জায়গা সম্পর্কে ইনসাইটের ওভারভিউ

জায়গা সম্পর্কে ইনসাইট আপনাকে Google Maps-এর জায়গা সম্পর্কিত সমৃদ্ধ ডেটার উপর উন্নত পরিসংখ্যানগত বিশ্লেষণ করতে দেয়। এটি লক্ষ লক্ষ পয়েন্ট-অফ-ইন্টারেস্ট (POI) ডেটা পয়েন্টের জন্য মোট গণনা এবং ঘনত্বের তথ্য প্রদান করে, যা শক্তিশালী জিওস্পেশিয়াল ইন্টেলিজেন্সের সুবিধা দেয়।

মূল ক্ষমতা

  • জিওস্পেশিয়াল ইন্টেলিজেন্স: নির্দিষ্ট ভৌগোলিক এলাকা জুড়ে বিভিন্ন বিভাগের POI-এর (যেমন, রিটেল, রেস্তোরাঁ ও পরিষেবা) ঘনত্ব ও ডিস্ট্রিবিউশনের "বার্ডস আই ভিউ" পান।
  • সুরক্ষিত ডেটা অ্যাক্সেস: ডেটা সুরক্ষা সহ BigQuery ডেটা এক্সচেঞ্জ লিস্টিং ব্যবহার করে ডেটা ডিপ্লয় করা হয়, যা ডেটা শেয়ারিং ও বিশ্লেষণের জন্য একটি সুরক্ষিত ও নিরাপদ এনভায়রনমেন্ট প্রদান করে।
  • অ্যাকশনেবল বিবরণ: জায়গা সম্পর্কে ইনসাইট মোট ট্রেন্ডের উপর ফোকাস করলেও, আপনি আউটপুট হিসেবে পাওয়া প্লেস আইডি ব্যবহার করে আরও গভীরে যেতে পারেন এবং অন্যান্য Google Maps Platform API ব্যবহার করে স্বতন্ত্র জায়গার তথ্য পেতে পারেন, যাতে পরিসংখ্যানগত ইনসাইট থেকে বিস্তারিত অ্যাকশন নেওয়া যায়।

জায়গা সংক্রান্ত ডেটা ও ব্যবহারের ক্ষেত্র সম্পর্কে বোঝা

Google Maps বিশ্বব্যাপী লক্ষ লক্ষ প্রতিষ্ঠানের জন্য জায়গার ডেটা কিউরেট করে। Places Insights এই বিস্তারিত জায়গার ডেটা BigQuery-তে উপলভ্য করে যাতে আপনি Google Maps-এর জায়গার ডেটা সম্পর্কে বিভিন্ন অ্যাট্রিবিউটের ভিত্তিতে এগ্রিগেট করা ইনসাইট পেতে পারেন, যেমন জায়গার ধরন, রেটিং, স্টোর খোলা থাকার সময়, হুইলচেয়ার অ্যাক্সেসিবিলিটি এবং আরও অনেক কিছু।

Places Insights ব্যবহার করতে, আপনি BigQuery-তে SQL কোয়েরি লেখেন যা জায়গার ডেটা সম্পর্কে পরিসংখ্যানগত ইনসাইট প্রদান করে। এইসব ইনসাইট আপনাকে এই ধরনের প্রশ্নের উত্তর দিতে সাহায্য করে:

  • সম্ভাব্য নতুন স্টোরের লোকেশনের কাছাকাছি একই ধরনের কতগুলি ব্যবসা পরিচালিত হচ্ছে?
  • আমার সবচেয়ে সফল স্টোরের কাছাকাছি সাধারণত কোন ধরনের ব্যবসা দেখা যায়?
  • কোন কোন এলাকায় পরিপূরক ব্যবসার ঘনত্ব বেশি যা আমার টার্গেট করা গ্রাহকদের আকর্ষণ করতে পারে?
  • মাদ্রিদে রাত ৮টায় খোলা থাকে, হুইলচেয়ার ব্যবহার করা যাবে এমন পার্কিং আছে এবং টেকআউটের সুবিধা দেয় এমন ৫-স্টার সুশি রেস্তোরাঁ কতগুলি আছে?
  • ক্যালিফোর্নিয়ার কোন পিন কোডে সবচেয়ে বেশি EV চার্জিং স্টেশন আছে?

সমর্থিত ব্যবহারের উদাহরণ

  • সাইট বেছে নেওয়া: নতুন ব্যবসা বা ফিজিক্যাল অ্যাসেট প্লেসমেন্টের জন্য সবচেয়ে উপযুক্ত লোকেশন মূল্যায়ন করে বেছে নিন। আশেপাশের POI-এর ঘনত্ব এবং মিশ্রণ বিশ্লেষণ করে, আপনি নিশ্চিত করতে পারেন যে একটি সম্ভাব্য সাইট তার প্রতিযোগিতামূলক এবং পরিপূরক ব্যবসায়িক পরিবেশের মধ্যে সর্বোত্তমভাবে অবস্থান করছে। এই ডেটা-চালিত পদ্ধতি নতুন লোকেশনে বিনিয়োগের সাথে সম্পর্কিত ঝুঁকি কমাতে পারে।
  • লোকেশন পারফর্ম্যান্স মূল্যায়ন: কোন কোন জিওস্পেশিয়াল ভেরিয়েবল, যেমন সুপারমার্কেট বা ইভেন্ট ভেনুর মতো নির্দিষ্ট ধরনের POI-এর নৈকট্য, আপনার বর্তমান লোকেশন জুড়ে ইতিবাচক বা নেতিবাচক পারফর্ম্যান্সের সাথে সম্পর্কযুক্ত তা নির্ধারণ করুন। এই ডেটা আপনাকে এমন সম্ভাব্য সাইট শনাক্ত করতে দেয় যা আপনার ব্যবহারের ক্ষেত্রে ভূস্থানিক বৈশিষ্ট্যের সেরা মিশ্রণ শেয়ার করে। এছাড়াও, আপনি এই তথ্য ব্যবহার করে এমন প্রেডিক্টিভ মডেল ডিপ্লয় করতে পারবেন যা আশেপাশের POI-এর উপর ভিত্তি করে যেকোনও নতুন লোকেশনের ভবিষ্যৎ পারফর্ম্যান্সের পূর্বাভাস দেয়।
  • ভূলক্ষ মার্কেটিং: কোনও এলাকায় কোন ধরনের মার্কেটিং ক্যাম্পেন বা বিজ্ঞাপন সফল হবে তা নির্ধারণ করা। Places Insights বাণিজ্যিক অ্যাক্টিভিটি বোঝার জন্য প্রয়োজনীয় প্রসঙ্গ প্রদান করে, যা আপনাকে প্রাসঙ্গিক ব্যবসা বা অ্যাক্টিভিটির ঘনত্বের উপর ভিত্তি করে মেসেজিং কাস্টমাইজ করার অনুমতি দেয়।
  • বিক্রির পূর্বাভাস: সম্ভাব্য লোকেশনে ভবিষ্যতে কত বিক্রি হতে পারে তার পূর্বাভাস পান। আশেপাশের জিওস্পেশিয়াল বৈশিষ্ট্যের প্রভাবের মডেলিং আপনাকে বিনিয়োগ সংক্রান্ত সিদ্ধান্ত নেওয়ার জন্য শক্তিশালী প্রেডিক্টিভ মডেল তৈরি করতে দেয়।
  • মার্কেট রিসার্চ: আপনার ব্যবসা বা পরিষেবা কোন কোন ভৌগোলিক অঞ্চলে প্রসারিত করবেন তা জানান। সবচেয়ে বেশি সুযোগ প্রদান করে এমন কম পরিষেবা প্রাপ্ত বা অত্যন্ত ঘন টার্গেট মার্কেট শনাক্ত করতে, বর্তমান মার্কেট স্যাচুরেশন এবং POI ঘনত্ব বিশ্লেষণ করুন। এই বিশ্লেষণ স্ট্র্যাটেজিক বৃদ্ধি ও সম্প্রসারণের উদ্যোগকে সমর্থন করার জন্য প্রমাণ প্রদান করে।
  • ট্রেন্ড বিশ্লেষণ: নির্দিষ্ট সময়সীমা জুড়ে হওয়া পরিবর্তন এক্সপ্লোর করুন। জানুয়ারি ২০২৪ থেকে শুরু করে প্রতি মাসে যোগ করা ও সরিয়ে দেওয়া জায়গার সংখ্যা সহ জায়গার সংখ্যা তুলনা করুন।

আপনি Places Count ফাংশন বা সরাসরি SQL কোয়েরি ব্যবহার করে Places Insights ডেটাসেট কোয়েরি করতে পারবেন।

স্কিমা রেফারেন্স দেখুন।

Places Insights এগ্রিগেট করা POI সংখ্যা এবং ব্র্যান্ড ডেনসিটি প্রদান করলেও, লোকেশন সংক্রান্ত সিদ্ধান্ত প্রায়ই মানুষের আচরণ এবং স্থানীয় পারিপার্শ্বিক অবস্থা বোঝার উপর নির্ভর করে। মেশিন-লার্নিং এম্বেডিংয়ের মাধ্যমে BigQuery-তে POI ডেটা সমৃদ্ধ করতে, যা Google Search ট্রেন্ড, বিল্ট এনভায়রনমেন্ট ও মানুষের অ্যাক্টিভিটি প্যাটার্ন এবং পরিবেশগত প্রসঙ্গ (যেমন আবহাওয়া ও এয়ার কোয়ালিটি) ক্যাপচার করে, Population Dynamics Insights (PDI) (প্রিভিউ)-এর সাথে জায়গা সম্পর্কে ইনসাইট পেয়ার করুন।

আপনার কোয়েরি পদ্ধতি বেছে নিন: Places Count ফাংশন বনাম সরাসরি SQL

বিভিন্ন বিশ্লেষণের স্কেল এবং গোপনীয়তা বিষয়ক প্রয়োজনীয়তা পূরণ করতে, Places Insights দুটি কোয়েরি পাথওয়ে অফার করে: Places Count Functions (নেটিভ BigQuery ফাংশন) এবং Direct SQL Queries (টেবিল জয়েন)।

আপনার ইমপ্লিমেন্টেশনের জন্য সঠিক কোয়েরি পাথ নির্ধারণ করতে এই সিদ্ধান্ত ম্যাট্রিক্স ব্যবহার করুন:

আপনার বিশ্লেষণের লক্ষ্য সাজেস্ট করা কোয়েরি পদ্ধতি ফেরত পাওয়া ডেটা ও আউটপুট গোপনীয়তা ও স্পেশিয়াল বিবেচনা
আঞ্চলিক POI ডেনসিটি বিশ্লেষণ করুন এবং হিটম্যাপ তৈরি করুন PLACES_COUNT_PER_H3
  • সঠিক গণনা সহ H3 হেক্সাগন পলিগন ফেরত দেয় (০ সহ)
  • প্রতিটি সেলে সর্বাধিক ২৫০টি place_id ভ্যালু দেখায়
  • স্পেশিয়াল ML মডেল ও ফিচার ইঞ্জিনিয়ারিংয়ের জন্য বিশেষভাবে তৈরি
  • সার্চ করার জন্য ন্যূনতম ৪০মি × ৪০মি (১,৬০০ মি²) এলাকা প্রয়োজন
  • পারফর্ম্যান্স ও কম প্রসেসিং খরচের জন্য অপ্টিমাইজ করা হয়েছে
  • ইনপুট প্যারামিটার যাচাই করে এবং আরও সহজে ডিবাগ করার জন্য স্পষ্ট ত্রুটি দেখায়
নির্দিষ্ট সাইটের জন্য গণনা পান এবং বিবরণ খুঁজতে স্থান আইডি পুনরুদ্ধার করুন PLACES_COUNT_V2 বা PLACES_COUNT_PER_TYPE_V2
  • কাস্টম জিওমেট্রির জন্য সঠিক সংখ্যা (০ সহ) রিটার্ন করে
  • প্রতিটি সারিতে সর্বাধিক ২৫০টি place_id ভ্যালু দেখায়
  • সার্চ করার জন্য ন্যূনতম ৪০মি × ৪০মি (১,৬০০ মি²) এলাকা প্রয়োজন
  • TABLE প্যারামিটার ব্যবহার করে হাজার হাজার লোকেশনে স্কেল করা যায়
  • পারফর্ম্যান্স ও কম প্রসেসিং খরচের জন্য অপ্টিমাইজ করা হয়েছে
  • ইনপুট প্যারামিটার যাচাই করে এবং আরও সহজে ডিবাগ করার জন্য স্পষ্ট ত্রুটি দেখায়
দুই মাসের মধ্যে POI পরিবর্তন ও বৃদ্ধির ট্রেন্ড ট্র্যাক করুন PLACES_COUNT_CHANGE
  • start_count, end_count, net_change, percentage_change এবং compound_monthly_growth_rate রিটার্ন করে
  • নতুন যোগ করা (sample_added_place_ids) এবং সরানো (sample_removed_place_ids) স্থান আইডির অ্যারে রিটার্ন করে
  • YYYY-MM ফর্ম্যাটে month1 এবং month2 প্যারামিটার প্রয়োজন
  • সার্চ করার জন্য ন্যূনতম ৪০মি × ৪০মি (১,৬০০ মি²) এলাকা প্রয়োজন
  • TABLE প্যারামিটার ব্যবহার করে হাজার হাজার কাস্টম লোকেশনে স্কেল করা যায়
আপনার ডেটার সাথে উন্নত কাস্টম লজিক, গড় বা যোগ করা কার্যকর করুন ডাইরেক্ট SQL কোয়েরি
  • র টেবিল জুড়ে সম্পূর্ণ SQL ফ্লেক্সিবিলিটি
  • কাস্টম SQL মেট্রিক (AVG, SUM ইত্যাদি) চালু করে
  • জায়গার আইডি রিটার্ন করে না
  • গোপনীয়তা থ্রেশহোল্ড: ০ থেকে ৪ পর্যন্ত গণনা সম্পূর্ণভাবে বাদ দেওয়া হয়
  • সার্চ এরিয়ার ন্যূনতম সীমা সংক্রান্ত কোনও বিধিনিষেধ নেই

Places Insights আপনাকে জানুয়ারি ২০২৪ থেকে শুরু করে Places ডেটার মাসিক স্ন্যাপশট কোয়েরি করে ঐতিহাসিক বিশ্লেষণ করার অনুমতি দেয়। এটি আপনাকে সময়ের সাথে সাথে ব্যবসার ঘনত্ব, বাণিজ্যিক কার্যকলাপ এবং প্রতিযোগিতামূলক ল্যান্ডস্কেপ কীভাবে বিকশিত হয়েছে তা মূল্যায়ন করতে দেয়।

Places Count ফাংশন ব্যবহার করে পুরনো ডেটা কোয়েরি করতে, আপনার JSON_OBJECT-এর মধ্যে ঐচ্ছিক snapshot_date ফিল্টার প্যারামিটার পাস করুন। ভ্যালু অবশ্যই YYYY-MM হিসেবে ফর্ম্যাট করা হতে হবে (যেমন, '2026-01')।

উদাহরণ: PLACES_COUNT_V2-এর সাহায্যে নিউ ইয়র্ক সিটিতে রেস্তোরাঁর ঐতিহাসিক সংখ্যা কোয়েরি করুন

নিম্নলিখিত উদাহরণে, ২০২৬ সালের জানুয়ারি মাসে নিউ ইয়র্ক সিটির এম্পায়ার স্টেট বিল্ডিং ও টাইমস স্কোয়ারের আশেপাশে কতগুলি রেস্তোরাঁ চালু ছিল তা বিশ্লেষণ করতে PLACES_COUNT_V2 ব্যবহার করা হয়েছে:

-- 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'
  )
);

আগের আউটপুট বিশ্লেষণ করা হচ্ছে

ফেরত পাঠানো BigQuery টেবিলে geo_id, ইনপুট জিওগ্রাফি পলিগন, জায়গার সংখ্যা এবং স্যাম্পেল জায়গা আইডি থাকে, কারণ সেগুলি নির্দিষ্ট স্ন্যাপশট মাসের (২০২৬-০১) মধ্যে রেকর্ড করা হয়েছে। আপনি একাধিক স্ন্যাপশট মাস জুড়ে একই ধরনের কোয়েরি রান করতে পারেন গ্রোথ ট্রেন্ড, স্টোর খোলা বা মার্কেট কন্ট্রাকশন গণনা করতে।

PLACES_COUNT_PER_H3 ব্যবহার করে আঞ্চলিক POI ঘনত্ব একত্রিত করুন

PLACES_COUNT_PER_H3 ফাংশন হল বড় এলাকা জুড়ে POI-এর ঘনত্ব বিশ্লেষণ করার জন্য সাজেস্ট করা পাথওয়ে। আপনার টার্গেট অঞ্চলকে স্ট্যান্ডার্ড H3 হেক্সাগোনাল গ্রিড সেলে ভাগ করে, আপনি কাস্টম সীমানা আঁকার প্রয়োজনীয়তা দূর করেন এবং সরাসরি ভিজ্যুয়াল ম্যাপিং টুলে ফলাফল ফিড করতে পারেন, যেমন Looker Studio।

যেমন: নিউ ইয়র্ক স্টেটে হুইলচেয়ার ব্যবহার করা যাবে এমন মুদিখানা ও নিত্য প্রয়োজনীয় জিনিসের দোকান গণনা করা

নিম্নলিখিত কোয়েরি নিউ ইয়র্ক স্টেটে হুইলচেয়ার ব্যবহার করা যাবে এমন মুদিখানা ও নিত্য প্রয়োজনীয় জিনিসের দোকানকে রেজোলিউশন লেভেল ৮-এ H3 সেলে একত্রিত করে। এটি bigquery-public-data.geo_us_boundaries.states পাবলিক ডেটাসেট থেকে ডাইনামিকভাবে উদ্ধার করা বাউন্ডারি জিওমেট্রি ব্যবহার করে।

-- 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;

আউটপুট বিশ্লেষণ করা হচ্ছে

এই কোয়েরি প্রতিটি স্বতন্ত্র H3 ইন্ডেক্স (h3_cell_index) থেকে এর বাউন্ডারি পলিগন (geography), POI সংখ্যা (count) এবং ২৫০টি পর্যন্ত প্রতিনিধিত্বকারী sample_place_ids-এ ম্যাপ করা একটি স্ট্রাকচার্ড টেবিল রিটার্ন করে।

  • শূন্য-গণনা অন্তর্ভুক্ত: নিউ ইয়র্ক স্টেট গ্রিডের একটি সেলে শূন্যটি মিলে যাওয়া স্টোর থাকলে, এটি এখনও 0 গণনা সহ একটি সারি দেখায়। এটি বাণিজ্যিক বা পরিষেবা মরুভূমি খুঁজে বের করার জন্য গুরুত্বপূর্ণ।
  • সরাসরি ভিজ্যুয়াল ম্যাপিং: আউটপুটে GEOGRAPHY পলিগন অন্তর্ভুক্ত থাকে বলে, আপনি সরাসরি BigQuery Studio বা Looker Studio-র মধ্যে হিটম্যাপ রেন্ডার করতে পারবেন।

জায়গার বিবরণ পরীক্ষা করতে জায়গার আইডি ফিরিয়ে আনুন

পরিসংখ্যানগত বুদ্ধিমত্তার জন্য Places Insights তৈরি করা হলেও, আপনি এগ্রিগেট করা ইনসাইট থেকে গ্র্যানুলার অ্যাকশনে ট্রানজিশন করতে পারবেন।

PLACES_COUNT_PER_H3, PLACES_COUNT_V2 এবং PLACES_COUNT_PER_TYPE_V2 (পুরনো PLACES_COUNT ফাংশন বাদে) সহ সব প্রাথমিক Places Count ফাংশন, আপনার কোয়েরির শর্তের সাথে ম্যাচ করে এমন প্রতি সারিতে সর্বাধিক ২৫০টি Place ID-এর অ্যারে রিটার্ন করে।

এইসব প্লেস আইডি একটি ব্রিজের মতো কাজ করে, যা আপনাকে অন্যান্য Google Maps Platform API ব্যবহার করার অনুমতি দেয়, যেমন জায়গার বিবরণ API, স্টোরের নাম, রিভিউ, ফোন নম্বর এবং ঠিকানার মতো নির্দিষ্ট বিবরণ ফিরিয়ে আনতে।

একাধিক লোকেশনে ব্র্যান্ডের উপস্থিতি বিশ্লেষণ করুন

জায়গা সম্পর্কিত ডেটার পাশাপাশি, Places Insights-এ ব্র্যান্ড বা স্টোর সম্পর্কিত ডেটা অন্তর্ভুক্ত থাকে, যেগুলির একাধিক লোকেশন একই ব্র্যান্ডের নামে পরিচালিত হয়।

আপনি ব্র্যান্ড ডেটা কোয়েরি করতে পারেন:

  • টার্গেট মার্কেটে প্রতিযোগী ব্র্যান্ডের ঘনত্ব শনাক্ত করুন।
  • ব্র্যান্ড আইডি অনুযায়ী আপনার POI গণনা ফিল্টার করুন।
  • ব্র্যান্ডেড বনাম স্বতন্ত্র প্রতিষ্ঠানের তুলনা করে বাজার পরিব্যাপ্তি পরীক্ষা করুন।

এর পরে কী করতে হবে