
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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