Omówienie statystyk miejsc

Statystyki miejsc umożliwiają przeprowadzanie zaawansowanych analiz statystycznych na podstawie bogatych danych o miejscach w Mapach Google. Usługa ta udostępnia zagregowane liczby i informacje o gęstości milionów punktów danych o ciekawych miejscach (POI), co pozwala na uzyskanie zaawansowanej analizy geoprzestrzennej.

Najważniejsze funkcje

  • Informacje geoprzestrzenne: uzyskaj „widok z lotu ptaka” na gęstość i rozmieszczenie różnych kategorii ciekawych miejsc (np. sklepów, restauracji, usług) na określonych obszarach geograficznych.
  • Bezpieczny dostęp do danych: dane są wdrażane przy użyciu ofert wymiany danych w BigQuery z zastosowaniem ochrony danych, co zapewnia bezpieczne środowisko do udostępniania i analizowania danych.
  • Szczegółowe informacje umożliwiające podjęcie działań: Statystyki miejsc koncentrują się na trendach zbiorczych, ale możesz użyć wygenerowanych identyfikatorów miejsc, aby przejść do szczegółów i pobrać informacje o poszczególnych miejscach za pomocą innych interfejsów API Google Maps Platform. Dzięki temu możesz przejść od statystyk do szczegółowych działań.

Informacje o danych o miejscach i przypadkach użycia

Mapy Google gromadzą dane o miejscach w milionach firm na całym świecie. Statystyki miejsc udostępniają te obszerne dane o miejscach w BigQuery, dzięki czemu możesz uzyskiwać zagregowane statystyki dotyczące danych o miejscach w Mapach Google na podstawie różnych atrybutów, takich jak typy miejsc, oceny, godziny otwarcia, dostępność dla osób na wózkach inwalidzkich i inne.

Aby korzystać ze Statystyk miejsc, musisz pisać zapytania SQL w BigQuery, które zwracają statystyki dotyczące danych o miejscach. Te statystyki pozwalają odpowiadać na pytania takie jak:

  • Ile podobnych firm działa w pobliżu potencjalnej nowej lokalizacji sklepu?
  • Jakie rodzaje firm najczęściej znajdują się w pobliżu moich najlepiej prosperujących sklepów?
  • W jakich obszarach występuje duże skupisko firm uzupełniających, które mogą przyciągnąć moich docelowych klientów?
  • Ile restauracji sushi z 5 gwiazdkami jest otwartych o 20:00 w Madrycie, ma parking dostępny dla osób na wózkach inwalidzkich i oferuje jedzenie na wynos?
  • W których kodach pocztowych w Kalifornii jest największe skupisko stacji ładowania pojazdów elektrycznych?

Obsługiwane zastosowania

  • Wybór lokalizacji: oceniaj i wybieraj najbardziej odpowiednie lokalizacje dla nowej firmy lub umieszczenia fizycznego zasobu. Analizując gęstość i mieszankę okolicznych ciekawych miejsc, możesz mieć pewność, że potencjalna lokalizacja jest optymalnie położona w środowisku konkurencyjnym i uzupełniającym. Takie podejście oparte na danych może zmniejszyć ryzyko związane z inwestycjami w nowe lokalizacje.
  • Ocena skuteczności lokalizacji: określ, jakie zmienne geoprzestrzenne, takie jak bliskość określonych typów ciekawych miejsc (np. supermarketów lub obiektów, w których odbywają się wydarzenia), korelują z pozytywnymi lub negatywnymi wynikami w Twoich obecnych lokalizacjach. Te dane pozwalają identyfikować potencjalne lokalizacje, które mają najlepsze połączenie cech geoprzestrzennych w Twoim przypadku użycia. Możesz też używać tych informacji do wdrażania modeli predykcyjnych, które prognozują przyszłe wyniki nowych lokalizacji na podstawie kontekstu okolicznych ciekawych miejsc.
  • Marketing geotargetowany: określ, jakie typy kampanii marketingowych lub reklam będą skuteczne w danym obszarze. Statystyki miejsc zapewniają kontekst potrzebny do zrozumienia aktywności komercyjnej, co pozwala dostosowywać komunikaty na podstawie koncentracji odpowiednich firm lub działań.
  • Prognozowanie sprzedaży: przewiduj przyszłą sprzedaż w potencjalnej lokalizacji. Modelowanie wpływu okolicznych cech geoprzestrzennych pozwala tworzyć niezawodne modele predykcyjne, które ułatwiają podejmowanie decyzji inwestycyjnych.
  • Badanie rynku: dowiedz się, na jakie obszary geograficzne warto rozszerzyć działalność lub usługę. Analizuj obecne nasycenie rynku i gęstość ciekawych miejsc, aby identyfikować niedostatecznie obsługiwane lub wysoce skoncentrowane rynki docelowe, które oferują największe możliwości. Ta analiza dostarcza dowodów na poparcie strategicznych inicjatyw rozwoju i ekspansji.
  • Analiza trendów: analizuj zmiany zachodzące w czasie. Porównuj liczbę miejsc, w tym dodanych i usuniętych, miesiąc do miesiąca od stycznia 2024 r.

Możesz wysyłać zapytania o zbiory danych ze Statystyk miejsc za pomocą funkcji zliczania miejsc lub bezpośrednich zapytań SQL.

Zapoznaj się z dokumentacją schematu.

Wybierz metodę wysyłania zapytań: funkcje zliczania miejsc czy bezpośrednie zapytania SQL

Aby uwzględnić różne skale analizy i wymagania dotyczące ochrony prywatności, Statystyki miejsc oferują 2 ścieżki wysyłania zapytań: funkcje zliczania miejsc (natywne funkcje BigQuery) i bezpośrednie zapytania SQL (łączenie tabel).

Aby określić prawidłową ścieżkę zapytania w przypadku implementacji, użyj tej macierzy decyzyjnej:

Cel analizy Zalecana metoda wysyłania zapytań Zwracane dane i wyniki Prywatność i kwestie przestrzenne
Analizowanie gęstości ciekawych miejsc w regionie i tworzenie map cieplnych PLACES_COUNT_PER_H3
  • Zwraca wielokąty sześciokątne H3 z dokładnymi liczbami (w tym 0).
  • Zwraca maksymalnie 250 wartości place_id na komórkę.
  • Specjalnie zaprojektowana do przestrzennych modeli uczenia maszynowego i inżynierii cech.
  • Minimalny obszar wyszukiwania to 40 m × 40 m (1600 m²).
  • Zoptymalizowana pod kątem wydajności i niskich kosztów przetwarzania.
  • Sprawdza parametry wejściowe i zwraca jasne błędy, co ułatwia debugowanie.
Uzyskiwanie liczby dla określonych witryn i pobieranie identyfikatorów miejsc w celu wyszukania szczegółów PLACES_COUNT_V2 lub PLACES_COUNT_PER_TYPE_V2
  • Zwraca dokładne liczby (w tym 0) dla geometrii niestandardowych.
  • Zwraca maksymalnie 250 wartości place_id na wiersz.
  • Minimalny obszar wyszukiwania to 40 m × 40 m (1600 m²).
  • Skalowalna do tysięcy lokalizacji za pomocą parametrów TABLE.
  • Zoptymalizowana pod kątem wydajności i niskich kosztów przetwarzania.
  • Sprawdza parametry wejściowe i zwraca jasne błędy, co ułatwia debugowanie.
Śledzenie zmian w ciekawych miejscach i trendów wzrostu w czasie między 2 miesiącami PLACES_COUNT_CHANGE
  • Zwraca wartości start_count, end_count, net_change, percentage_change i compound_monthly_growth_rate.
  • Zwraca tablice nowo dodanych (sample_added_place_ids) i usuniętych (sample_removed_place_ids) identyfikatorów miejsc.
  • Wymaga parametrów month1 i month2 w formacie YYYY-MM.
  • Minimalny obszar wyszukiwania to 40 m × 40 m (1600 m²).
  • Skalowalna do tysięcy lokalizacji niestandardowych za pomocą parametrów TABLE.
Wykonywanie zaawansowanej logiki niestandardowej, obliczanie średnich lub łączenie z Twoimi danymi Bezpośrednie zapytania SQL
  • Pełna elastyczność SQL w przypadku tabel surowych.
  • Umożliwia tworzenie niestandardowych danych SQL (AVG, SUM itp.).
  • Nie zwraca identyfikatorów miejsc.
  • Próg prywatności: liczby od 0 do 4 są całkowicie pomijane.
  • Brak ograniczeń dotyczących minimalnego obszaru wyszukiwania.

Statystyki miejsc umożliwiają przeprowadzanie analiz historycznych przez wysyłanie zapytań o miesięczne zrzuty danych o miejscach z okresu od stycznia 2024 r. Dzięki temu możesz oceniać, jak zmieniały się w czasie gęstość firm, aktywność komercyjna i środowisko konkurencyjne.

Aby wysyłać zapytania o dane historyczne za pomocą funkcji zliczania miejsc, przekaż opcjonalny parametr filtra snapshot_date wewnątrz JSON_OBJECT. Wartość musi być sformatowana jako YYYY-MM (np. '2026-01').

Przykład: wysyłanie zapytań o historyczną liczbę restauracji w Nowym Jorku za pomocą funkcji PLACES_COUNT_V2

W tym przykładzie używamy funkcji PLACES_COUNT_V2 do analizowania liczby działających restauracji w pobliżu Empire State Building i Times Square w Nowym Jorku w styczniu 2026 r.:

-- 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'
  )
);

Analizowanie danych historycznych

Zwrócona tabela BigQuery zawiera geo_id, wielokąt geograficzny wejściowy, liczbę miejsc i przykładowe identyfikatory miejsc zarejestrowane w określonym miesiącu zrzutu (2026-01). Możesz uruchamiać identyczne zapytania w przypadku wielu miesięcy zrzutów, aby obliczać trendy wzrostu, otwarcia sklepów lub kurczenie się rynku.

Agregowanie gęstości ciekawych miejsc w regionie za pomocą funkcji PLACES_COUNT_PER_H3

Funkcja PLACES_COUNT_PER_H3 to zalecana ścieżka analizowania gęstości ciekawych miejsc na dużych obszarach. Dzieląc region docelowy na standardowe sześciokątne komórki siatki H3, nie musisz rysować niestandardowych granic i możesz bezpośrednio przekazywać wyniki do narzędzi do wizualizacji map, takich jak Looker Studio.

Przykład: zliczanie sklepów spożywczych i ogólnospożywczych dostępnych dla osób na wózkach inwalidzkich w stanie Nowy Jork

To zapytanie agreguje sklepy spożywcze i ogólnospożywcze dostępne dla osób na wózkach inwalidzkich w stanie Nowy Jork w komórkach H3 na poziomie rozdzielczości 8. Używa geometrii granicznej pobieranej dynamicznie z publicznego zbioru danych 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;

Analizowanie danych wyjściowych

To zapytanie zwraca tabelę strukturalną, która mapuje każdy odrębny indeks H3 (h3_cell_index) na jego wielokąt graniczny (geography), liczbę ciekawych miejsc (count) i maksymalnie 250 reprezentatywnych sample_place_ids.

  • Uwzględnianie zerowych liczb: jeśli komórka w siatce stanu Nowy Jork nie zawiera pasujących sklepów, nadal zwraca wiersz z liczbą 0. Jest to ważne w przypadku lokalizowania pustyń handlowych lub usługowych.
  • Bezpośrednie mapowanie wizualne: ponieważ dane wyjściowe zawierają wielokąt GEOGRAPHY, możesz renderować mapy cieplne bezpośrednio w BigQuery Studio lub Looker Studio.

Pobieranie identyfikatorów miejsc w celu sprawdzenia szczegółów miejsca

Statystyki miejsc są przeznaczone do analiz statystycznych, ale możesz przejść od zagregowanych statystyk do szczegółowych działań.

Wszystkie podstawowe funkcje zliczania miejsc, w tym PLACES_COUNT_PER_H3, PLACES_COUNT_V2, i PLACES_COUNT_PER_TYPE_V2 (z wyjątkiem starszej funkcji PLACES_COUNT), zwracają tablicę zawierającą maksymalnie 250 identyfikatorów miejsc na wiersz które pasują do kryteriów zapytania.

Te identyfikatory miejsc działają jako pomost, umożliwiając korzystanie z innych interfejsów API Google Maps Platform, takich jak interfejs Place Details API, do pobierania szczegółowych informacji o miejscu, takich jak nazwy sklepów, opinie, numery telefonów i adresy.

Analizowanie obecności marki w wielu lokalizacjach

Oprócz danych o miejscach Statystyki miejsc zawierają dane o markach lub sklepach, które mają wiele lokalizacji działających pod tą samą nazwą marki.

Możesz wysyłać zapytania o dane o markach, aby:

  • określać gęstość marek konkurencji na rynku docelowym;
  • filtrować liczbę ciekawych miejsc według identyfikatorów marek;
  • badać penetrację rynku przez porównywanie firm markowych i niezależnych.

Co dalej?