Places Insights를 사용하면 Google 지도의 풍부한 장소 및 브랜드 데이터를 분석하여 Google 지도의 장소 또는 관심 장소 (POI) 데이터에서 통계적 통계를 도출할 수 있습니다. 데이터는 BigQuery 데이터 거래소 목록을 사용하여 배포되며, 데이터 공유 및 분석을 위한 안전하고 보호된 환경을 지원하기 위해 데이터 보호가 적용됩니다.
장소 데이터 정보
Google 지도는 전 세계 수백만 개의 시설에 대한 장소 데이터를 선별합니다. Places Insights는 BigQuery에서 장소 데이터를 사용할 수 있도록 지원하므로 장소 유형, 평점, 영업시간, 휠체어 접근성 등 다양한 속성을 기반으로 Google 지도 장소 데이터에 관한 집계된 유용한 정보를 도출할 수 있습니다.
Places Insights를 사용하려면 BigQuery에서 장소 데이터에 관한 통계적 인사이트를 반환하는 SQL 쿼리를 작성합니다. 이러한 통계를 통해 다음과 같은 질문에 답할 수 있습니다.
- 잠재적인 신규 매장 위치 근처에 유사한 비즈니스가 몇 개 운영되고 있나요?
- 가장 성공적인 매장 근처에서 가장 흔하게 발견되는 비즈니스 유형은 무엇인가요?
- 타겟 고객을 유치할 수 있는 보완적인 비즈니스가 많이 있는 지역은 어디인가요?
- 마드리드에서 오후 8시에 영업하고, 휠체어 이용 가능 주차장이 있으며, 테이크아웃을 제공하는 별 5개 스시 레스토랑은 몇 개야?
집계 데이터는 다음과 같은 다양한 사용 사례를 지원할 수 있습니다.
- 부지 선정: 새로운 비즈니스 또는 실제 자산 배치에 가장 적합한 위치를 평가하고 선택합니다.
- 위치 실적 평가를 통해 슈퍼마켓이나 이벤트 장소와 같은 특정 유형의 관심 장소와의 근접성과 같은 지리 공간 변수가 위치의 긍정적 또는 부정적 실적에 어떤 영향을 미치는지 파악할 수 있습니다.
- 지역 타겟팅 마케팅을 통해 특정 지역에서 성공적인 마케팅 캠페인 또는 광고 유형을 파악합니다.
- 매출 예측을 통해 예상 위치의 향후 매출을 예측합니다.
- 시장 조사를 통해 비즈니스 또는 서비스를 다음으로 확장할 지역을 파악합니다.
브랜드 데이터 정보
장소 데이터와 함께 Places Insights에는 동일한 브랜드 이름으로 운영되는 여러 위치가 있는 브랜드 또는 매장에 관한 데이터가 포함됩니다.
브랜드를 사용하여 다음과 같은 질문에 답할 수 있습니다.
- 특정 지역의 브랜드별 모든 매장 수는 얼마인가요?
- 이 지역에서 상위 3개 경쟁업체 브랜드의 수는 얼마인가요?
- 이 지역에서 이 브랜드를 제외한 모든 커피숍의 수는 얼마인가요?
BigQuery 정보
BigQuery 등록정보에서 데이터를 사용할 수 있도록 하면 Places Insights를 통해 다음 작업을 할 수 있습니다.
데이터를 Places Insights 데이터와 안전하게 결합하세요.
유연한 SQL 쿼리를 작성하여 특정 비즈니스 요구사항에 대한 집계된 통계를 파악합니다.
비공개 데이터 및 워크플로와 함께 이미 사용 중인 BigQuery 도구를 사용합니다.
BigQuery의 확장성과 성능을 활용하여 대규모 데이터 세트를 손쉽게 분석할 수 있습니다.
사용 사례
이 예에서는 BigQuery에서 내 데이터를 Places Insights 데이터와 조인하여 집계 정보를 도출합니다. 이 예에서는 뉴욕시에 여러 위치를 보유한 호텔 소유자라고 가정합니다. 이제 호텔 위치 데이터를 장소 통계 데이터와 결합하여 호텔 근처에 사전 정의된 비즈니스 유형이 얼마나 집중되어 있는지 파악하려고 합니다.
기본 요건
이 예에서는 미국의 Places Insights 데이터 세트를 구독합니다.
호텔 데이터 세트의 이름은 mydata이며 뉴욕시에 있는 두 호텔의 위치를 정의합니다. 다음 SQL은 이 데이터 세트를 만듭니다.
CREATE OR REPLACE TABLE `mydata.hotels` ( name STRING, location GEOGRAPHY ); INSERT INTO `mydata.hotels` VALUES( 'Hotel 1', ST_GEOGPOINT(-73.9933, 40.75866) ); INSERT INTO `mydata.hotels` VALUES( 'Hotel 2', ST_GEOGPOINT(-73.977713, 40.752124) );
해당 지역의 음식점 수 가져오기
고객에게 호텔 근처에 영업 중인 레스토랑의 밀도를 알려주기 위해 각 호텔에서 1, 000m 이내에 있는 레스토랑 수를 반환하는 SQL 쿼리를 작성합니다.
SELECT WITH AGGREGATION_THRESHOLD h.name, COUNT(*) AS count FROM `PROJECT_NAME.places_insights___us.places` AS r, `mydata.hotels` AS h WHERE ST_DWITHIN(h.location, r.point, 1000) AND r.primary_type = 'restaurant' AND business_status = "OPERATIONAL" GROUP BY 1
다음 이미지는 이 쿼리의 출력 예시를 보여줍니다.
해당 지역의 음식점 및 바 개수 가져오기
각 호텔에서 1,000m 이내에 있는 레스토랑과 함께 바를 포함하도록 쿼리를 수정합니다.
SELECT WITH AGGREGATION_THRESHOLD h.name, r.primary_type, COUNT(*) AS count FROM `PROJECT_NAME.places_insights___us.places` AS r, `mydata.hotels` AS h WHERE ST_DWITHIN(h.location, r.point, 1000) AND r.primary_type IN UNNEST(['restaurant','bar']) AND business_status = "OPERATIONAL" GROUP BY 1, 2
다음 이미지는 이 쿼리의 출력 예시를 보여줍니다.
이 지역의 적당한 가격의 레스토랑과 바의 수를 가져옵니다.
다음으로 바와 레스토랑에서 어떤 고객 인구통계를 타겟팅하는지 알아야 합니다. 호텔이 적당한 가격대를 타겟팅하므로 해당 가격대이며 리뷰가 좋은 인근 시설의 존재만 광고하려고 합니다.
PRICE_LEVEL_MODERATE 가격대이고 평점이 별 4개 이상인 바와 레스토랑만 반환하도록 쿼리를 제한합니다. 이 쿼리는 각 호텔 주변의 반경을 1,500미터로 확장하기도 합니다.
SELECT WITH AGGREGATION_THRESHOLD h.name, r.primary_type, COUNT(*) AS count FROM `PROJECT_NAME.places_insights___us.places` AS r, `mydata.hotels` AS h WHERE ST_DWITHIN(h.location, r.point, 1500) AND r.primary_type IN UNNEST(['restaurant', 'bar']) AND rating >= 4 AND business_status = "OPERATIONAL" AND price_level = 'PRICE_LEVEL_MODERATE' GROUP BY 1, 2
다음 이미지는 이 쿼리의 출력 예시를 보여줍니다.
