Análise e visualização de dados usando gtrendsR

O Google Trends é uma ferramenta do google que mostra o volume de pesquisa de determinadas palavras em relação ao total de pesquisa.

Neste estudo, vamos analisar itens de consumo que aumentaram durante a pandemia.

Como forma de proteção, as pessoas ficaram mais em seus lares, assim, itens que proporcionam mais conforto foram mais consumidos:

  1. pijama
  2. moleton
  3. roupa de cama
  4. pantufas

Para fins de comparação, vamos usar a seguinte data de inicio da pandemia no Brasil:

inicio_da_quarentena = "2020-03-10"

Vamos procurar primeiro pelo termo “pijama” no Brasil.

################# Carregar base de dados ################
pijama = gtrends(c(pijama_keyword), geo = c("BR"), time = "all")

Podemos plotar diretamente os resultados usando a função plot:

plot(pijama)

Agora, vamos fazer o mesmo gráfico usando ggplot.

time_trend = pijama$interest_over_time
plot <-
  ggplot(data = time_trend, aes(
    x = date,
    y = hits,
    group = keyword,
    col = keyword
  )) +
  geom_line() + xlab('Time') + ylab('Interesse relativo') + theme_bw() +
  theme(
    legend.title = element_blank(),
    legend.position = "bottom",
    legend.text = element_text(size = 12)
  ) + ggtitle("Volume de Busca no Google")
plot

Fica claro que o item deu um salto durante a pandemia.

Vamos limitar a busca somente para o ano de 2020.

pijama <- gtrends(c(pijama_keyword), geo = c("BR"), time = "2020-01-01 2020-10-25")
plot(pijama)

Incluindo agora o ano de 2019 para comparação.

pijama <- gtrends(c(pijama_keyword), geo = c("BR"), time = "2019-01-01 2020-10-25")
plot(pijama)

Com base nos itens abaixo, analisando agora o comportamento de compra das pessoas desde o inicio da pandemia:

  1. pijama
  2. moleton
  3. roupa de cama
  4. pantufas
# função adaptada de Michael - Casual Inference
plot_trend = function(keyword_string) {
  data =
    gtrends(c(keyword_string), time = "2020-01-01 2020-10-25", geo = "BR")
  time_trend = data$interest_over_time %>%
    mutate(
      hits = ifelse(hits == "<1", 0.5, hits),
      date = as.Date(date),
      keyword = factor(keyword, levels = keyword_string)
    )
  plot =
    ggplot(data = time_trend, aes(
      x = date,
      y = as.numeric(hits),
      colour = keyword
    )) +
    geom_line() +
    geom_vline(xintercept = as.numeric(as.Date(inicio_da_quarentena))) +
    theme_bw() +
    scale_y_continuous(breaks = NULL) +
    theme(
      legend.position = "bottom",
      legend.title = element_blank(),
      legend.text = element_text(size = 10),
      axis.title.x = element_blank(),
      axis.title.y = element_blank()
    )
  return(plot)
}
pijama_plot = plot_trend(keyword_string = c(pijama_keyword))
moleton_plot = plot_trend(keyword_string = c(moleton_keyword))
roupa_plot = plot_trend(keyword_string = c(roupa_keyword))
patufas_plot = plot_trend(keyword_string = c(pantufas_keyword))
(pijama_plot + moleton_plot) / (roupa_plot + patufas_plot)