“Global Trends”

---

Importar base de datos

Instalar paquetes y llamar librerias

#install.packages("tidyverse")
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)

Para resolver errores al graficar

#devtools:: install_github("PMassicotte/gtrendsR")

Herramienta “El Generador de Valor de Datos”

Caso escenario en que soy del área de Relaciones Públicas de influencers y busco conseguir más engagement en páginas web para un influencer en especifico de manera en que se pueda verificar en redes sociales y se generen más ventas.

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

El área impactada es el área de publicidad, relaciones públicas y ventas.

Los KPI´s a impactar son:

a. Tendencias del personaje en la web. b. Crecimiento de engagement con los años o meses

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.
Creación de estrategía para mantener en tendencia a este personaje.

Paso 4. Reunir los datos requeridos.
Se necesita la base de datos de global trends prevista en clase junto con sus librerías.

Paso 5. Plan de ejecución.
a. Hacer el análisis de tendencias de la últimos 5 años.
b.Ver como mejorar la posición del personaje en las tendencias.
c.Crear un plan de medios para generar más engagement en la web.
d. Generación de leads al ofrecerle a este personaje a una empresa.
e. Vender el personaje/Cerrar el trato.
f. Comprobar que esta persona es conocida y mandarle el papeleo a Instagram para obtener verificación.

Paso 1. Definir el termino a buscar

termino <- c("Andy Benavides")

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 ventana de tiempo (los últimos 10-20 años)

periodo <- ("2017-01-01 2022-09-20")

Paso 5: Hacer la función

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

Conclusión y Aprendizaje

Las tendencias globales son un asunto del cual deberíamos estar constantemente enterados y darle un giro a nuestra industria de interés, esto puesto a que es muy interesante el observar cómo estás tendencias pueden ser tan cambiantes a través de los años e inclusive los meses.

Para la industria en la que planeó trabajar en un futuro, puedo prever como este tipo de programa me podría beneficiar para generar insights que me ayuden a incrementar ventas o bien para modificar un producto. Esto y añadiendo un análisis de sentimientos serían los mejores complementos para el desarrollo ya sea de productos y servicios.

Es interesante que la librería de R es tan ahondarte en distintos temas y se pueden encontrar muchas curiosidades útiles para simplificar con algunas líneas de código algo que tomaría semanas en hacer manualmente.

Anexo: John Deere

termino <- c("John Deere")
ubicacion <- c("MX")
canal <- "web"
periodo <- ("2015-01-01 2022-09-26")
tendencia <- gtrends(termino, ubicacion, canal, time = periodo)
plot(tendencia)

termino <- c("CNH Industrial")
ubicacion <- c("MX")
canal <- "web"
periodo <- ("2015-01-01 2022-09-26")
tendencia <- gtrends(termino, ubicacion, canal, time = periodo)
plot(tendencia)

termino <- c("Tractores")
ubicacion <- c("MX")
canal <- "web"
periodo <- ("2010-01-01 2022-09-26")
tendencia <- gtrends(termino, ubicacion, canal, time = periodo)
plot(tendencia)

OXXO

termino <- c("Oxxo")
ubicacion <- c("MX")
canal <- "web"
periodo <- ("2010-01-01 2022-10-06")
tendencia <- gtrends(termino, ubicacion, canal, time = periodo)
plot(tendencia)

Aqui podemos ver como en la tendencia se ve que OXXO a traves de los años va incrementando el interes en internautas debido a sus estrategias de marketing al expandirse a otras industrias.

termino <- c("Tienda de Conveniencia")
ubicacion <- c("MX")
canal <- "web"
periodo <- ("2010-01-01 2022-10-06")
tendencia <- gtrends(termino, ubicacion, canal, time = periodo)
plot(tendencia)

Para las tiendas de conveniencia se ve un incremento en el interes de este tema en la web lo cual es beneficioso para OXXO al pertenecer mayormente en esta industria.