Descripción general de las estadísticas de Places

Importante: Antes de consultar los datos de Places Insights, primero debes registrarte para obtener acceso al producto de Places Insights.

Places Insights te permite realizar análisis estadísticos avanzados sobre los datos enriquecidos de Lugares de Google Maps. Proporciona recuentos agregados e información de densidad para millones de puntos de datos de lugares de interés (POI), lo que permite obtener una potente inteligencia geoespacial.

Funciones clave

• Inteligencia geoespacial: Obtén una "vista aérea" de la densidad y la distribución de diferentes categorías de PDI (p.ej., comercios minoristas, restaurantes, servicios) en áreas geográficas específicas.
• Acceso seguro a los datos: Los datos se implementan con anuncios de intercambio de datos de BigQuery con protecciones de datos implementadas, lo que permite un entorno seguro y protegido para el uso compartido y el análisis de datos.
• Detalle práctico: Si bien Places Insights se enfoca en las tendencias agregadas, puedes usar los IDs de lugar generados para profundizar y recuperar información de lugares individuales con otras APIs de Google Maps Platform y, así, pasar de una estadística a una acción detallada.

Comprende los datos de lugares y los casos de uso

Google Maps recopila datos de lugares para millones de establecimientos en todo el mundo. Places Insights pone a disposición estos datos integrales de lugares en BigQuery para que puedas obtener estadísticas agregadas sobre los datos de lugares de Google Maps en función de una variedad de atributos, como tipos de lugares, calificaciones, horarios de atención, accesibilidad para sillas de ruedas y mucho más.

Para usar Places Insights, debes escribir consultas de SQL en BigQuery que muestren estadísticas sobre los datos de lugares. Estas estadísticas te permiten responder preguntas como las siguientes:

• ¿Cuántas empresas similares operan cerca de la posible ubicación de una nueva tienda?
• ¿Qué tipos de empresas se encuentran con mayor frecuencia cerca de mis tiendas más exitosas?
• ¿Qué áreas tienen una alta concentración de empresas complementarias que podrían atraer a mis clientes objetivo?
• ¿Cuántos restaurantes de sushi de 5 estrellas están abiertos a las 8 p.m. en Madrid, tienen estacionamiento accesible para sillas de ruedas y ofrecen comida para llevar?
• ¿Qué códigos postales de California tienen la mayor concentración de estaciones de carga de VE?

Casos prácticos compatibles

• Selección de sitios: Evalúa y elige las ubicaciones más adecuadas para una nueva empresa o la colocación de un activo físico. Si analizas la densidad y la combinación de los PDI circundantes, puedes asegurarte de que un sitio potencial esté ubicado de manera óptima dentro de su entorno comercial competitivo y complementario. Este enfoque basado en datos puede reducir el riesgo asociado con la inversión en ubicaciones nuevas.
• Evaluación del rendimiento de la ubicación: Determina qué variables geoespaciales, como la proximidad a ciertos tipos de PDI, como supermercados o sedes de eventos, se correlacionan con el rendimiento positivo o negativo en tus ubicaciones existentes. Estos datos te permiten identificar sitios potenciales que comparten la mejor combinación de características geoespaciales para tu caso de uso. También puedes usar esta información para implementar modelos predictivos que pronostiquen el rendimiento futuro de cualquier ubicación nueva en función del contexto de los PDI circundantes.
• Marketing segmentado geográficamente: Determina qué tipos de campañas de marketing o anuncios tendrán éxito en un área. Las estadísticas de Places proporcionan el contexto necesario para comprender la actividad comercial, lo que te permite adaptar los mensajes en función de la concentración de empresas o actividades relevantes.
• Previsión de ventas: Predice las ventas futuras en una ubicación potencial. El modelado del impacto de las características geoespaciales circundantes te permite crear modelos predictivos sólidos para impulsar las decisiones de inversión.
• Investigación de mercado: Te permite saber a qué regiones geográficas expandir tu empresa o servicio. Analiza la saturación del mercado existente y la densidad de los PDI para identificar los mercados objetivo desatendidos o muy concentrados que ofrecen la mayor oportunidad. Este análisis proporciona evidencia para respaldar las iniciativas estratégicas de crecimiento y expansión.
• Análisis de tendencias: Explora los cambios que se producen durante un período. Compara los recuentos de lugares, incluidos los lugares agregados y quitados, mes a mes desde enero de 2024.

Puedes consultar los conjuntos de datos de Places Insights con funciones de recuento de lugares o consultas de SQL directas.

Consulta la referencia de Schema.

Elige tu método de consulta: funciones de recuento de lugares o SQL directo

Para adaptarse a diferentes escalas de análisis y requisitos de privacidad, Places Insights ofrece dos rutas de consulta: funciones de recuento de lugares (funciones nativas de BigQuery) y consultas directas en SQL (uniones de tablas).

Sugerencia: ¿No sabes por dónde empezar? Te recomendamos que comiences con PLACES_COUNT_PER_H3. Proporciona estadísticas inmediatas sobre la densidad espacial en celdas de cuadrícula estandarizadas, devuelve IDs de lugares para la inspección de la verdad fundamental y está diseñada específicamente para la ingeniería de atributos geoespaciales y los modelos de AA.

Usa esta matriz de decisión para determinar la ruta de consulta correcta para tu implementación:

Tu objetivo de análisis	Método de consulta recomendado	Datos y resultados devueltos	Consideraciones espaciales y de privacidad
Analiza la densidad regional de los PDI y genera mapas de calor	PLACES_COUNT_PER_H3	Devuelve polígonos hexagonales de H3 con recuentos exactos (incluido el 0). Devuelve hasta 250 valores de place_id por celda.	Diseñada específicamente para modelos de AA espaciales y la ingeniería de atributos Área de búsqueda mínima de 40 m × 40 m (1,600 m²) Optimizado para el rendimiento y un bajo costo de procesamiento Valida los parámetros de entrada y muestra errores claros para facilitar la depuración.
Obtén recuentos de sitios específicos y recupera IDs de lugar para buscar detalles	PLACES_COUNT_V2 o PLACES_COUNT_PER_TYPE_V2	Devuelve recuentos exactos (incluido el 0) para las geometrías personalizadas Devuelve hasta 250 valores de place_id por fila.	Área de búsqueda mínima de 40 m × 40 m (1,600 m²) Se puede escalar a miles de ubicaciones con los parámetros TABLE Optimizado para el rendimiento y un bajo costo de procesamiento Valida los parámetros de entrada y muestra errores claros para facilitar la depuración.
Haz un seguimiento de los cambios y las tendencias de crecimiento de los PDI a lo largo del tiempo entre dos meses	PLACES_COUNT_CHANGE	Devuelve start_count, end_count, net_change, percentage_change y compound_monthly_growth_rate Devuelve arrays de IDs de lugar agregados (sample_added_place_ids) y quitados (sample_removed_place_ids) recientemente.	Requiere los parámetros month1 y month2 en formato YYYY-MM Área de búsqueda mínima de 40 m × 40 m (1,600 m²) Se puede escalar a miles de ubicaciones personalizadas con parámetros de TABLE
Ejecutar lógica personalizada avanzada, promedios o combinaciones con tus datos	Consultas de SQL directas	Flexibilidad total de SQL en todas las tablas sin procesar Habilita las métricas de SQL personalizadas (AVG, SUM, etcétera).	No devuelve IDs de lugar Umbral de privacidad: Los recuentos de 0 a 4 se omiten por completo Sin restricción de área de búsqueda mínima

Importante: Para recuperar recuentos bajos exactos (menos de 5) o IDs de lugar, debes usar las funciones de recuento de lugares. Las consultas de SQL estándar que se ejecutan directamente en las tablas sin procesar aplican un umbral de agregación de privacidad diferencial. Si una búsqueda arroja un recuento de 0 a 4 lugares coincidentes, se omite toda la fila de los resultados. Para evitar esta restricción, usa las funciones de recuento de lugares que pueden devolver cualquier recuento, incluido 0, en un área de búsqueda mínima de 40 m × 40 m (1,600 m²).

Analiza las tendencias históricas con fechas de instantáneas

Places Insights te permite realizar análisis históricos consultando instantáneas mensuales de los datos de Places que se remontan a enero de 2024. Esto te permite evaluar cómo evolucionaron la densidad comercial, la actividad comercial y los entornos competitivos con el tiempo.

Para consultar datos históricos con las funciones de Places Count, pasa el parámetro de filtro opcional snapshot_date dentro de tu JSON_OBJECT. El valor debe tener el formato YYYY-MM (por ejemplo, '2026-01').

Nota: Si se omite snapshot_date, la consulta devolverá de forma predeterminada los datos de la instantánea disponible más reciente.

Ejemplo: Consulta el recuento histórico de restaurantes en la ciudad de Nueva York con PLACES_COUNT_V2

En el siguiente ejemplo, se usa PLACES_COUNT_V2 para analizar los recuentos operativos de restaurantes alrededor del Empire State Building y Times Square en la ciudad de Nueva York, tal como existían en enero 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'
  )
);

Analiza el historial de resultados

La tabla de BigQuery que se devuelve contiene el geo_id, el polígono geográfico de entrada, el recuento de lugares y los IDs de lugar de muestra tal como se registraron durante el mes de la instantánea especificada (2026-01). Puedes ejecutar consultas idénticas en varios meses de instantáneas para calcular las tendencias de crecimiento, las aperturas de tiendas o la contracción del mercado.

Agrega la densidad regional de los lugares de interés con PLACES_COUNT_PER_H3

La función PLACES_COUNT_PER_H3 es la ruta recomendada para analizar la densidad de los PDI en áreas grandes. Si divides tu región objetivo en celdas de cuadrícula hexagonales H3 estandarizadas, no tendrás que dibujar límites personalizados y podrás ingresar los resultados directamente en herramientas de visualización de mapas, como Looker Studio.

Ejemplo: Cuenta las tiendas de comestibles y de conveniencia accesibles para sillas de ruedas en el estado de Nueva York

La siguiente consulta agrega las tiendas de comestibles y de conveniencia accesibles para sillas de ruedas del estado de Nueva York en celdas H3 con un nivel de resolución de 8. Utiliza la geometría de límite recuperada de forma dinámica del conjunto de datos públicos 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;

Cómo analizar el resultado

Esta consulta devuelve una tabla estructurada que asigna cada índice H3 distinto (h3_cell_index) a su polígono de límite (geography), el recuento de PDI (count) y hasta 250 sample_place_ids representativos.

• Se incluyen los recuentos nulos: Si una celda de la cuadrícula del estado de Nueva York tiene cero tiendas coincidentes, de todos modos, se muestra una fila con un recuento de 0. Esto es fundamental para ubicar las zonas desérticas comerciales o de servicios.
• Asignación visual directa: Como el resultado incluye un polígono GEOGRAPHY, puedes renderizar mapas de calor directamente en BigQuery Studio o Looker Studio.

Cómo recuperar IDs de lugar para inspeccionar los detalles del lugar

Si bien Estadísticas de Places se creó para brindar inteligencia estadística, puedes pasar de las estadísticas agregadas a las acciones detalladas.

Todas las funciones principales de recuento de lugares, incluidas PLACES_COUNT_PER_H3, PLACES_COUNT_V2 y PLACES_COUNT_PER_TYPE_V2 (con la excepción de la función heredada PLACES_COUNT), devuelven un array de hasta 250 IDs de lugar por fila que coinciden con los criterios de tu búsqueda.

Estos IDs de lugar actúan como un puente, lo que te permite usar otras APIs de Google Maps Platform, como la API de Place Details, para recuperar detalles específicos, como nombres de tiendas, opiniones, números de teléfono y direcciones.

Analiza la presencia de la marca en varias ubicaciones

Nota: Los datos de las marcas están disponibles para los conjuntos de datos de Australia, Canadá, Estados Unidos y Gran Bretaña.

Junto con los datos de lugares, Places Insights incluye datos sobre marcas o tiendas que tienen varias ubicaciones y operan bajo el mismo nombre de marca.

Puedes consultar los datos de la marca para hacer lo siguiente:

• Identificar la densidad de las marcas de la competencia en un mercado objetivo
• Filtra tus recuentos de PDI específicamente por IDs de marca.
• Examina la penetración de mercado comparando los establecimientos de marca con los independientes.

¿Qué sigue?

• Comienza a usar Places Insights: Lee la descripción general de todas las funciones con valores de tabla optimizadas.
• Referencia de PLACES_COUNT_PER_H3: Obtén información sobre la función de indexación espacial hexagonal.
• Avanzado: Consulta el conjunto de datos directamente: Aprende a realizar consultas estándar en SQL, unir flujos de trabajo y filtrar datos de marcas.
• Consulta la referencia del esquema: Lee tablas de campos detalladas para los esquemas principales y específicos de cada país.