Visão geral dos Insights de lugares

O Insights de Lugares permite que você faça análises estatísticas avançadas sobre os dados de lugares do Google Maps. Ele fornece contagens agregadas e informações de densidade para milhões de pontos de interesse (PDIs), permitindo uma inteligência geoespacial poderosa.

Principais recursos

  • Inteligência geoespacial:tenha uma visão geral da densidade e distribuição de diferentes categorias de PDIs (por exemplo, varejo, restaurantes, serviços) em áreas geográficas específicas.
  • Acesso seguro a dados: os dados são implantados usando as listagens de troca de dados do BigQuery com proteções de dados, permitindo um ambiente seguro e protegido para compartilhamento de dados pessoais e análise.
  • Detalhes acionáveis:embora o Insights de Lugares se concentre em tendências agregadas, você pode usar os IDs de lugar gerados para detalhar e recuperar informações de lugares individuais usando outras APIs da Plataforma Google Maps para passar de insights estatísticos a ações detalhadas.

Entender os dados de lugares e os casos de uso

O Google Maps organiza dados de lugares para milhões de estabelecimentos em todo o mundo. O Insights de Lugares disponibiliza esses dados abrangentes de lugares no BigQuery para que você possa gerar insights agregados sobre os dados de lugares do Google Maps com base em vários atributos, como tipos de lugares, notas, horário de funcionamento, acessibilidade para cadeirantes e muito mais.

Para usar o Insights de Lugares, escreva consultas SQL no BigQuery que retornem insights estatísticos sobre dados de lugares. Esses insights permitem que você responda a perguntas como:

  • Quantas empresas semelhantes estão operando perto de um possível novo local de loja?
  • Quais tipos de empresas são mais comuns perto das minhas lojas de maior sucesso?
  • Quais áreas têm uma alta concentração de empresas complementares que podem atrair meus clientes-alvo?
  • Quantos restaurantes de sushi 5 estrelas estão abertos às 20h em Madri, têm estacionamento acessível para cadeirantes e oferecem comida para viagem?
  • Quais códigos postais na Califórnia têm a maior concentração de estações de carregamento de veículos elétricos?

Casos de uso com suporte

  • Seleção de sites:avalie e escolha os locais mais adequados para uma nova empresa ou a colocação de um ativo físico. Ao analisar a densidade e a combinação de PDIs ao redor, você pode garantir que um possível site esteja posicionado de maneira ideal no ambiente de negócios competitivo e complementar. Essa abordagem orientada a dados pode reduzir o risco associado ao investimento em novos locais.
  • Avaliação de desempenho do local:determine quais variáveis geoespaciais, como a proximidade de determinados tipos de PDIs, como supermercados ou locais de eventos, estão relacionadas ao desempenho positivo ou negativo nos seus locais atuais. Esses dados permitem identificar possíveis sites que compartilham a melhor combinação de características geoespaciais para seu caso de uso. Você também pode usar essas informações para implantar modelos preditivos que preveem o desempenho futuro de novos locais com base no contexto de PDIs ao redor.
  • Marketing com segmentação geográfica:determine quais tipos de campanhas de marketing ou anúncios serão bem-sucedidos em uma área. O Insights de Lugares fornece o contexto necessário para entender a atividade comercial, permitindo que você personalize as mensagens com base na concentração de empresas ou atividades relevantes.
  • Previsão de vendas:preveja vendas futuras em um possível local. A modelagem do impacto das características geoespaciais ao redor permite criar modelos preditivos robustos para orientar as decisões de investimento.
  • Pesquisa de mercado:informe quais regiões geográficas expandir seus negócios ou serviços. Analise a saturação do mercado e a densidade de PDIs para identificar mercados-alvo carentes ou altamente concentrados que oferecem a maior oportunidade. Essa análise fornece evidências para apoiar iniciativas estratégicas de crescimento e expansão.
  • Análise de tendências:confira as mudanças que ocorrem durante um período. Compare as contagens de lugares, incluindo os adicionados e removidos, mês a mês, desde janeiro de 2024.

Você pode consultar conjuntos de dados do Insights de Lugares usando funções de contagem de lugares ou consultas SQL diretas.

Consulte a referência Esquema.

Escolha seu método de consulta: funções de contagem de lugares ou SQL direto

Para acomodar diferentes escalas de análise e normas de privacidade, o Insights de Lugares oferece dois caminhos de consulta: funções de contagem de lugares (funções nativas do BigQuery) e consultas SQL diretas (junções de tabelas).

Use esta matriz de decisão para determinar o caminho de consulta correto para sua implementação:

Seu objetivo de análise Método de consulta recomendado Dados e saídas retornados Considerações espaciais e de privacidade
Analisar a densidade de PDIs regionais e criar mapas de calor PLACES_COUNT_PER_H3
  • Retorna polígonos hexagonais H3 com contagens exatas (incluindo 0)
  • Retorna até 250 valores place_id por célula
  • Criado para modelos de ML espacial e engenharia de recursos
  • Área de pesquisa mínima de 40 m × 40 m (1.600 m²)
  • Otimizado para desempenho e baixo custo de processamento
  • Valida os parâmetros de entrada e retorna erros claros para facilitar a depuração
Receber contagens de sites específicos e recuperar IDs de lugares para pesquisar detalhes PLACES_COUNT_V2 ou PLACES_COUNT_PER_TYPE_V2
  • Retorna contagens exatas (incluindo 0) para geometrias personalizadas
  • Retorna até 250 valores place_id por linha
  • Área de pesquisa mínima de 40 m × 40 m (1.600 m²)
  • Escalonável para milhares de locais usando parâmetros TABLE
  • Otimizado para desempenho e baixo custo de processamento
  • Valida os parâmetros de entrada e retorna erros claros para facilitar a depuração
Acompanhar as mudanças e tendências de crescimento de PDIs ao longo do tempo entre dois meses PLACES_COUNT_CHANGE
  • Retorna start_count, end_count, net_change, percentage_change e compound_monthly_growth_rate
  • Retorna matrizes de IDs de lugares recém-adicionados (sample_added_place_ids) e removidos (sample_removed_place_ids)
  • Requer parâmetros month1 e month2 no formato YYYY-MM
  • Área de pesquisa mínima de 40 m × 40 m (1.600 m²)
  • Escalonável para milhares de locais personalizados usando parâmetros TABLE
Executar lógica personalizada avançada, médias ou junções com seus dados Consultas SQL diretas
  • Flexibilidade total de SQL em tabelas brutas
  • Permite métricas SQL personalizadas (AVG, SUM etc.)
  • Não retorna IDs de lugares
  • Limite de privacidade:as contagens de 0 a 4 são completamente omitidas
  • Nenhuma restrição de área de pesquisa mínima

O Insights de Lugares permite que você faça análises históricas consultando snapshots mensais de dados de Places desde janeiro de 2024. Isso permite avaliar como a densidade de negócios, a atividade comercial e os cenários competitivos evoluíram ao longo do tempo.

Para consultar dados históricos usando funções de contagem de lugares, transmita o parâmetro de filtro snapshot_date opcional dentro do JSON_OBJECT. O valor precisa ser formatado como YYYY-MM (por exemplo, '2026-01').

Exemplo: consultar contagens históricas de restaurantes na cidade de Nova York com PLACES_COUNT_V2

O exemplo a seguir usa PLACES_COUNT_V2 para analisar as contagens de restaurantes operacionais ao redor do Empire State Building e da Times Square na cidade de Nova York, conforme existiam em janeiro de 2026:

-- Create a table for the input search geographies
WITH my_search_areas AS (
  SELECT
    'Empire State Building' AS geo_id,
    ST_GEOGPOINT(-73.9857, 40.7484) AS geo
  UNION ALL
  SELECT
    'Times Square' AS geo_id,
    ST_GEOGPOINT(-73.9851, 40.7580) AS geo
)

-- Query restaurant counts for the January 2026 snapshot
SELECT *
FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_V2`(
  TABLE my_search_areas,
  JSON_OBJECT(
      'geography_radius', 1000, -- Radius in meters around each point
      'business_status', ['OPERATIONAL'],
      'types', ['restaurant'],
      'snapshot_date', '2026-01'
  )
);

Analisar a saída histórica

A tabela do BigQuery retornada contém o geo_id, o polígono geográfico de entrada, a contagem de lugares e os IDs de lugares de amostra conforme foram registrados durante o mês de snapshot especificado (2026-01). Você pode executar consultas idênticas em vários meses de snapshot para calcular tendências de crescimento, aberturas de lojas ou contração de mercado.

Agregar a densidade de PDIs regionais usando PLACES_COUNT_PER_H3

A função PLACES_COUNT_PER_H3 é o caminho recomendado para analisar a densidade de PDIs em grandes áreas. Ao dividir a região de destino em células de grade hexagonais H3 padronizadas, você elimina a necessidade de desenhar limites personalizados e pode transmitir os resultados diretamente para ferramentas de mapeamento visual, como o Looker Studio.

Exemplo: contar supermercados e lojas de conveniência acessíveis para cadeirantes no estado de Nova York

A consulta a seguir agrega supermercados e lojas de conveniência acessíveis para cadeirantes no estado de Nova York em células H3 no nível de resolução 8. Ela usa a geometria de limite recuperada dinamicamente do conjunto de dados público bigquery-public-data.geo_us_boundaries.states.

-- Query POI count per H3 cell intersecting the New York State polygon boundary
SELECT *
FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_PER_H3`(
  JSON_OBJECT(
      'geography', (
        -- Dynamically retrieve the boundary geography for New York State
        SELECT state_geom
        FROM `bigquery-public-data.geo_us_boundaries.states`
        WHERE state = 'NY'
        LIMIT 1
      ),
      'types', ['grocery_store', 'convenience_store'],
      'business_status', ['OPERATIONAL'],
      'h3_resolution', 8,
      'wheelchair_accessible_entrance', TRUE
  )
)
ORDER BY count DESC;

Analisar a saída

Essa consulta retorna uma tabela estruturada que mapeia cada índice H3 distinto (h3_cell_index) para o polígono de limite (geography), a contagem de PDIs (count) e até 250 sample_place_ids representativos.

  • Contagens zero incluídas:se uma célula na grade do estado de Nova York tiver zero lojas correspondentes, ela ainda retornará uma linha com uma contagem de 0. Isso é fundamental para localizar desertos comerciais ou de serviços.
  • Mapeamento visual direto:como a saída inclui um polígono GEOGRAPHY, você pode renderizar mapas de calor diretamente no BigQuery Studio ou no Looker Studio.

Recuperar IDs de lugares para inspecionar detalhes

Embora o Insights de Lugares seja criado para inteligência estatística, você pode fazer a transição de insights agregados para ações granulares.

Todas as funções principais de contagem de lugares, incluindo PLACES_COUNT_PER_H3, PLACES_COUNT_V2, e PLACES_COUNT_PER_TYPE_V2 (com exceção da função legada PLACES_COUNT), retornam uma matriz de até 250 IDs de lugares por linha que correspondem aos critérios de consulta.

Esses IDs de lugares atuam como uma ponte, permitindo que você use outras APIs da Plataforma Google Maps, como a API Place Details, para recuperar detalhes específicos, como nomes de lojas, avaliações, números de telefone e endereços.

Analisar a presença de marcas em vários locais

Além dos dados de lugares, o Insights de Lugares inclui dados sobre marcas ou lojas que têm vários locais que operam com o mesmo nome de marca.

Você pode consultar dados de marcas para:

  • Identificar a densidade de marcas concorrentes em um mercado-alvo.
  • Filtrar as contagens de PDIs especificamente por IDs de marcas.
  • Examinar a penetração no mercado comparando estabelecimentos de marca e independentes.

A seguir