利用goole趨勢分析可以了解關鍵詞或主題的搜索趨勢,提供市場洞察和決策制定的參考依據。而我選的主題是跟世足相關,分析臺灣對全球體育盛事的興趣和關注程度。
keyword = c("世界盃", "足球","運彩")
geo = "TW"
countries = gtrendsR::countries
geo_code = sort(unique(countries$country_code))
countries_TW = countries[countries$country_code == "TW",]
countries_TW = na.omit(countries_TW)
gprop = "web"
start_date = "2010-01-01"
end_date = Sys.Date()-1
time = paste(start_date, end_date)
trends = gtrendsR::gtrends(keyword=keyword,
geo=geo,
gprop=gprop,
time=time)
interest_over_time = trends[["interest_over_time"]]
interest_by_region = trends[["interest_by_region"]]
interest_by_city = trends[["interest_by_city"]]
related_queries = trends[["related_queries"]]
interest_over_time$hits[interest_over_time$hits == "<1"] = 0
interest_over_time$hits = as.numeric(interest_over_time$hits)
DT創建交互式表格可在r中進行瀏覽
reshape2中的dcast可以將長數據與寬數據的相互轉換
xts可以處理時間序列數據,因此轉換為xts格式
刪掉data_xts$time
library(dygraphs)
library(xts)
data = data.frame(time=interest_over_time$date,
hits=interest_over_time$hits,
keyword=interest_over_time$keyword)
data_df = reshape2::dcast(data,
time ~ keyword,
value.var="hits")
data_xts = xts(x=data_df,
order.by=data_df$time)
data_xts$time = NULL
fig = dygraphs::dygraph(data_xts) %>%
dySeries(keyword[1], color="blue") %>%
dySeries(keyword[2], color="red") %>%
dySeries(keyword[3], color="green") %>%
dyRangeSelector(height=20)
這三個詞都和世足相關,而從結果可以發現人們在世足那段時間,也就是2010年,2014年,2018年和2022年,對這三個詞的搜索較平常還要高得多,而每一屆的世足也被臺灣人漸漸關注,運彩也興起,因此可以從中拓展商機。