Tendencias

Instalar paquetes

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   1.2.0      ✔ 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

Herramienta “El Generador de Valor de Datos”

Paso 1. Definir el área de negocio que buscamos impactar o mejorar y su KPI.
El departamento de mercadotecnia de la consultora con el indicador Crecimiento en el mercado.

Paso 2. Seleccionar plantilla (-s) para crear valor a partir de los datos de los clientes.
Visión / Segmentación / Personalización / Contextualización

Paso 3. Generar ideas o conceptos específicos
Elaborar un análisis de tendencias en la industria mensual.

Paso 4. Reunir los datos requeridos
Elaborar una investigación cualitativa previa para identificar las tendencias en el mercado para despues correr el cóodigo y observar el comportamiento y crecimiento que se ha tenido.

Paso 5. Plan de ejecución
Mercadotecnia elaborará plan para desplegar modelo predictivo en pasos

Paso 1. Identificar tendencias en el mercado
Paso 2. Analizar su comportamiento
Paso 3. Verificar si es rentable para el movimiento
Paso 4. Implementar el plan

Errores al gráficar

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 término a buscar

termino <- c("Lando Norris")

Paso 2.

Definir la locación (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 <- ("2011-01-01 2022-09-01")

Paso 5.

Visualización

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

Gráficas para John Deere

termino <- c("John Deere Mexico")
ubicacion <- c("MX")
canal <- "web"
periodo <- ("2012-01-01 2022-09-01")
# install.packages("gtrendsR")
library (gtrendsR)
tendencia <- gtrends(termino, ubicacion, canal, time = periodo)
plot (tendencia)

termino <- c("John Deere Maquinaria")
ubicacion <- c("MX")
canal <- "web"
periodo <- ("2012-01-01 2022-09-01")
# install.packages("gtrendsR")
library (gtrendsR)
tendencia <- gtrends(termino, ubicacion, canal, time = periodo)
plot (tendencia)

termino <- c("Motores John Deere")
ubicacion <- c("MX")
canal <- "web"
periodo <- ("2012-01-01 2022-09-01")
# install.packages("gtrendsR")
library (gtrendsR)
tendencia <- gtrends(termino, ubicacion, canal, time = periodo)
plot (tendencia)

Conclusión

El código en RStudio permite hacer muchas funciones con bases de datos y con datos obtenidos de internet y el conocer las tendencias es una de ellas.

En este código podemos observar cómo al momento de instalar los paquetes necesarios, se puede realizar la búsqueda de cualquier persona, tema, y/o evento que exista en la web, en las noticias, imágenes y en youtube.