जगहों की अहम जानकारी की खास जानकारी

Places Insights की मदद से, Google Maps पर मौजूद जगहों के डेटा का बेहतर तरीके से विश्लेषण किया जा सकता है. यह लाखों लोकप्रिय जगहों (पीओआई) के डेटा पॉइंट के लिए, कुल संख्या और घनत्व की जानकारी देता है. इससे जियोस्पेशल इंटेलिजेंस को बेहतर बनाने में मदद मिलती है.

मुख्य सुविधाएं

  • जियोस्पेशल इंटेलिजेंस: किसी खास भौगोलिक इलाके में अलग-अलग कैटगरी के पीओएस (जैसे, खुदरा, रेस्टोरेंट, सेवाएं) की डेंसिटी और डिस्ट्रिब्यूशन की "बर्ड्स आई व्यू" पाएं.
  • डेटा का सुरक्षित ऐक्सेस: डेटा को BigQuery डेटा एक्सचेंज की लिस्टिंग का इस्तेमाल करके डिप्लॉय किया जाता है. इसमें डेटा की सुरक्षा से जुड़ी सुविधाएं मौजूद होती हैं. इससे डेटा शेयर करने और उसका विश्लेषण करने के लिए, सुरक्षित और संरक्षित माहौल मिलता है.
  • कार्रवाई से जुड़ी जानकारी: जगहों की अहम जानकारी, कुल रुझानों पर फ़ोकस करता है. हालांकि, आउटपुट किए गए जगह के आईडी का इस्तेमाल करके, ज़्यादा जानकारी पाई जा सकती है. साथ ही, Google Maps Platform के अन्य एपीआई का इस्तेमाल करके, किसी जगह की जानकारी को अलग-अलग हिस्सों में बांटा जा सकता है. इससे, आंकड़ों से जुड़ी अहम जानकारी को कार्रवाई से जुड़ी ज़्यादा जानकारी में बदला जा सकता है.

जगहों के डेटा और इस्तेमाल के उदाहरणों के बारे में जानकारी

Google Maps, दुनिया भर के लाखों कारोबारों और संगठनों के लिए जगहों का डेटा इकट्ठा करता है. Places Insights, जगहों से जुड़े इस डेटा को BigQuery में उपलब्ध कराता है. इससे, Google Maps पर मौजूद जगहों के डेटा के बारे में एग्रीगेट की गई अहम जानकारी पाई जा सकती है. यह जानकारी, कई एट्रिब्यूट के आधार पर मिलती है. जैसे, जगह के टाइप, रेटिंग, स्टोर खुलने और बंद होने का समय, व्हीलचेयर से आने-जाने की सुविधा वगैरह.

जगहों की अहम जानकारी का इस्तेमाल करने के लिए, BigQuery में एसक्यूएल क्वेरी लिखें. इससे आपको जगहों के डेटा के बारे में आंकड़ों से जुड़ी अहम जानकारी मिलेगी. इन अहम जानकारी से, इस तरह के सवालों के जवाब मिलते हैं:

  • किसी नई स्टोर लोकेशन के आस-पास, आपके कारोबार से मिलते-जुलते कितने कारोबार चल रहे हैं?
  • मेरे सबसे ज़्यादा कमाई करने वाले स्टोर के आस-पास, किस तरह के कारोबार सबसे ज़्यादा दिखते हैं?
  • किन इलाकों में मेरे कारोबार से मिलते-जुलते कारोबार ज़्यादा हैं, जिनसे मेरे टारगेट किए गए ग्राहकों का ध्यान खींचा जा सकता है?
  • मैड्रिड में रात 8 बजे कितने 5-स्टार सुशी रेस्टोरेंट खुले हैं? साथ ही, उनमें व्हीलचेयर से पहुंचा जा सकने वाला पार्किंग एरिया और टेकआउट की सुविधा होनी चाहिए?
  • कैलिफ़ोर्निया के किन पिन कोड में ईवी चार्जिंग स्टेशन की संख्या सबसे ज़्यादा है?

इस्तेमाल के उदाहरण

  • साइट चुनना: किसी नए कारोबार या फ़िज़िकल ऐसेट को रखने के लिए, सबसे सही जगहों का आकलन करके उन्हें चुनें. आस-पास के पीओएस की डेंसिटी और मिक्स का विश्लेषण करके, यह पक्का किया जा सकता है कि संभावित साइट को प्रतिस्पर्धी और पूरक कारोबारी माहौल में सही तरीके से रखा गया है. डेटा पर आधारित इस तरीके से, नई जगहों पर निवेश करने से जुड़े जोखिम को कम किया जा सकता है.
  • जगह की परफ़ॉर्मेंस का आकलन: यह पता लगाएं कि कौनसे जियोस्पेशल वैरिएबल, आपकी मौजूदा जगहों की परफ़ॉर्मेंस को बेहतर या खराब करते हैं. जैसे, सुपरमार्केट या इवेंट वेन्यू जैसे कुछ खास तरह के पीओएस के आस-पास होना. इस डेटा से, आपको ऐसी संभावित साइटों की पहचान करने में मदद मिलती है जिनमें आपकी ज़रूरत के हिसाब से, जियोस्पेशल विशेषताओं का सबसे अच्छा कॉम्बिनेशन होता है. इस जानकारी का इस्तेमाल, अनुमान लगाने वाले मॉडल को डिप्लॉय करने के लिए भी किया जा सकता है. ये मॉडल, आस-पास की लोकप्रिय जगह के कॉन्टेक्स्ट के आधार पर, किसी नई जगह की आने वाले समय की परफ़ॉर्मेंस का अनुमान लगाते हैं.
  • जियोटारगेटेड मार्केटिंग: यह तय करें कि किसी इलाके में किस तरह के मार्केटिंग कैंपेन या विज्ञापन ज़्यादा असरदार होंगे. जगहों के बारे में अहम जानकारी से, आपको कमर्शियल ऐक्टिविटी को समझने के लिए ज़रूरी कॉन्टेक्स्ट मिलता है. इससे, आपको काम के कारोबारों या गतिविधियों की संख्या के आधार पर मैसेज को अपनी ज़रूरत के हिसाब से बनाने में मदद मिलती है.
  • बिक्री का अनुमान लगाना: किसी संभावित जगह पर आने वाले समय में होने वाली बिक्री का अनुमान लगाएं. आस-पास की जियोस्पेशल विशेषताओं के असर को मॉडल करके, निवेश से जुड़े फ़ैसले लेने के लिए सटीक अनुमान लगाने वाले मॉडल बनाए जा सकते हैं.
  • मार्केट रिसर्च: इससे यह पता चलता है कि आपको अपने कारोबार या सेवा को किन देशों/इलाकों में बढ़ाना चाहिए. मौजूदा मार्केट सैचुरेशन और पीओआई डेंसिटी का विश्लेषण करें. इससे आपको उन टारगेट मार्केट की पहचान करने में मदद मिलेगी जहां आपकी सेवा की मांग कम है या जहां आपकी सेवा की मांग बहुत ज़्यादा है. इससे आपको सबसे ज़्यादा फ़ायदा मिल सकता है. इस विश्लेषण से, रणनीतिक तौर पर कारोबार को बढ़ाने और उसे आगे बढ़ाने से जुड़ी पहलों के बारे में सबूत मिलते हैं.
  • रुझान का विश्लेषण: समय के साथ होने वाले बदलावों के बारे में जानें. महीने-दर-महीने, जगहों की संख्या की तुलना करें. इसमें जोड़ी गई और हटाई गई जगहों की संख्या भी शामिल है. यह तुलना जनवरी 2024 से की जा सकती है.

जगहों की संख्या बताने वाले फ़ंक्शन या सीधी एसक्यूएल क्वेरी का इस्तेमाल करके, जगहों की अहम जानकारी के डेटासेट को क्वेरी किया जा सकता है.

स्कीमा का रेफ़रंस देखें.

क्वेरी का तरीका चुनें: जगहों की संख्या बताने वाले फ़ंक्शन बनाम डायरेक्ट एसक्यूएल

विश्लेषण के अलग-अलग स्केल और निजता से जुड़ी ज़रूरी शर्तों को पूरा करने के लिए, जगहों की अहम जानकारी में क्वेरी करने के दो तरीके उपलब्ध हैं: जगहों की संख्या बताने वाले फ़ंक्शन (BigQuery के नेटिव फ़ंक्शन) और सीधे तौर पर एसक्यूएल क्वेरी (टेबल जॉइन).

इस फ़ैसले से जुड़ी मैट्रिक्स का इस्तेमाल करके, अपने लागू करने के लिए सही क्वेरी पाथ का पता लगाएं:

विश्लेषण का लक्ष्य क्वेरी के लिए सुझाया गया तरीका डेटा और आउटपुट वापस पाना निजता और जगह से जुड़ी ज़रूरी बातें
किसी इलाके में मौजूद लोकप्रिय जगह की सघनता का विश्लेषण करना और हीटमैप बनाना PLACES_COUNT_PER_H3
  • यह फ़ंक्शन, H3 हेक्सागोन पॉलीगॉन दिखाता है. साथ ही, इसमें सटीक संख्याएं (शून्य भी शामिल है) होती हैं
  • यह फ़ंक्शन, हर सेल के लिए ज़्यादा से ज़्यादा 250 place_id वैल्यू दिखाता है
  • स्पेशल एमएल मॉडल और फ़ीचर इंजीनियरिंग के लिए बनाया गया है
  • खोज के लिए कम से कम 40 मीटर × 40 मीटर (1,600 वर्ग मीटर) का एरिया
  • बेहतर परफ़ॉर्मेंस और कम प्रोसेसिंग लागत के लिए ऑप्टिमाइज़ किया गया है
  • इनपुट पैरामीटर की पुष्टि करता है और डीबग करने में आसानी के लिए गड़बड़ियों की जानकारी देता है
चुनिंदा साइटों के लिए, विज़िट की संख्या पाएं और जानकारी देखने के लिए जगह के आईडी पाएं PLACES_COUNT_V2 या PLACES_COUNT_PER_TYPE_V2
  • कस्टम ज्यामिति के लिए सटीक संख्याएं (0 भी शामिल है) दिखाता है
  • हर लाइन में ज़्यादा से ज़्यादा 250 place_id वैल्यू दिखाता है
  • खोज के लिए कम से कम 40 मीटर × 40 मीटर (1,600 वर्ग मीटर) का एरिया
  • TABLE पैरामीटर का इस्तेमाल करके, हज़ारों जगहों के हिसाब से स्केल किया जा सकता है
  • बेहतर परफ़ॉर्मेंस और कम प्रोसेसिंग लागत के लिए ऑप्टिमाइज़ किया गया है
  • इनपुट पैरामीटर की पुष्टि करता है और डीबग करने में आसानी के लिए गड़बड़ियों की जानकारी देता है
दो महीनों के बीच, लोकप्रिय जगहों में हुए बदलावों और ग्रोथ के ट्रेंड को समय के साथ ट्रैक करना PLACES_COUNT_CHANGE
  • इसमें रिस्पॉन्स के तौर पर start_count, end_count, net_change, percentage_change, और compound_monthly_growth_rate मिलता है
  • यह फ़ंक्शन, नई जोड़ी गई (sample_added_place_ids) और हटाई गई (sample_removed_place_ids) जगहों के आईडी की कैटगरी दिखाता है
  • YYYY-MM फ़ॉर्मैट में month1 और month2 पैरामीटर ज़रूरी हैं
  • खोज के लिए कम से कम 40 मीटर × 40 मीटर (1,600 वर्ग मीटर) का एरिया
  • TABLE पैरामीटर का इस्तेमाल करके, हज़ारों कस्टम जगहों के हिसाब से विज्ञापन दिखाए जा सकते हैं
ऐडवांस कस्टम लॉजिक लागू करना, औसत निकालना या अपने डेटा के साथ जोड़ना डायरेक्ट एसक्यूएल क्वेरी
  • रॉ टेबल में एसक्यूएल का पूरा इस्तेमाल किया जा सकता है
  • इस कुकी से कस्टम एसक्यूएल मेट्रिक (AVG, SUM वगैरह) चालू होती हैं
  • जगह के आईडी नहीं दिखाता
  • निजता थ्रेशोल्ड: 0 से 4 तक की संख्या को पूरी तरह से हटा दिया जाता है
  • खोज के लिए कम से कम जगह की कोई पाबंदी नहीं है

जगहों की अहम जानकारी की मदद से, पुराने डेटा का विश्लेषण किया जा सकता है. इसके लिए, आपको Places के डेटा के हर महीने के स्नैपशॉट को क्वेरी करना होगा. यह डेटा जनवरी 2024 से उपलब्ध है. इससे आपको यह आकलन करने में मदद मिलती है कि समय के साथ कारोबार की डेंसिटी, कमर्शियल ऐक्टिविटी, और प्रतिस्पर्धी माहौल में क्या बदलाव हुए हैं.

जगहों की संख्या गिनने वाले फ़ंक्शन का इस्तेमाल करके, पुराने डेटा के बारे में क्वेरी करने के लिए, अपने JSON_OBJECT में snapshot_date फ़िल्टर पैरामीटर पास करें. यह पैरामीटर वैकल्पिक होता है. वैल्यू को YYYY-MM के तौर पर फ़ॉर्मैट किया जाना चाहिए. उदाहरण के लिए, '2026-01'.

उदाहरण: PLACES_COUNT_V2 की मदद से, न्यूयॉर्क सिटी में रेस्टोरेंट की पुरानी संख्या के बारे में 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 मौजूद रेस्टोरेंट की संख्या का विश्लेषण किया गया है. यह विश्लेषण, जनवरी 2026 में मौजूद रेस्टोरेंट की संख्या के आधार पर किया गया 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'
  )
);

पिछले आउटपुट का विश्लेषण करना

जवाब के तौर पर मिली BigQuery टेबल में geo_id, इनपुट किया गया लोकेशन पॉलीगॉन, जगहों की संख्या, और जगहों के आईडी के सैंपल शामिल हैं. ये आईडी, स्नैपशॉट के महीने (2026-01) के दौरान रिकॉर्ड किए गए थे. ग्रोथ के रुझानों, स्टोर खुलने या बाज़ार में गिरावट का हिसाब लगाने के लिए, एक जैसी क्वेरी को कई स्नैपशॉट महीनों में चलाया जा सकता है.

PLACES_COUNT_PER_H3 का इस्तेमाल करके, रीजनल लोकप्रिय जगह सघनता को कुल करना

PLACES_COUNT_PER_H3 फ़ंक्शन, बड़े इलाकों में पीओआई की डेंसिटी का विश्लेषण करने का सबसे सही तरीका है. अपने टारगेट किए गए इलाके को स्टैंडर्ड H3 हेक्सागोनल ग्रिड सेल में बांटकर, आपको कस्टम बाउंड्री बनाने की ज़रूरत नहीं पड़ती. साथ ही, नतीजों को सीधे तौर पर विज़ुअल मैपिंग टूल, जैसे कि Looker Studio में भेजा जा सकता है.

उदाहरण: न्यूयॉर्क स्टेट में, व्हीलचेयर से पहुंचा जा सकने वाली किराने की दुकानों और सुविधा स्टोर की संख्या गिनें

नीचे दी गई क्वेरी में, न्यूयॉर्क स्टेट में व्हीलचेयर से पहुंचा जा सकने वाले किराने और सुविधा स्टोर को रिज़ॉल्यूशन लेवल 8 पर H3 सेल में एग्रीगेट किया गया है. यह bigquery-public-data.geo_us_boundaries.states सार्वजनिक डेटासेट से डाइनैमिक तौर पर हासिल की गई बाउंड्री ज्यामिति का इस्तेमाल करता 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

इस क्वेरी से, एक स्ट्रक्चर्ड टेबल मिलती है. इसमें हर अलग H3 इंडेक्स (h3_cell_index) को उसके बाउंड्री पॉलीगॉन (geography), लोकप्रिय जगह की संख्या (count), और ज़्यादा से ज़्यादा 250 प्रतिनिधि sample_place_ids के साथ मैप किया जाता है.

  • शून्य संख्याएं शामिल हैं: अगर न्यूयॉर्क स्टेट ग्रिड में किसी सेल में, मैच करने वाले स्टोर की संख्या शून्य है, तो भी यह 0 की संख्या वाली लाइन दिखाता है. इससे व्यावसायिक या सेवा से वंचित इलाकों का पता लगाने में मदद मिलती है.
  • विज़ुअल मैपिंग की सुविधा: आउटपुट में GEOGRAPHY पॉलीगॉन शामिल होने की वजह से, सीधे BigQuery Studio या Looker Studio में हीटमैप रेंडर किए जा सकते हैं.

जगह की जानकारी की जांच करने के लिए, Place ID फिर से पाना

Places Insights को आंकड़ों से जुड़ी अहम जानकारी देने के लिए बनाया गया है. हालांकि, एग्रीगेट की गई अहम जानकारी से लेकर ज़्यादा बारीकी से की गई कार्रवाइयों तक ट्रांज़िशन किया जा सकता है.

जगहों की संख्या बताने वाले सभी मुख्य फ़ंक्शन, आपकी क्वेरी की शर्तों से मेल खाने वाली हर लाइन के लिए, ज़्यादा से ज़्यादा 250 जगहों के आईडी की एक कलेक्शन दिखाते हैं. इनमें PLACES_COUNT_PER_H3, PLACES_COUNT_V2, और PLACES_COUNT_PER_TYPE_V2 शामिल हैं. हालांकि, लेगसी PLACES_COUNT फ़ंक्शन को छोड़कर.

ये प्लेस आईडी, पुल की तरह काम करते हैं. इनकी मदद से, Google Maps Platform के अन्य एपीआई इस्तेमाल किए जा सकते हैं. 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 मौजूदगी का विश्लेषण करना

जगहों के डेटा के साथ-साथ, Places Insights में ब्रैंड या उन स्टोर का डेटा भी शामिल होता है जिनके एक से ज़्यादा स्टोर एक ही ब्रैंड के नाम से काम करते हैं.

ब्रैंड के डेटा के लिए क्वेरी इन कामों के लिए की जा सकती है:

  • टारगेट मार्केट में प्रतिस्पर्धी ब्रैंड की डेंसिटी की पहचान करना.
  • ब्रैंड आईडी के हिसाब से, खास तौर पर अपने POI की संख्या को फ़िल्टर करें.
  • ब्रैंडेड और स्वतंत्र होटल की तुलना करके, मार्केट में पहुंच का आकलन करें.

आगे क्या करना है