जगहों की अहम जानकारी की खास जानकारी

जगहों की अहम जानकारी की मदद से, Google Maps के जगहों के डेटा का बेहतर तरीके से सांख्यिकीय विश्लेषण किया जा सकता है. यह लाखों लोकप्रिय जगहों (पीओआई) के डेटा पॉइंट के लिए, एग्रीगेट किए गए आंकड़ों और घनत्व की जानकारी देता है. इससे जियोस्पेशल इंटेलिजेंस की सुविधा मिलती है.

अहम सुविधाएं

  • जियोस्पेशल इंटेलिजेंस: अलग-अलग भौगोलिक इलाकों में, अलग-अलग कैटगरी (जैसे, खुदरा, रेस्टोरेंट, सेवाएं) के पीओआई के घनत्व और डिस्ट्रिब्यूशन की खास जानकारी पाएं.
  • डेटा का सुरक्षित ऐक्सेस: डेटा को BigQuery डेटा एक्सचेंज लिस्टिंग का इस्तेमाल करके डिप्लॉय किया जाता है. इसमें डेटा की सुरक्षा के लिए ज़रूरी इंतज़ाम किए जाते हैं. इससे डेटा शेयर करने और उसका विश्लेषण करने के लिए, सुरक्षित और प्रोटेक्टेड एनवायरमेंट मिलता है.
  • कार्रवाई से जुड़ी जानकारी: जगहों की अहम जानकारी, एग्रीगेट किए गए ट्रेंड पर फ़ोकस करती है. हालांकि, आउटपुट में मिले जगह के आईडी का इस्तेमाल करके, अन्य Google Maps Platform एपीआई की मदद से, जगह की जानकारी को ड्रिल डाउन किया जा सकता है और उसे वापस पाया जा सकता है. इससे सांख्यिकीय अहम जानकारी से लेकर, कार्रवाई से जुड़ी ज़्यादा जानकारी तक पाई जा सकती है.

जगहों के डेटा और इस्तेमाल के उदाहरणों के बारे में जानकारी

Google Maps, दुनिया भर में लाखों जगहों का डेटा इकट्ठा करता है. Places Insights, जगहों के इस डेटा को BigQuery में उपलब्ध कराता है, ताकि Google Maps के जगहों के डेटा के बारे में एग्रीगेट की गई अहम जानकारी पाई जा सके. इसके लिए , जगह के टाइप, रेटिंग, स्टोर के खुले रहने के घंटे, व्हीलचेयर की सुविधा वगैरह जैसे कई एट्रिब्यूट का इस्तेमाल किया जा सकता है.

Places Insights का इस्तेमाल करने के लिए, BigQuery में एसक्यूएल क्वेरी लिखी जाती हैं. इनसे जगहों के डेटा के बारे में सांख्यिकीय अहम जानकारी मिलती है. इन अहम जानकारियों से, इन सवालों के जवाब पाए जा सकते हैं:

  • किसी संभावित नए स्टोर की जगह के आस-पास, एक जैसे कितने कारोबार चल रहे हैं?
  • मेरे सबसे सफल स्टोर के आस-पास, किस तरह के कारोबार सबसे ज़्यादा दिखते हैं?
  • किन इलाकों में, एक-दूसरे से जुड़ी सेवाएं देने वाले कारोबार ज़्यादा हैं. इससे मेरे टारगेट ग्राहकों को आकर्षित किया जा सकता है?
  • मैड्रिड में रात 8 बजे, 5-स्टार रेटिंग वाले कितने सुशी रेस्टोरेंट खुले हैं. साथ ही, इनमें व्हीलचेयर की सुविधा वाली पार्किंग और टेकआउट की सुविधा भी है?
  • कैलिफ़ोर्निया के किन ज़िप कोड में, ईवी चार्जिंग स्टेशन सबसे ज़्यादा हैं?

इस्तेमाल के वे उदाहरण जिनके लिए मंज़ूरी है

  • साइट चुनना: किसी नए कारोबार या किसी जगह पर मौजूद ऐसेट के लिए, सबसे सही जगहों का आकलन करके उन्हें चुनें. आस-पास के पीओआई के घनत्व और मिक्स का विश्लेषण करके, यह पक्का किया जा सकता है कि संभावित साइट, प्रतिस्पर्धी और एक-दूसरे से जुड़ी सेवाएं देने वाले कारोबार के एनवायरमेंट में सही जगह पर मौजूद हो. डेटा पर आधारित इस तरीके से, नई जगहों पर निवेश से जुड़े जोखिम को कम किया जा सकता है.
  • जगह की परफ़ॉर्मेंस का आकलन करना: आकलन करें कि किन जियोस्पेशल वैरिएबल की वजह से, आपकी मौजूदा जगहों की परफ़ॉर्मेंस बेहतर या खराब हो सकती है. जैसे, सुपरमार्केट या इवेंट वेन्यू जैसे कुछ तरह के पीओआई के आस-पास होने की वजह से. इस डेटा से, संभावित साइटों की पहचान की जा सकती है. इनमें आपके इस्तेमाल के उदाहरण के लिए, जियोस्पेशल विशेषताओं का सबसे अच्छा मिक्स होता है. इस जानकारी का इस्तेमाल, अनुमान लगाने वाले मॉडल को डिप्लॉय करने के लिए भी किया जा सकता है. ये मॉडल, आस-पास के लोकप्रिय जगह के संदर्भ के आधार पर, किसी भी नई जगह की आने वाली परफ़ॉर्मेंस का अनुमान लगाते हैं.
  • जियोटारगेटेड मार्केटिंग: आकलन करें कि किसी इलाके में, किस तरह के मार्केटिंग कैंपेन या विज्ञापन सफल होंगे. Places Insights, कारोबार से जुड़ी गतिविधि को समझने के लिए ज़रूरी संदर्भ उपलब्ध कराता है. इससे, काम के कारोबार या गतिविधियों के घनत्व के आधार पर, मैसेज को अपने हिसाब से तैयार किया जा सकता है.
  • बिक्री का अनुमान लगाना: किसी संभावित जगह पर, आने वाली बिक्री का अनुमान लगाएं. आस-पास की जियोस्पेशल विशेषताओं के असर को मॉडल करके, निवेश के फ़ैसले लेने के लिए, अनुमान लगाने वाले मज़बूत मॉडल बनाए जा सकते हैं.
  • मार्केट रिसर्च: यह जानकारी पाएं कि आपको अपने कारोबार या सेवा को किन भौगोलिक इलाकों में बढ़ाना चाहिए. मौजूदा मार्केट सैचुरेशन और पीओआई घनत्व का विश्लेषण करके, ऐसे टारगेट मार्केट की पहचान करें जहां आपकी सेवा या कारोबार की ज़रूरत है या जहां आपके टारगेट ग्राहक ज़्यादा हैं. इससे आपको सबसे ज़्यादा अवसर मिलते हैं. इस विश्लेषण से, रणनीतिक बढ़ोतरी और कारोबार को बढ़ाने की पहल को बढ़ावा देने के लिए सबूत मिलते हैं.
  • ट्रेंड का विश्लेषण करना: समय के साथ होने वाले बदलावों के बारे में जानें. जनवरी 2024 से, हर महीने के हिसाब से, जोड़ी गई और हटाई गई जगहों की संख्या की तुलना करें.

Places Insights के डेटासेट के लिए, Places Count फ़ंक्शन या सीधे एसक्यूएल क्वेरीका इस्तेमाल करके क्वेरी की जा सकती है.

स्कीमा का रेफ़रंस देखें.

क्वेरी करने का तरीका चुनना: Places Count फ़ंक्शन बनाम सीधे एसक्यूएल

Places Insights, विश्लेषण के अलग-अलग स्केल और निजता से जुड़ी ज़रूरी शर्तों को पूरा करने के लिए, क्वेरी करने के दो तरीके उपलब्ध कराता है: Places Count फ़ंक्शन (BigQuery के नेटिव फ़ंक्शन) और सीधे एसक्यूएल क्वेरी (टेबल जॉइन).

अपने लागू करने के लिए, क्वेरी का सही पाथ तय करने के लिए, इस फ़ैसले लेने वाले मैट्रिक्स का इस्तेमाल करें:

आपके विश्लेषण का लक्ष्य क्वेरी करने का सुझाया गया तरीका दिखाया गया डेटा और आउटपुट निजता और जगह से जुड़ी ज़रूरी बातें
किसी इलाके में लोकप्रिय जगह के घनत्व का विश्लेषण करना और हीटमैप बनाना PLACES_COUNT_PER_H3
  • H3 हेक्सागॉन पॉलीगॉन को सटीक संख्या (0 भी शामिल है) के साथ दिखाता है
  • हर सेल के लिए, ज़्यादा से ज़्यादा 250 place_id वैल्यू दिखाता है
  • जियोस्पेशल एमएल मॉडल और फ़ीचर इंजीनियरिंग के लिए बनाया गया है
  • खोज का कम से कम दायरा 40 मीटर × 40 मीटर (1,600 वर्ग मीटर)
  • परफ़ॉर्मेंस और कम प्रोसेसिंग लागत के लिए ऑप्टिमाइज़ किया गया है
  • इनपुट पैरामीटर की पुष्टि करता है और डीबग करने में आसानी के लिए, साफ़ तौर पर गड़बड़ियां दिखाता है
खास साइटों के लिए संख्याएं पाना और जानकारी देखने के लिए, जगह के आईडी वापस पाना PLACES_COUNT_V2 या PLACES_COUNT_PER_TYPE_V2
  • कस्टम ज्यामिति के लिए, सटीक संख्याएं (0 भी शामिल है) दिखाता है
  • हर पंक्ति के लिए, ज़्यादा से ज़्यादा 250 place_id वैल्यू दिखाता है
  • खोज का कम से कम दायरा 40 मीटर × 40 मीटर (1,600 वर्ग मीटर)
  • TABLE पैरामीटर का इस्तेमाल करके, हज़ारों जगहों के लिए स्केल किया जा सकता है
  • परफ़ॉर्मेंस और कम प्रोसेसिंग लागत के लिए ऑप्टिमाइज़ किया गया है
  • इनपुट पैरामीटर की पुष्टि करता है और डीबग करने में आसानी के लिए, साफ़ तौर पर गड़बड़ियां दिखाता है
दो महीनों के बीच, समय के साथ लोकप्रिय जगह में हुए बदलावों और बढ़ोतरी के ट्रेंड को ट्रैक करना PLACES_COUNT_CHANGE
  • start_count, end_count, net_change, percentage_change, और compound_monthly_growth_rate दिखाता है
  • हाल ही में जोड़े गए (sample_added_place_ids) और हटाए गए (sample_removed_place_ids) जगह के आईडी के कलेक्शन दिखाता है
  • YYYY-MM फ़ॉर्मैट में, month1 और month2 पैरामीटर की ज़रूरत होती है
  • खोज का कम से कम दायरा 40 मीटर × 40 मीटर (1,600 वर्ग मीटर)
  • TABLE पैरामीटर का इस्तेमाल करके, हज़ारों कस्टम जगहों के लिए स्केल किया जा सकता है
कस्टम लॉजिक, औसत या अपने डेटा के साथ जॉइन करने की सुविधा सीधे एसक्यूएल क्वेरी
  • रॉ टेबल में, एसक्यूएल की पूरी सुविधा
  • कस्टम एसक्यूएल मेट्रिक (AVG, SUM वगैरह) की सुविधा
  • जगह के आईडी नहीं दिखाता है
  • निजता की सीमा: 0 से 4 तक की संख्याएं पूरी तरह से हटा दी जाती हैं
  • खोज के कम से कम दायरे की कोई पाबंदी नहीं है

जगहों की अहम जानकारी की मदद से, पुराने डेटा का विश्लेषण किया जा सकता है. इसके लिए, जनवरी 2024 से लेकर अब तक के Places डेटा के हर महीने के स्नैपशॉट के लिए क्वेरी की जा सकती है. इससे, यह आकलन किया जा सकता है कि समय के साथ, कारोबार के घनत्व, कारोबार से जुड़ी गतिविधि, और प्रतिस्पर्धी लैंडस्केप में कैसे बदलाव हुए हैं.

Places Count फ़ंक्शन का इस्तेमाल करके, पुराने डेटा के लिए क्वेरी करने के लिए, अपने JSON_OBJECT में, snapshot_date फ़िल्टर का वैकल्पिक पैरामीटर पास करें. वैल्यू को YYYY-MM फ़ॉर्मैट में होना चाहिए. उदाहरण के लिए, '2026-01'.

उदाहरण: PLACES_COUNT_V2 की मदद से, न्यूयॉर्क शहर में रेस्टोरेंट की पुरानी संख्या के लिए क्वेरी करना

यहां दिए गए उदाहरण में, PLACES_COUNT_V2 का इस्तेमाल करके, न्यूयॉर्क शहर में एंपायर स्टेट बिल्डिंग और टाइम्स स्क्वेयर के आस-पास काम कर रहे रेस्टोरेंट की संख्या का विश्लेषण किया गया है. यह डेटा, जनवरी 2026 में मौजूद रेस्टोरेंट की संख्या के हिसाब से है:

-- 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'
  )
);

पुराने आउटपुट का विश्लेषण करना

दिखाई गई BigQuery टेबल में, geo_id, इनपुट वाला भौगोलिक पॉलीगॉन, जगह की संख्या, और जगह के आईडी के नमूने शामिल होते हैं. यह डेटा, बताए गए स्नैपशॉट महीने (2026-01) के दौरान रिकॉर्ड किया गया था. बढ़ोतरी के ट्रेंड, स्टोर खुलने या मार्केट में गिरावट का आकलन करने के लिए, कई स्नैपशॉट महीनों के लिए एक जैसी क्वेरी चलाई जा सकती हैं.

PLACES_COUNT_PER_H3 का इस्तेमाल करके, किसी इलाके में लोकप्रिय जगहों के घनत्व को एग्रीगेट करना

PLACES_COUNT_PER_H3 फ़ंक्शन, बड़े इलाकों में पीओआई के घनत्व का विश्लेषण करने के लिए सुझाया गया तरीका है. अपने टारगेट इलाके को, स्टैंडर्ड H3 हेक्सागोनल ग्रिड सेल में बांटकर, आपको कस्टम बाउंड्री बनाने की ज़रूरत नहीं होती. साथ ही, नतीजों को सीधे विज़ुअल मैपिंग टूल में भेजा जा सकता है. जैसे, Looker Studio.

उदाहरण: न्यूयॉर्क स्टेट में, व्हीलचेयर की सुविधा वाले किराने के सामान और सुविधा स्टोर की संख्या गिनना

यहां दी गई क्वेरी, न्यूयॉर्क स्टेट में व्हीलचेयर की सुविधा वाले किराने के सामान और सुविधा स्टोर को, रिज़ॉल्यूशन लेवल 8 पर H3 सेल में एग्रीगेट करती है. यह bigquery-public-data.geo_us_boundaries.states सार्वजनिक डेटासेट से, डाइनैमिक तरीके से वापस पाई गई बाउंड्री ज्यामिति का इस्तेमाल करती है.

-- 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;

आउटपुट का विश्लेषण करना

यह क्वेरी, स्ट्रक्चर्ड टेबल दिखाती है. इसमें हर अलग H3 इंडेक्स (h3_cell_index) को उसकी बाउंड्री पॉलीगॉन (geography), लोकप्रिय जगह की संख्या (count), और ज़्यादा से ज़्यादा 250 प्रतिनिधि sample_place_ids से मैप किया जाता है.

  • शून्य संख्याएं शामिल हैं: अगर न्यूयॉर्क स्टेट ग्रिड में किसी सेल में, मिलते-जुलते स्टोर की संख्या शून्य है, तो भी यह 0 की संख्या वाली पंक्ति दिखाता है. यह, कारोबार या सेवा से जुड़ी ज़रूरतों को पूरा न करने वाले इलाकों का पता लगाने के लिए ज़रूरी है.
  • सीधे विज़ुअल मैपिंग: आउटपुट में GEOGRAPHY पॉलीगॉन शामिल होने की वजह से, BigQuery Studio या Looker Studio में सीधे हीटमैप रेंडर किए जा सकते हैं.

जगह की जानकारी देखने के लिए, जगह के आईडी वापस पाना

Places Insights को सांख्यिकीय अहम जानकारी के लिए बनाया गया है. हालांकि, एग्रीगेट की गई अहम जानकारी से, ज़्यादा जानकारी वाली कार्रवाइयों पर ट्रांज़िशन किया जा सकता है.

Places Count के सभी मुख्य फ़ंक्शन, जैसे कि PLACES_COUNT_PER_H3, PLACES_COUNT_V2, और PLACES_COUNT_PER_TYPE_V2 (पुराने legacy PLACES_COUNT फ़ंक्शन को छोड़कर), आपकी क्वेरी के मानदंड से मेल खाने वाली हर पंक्ति के लिए, ज़्यादा से ज़्यादा 250 जगह के आईडी का कलेक्शन दिखाते हैं.

ये जगह के आईडी, पुल की तरह काम करते हैं. इनकी मदद से, Google Maps Platform के अन्य एपीआई का इस्तेमाल किया जा सकता है. जैसे, Place Details API. इससे स्टोर के नाम, समीक्षाएं, फ़ोन नंबर, और पते जैसी खास जानकारी वापस पाई जा सकती है.

एक से ज़्यादा जगहों पर मौजूद ब्रैंड की जानकारी का विश्लेषण करना

जगहों की अहम जानकारी में, जगहों के डेटा के साथ-साथ, ब्रैंड या उन स्टोर का डेटा भी शामिल होता है जिनकी एक से ज़्यादा जगहें हैं और जो एक ही ब्रैंड के नाम से काम करते हैं.

ब्रैंड के डेटा के लिए क्वेरी करके, ये काम किए जा सकते हैं:

  • किसी टारगेट मार्केट में, प्रतिस्पर्धी ब्रैंड के घनत्व की पहचान करना.
  • खास तौर पर ब्रैंड आईडी के हिसाब से, पीओआई की संख्या को फ़िल्टर करना.
  • ब्रैंड वाले और इंडिपेंडेंट कारोबारों की तुलना करके, मार्केट पेनिट्रेशन की जांच करना.

आगे क्या करना है