使用品牌数据编写查询

地点数据分析可提供许多类别地点的品牌信息。例如：

  • 对于“ATM、银行和信联”类别，品牌数据包含 PNC、UBS 和 Chase 银行的条目。
  • 对于“汽车租赁”类别，数据包含 Budget、Hertz 和 Thrifty 各个品牌的条目。

查询品牌数据集的典型应用场景是分析品牌存在情况，或将其与地点数据集联接，以回答以下问题：

  • 某个区域内各品牌的门店总数是多少？
  • 该地区排名前三的竞争对手品牌数量是多少？
  • 该区域内特定类别（例如“健身”或“加油站”）的品牌数量是多少？

关于品牌数据集

品牌数据集在美国、英国、澳大利亚和加拿大受支持。例如，美国品牌数据集名为 places_insights___us.brands。

品牌数据集架构

品牌数据集的架构定义了三个字段：

  • id：品牌 ID。
  • name：品牌名称，例如“Hertz”或“Chase”。
  • category：品牌类型，例如“加油站”“餐饮”或“住宿”。如需查看可能值的列表，请参阅类别值。

查询品牌数据

建议使用地点计数函数来分析品牌数据。地点计数函数原生支持使用 brand_ids 参数按品牌 ID 进行过滤，可返回确切计数（包括零）和示例地点 ID，而无需执行复杂的 SQL JOIN 操作。

第 1 步：查找品牌 ID

地点数据集架构定义了 brand_ids 字段。如果地点数据集中的某个地点与某个品牌相关联，则其 brand_ids 字段会包含相应的品牌 ID。

如需按品牌过滤，请先查询 brands 表，找到所需品牌对应的品牌 ID：

SELECT id, name
FROM PROJECT_NAME.places_insights___us.brands
WHERE name = "McDonald's"

第 2 步：在 Places Count 函数中使用 brand_ids

获取品牌 ID 后，将其传入 brand_ids 过滤条件参数。

在此示例中，您使用 PLACES_COUNT_PER_H3 查询纽约市帝国大厦 2,000 米范围内的麦当劳餐厅密度：

SELECT *
FROM PROJECT_NAME.places_insights___us.PLACES_COUNT_PER_H3(
  JSON_OBJECT(
      'geography', ST_BUFFER(ST_GEOGPOINT(-73.9857, 40.7484), 2000),
      'business_status', ['OPERATIONAL'],
      'brand_ids', ["13992718219781496405"], -- McDonald's brand ID
      'h3_resolution', 8
  )
);

您还可以使用 PLACES_COUNT_V2 批量统计自定义搜索区域中的品牌营业地点数量：

SELECT *
FROM PROJECT_NAME.places_insights___us.PLACES_COUNT_V2(
  TABLE PROJECT_NAME.YOUR_DATASET.my_search_areas,
  JSON_OBJECT(
      'geography_radius', 2000,
      'business_status', ['OPERATIONAL'],
      'brand_ids', ["13992718219781496405"]
  )
);

类别值

品牌的 category 字段可以包含以下值：

类别类型值
ATMs, Banks and Credit Unions
Automotive and Parts Dealers
Automotive Rentals
Automotive Services
Dental
Electric Vehicle Charging Stations
Electronics Retailers
Fitness
Food and Drink
Gas Station
Grocery and Liquor
Health and Personal Care Retailers
Hospital
Lodging
Merchandise Retail
Movie Theater
Parking
Telecommunications