Descripción general de las estadísticas de Places

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

Funciones clave

  • Información geoespacial: Obtén una "vista aérea" de la densidad y la distribución de diferentes categorías de POIs (p.ej., comercios minoristas, restaurantes y servicios) en áreas geográficas específicas.
  • Acceso seguro a los datos: Los datos se implementan con fichas de intercambio de datos de BigQuery con protecciones de datos, lo que permite un entorno seguro y protegido para el uso compartido y el análisis de datos.
  • Detalles prácticos: Si bien Places Insights se enfoca en las tendencias agregadas, puedes usar los ID de lugar que se muestran para desglosar y recuperar información individual de los lugares con otras APIs de Google Maps Platform para pasar de la información estadística a la acción detallada.

Comprende los datos de lugares y los casos de uso

Google Maps organiza 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 en SQL en BigQuery que muestren estadísticas sobre los datos de Places. Estas estadísticas te permiten responder preguntas como las siguientes:

  • ¿Cuántas empresas similares operan cerca de una posible ubicación nueva de la 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 para vehículos eléctricos?

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 POIs circundantes, puedes asegurarte de que un sitio potencial esté ubicado de manera óptima dentro de su entorno empresarial 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 POIs, como supermercados o lugares para 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 de su contexto de POI circundante.
  • Marketing segmentado geográficamente: Determina qué tipos de campañas de marketing o anuncios tendrán éxito en un área. Estadísticas de Places proporciona 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: Informa a qué áreas geográficas expandir tu empresa o servicio a continuación. Analiza la saturación del mercado existente y la densidad de POIs para identificar mercados objetivo desatendidos o muy concentrados que ofrezcan la mayor oportunidad. Este análisis proporciona evidencia para respaldar las iniciativas de crecimiento y expansión estratégicos.
  • Análisis de tendencias: Explora los cambios que ocurren 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 Estadísticas de Places con las funciones de recuento de lugares o consultas directas en SQL.

Consulta la referencia de Esquema.

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

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

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 mostrados Consideraciones espaciales y de privacidad
Analiza la densidad de POIs regionales y crea mapas de calor PLACES_COUNT_PER_H3
  • Muestra polígonos hexagonales H3 con recuentos exactos (incluido 0)
  • Muestra 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)
  • Optimizada para el rendimiento y el 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 lugares para buscar detalles PLACES_COUNT_V2 o PLACES_COUNT_PER_TYPE_V2
  • Muestra recuentos exactos (incluido 0) para geometrías personalizadas
  • Muestra hasta 250 valores de place_id por fila
  • Área de búsqueda mínima de 40 m × 40 m (1,600 m²)
  • Escalable a miles de ubicaciones con parámetros TABLE
  • Optimizada para el rendimiento y el 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 POIs a lo largo del tiempo entre dos meses PLACES_COUNT_CHANGE
  • Muestra start_count, end_count, net_change, percentage_change y compound_monthly_growth_rate
  • Muestra arrays de IDs de lugares agregados recientemente (sample_added_place_ids) y quitados (sample_removed_place_ids)
  • Requiere parámetros month1 y month2 en formato YYYY-MM
  • Área de búsqueda mínima de 40 m × 40 m (1,600 m²)
  • Escalable a miles de ubicaciones personalizadas con parámetros TABLE
Ejecuta lógica, promedios o uniones personalizadas avanzadas con tus datos Consultas directas en SQL
  • Flexibilidad total de SQL en tablas sin procesar
  • Permite métricas de SQL personalizadas (AVG, SUM, etc.)
  • No muestra IDs de lugares
  • Umbral de privacidad: Los recuentos de 0 a 4 se omiten por completo
  • Sin restricción de área de búsqueda mínima

Estadísticas de Places te permite realizar análisis históricos consultando instantáneas mensuales de los datos de Places desde enero de 2024. Esto te permite evaluar cómo evolucionaron la densidad empresarial, la actividad comercial y los entornos competitivos a lo largo del tiempo.

Para consultar datos históricos con las funciones de recuento de lugares, 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').

Ejemplo: Consulta los recuentos históricos 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 de restaurantes operativos 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'
  )
);

Análisis del resultado histórico

La tabla de BigQuery que se muestra contiene el geo_id, el polígono de geografía de entrada, el recuento de lugares y los IDs de lugares 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 de lugares de interés regionales con PLACES_COUNT_PER_H3

La función PLACES_COUNT_PER_H3 es la ruta recomendada para analizar la densidad de POIs en áreas grandes. Si divides tu región objetivo en celdas de cuadrícula hexagonales H3 estandarizadas, eliminas la necesidad de dibujar límites personalizados y puedes enviar los resultados directamente a herramientas de asignación visual, como Looker Studio.

Ejemplo: Cuenta los supermercados y minimercados accesibles para sillas de ruedas en el estado de Nueva York

La siguiente consulta agrega los supermercados y minimercados accesibles para sillas de ruedas en el estado de Nueva York en celdas H3 en el nivel de resolución 8. Usa la geometría de límites 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;

Análisis del resultado

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

  • Se incluyen los recuentos de cero: Si una celda de la cuadrícula del estado de Nueva York tiene cero tiendas coincidentes, aún muestra una fila con un recuento de 0. Esto es fundamental para ubicar desiertos comerciales o de servicios.
  • Asignación visual directa: Debido a que el resultado incluye un polígono GEOGRAPHY, puedes renderizar mapas de calor directamente dentro de BigQuery Studio o Looker Studio.

Recupera IDs de lugares para inspeccionar los detalles de los lugares

Si bien Estadísticas de Places está diseñada para la 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), muestran un array de hasta 250 IDs de lugares por fila que coinciden con tus criterios de consulta.

Estos IDs de lugares 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, reseñas, números de teléfono y direcciones.

Analiza la presencia de la marca en varias ubicaciones

Junto con los datos de Places, Places Insights incluye datos sobre marcas o tiendas que tienen varias ubicaciones que operan con 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
  • Filtrar los recuentos de POIs específicamente por IDs de marcas
  • Examinar la penetración de mercado comparando establecimientos de marca con establecimientos independientes

¿Qué sigue?