıtlar yapılandırılmamış metinden oluştuğu için bunları doğrudan BigQuery'deki Places Insights verileriyle birleştiremezsiniz. Bunun yerine, metni standartlaştırmak ve yer kimliğini ayıklamak için her satırı aşağıdaki ardışık düzenden geçirin.

3a adımı: Adres temizleme ve doğrudan eşleştirme

Öncelikle adres verilerinizi standartlaştırın. Hedef ülkeye göre API'nizi seçin:

1. Seçenek: Address Validation API

Desteklenen bölgeler için birleştirilmiş CRM İşletme Adı ve Adres'i API'ye iletin. Yanıtın result.geocode.placeTypes dizisini inceleyin:

İşletme Eşleşmesi: establishment veya point_of_interest içeriyorsa API, işletmeyi başarıyla çözmüştür. Bu verileri placeId veri kümenize ekleyin ve sonraki CRM kaydına geçin. Bu giriş için başka API çağrısı yapılması gerekmez.
Kuruluş Eşleşmemesi: Bu işletme türlerini içermiyorsa API, ticari işletmeyi kesin olarak doğrulayamaz. Döndürülen yer kimliği, coğrafi öğe (ör. bina, sokak veya şehir) temsil eder. Bu yer kimliğini, dışarıda bırakma birleştirmelerinizin başarısız olmasına neden olacağından BigQuery için kullanmayın. Bunun yerine, result.address.formattedAddress simgesini kaydedin ve 3b adımına geçin.

2. seçenek: Geocoding API

Address Validation'ın desteklemediği bölgeler için yalnızca CRM adresini Geocoding API'sine iletin. Geocoding API tahmin edilemeyen sonuçlar döndürebileceğinden işletme adını eklemeyin. Elde edilen formattedAddress dosyasını çıkarın ve 3b adımına geçin.

Gelişmiş Mimari: Yapılandırılmamış Verileri Büyük Dil Modelleriyle İşleme

CRM verileriniz çok kalitesizse (ör. işletme adları ve adresler tek bir serbest metin notları alanında karıştırılmışsa) kayıtları Gemini gibi bir LLM ile önceden işleyin. Bu işlem hattına aktarmadan önce Gemini'dan işletme adını konumdan temiz bir şekilde ayrıştırmasını isteyebilirsiniz.

3b adımı: İşletme tüzel kişiliğini çözüme kavuşturun

3a adımı yalnızca temizlenmiş bir adres döndürüyorsa bunu orijinal CRM İşletme Adı ile birleştirin ve Text Search API'ye iletin. Öncelikle adresi standartlaştırmak, eşleşme oranınızı önemli ölçüde artırır.

Performansı ve maliyeti optimize etmek için alan maskesi (X-Goog-FieldMask: places.id) kullanın ve yalnızca en yüksek eşleşen Yer Kimliğinin döndürülmesini sağlamak için "pageSize": 1 değerini ayarlayın.

Örnek Metin Arama İsteği:

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'

Ardışık Düzen Çıkışı

Müşteri ilişkileri yönetimi kayıtlarınızı bu iki adımlı işlem hattı üzerinden işledikten sonra (kimlik 3a adımında başarıyla ayıklanmış veya 3b adımında metin araması kullanılarak çözülmüş olsun ya da olmasın) nihai hedefiniz veri kümenize yeni bir place_id sütunu eklemektir. Bu sonuç tablosu artık hariç tutma listeniz olarak BigQuery'ye yüklenmeye hazırdır.

Yer Adı	Adres	Yer kimliği
Boucherie Union Square	225 Park Ave S, New York, NY 10003, ABD	ChIJc1Vf7KFZwokR1YL2Rn9oxi8
Gramercy Tavern	42 E 20th St, New York, NY 10003, ABD	ChIJvSQIgqFZwokRFYQbJdzceSs
Barn Joo Union Square	35 Union Square W, New York, NY 10003, ABD	ChIJQ7XpyqNZwokRQpVfvGEViWM
LOS TACOS No.1	200 Park Ave S, New York, NY 10003, ABD	ChIJFZh0PABZwokRVzoJu0o-mLY
Union Square Cafe	101 E 19th St, New York, NY 10003, ABD	ChIJxTHke6JZwokRCLWVd99eDBw

4. adım: BigQuery'de boşluk hariç tutma analizi gerçekleştirin

Mevcut müşterileriniz yer kimlikleriyle eşlendikten sonra Yer Sayısı işlevlerini kullanarak tamamen yeni potansiyel müşteriler bulabilirsiniz.

Bu örnekte, Union Square'in (40.73595, -73.99043) 850 metre yarıçapındaki hedef işletmeleri (restoranlar, barlar, kafeler ve kahve dükkanları) arayacağız. Sokak düzeyinde rotalama için daha ayrıntılı bir görünüm elde etmek amacıyla PLACES_COUNT_PER_H3 işlevinin çözünürlüğünü 10'a çıkaracağız.

İşlev, yer kimliklerini sample_place_ids sütununda dizi olarak döndürdüğünden, her olası işletmeyi kendi satırına yerleştirmek için diziyi UNNEST yapmamız gerekir. Ardından, bilinen müşteri yer kimliklerimizle LEFT JOIN işlemi gerçekleştiririz.

Bu gösterimde hariç tutma mantığının çalıştığını kanıtlamak için aşağıdaki sorguda sonuçları tamamen filtrelemek yerine işaretlemek üzere CASE ifadesi kullanılıyor. Ayrıca, mevcut müşterileri sonuçlar tablosunun en üstüne açıkça sıralar. Böylece, müşterilerin başarıyla eşleştirildiğini doğrulayabilirsiniz.

SQL Sorgusu

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;

Sorgu Sonuçları

Aşağıda, mevcut müşterilerin nasıl başarıyla tanımlandığını ve aynı ayrıntılı H3 hücrelerindeki tamamen yeni potansiyel müşterilerden nasıl ayrıldığını gösteren sorgu çıkışının bir bölümü yer almaktadır.

Sorgunun, CONCAT ifadesini kullanarak place_id ile platformlar arası Haritalar URL'si oluşturduğunu fark edin. Bu işlem, actionable_maps_url sütununu otomatik olarak oluşturur ve satış ekibinize Google Haritalar mobil uygulamasında veya bir tarayıcıda tam olarak işletmeyi yüklemek için anında tıklanabilir bir bağlantı sağlar.

`h3_cell_index`	`place_id`	`lead_status`	`actionable_maps_url`
8a2a100d2767fff	ChIJQ7XpyqNZwokRQpVfvGEViWM	Mevcut Müşteri (Hariç Tutulacak)	https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJQ7XpyqNZwokRQpVfvGEViWM
8a2a100d20effff	ChIJvSQIgqFZwokRFYQbJdzceSs	Mevcut Müşteri (Hariç Tutulacak)	https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJvSQIgqFZwokRFYQbJdzceSs
8a2a100d2397fff	ChIJc1Vf7KFZwokR1YL2Rn9oxi8	Mevcut Müşteri (Hariç Tutulacak)	https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJc1Vf7KFZwokR1YL2Rn9oxi8
8a2a100d2397fff	ChIJFZh0PABZwokRVzoJu0o-mLY	Mevcut Müşteri (Hariç Tutulacak)	https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJFZh0PABZwokRVzoJu0o-mLY
8a2a100d23b7fff	ChIJxTHke6JZwokRCLWVd99eDBw	Mevcut Müşteri (Hariç Tutulacak)	https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJxTHke6JZwokRCLWVd99eDBw
8a2a1072c96ffff	ChIJ6atD-WRZwokRULgcZ4TWin8	Tamamen Yeni Potansiyel Müşteri	https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJ6atD-WRZwokRULgcZ4TWin8
8a2a1072c96ffff	ChIJ09yg-llZwokRKAgp0jg6TCU	Tamamen Yeni Potansiyel Müşteri	https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJ09yg-llZwokRKAgp0jg6TCU

Places UI Kit ile potansiyel müşterileri görselleştirme

Ham bir Haritalar URL'si sağlamak yerine, satış ekibiniz için zengin ve dahili bir potansiyel müşteri kazanma kontrol paneli oluşturmak üzere place_ids değerini doğrudan Places UI Kit'e iletebilirsiniz. Platformlar arası kullanılabilen bu bileşenleri Web, Android ve iOS için kullanabilirsiniz. Bu bileşenler, ön uç kullanıcı arayüzü kodu yazmanızı veya API yanıtlarını manuel olarak işlemenizi gerektirmeden fotoğraflar, puanlar ve çalışma saatleri gibi zengin ÖY verilerini otomatik olarak gösterir.

Veri Sınırları

Yer Sayısı işlevleri, sample_place_ids dizisindeki coğrafi hücre başına en fazla 250 yer kimliği döndürür. Bir alan çok yoğunsa söz konusu hücre için oluşturulan potansiyel müşteri listeniz 250 ile sınırlandırılır. Yoğun pazarlardaki tüm potansiyel müşterileri elde etmek için aşağıdaki stratejilerden yararlanabilirsiniz:

Belirli sorgu filtreleri kullanın: Birden fazla türü tek bir sorguda gruplandırmak yerine (yukarıdaki örnekte olduğu gibi) her bir yer türü için ayrı sorgular çalıştırın.
Mekansal kapsamı daraltın: Daha küçük bir geography_radius kullanarak genel arama alanını küçültün veya H3 çözünürlüğünü artırarak (11. çözünürlüğe kadar) alanı daha küçük ve ayrıntılı gruplara bölün.
Yoğunluğa Göre Çözünürlüğü Ayarlama: Nüfus yoğunluğu farklı olan bölgeleri analiz ederken 250 yer kimliği sınırına ulaşmamak için arama boyutunuzu dinamik olarak ayarlayın. İşletmelerin dağınık olduğu kırsal alanlarda daha geniş bir H3 çözünürlüğü (ör. 6 veya 7) ya da daha büyük bir geography_radius kullanın. Buna karşılık, listenizi kısaltmadan her potansiyel müşteriyi yakalamak için yoğun kentsel alanlarda çok ayrıntılı bir çözünürlük (ör. 10 veya 11) kullanın.

Üretim Sorgusu

Mevcut müşterilerin başarıyla tanımlandığını doğruladıktan sonra sorgunun üretim sürümüne geri dönebilirsiniz. Mevcut iş kitabınızı kalıcı olarak filtrelemek için son SELECT bloğunu aşağıdaki WHERE ifadesiyle değiştirin:

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

Mimari Yönetim ve Uygunluk

Daha yüksek performanslı ve uyumlu bir sistem için şu standartlara uyun:

Kalıcı tanımlayıcınız olarak yer kimlikleri: Google Haritalar Hizmet Şartları, yer kimliğinin yanı sıra Places API'den döndürülen tekil ÖY verilerinin (ör. telefon numaraları ve iletişim bilgileri) depolanmasını veya önbelleğe alınmasını yasaklar. Tekrarlanan boşluk analizi için kalıcı tanımlayıcınız olarak yer kimliklerini kullanın.
Gerçek zamanlı API çağrılarıyla özelliklerin güncelliğini sağlama: Satış temsilcinizin yerle ilgili en güncel işletme ve iletişim bilgilerine sahip olduğundan emin olmak için Yer Ayrıntıları API'sine "tam zamanında" çağrılar yapmak üzere yer kimliklerini kullanın. Alternatif olarak, sorgu çıkışında gösterildiği gibi, satış ekibinize Google Haritalar'daki işletme profillerine doğrudan bağlantılar sağlamak için Google Haritalar URL'lerini dinamik olarak oluşturabilirsiniz.

Sonuç

Birincil anahtarınız olarak yer kimliğini standartlaştırarak üst düzey pazar analizi ile harekete geçirilebilir, taban düzeyinde satış işlemleri arasındaki boşluğu başarıyla doldurdunuz. Bu mimari, geleneksel nüfus tabanlı hedeflemenin hatalarını atlar, yoğun hesaplama birleştirmeleri için sunucusuz veri ambarını kullanır ve API katmanında maliyet yönetimi ile uyumlulukla ilgili en iyi uygulamalara sıkı sıkıya bağlı kalır.

Sonraki İşlemler

Places Insights örnek veri kümesine erişim isteğinde bulunun.
Örnek veya tam ülke verilerine erişmek için BigQuery veri değişimi listelemelerini kullanarak Places Insights veri kümesine abone olun.
BigQuery SQL sorgularınızı işletme özelliklerine ve türlerine göre ince ayarlamak için filtre parametreleri referansını inceleyin.
Oluşturulan tamamen yeni potansiyel müşteriler için güncel ve uyumlu iletişim bilgilerini göstermek üzere CRM'nizde veya satış yönlendirme uygulamanızda dinamik Places API aramaları uygulayın.

Katkıda bulunanlar

Henrik Valve | DevX Engineer