“Global trends”

#Herramienta “El Generador de Valor de Datos” Paso 1. Definir el área del negocio que buscamos impactar o mejorar y su KPI El área que buscamos impactar es el de mercadotecnia. KPI: Número de búsquedas por año

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. ¿Qué contexto genera más búsquedas de una palabra? ¿Que esta en tendencia?

Paso 4. Reunir los datos requeridos. La información necesaria escompleta

Paso 5. Plan de ejecución. La empresa puede buscar que palabras están en tendencia para poder impulsar sus ventas. Por ejemplo, una empresa de maquillaje puede ver las preferencias de los consumidores y, por ejemplo, bucar “Korean Beauty” para analizar si en realidad es una tendencia que viene con fuerza o no.

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   1.2.0      ✔ 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")

Paso 1. definir el termino a buscar

termino <- c("Sistema R")

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 ventana de tiempo

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

paso 5. función

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

JOHN DEERE

Búsqueda 1

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

Búsqueda 2

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

Búsqueda 3

termino <- c("John Deere")
ubicacion <- c("MX")
canal <- "news"
periodo <- ("2010-01-01 2022-09-01")
tendencia <- gtrends(termino, ubicacion, canal, time = periodo)
plot(tendencia)

OXXO

Búsqueda 1

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

Búsqueda 2

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

Búsqueda 3

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

#Conclusión La práctica de buscar “Global Trends” puede ayudar a un negocio al saber que tipo de tendencias están buscando los clientes, y así poder participar en las tendencias y estar en la mente de los clientes.