Panoramica di Approfondimenti sui luoghi

Places Insights ti consente di eseguire analisi statistiche avanzate sui dati avanzati dei luoghi di Google Maps. Fornisce conteggi aggregati e informazioni sulla densità per milioni di punti dati di punti di interesse (POI), consentendo una potente intelligence geospaziale.

Funzionalità chiave

  • Geospatial Intelligence: ottieni una "visuale dall'alto" della densità e della distribuzione di diverse categorie di PDI (ad es. vendita al dettaglio, ristoranti, servizi) in aree geografiche specifiche.
  • Accesso sicuro ai dati:i dati vengono implementati utilizzando le schede dello scambio di dati di BigQuery con protezioni dei dati in atto, consentendo un ambiente sicuro e protetto per la condivisione e l'analisi dei dati.
  • Dettaglio azionabile: mentre Places Insights si concentra sulle tendenze aggregate, puoi utilizzare gli ID luogo restituiti per esaminare in dettaglio e recuperare informazioni sui singoli luoghi utilizzando altre API di Google Maps Platform per passare da un'analisi statistica a un'azione dettagliata.

Comprendere i dati sui luoghi e i casi d'uso

Google Maps cura i dati sui luoghi per milioni di attività in tutto il mondo. Places Insights rende disponibili questi dati completi sui luoghi in BigQuery, in modo che tu possa ricavare informazioni aggregate sui dati dei luoghi di Google Maps in base a una serie di attributi come tipi di luoghi, valutazioni, orari di apertura, accessibilità per le persone con disabilità motorie e altro ancora.

Per utilizzare Places Insights, scrivi query SQL in BigQuery che restituiscono approfondimenti statistici sui dati di Places. Questi approfondimenti ti consentono di rispondere a domande come:

  • Quante attività simili operano vicino a una potenziale nuova sede del negozio?
  • Quali tipi di attività si trovano più comunemente vicino ai miei negozi di maggior successo?
  • In quali zone si trova un'alta concentrazione di attività complementari che potrebbero attirare i miei clienti target?
  • Quanti ristoranti di sushi a 5 stelle sono aperti alle 20:00 a Madrid, hanno un parcheggio accessibile alle sedie a rotelle e offrono il servizio d'asporto?
  • Quali codici postali della California hanno la maggiore concentrazione di stazioni di ricarica per veicoli elettrici?

Casi d'uso supportati

  • Selezione del sito:valuta e scegli le posizioni più adatte per una nuova attività o per il posizionamento di un asset fisico. Analizzando la densità e il mix dei PDI circostanti, puoi assicurarti che un potenziale sito sia posizionato in modo ottimale all'interno del suo ambiente commerciale competitivo e complementare. Questo approccio basato sui dati può ridurre il rischio associato all'investimento in nuove sedi.
  • Valutazione del rendimento delle località:determina quali variabili geospaziali, come la vicinanza a determinati tipi di PDI come supermercati o sedi di eventi, sono correlate a un rendimento positivo o negativo nelle tue località esistenti. Questi dati ti consentono di identificare i siti potenziali che condividono il miglior mix di caratteristiche geospaziali per il tuo caso d'uso. Puoi anche utilizzare queste informazioni per implementare modelli predittivi che prevedono il rendimento futuro di nuove sedi in base al contesto dei PDI circostanti.
  • Marketing basato sulla geolocalizzazione:determina quali tipi di campagne di marketing o pubblicità avranno successo in una zona. Places Insights fornisce il contesto necessario per comprendere l'attività commerciale, consentendoti di personalizzare i messaggi in base alla concentrazione di attività o aziende pertinenti.
  • Previsione delle vendite: prevedi le vendite future in una potenziale sede. La modellazione dell'impatto delle caratteristiche geospaziali circostanti ti consente di creare modelli predittivi solidi per guidare le decisioni di investimento.
  • Ricerche di mercato: indica in quali aree geografiche espandere la tua attività o il tuo servizio. Analizza la saturazione del mercato esistente e la densità dei PDI per identificare i mercati di destinazione sottoserviti o altamente concentrati che offrono la massima opportunità. Questa analisi fornisce prove a sostegno delle iniziative strategiche di crescita ed espansione.
  • Analisi delle tendenze:esplora le modifiche che si verificano in un periodo di tempo. Confronta i conteggi dei luoghi, inclusi quelli aggiunti e rimossi, mese dopo mese a partire da gennaio 2024.

Puoi eseguire query sui set di dati Places Insights utilizzando le funzioni di conteggio dei luoghi o le query SQL dirette.

Consulta il riferimento allo schema.

Scegli il metodo di query: funzioni di conteggio dei luoghi o SQL diretto

Per soddisfare diverse scale di analisi e requisiti di privacy, Places Insights offre due percorsi di query: funzioni di conteggio dei luoghi (funzioni BigQuery native) e query SQL dirette (unioni di tabelle).

Utilizza questa matrice decisionale per determinare il percorso di query corretto per la tua implementazione:

Il tuo obiettivo di analisi Metodo di query consigliato Dati e output restituiti Considerazioni sulla privacy e sullo spazio
Analizzare la densità dei PDI regionali e creare mappe termiche PLACES_COUNT_PER_H3
  • Restituisce poligoni esagonali H3 con conteggi esatti (incluso 0)
  • Restituisce fino a 250 valori place_id per cella
  • Progettato appositamente per modelli ML spaziali e ingegneria delle funzionalità
  • Area di ricerca minima di 40 m × 40 m (1600 m²)
  • Ottimizzato per prestazioni e costi di elaborazione ridotti
  • Convalida i parametri di input e restituisce errori chiari per semplificare il debug
Ottenere i conteggi per siti specifici e recuperare gli ID luogo per cercare i dettagli PLACES_COUNT_V2 o PLACES_COUNT_PER_TYPE_V2
  • Restituisce conteggi esatti (incluso 0) per le geometrie personalizzate
  • Restituisce fino a 250 valori place_id per riga
  • Area di ricerca minima di 40 m × 40 m (1600 m²)
  • Scalabile a migliaia di località utilizzando i parametri TABLE
  • Ottimizzato per prestazioni e costi di elaborazione ridotti
  • Convalida i parametri di input e restituisce errori chiari per semplificare il debug
Monitorare le variazioni e le tendenze di crescita dei PDI nel tempo tra due mesi PLACES_COUNT_CHANGE
  • Restituisce start_count, end_count, net_change, percentage_change e compound_monthly_growth_rate
  • Restituisce array di ID luogo aggiunti di recente (sample_added_place_ids) e rimossi (sample_removed_place_ids)
  • Richiede i parametri month1 e month2 nel formato YYYY-MM
  • Area di ricerca minima di 40 m × 40 m (1600 m²)
  • Scalabile a migliaia di località personalizzate utilizzando i parametri TABLE
Eseguire logica personalizzata avanzata, medie o unioni con i dati Query SQL dirette
  • Piena flessibilità SQL nelle tabelle non elaborate
  • Attiva le metriche SQL personalizzate (AVG, SUM e così via).
  • Non restituisce ID luogo
  • Soglia di privacy:i conteggi da 0 a 4 vengono completamente omessi
  • Nessuna limitazione minima dell'area di ricerca

Places Insights ti consente di condurre analisi storiche eseguendo query sugli snapshot mensili dei dati di Places risalenti a gennaio 2024. In questo modo puoi valutare come si sono evoluti nel tempo la densità delle attività, l'attività commerciale e i contesti competitivi.

Per eseguire query sui dati storici utilizzando le funzioni di conteggio dei luoghi, trasmetti il parametro di filtro facoltativo snapshot_date all'interno di JSON_OBJECT. Il valore deve essere formattato come YYYY-MM (ad esempio, '2026-01').

Esempio: esegui una query sui conteggi storici dei ristoranti a New York City con PLACES_COUNT_V2

L'esempio seguente utilizza PLACES_COUNT_V2 per analizzare il numero di ristoranti operativi nei pressi dell'Empire State Building e di Times Square a New York City a gennaio 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'
  )
);

Analisi dell'output storico

La tabella BigQuery restituita contiene geo_id, il poligono geografico di input, il conteggio dei luoghi e gli ID luogo di esempio registrati durante il mese dello snapshot specificato (2026-01). Puoi eseguire query identiche in più mesi di snapshot per calcolare le tendenze di crescita, le aperture di negozi o la contrazione del mercato.

Aggrega la densità dei PDI regionali utilizzando PLACES_COUNT_PER_H3

La funzione PLACES_COUNT_PER_H3 è il percorso consigliato per analizzare la densità dei PDI su aree di grandi dimensioni. Dividendo la regione target in celle della griglia esagonale H3 standardizzate, elimini la necessità di disegnare confini personalizzati e puoi inserire i risultati direttamente negli strumenti di mappatura visiva, come Looker Studio.

Esempio: conta i negozi di alimentari e di prossimità accessibili alle persone in sedia a rotelle nello stato di New York

La seguente query aggrega negozi di alimentari e minimarket accessibili alle sedie a rotelle nello stato di New York in celle H3 al livello di risoluzione 8. Utilizza la geometria dei confini recuperata dinamicamente dal set di dati pubblico 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;

Analizzare l'output

Questa query restituisce una tabella strutturata che mappa ogni indice H3 distinto (h3_cell_index) al relativo poligono di confine (geography), al conteggio dei PDI (count) e fino a 250 sample_place_ids rappresentativi.

  • Conteggi pari a zero inclusi:se una cella della griglia dello stato di New York ha zero negozi corrispondenti, restituisce comunque una riga con un conteggio pari a 0. È fondamentale per individuare i deserti commerciali o di servizi.
  • Mappatura visiva diretta: poiché l'output include un poligono GEOGRAPHY, puoi eseguire il rendering delle mappe termiche direttamente in BigQuery Studio o Looker Studio.

Recuperare gli ID luogo per esaminare i dettagli del luogo

Sebbene Places Insights sia progettato per l'intelligence statistica, puoi passare dalle statistiche aggregate alle azioni granulari.

Tutte le funzioni principali di conteggio dei luoghi, tra cui PLACES_COUNT_PER_H3, PLACES_COUNT_V2 e PLACES_COUNT_PER_TYPE_V2 (ad eccezione della funzione legacy PLACES_COUNT), restituiscono un array di massimo 250 ID luogo per riga che corrispondono ai criteri della query.

Questi ID luogo fungono da ponte, consentendoti di utilizzare altre API Google Maps Platform, come l'API Place Details, per recuperare dettagli specifici come nomi dei negozi, recensioni, numeri di telefono e indirizzi.

Analizzare la presenza di brand con più sedi

Oltre ai dati sui luoghi, Places Insights include dati su brand o negozi con più sedi che operano con lo stesso nome del brand.

Puoi eseguire query sui dati del brand per:

  • Identificare la densità dei brand della concorrenza in un mercato di riferimento.
  • Filtra i conteggi dei PDI in base agli ID brand.
  • Esamina la penetrazione di mercato confrontando gli esercizi indipendenti con quelli di brand.

Passaggi successivi