Herramienta “El Generador de Valor de Datos”

Paso 1. Definir el área del negocio que buscamos impactar o mejorar y su KPI.

El departamento de mercadotecnia y comunicación de la empresa que representa a Justin Bieber.

Paso 2. Personalización

Paso 3. Generar ideas o conceptos específicos

Observar el donde está el pico de búsquedas y crear más campañas para que su tendencia siga creciendo.

Paso 4. Reunir los datos requeridos

Crear la línea de tiempo de 12 años y definir el canal de la tendencia.

Paso 5. Plan de ejecución

Seguir en el camino de generar publicidad en las redes sociales para que así su búsqueda siga creciendo y volviéndose relevante.
Sistema asegurará la captura del Markdown en las bases de datos estadística

Justin Bieber

Instalar paquetes y llamar librerias

library (tidyverse)
## ── Attaching packages ─────────────────────────────────────── tidyverse 1.3.2 ──
## ✔ ggplot2 3.3.6      ✔ purrr   0.3.4 
## ✔ tibble  3.1.8      ✔ dplyr   1.0.10
## ✔ tidyr   1.2.1      ✔ stringr 1.4.1 
## ✔ readr   2.1.2      ✔ forcats 0.5.2 
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
# install.packages("gtrendsR")
library (gtrendsR)

# install.packages("devtools")
library (devtools)
## Loading required package: usethis

Para resolver errores al graficar

devtools::install_github("PMassicotte/gtrendsR")
## Skipping install of 'gtrendsR' from a github remote, the SHA1 (d53b9b7b) has not changed since last install.
##   Use `force = TRUE` to force installation
1
## [1] 1

Paso 1. Definir el termino a buscar

termino <- c("Justin Bieber")

Paso 2. Definir la locacion (ISO3166-2 country codes)

ubicacion <- c("US")

Paso 3. Definir el canal: web, news, images, youtube

canal <- "web"

Paso 4. Definir la venta de tiempo

periodo <- ("2010-01-01 2022-09-01")

Paso 5. Funcion

tendencia <- gtrends(termino, ubicacion, canal, time = periodo)
plot (tendencia)

Conclusiones

Este tipo de codificación nos ayuda a conocer de un cierto tipo de mercado y el comportamiento o tendencia que ha tenido en un cierto tiempo.

En este caso, se buscó a Justin Bieber y su tendencia que ha tenido de búsquedas en la web específicamente utilizando el factor de ubicación en Estados Unidos, en un periodo de tiempo de 12 años. Observando como la tendencia llegó a su máximo en 2012 y de ahí se ha variado en un método de disminución .

John Deere

Gráfica 1

Paso 1. Definir el termino a buscar

termino <- c("John Deere")

Paso 2. Definir la locacion (ISO3166-2 country codes)

ubicacion <- c("MX")

Paso 3. Definir el canal: web, news, images, youtube

canal <- "web"

Paso 4. Definir la venta de tiempo

periodo <- ("2012-01-27 2022-09-27")

Paso 5. Funcion

library (gtrendsR)
tendencia <- gtrends(termino, ubicacion, canal, time = periodo)
plot (tendencia)

Gráfica 2

Paso 1. Definir el termino a buscar

termino <- c("John Deere tractor")

Paso 2. Definir la locacion (ISO3166-2 country codes)

ubicacion <- c("MX")

Paso 3. Definir el canal: web, news, images, youtube

canal <- "web"

Paso 4. Definir la venta de tiempo

periodo <- ("2012-01-27 2022-09-27")

Paso 5. Funcion

library (gtrendsR)
tendencia <- gtrends(termino, ubicacion, canal, time = periodo)
plot (tendencia)

Gráfica 3

Paso 1. Definir el termino a buscar

termino <- c("John Deere Monterrey")

Paso 2. Definir la locacion (ISO3166-2 country codes)

ubicacion <- c("MX")

Paso 3. Definir el canal: web, news, images, youtube

canal <- "web"

Paso 4. Definir la venta de tiempo

periodo <- ("2012-01-27 2022-09-27")

Paso 5. Funcion

tendencia <- gtrends(termino, ubicacion, canal, time = periodo)
plot (tendencia)

Oxxo

Gráfica 1

Paso 1. Definir el termino a buscar

termino <- c("Oxxo")

Paso 2. Definir la locacion (ISO3166-2 country codes)

ubicacion <- c("MX")

Paso 3. Definir el canal: web, news, images, youtube

canal <- "web"

Paso 4. Definir la venta de tiempo

periodo <- ("2010-10-04 2022-10-04")

Paso 5. Funcion

tendencia <- gtrends(termino, ubicacion, canal, time = periodo)
plot (tendencia)

Gráfica 2

Paso 1. Definir el termino a buscar

termino <- c("Oxxo productos")

Paso 2. Definir la locacion (ISO3166-2 country codes)

ubicacion <- c("MX")

Paso 3. Definir el canal: web, news, images, youtube

canal <- "web"

Paso 4. Definir la venta de tiempo

periodo <- ("2010-10-04 2022-10-04")

Paso 5. Funcion

tendencia <- gtrends(termino, ubicacion, canal, time = periodo)
plot (tendencia)

Gráfica 3

Paso 1. Definir el termino a buscar

termino <- c("Mi Oxxo")

Paso 2. Definir la locacion (ISO3166-2 country codes)

ubicacion <- c("MX")

Paso 3. Definir el canal: web, news, images, youtube

canal <- "web"

Paso 4. Definir la venta de tiempo

periodo <- ("2010-10-04 2022-10-04")

Paso 5. Funcion

tendencia <- gtrends(termino, ubicacion, canal, time = periodo)
plot (tendencia)

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