„Places Insights“ – Übersicht

Mit Places Insights können Sie erweiterte statistische Analysen der umfangreichen Ortsdaten von Google Maps durchführen. Sie bietet aggregierte Zählungen und Dichteinformationen für Millionen von POI-Datenpunkten (Points of Interest) und ermöglicht so leistungsstarke Geospatial Intelligence.

Hauptmerkmale

  • Geospatial Intelligence:Sie erhalten einen Überblick über die Dichte und Verteilung verschiedener POI-Kategorien (z. B. Einzelhandel, Restaurants und Dienstleistungen) in bestimmten geografischen Gebieten.
  • Sicherer Datenzugriff: Die Daten werden über BigQuery-Datenaustauscheinträge mit Datenschutzmaßnahmen bereitgestellt, was eine sichere und geschützte Umgebung für die Datenweitergabe und ‑analyse ermöglicht.
  • Umsetzbare Details:Places Insights konzentriert sich auf aggregierte Trends. Sie können die ausgegebenen Orts-IDs jedoch verwenden, um mit anderen Google Maps Platform APIs detaillierte Informationen zu einzelnen Orten abzurufen und so von statistischen Erkenntnissen zu konkreten Maßnahmen zu gelangen.

Ortsdaten und Anwendungsfälle

Google Maps verwaltet Ortsdaten für Millionen von Unternehmen weltweit. Places Insights stellt diese umfassenden Ortsdaten in BigQuery zur Verfügung, sodass Sie aggregierte Informationen zu Google Maps-Ortsdaten basierend auf einer Vielzahl von Attributen wie Ortstypen, Bewertungen, Öffnungszeiten, Rollstuhlgängigkeit und mehr ableiten können.

Wenn Sie Places Insights verwenden möchten, schreiben Sie SQL-Abfragen in BigQuery, die statistische Informationen zu Ortsdaten zurückgeben. Mit diesen Informationen können Sie Fragen wie die folgenden beantworten:

  • Wie viele ähnliche Unternehmen sind in der Nähe eines potenziellen neuen Geschäftsstandorts tätig?
  • Welche Arten von Unternehmen befinden sich am häufigsten in der Nähe meiner erfolgreichsten Geschäfte?
  • In welchen Gebieten gibt es eine hohe Konzentration von komplementären Unternehmen, die meine Zielkundschaft anziehen könnten?
  • Wie viele 5-Sterne-Sushirestaurants in Madrid sind um 20:00 Uhr geöffnet, haben rollstuhlgerechte Parkplätze und bieten Essen zum Mitnehmen an?
  • Welche Postleitzahlen in Kalifornien haben die höchste Dichte an Ladestationen für Elektrofahrzeuge?

Unterstützte Anwendungsfälle

  • Standortauswahl: Sie können die am besten geeigneten Standorte für ein neues Unternehmen oder die Platzierung eines physischen Assets ermitteln und auswählen. Durch die Analyse der Dichte und des Mixes der umliegenden POIs können Sie sicherstellen, dass ein potenzieller Standort optimal in seinem wettbewerbsorientierten und komplementären Geschäftsumfeld positioniert ist. Dieser datengestützte Ansatz kann das Risiko von Investitionen in neue Standorte verringern.
  • Leistungsbewertung von Standorten:Sie können herausfinden, welche Geodatenvariablen, z. B. die Nähe zu bestimmten Arten von POIs wie Supermärkten oder Veranstaltungsorten, mit der guten oder schlechten Leistung Ihrer bestehenden Standorte korrelieren. Anhand dieser Daten können Sie potenzielle Standorte ermitteln, die die beste Kombination aus Geodatenmerkmalen für Ihren Anwendungsfall bieten. Sie können diese Informationen auch verwenden, um Vorhersagemodelle bereitzustellen, die die zukünftige Leistung neuer Standorte basierend auf dem umgebenden POI-Kontext prognostizieren.
  • Geografisches Targeting:Bestimmen Sie, welche Arten von Marketingkampagnen oder Anzeigen in einer Region erfolgreich sein werden. Places Insights liefert den Kontext, der erforderlich ist, um kommerzielle Aktivitäten zu verstehen. So können Sie Ihre Botschaften auf die Konzentration relevanter Unternehmen oder Aktivitäten abstimmen.
  • Umsatzprognosen: Prognostizieren Sie zukünftige Umsätze an einem potenziellen Standort. Durch die Modellierung der Auswirkungen von umgebenden Geomerkmalen können Sie robuste Vorhersagemodelle erstellen, um Investitionsentscheidungen zu treffen.
  • Marktforschung:Sie können herausfinden, in welchen Regionen Sie Ihr Unternehmen oder Ihre Dienstleistung als Nächstes anbieten sollten. Analysieren Sie die bestehende Marktsättigung und die POI-Dichte, um unterversorgte oder stark konzentrierte Zielmärkte mit den größten Chancen zu identifizieren. Diese Analyse liefert Belege für strategische Wachstums- und Expansionsinitiativen.
  • Trendanalyse:Hier können Sie sich Änderungen ansehen, die im Laufe der Zeit auftreten. Vergleichen Sie die Anzahl der Orte, einschließlich hinzugefügter und entfernter Orte, im Monatsvergleich bis Januar 2024.

Sie können Places Insights-Datasets mit Places Count-Funktionen oder direkten SQL-Abfragen abfragen.

Weitere Informationen finden Sie in der Schemareferenz.

Places Insights liefert zwar aggregierte POI-Zahlen und Markendichte, aber Standortentscheidungen hängen oft davon ab, das menschliche Verhalten und die lokale Umgebung zu verstehen. Wenn Sie POI-Daten in BigQuery mit Machine-Learning-Einbettungen anreichern möchten, die Google-Suchtrends, die gebaute Umgebung und menschliche Aktivitätsmuster sowie Umweltkontext (z. B. Wetter und Luftqualität) erfassen, kombinieren Sie Places Insights mit Population Dynamics Insights (PDI) (Vorabversion).

Abfragemethode auswählen: Places Count-Funktionen im Vergleich zu direktem SQL

Um unterschiedlichen Analyseumfängen und Datenschutzanforderungen gerecht zu werden, bietet Places Insights zwei Abfragepfade: Places Count-Funktionen (native BigQuery-Funktionen) und direkte SQL-Abfragen (Tabellenverknüpfungen).

Anhand dieser Entscheidungsmatrix können Sie den richtigen Abfragepfad für Ihre Implementierung bestimmen:

Ihr Analyseziel Empfohlene Abfragemethode Zurückgegebene Daten und Ausgaben Datenschutz und räumliche Überlegungen
Regionale POI-Dichte analysieren und Heatmaps erstellen PLACES_COUNT_PER_H3
  • Gibt H3-Sechseck-Polygone mit genauen Anzahlen (einschließlich 0) zurück
  • Gibt bis zu 250 place_id-Werte pro Zelle zurück
  • Speziell für räumliche ML-Modelle und Feature Engineering entwickelt
  • Mindestsuchbereich von 40 m × 40 m (1.600 m²)
  • Optimiert für Leistung und niedrige Verarbeitungskosten
  • Validiert Eingabeparameter und gibt klare Fehler zurück, um das Debugging zu vereinfachen
Anzahl für bestimmte Orte abrufen und Orts-IDs abrufen, um Details zu suchen PLACES_COUNT_V2 oder PLACES_COUNT_PER_TYPE_V2
  • Gibt genaue Zahlen (einschließlich 0) für benutzerdefinierte Geometrien zurück
  • Gibt bis zu 250 place_id-Werte pro Zeile zurück
  • Mindestsuchbereich von 40 m × 40 m (1.600 m²)
  • Mit TABLE-Parametern auf Tausende von Standorten skalierbar
  • Optimiert für Leistung und niedrige Verarbeitungskosten
  • Validiert Eingabeparameter und gibt klare Fehler zurück, um das Debugging zu vereinfachen
Änderungen und Wachstumstrends bei POIs im Zeitverlauf zwischen zwei Monaten verfolgen PLACES_COUNT_CHANGE
  • Gibt start_count, end_count, net_change, percentage_change und compound_monthly_growth_rate zurück
  • Gibt Arrays mit neu hinzugefügten (sample_added_place_ids) und entfernten (sample_removed_place_ids) Orts-IDs zurück
  • Erfordert die Parameter month1 und month2 im Format YYYY-MM
  • Mindestsuchbereich von 40 m × 40 m (1.600 m²)
  • Skalierbar auf Tausende von benutzerdefinierten Standorten mit TABLE-Parametern
Erweiterte benutzerdefinierte Logik, Durchschnittswerte oder Verknüpfungen mit Ihren Daten ausführen Direkte SQL-Abfragen
  • Volle SQL-Flexibilität für Rohtabellen
  • Aktiviert benutzerdefinierte SQL-Messwerte (AVG, SUM usw.)
  • Gibt keine Orts-IDs zurück
  • Datenschutzgrenzwert:Werte von 0 bis 4 werden vollständig weggelassen.
  • Keine Einschränkung des Mindestsuchbereichs

Mit Places Insights können Sie historische Analysen durchführen, indem Sie monatliche Snapshots von Places-Daten ab Januar 2024 abfragen. So können Sie bewerten, wie sich die Geschäftsdichte, die kommerzielle Aktivität und die Wettbewerbslandschaft im Laufe der Zeit entwickelt haben.

Wenn Sie Verlaufsdaten mit Places Count-Funktionen abfragen möchten, übergeben Sie den optionalen Filterparameter snapshot_date in Ihrer JSON_OBJECT. Der Wert muss als YYYY-MM formatiert sein (z. B. '2026-01').

Beispiel: Mit PLACES_COUNT_V2 die Anzahl der Restaurants in New York City im Zeitverlauf abfragen

Im folgenden Beispiel wird PLACES_COUNT_V2 verwendet, um die Anzahl der im Januar 2026 geöffneten Restaurants rund um das Empire State Building und den Times Square in New York City zu analysieren:

-- 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'
  )
);

Verlaufsausgabe analysieren

Die zurückgegebene BigQuery-Tabelle enthält die geo_id, das Eingabe-Geografiepolygon, die Anzahl der Orte und Beispiel-Orts-IDs, wie sie im angegebenen Snapshot-Monat (2026-01) aufgezeichnet wurden. Sie können identische Abfragen über mehrere Snapshot-Monate hinweg ausführen, um Wachstumstrends, Geschäftseröffnungen oder Marktkontraktionen zu berechnen.

Regionale POI-Dichte mit PLACES_COUNT_PER_H3 aggregieren

Die Funktion PLACES_COUNT_PER_H3 ist die empfohlene Methode, um die POI-Dichte in großen Gebieten zu analysieren. Wenn Sie Ihre Zielregion in standardisierte sechseckige H3-Rasterzellen unterteilen, müssen Sie keine benutzerdefinierten Grenzen zeichnen und können die Ergebnisse direkt in visuelle Kartierungstools wie Looker Studio einspeisen.

Beispiel: Rollstuhlgerechte Lebensmittelgeschäfte und Supermärkte im Bundesstaat New York zählen

Mit der folgenden Abfrage werden rollstuhlgerechte Lebensmittelgeschäfte und Supermärkte im Bundesstaat New York in H3-Zellen mit Auflösungsstufe 8 zusammengefasst. Dabei wird die Grenzgeometrie verwendet, die dynamisch aus dem öffentlichen Dataset bigquery-public-data.geo_us_boundaries.states abgerufen wird.

-- 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;

Ausgabe analysieren

Diese Abfrage gibt eine strukturierte Tabelle zurück, in der jeder eindeutige H3-Index (h3_cell_index) seinem Grenzpolygon (geography), der Anzahl der POIs (count) und bis zu 250 repräsentativen sample_place_ids zugeordnet wird.

  • Nullwerte enthalten: Wenn eine Zelle im New York State-Raster keine übereinstimmenden Geschäfte enthält, wird trotzdem eine Zeile mit dem Wert 0 zurückgegeben. Dies ist entscheidend, um Gebiete ohne Geschäfte oder Dienstleistungen zu finden.
  • Direkte visuelle Zuordnung: Da die Ausgabe ein GEOGRAPHY-Polygon enthält, können Sie Heatmaps direkt in BigQuery Studio oder Looker Studio rendern.

Orts-IDs abrufen, um Ortsdetails zu prüfen

Places Insights ist zwar für statistische Informationen konzipiert, Sie können aber von aggregierten Statistiken zu detaillierten Aktionen übergehen.

Alle primären Places Count-Funktionen, einschließlich PLACES_COUNT_PER_H3, PLACES_COUNT_V2 und PLACES_COUNT_PER_TYPE_V2 (mit Ausnahme der Legacy-Funktion PLACES_COUNT), geben ein Array mit bis zu 250 Orts-IDs pro Zeile zurück, die Ihren Abfragekriterien entsprechen.

Diese Orts-IDs dienen als Brücke, über die Sie andere Google Maps Platform APIs wie die Place Details API verwenden können, um bestimmte Details wie Filialnamen, Rezensionen, Telefonnummern und Adressen abzurufen.

Markenpräsenz an mehreren Standorten analysieren

Neben den Ortsdaten enthält Places Insights auch Daten zu Marken oder Geschäften, die mehrere Standorte unter demselben Markennamen haben.

Sie können Markendaten abfragen, um:

  • Dichte der Marken von Mitbewerbern in einem Zielmarkt ermitteln
  • Filtern Sie die Anzahl der POIs nach Marken-IDs.
  • Untersuchen Sie die Marktdurchdringung, indem Sie Marken- und unabhängige Einrichtungen vergleichen.

Nächste Schritte