نمای کلی Places Insights

Places Insights به شما امکان می‌دهد تجزیه و تحلیل آماری پیشرفته‌ای را بر روی داده‌های غنی مکان‌های گوگل مپ انجام دهید. این ابزار، تعداد و اطلاعات تراکم میلیون‌ها نقطه داده مکان‌های مورد علاقه (POI) را جمع‌آوری می‌کند و امکان هوش مکانی قدرتمندی را فراهم می‌کند.

قابلیت‌های کلیدی:

  • اطلاعات مکانی : از تراکم و توزیع دسته‌های مختلف نقاط مورد توجه (مثلاً خرده‌فروشی‌ها، رستوران‌ها، خدمات) در مناطق جغرافیایی خاص، «دید کلی» داشته باشید.
  • دسترسی امن به داده‌ها : داده‌ها با استفاده از فهرست‌های تبادل داده BigQuery و با حفاظت از داده‌ها مستقر می‌شوند و محیطی امن و محافظت‌شده را برای اشتراک‌گذاری و تجزیه و تحلیل داده‌ها فراهم می‌کنند.
  • جزئیات قابل اجرا : در حالی که Places Insights بر روندهای کلی تمرکز دارد، می‌توانید از شناسه‌های مکان خروجی برای بررسی دقیق‌تر و بازیابی اطلاعات تک تک مکان‌ها با استفاده از سایر APIهای پلتفرم نقشه‌های گوگل استفاده کنید تا از بینش آماری به اقدام دقیق برسید.

درباره داده‌های مکان‌ها

نقشه‌های گوگل داده‌های مکانی میلیون‌ها موسسه در سراسر جهان را گردآوری می‌کند. Places Insights این داده‌های مکانی جامع را در BigQuery در دسترس قرار می‌دهد تا بتوانید بر اساس ویژگی‌های متنوعی مانند نوع مکان ، رتبه‌بندی، ساعات کاری فروشگاه، دسترسی با ویلچر و موارد دیگر، بینش‌های تجمیعی در مورد داده‌های مکانی نقشه‌های گوگل به دست آورید.

برای استفاده از Places Insights، شما کوئری‌های SQL را در BigQuery می‌نویسید که بینش‌های آماری در مورد داده‌های مکان‌ها را برمی‌گرداند. این بینش‌ها به شما امکان می‌دهند به سؤالاتی مانند موارد زیر پاسخ دهید:

  • چند کسب و کار مشابه در نزدیکی یک مکان فروشگاه جدید بالقوه فعالیت می‌کنند؟
  • چه نوع کسب و کارهایی معمولاً در نزدیکی موفق‌ترین فروشگاه‌های من یافت می‌شوند؟
  • چه مناطقی تمرکز بالایی از کسب‌وکارهای مکمل دارند که می‌توانند مشتریان هدف من را جذب کنند؟
  • چند رستوران سوشی ۵ ستاره در مادرید ساعت ۸ شب باز هستند، پارکینگ مناسب برای ویلچر دارند و غذای بیرون‌بر ارائه می‌دهند؟
  • کدام کدهای پستی در کالیفرنیا بیشترین تعداد ایستگاه‌های شارژ خودروهای برقی را دارند؟

Places Insights از موارد استفاده متعددی پشتیبانی می‌کند، مانند:

  • انتخاب مکان : ارزیابی و انتخاب مناسب‌ترین مکان‌ها برای یک کسب و کار جدید یا قرار دادن یک دارایی فیزیکی. با تجزیه و تحلیل تراکم و ترکیب نقاط مورد علاقه اطراف، می‌توانید اطمینان حاصل کنید که یک سایت بالقوه در موقعیت بهینه در محیط رقابتی و مکمل کسب و کار خود قرار دارد. این رویکرد مبتنی بر داده می‌تواند ریسک مرتبط با سرمایه‌گذاری در مکان‌های جدید را کاهش دهد.
  • ارزیابی عملکرد موقعیت مکانی : مشخص کنید که چه متغیرهای جغرافیایی، مانند نزدیکی به انواع خاصی از نقاط مورد توجه (POI) مانند سوپرمارکت‌ها یا مکان‌های برگزاری رویداد، با عملکرد مثبت یا منفی در مکان‌های موجود شما همبستگی دارند. این داده‌ها به شما امکان می‌دهد مکان‌های بالقوه‌ای را شناسایی کنید که بهترین ترکیب از ویژگی‌های جغرافیایی را برای مورد استفاده شما به اشتراک می‌گذارند. همچنین می‌توانید از این اطلاعات برای استقرار مدل‌های پیش‌بینی‌کننده‌ای استفاده کنید که عملکرد آینده هر مکان جدید را بر اساس زمینه POI اطراف آن پیش‌بینی می‌کنند.
  • بازاریابی هدفمند جغرافیایی : تعیین کنید که چه نوع کمپین‌های بازاریابی یا تبلیغات در یک منطقه موفق خواهند بود. Places Insights زمینه لازم برای درک فعالیت‌های تجاری را فراهم می‌کند و به شما این امکان را می‌دهد که پیام‌رسانی را بر اساس تمرکز مشاغل یا فعالیت‌های مرتبط تنظیم کنید.
  • پیش‌بینی فروش : پیش‌بینی فروش آینده در یک مکان مورد نظر. مدل‌سازی تأثیر ویژگی‌های جغرافیایی-مکانی اطراف به شما امکان می‌دهد مدل‌های پیش‌بینی قوی برای هدایت تصمیمات سرمایه‌گذاری ایجاد کنید.
  • تحقیقات بازار : مشخص کنید که در مرحله بعد، کسب و کار یا خدمات خود را در کدام مناطق جغرافیایی گسترش دهید. اشباع بازار موجود و تراکم نقاط مورد توجه را تجزیه و تحلیل کنید تا بازارهای هدف کم توجه یا بسیار متمرکز را که بیشترین فرصت را ارائه می‌دهند، شناسایی کنید. این تجزیه و تحلیل شواهدی را برای پشتیبانی از رشد استراتژیک و ابتکارات توسعه ارائه می‌دهد.

شما می‌توانید مستقیماً از مجموعه داده‌های Places Insights پرس‌وجو کنید یا از توابع شمارش مکان استفاده کنید.

به مرجع Schema مراجعه کنید .

درباره داده‌های برندها

همراه با داده‌های مکان‌ها، Places Insights شامل داده‌هایی درباره برندها یا فروشگاه‌هایی است که چندین شعبه دارند و تحت یک نام تجاری فعالیت می‌کنند.

شما می‌توانید از برندها برای پاسخ به سوالاتی مانند موارد زیر استفاده کنید:

  • تعداد کل فروشگاه‌ها بر اساس برند در یک منطقه چقدر است؟
  • تعداد سه برند رقیب برتر من در منطقه چقدر است؟
  • تعداد کافی‌شاپ‌های این منطقه به جز این برندها چقدر است؟

درباره بیگ‌کوئری

با در دسترس قرار دادن داده‌ها در فهرست‌های BigQuery، Places Insights به شما امکان می‌دهد:

  • داده‌های خود را به طور ایمن با داده‌های Places Insights ترکیب کنید.
  • کوئری‌های SQL انعطاف‌پذیر بنویسید تا بینش‌های تجمیعی را برای نیازهای خاص کسب‌وکارتان کشف کنید.
  • از همان ابزارهای BigQuery که قبلاً برای داده‌های خصوصی و گردش‌های کاری خود استفاده می‌کردید، استفاده کنید.
  • از قدرت مقیاس و عملکرد BigQuery بهره ببرید تا بتوانید مجموعه داده‌های عظیم را به راحتی تجزیه و تحلیل کنید.

مثال مورد استفاده

این مثال داده‌های شما را با داده‌های Places Insights در BigQuery ترکیب می‌کند تا اطلاعات تجمیعی را استخراج کند. برای این مثال، شما صاحب هتلی در شهر نیویورک با چندین مکان هستید. اکنون می‌خواهید داده‌های مکان هتل خود را با داده‌های Places Insights ترکیب کنید تا تمرکز انواع کسب‌وکارهای از پیش تعریف‌شده در نزدیکی هتل‌های خود را کشف کنید.

پیش‌نیازها

برای این مثال، شما در مجموعه داده‌های Places Insights برای ایالات متحده مشترک می‌شوید .

مجموعه داده‌های هتل شما mydata نام دارد و مکان دو هتل شما در شهر نیویورک را تعریف می‌کند. دستور SQL زیر این مجموعه داده را ایجاد می‌کند:

CREATE OR REPLACE TABLE `mydata.hotels` ( name STRING, location GEOGRAPHY );
INSERT INTO `mydata.hotels` VALUES( 'Hotel 1', ST_GEOGPOINT(-73.9933, 40.75866) );
INSERT INTO `mydata.hotels` VALUES( 'Hotel 2', ST_GEOGPOINT(-73.977713, 40.752124) );

تعداد رستوران‌های منطقه را بدست آورید

برای اینکه به مشتریان خود ایده‌ای از تراکم رستوران‌های فعال در نزدیکی هتل‌هایتان بدهید، یک کوئری SQL می‌نویسید که تعداد رستوران‌ها را در شعاع ۱۰۰۰ متری هر هتل برمی‌گرداند:

SELECT WITH AGGREGATION_THRESHOLD h.name, COUNT(*) AS count
FROM `PROJECT_NAME.places_insights___us.places` AS r, `mydata.hotels` AS h
WHERE
ST_DWITHIN(h.location, r.point, 1000)
AND r.primary_type = 'restaurant'
AND business_status = "OPERATIONAL"
GROUP BY 1

این تصویر نمونه‌ای از خروجی این پرس‌وجو را نشان می‌دهد:

نتایج پرس و جو برای شمارش رستوران‌ها در فاصله ۱۰۰۰ متری از هر هتل.

از یک تابع شمارش مکان برای دریافت تعداد و شناسه مکان رستوران‌های منطقه استفاده کنید.

همچنین می‌توانید از تابع شمارش مکان استفاده کنید

برای یافتن تعداد رستوران‌های نزدیک به یک مکان. توابع شمارش مکان به شما امکان می‌دهند لیستی از شناسه‌های مکان (Place IDs ) را بازیابی کنید که می‌توان از آنها برای جستجوی جزئیات مربوط به هر مکان استفاده کرد:

DECLARE geo GEOGRAPHY;
SET geo = ST_GEOGPOINT(-73.9933, 40.75866); -- Location of hotel 1

SELECT * FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_PER_TYPE`(
  JSON_OBJECT(
      'types', ["restaurant", "cafe", "bar"],
      'geography', geo,
      'geography_radius', 1000 -- Radius in meters
      )
);

این تصویر نمونه‌ای از خروجی این پرس‌وجو را نشان می‌دهد:

نتایج جستجو برای رستوران‌ها در فاصله ۱۰۰۰ متری هر هتل، شامل شناسه مکان.

تعداد رستوران‌ها و بارهای منطقه را دریافت کنید

عبارت جستجوی خود را اصلاح کنید تا شامل بارها و رستوران‌هایی باشد که در فاصله ۱۰۰۰ متری هر هتل قرار دارند:

SELECT WITH AGGREGATION_THRESHOLD h.name, r.primary_type, COUNT(*) AS count
FROM `PROJECT_NAME.places_insights___us.places` AS r, `mydata.hotels` AS h
WHERE
ST_DWITHIN(h.location, r.point, 1000)
AND r.primary_type IN UNNEST(['restaurant','bar'])
AND business_status = "OPERATIONAL"
GROUP BY 1, 2

این تصویر نمونه‌ای از خروجی این پرس‌وجو را نشان می‌دهد:

نتایج پرس و جو برای شمارش رستوران‌ها و بارها در فاصله ۱۰۰۰ متری از هر هتل.

تعداد رستوران‌ها و بارهای با قیمت متوسط ​​​​در منطقه را دریافت کنید

در مرحله بعد، باید بدانید که کدام گروه از مشتریان توسط بارها و رستوران‌ها خدمات‌رسانی می‌شوند. از آنجا که هتل‌های شما یک محدوده قیمتی متوسط ​​را هدف قرار می‌دهند، شما فقط می‌خواهید وجود رستوران‌های نزدیک را که در آن محدوده قیمتی هستند و نظرات خوبی در مورد آنها وجود دارد، تبلیغ کنید.

کوئری را محدود کنید به اینکه فقط بارها و رستوران‌هایی را برگرداند که در محدوده قیمتی PRICE_LEVEL_MODERATE باشند و امتیاز ۴ ستاره یا بالاتر داشته باشند. این کوئری همچنین شعاع اطراف هر هتل را تا ۱۵۰۰ متر گسترش می‌دهد:

SELECT WITH AGGREGATION_THRESHOLD h.name, r.primary_type, COUNT(*) AS count
FROM `PROJECT_NAME.places_insights___us.places` AS r, `mydata.hotels` AS h
WHERE
ST_DWITHIN(h.location, r.point, 1500)
AND r.primary_type IN UNNEST(['restaurant', 'bar'])
AND rating >= 4
AND business_status = "OPERATIONAL"
AND price_level = 'PRICE_LEVEL_MODERATE'
GROUP BY 1, 2

این تصویر نمونه‌ای از خروجی این پرس‌وجو را نشان می‌دهد:

نتایج جستجو برای بارها و رستوران‌های با قیمت متوسط ​​در فاصله ۱۵۰۰ متری از هر هتل.

قدم بعدی چیست؟