file.choose()
Para poder efectuar este analisis como muchos otros es necesario instalar paquetes, en este caso los dos que necesitaremos seran “Tidyverse” y “gtrendsR” los cuales sirven para diferentes funciones como funciones constantes, cubrimiento del flujo de trabajo, analisis de modas en diferentes en diferentes plataformas, entre muchas otras.
#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)
#install.packages("shiny")
library(shiny)
A lo largo de este codigo, se realizara un analisis de la relevancia sobre diferentes temas de interes en cuanto a la industria donde se ubica John Deere, a lo largo de los años, esto para ver la diferencia en cuanto a la cantidad de informacion, noticias y datos que circula en dos naciones diferentes.
Los tres terminos que se analizaran seran, sprayers, drones y CropsX esto ya que despues de haber realizado una rapida investigacion, fueron aquellos que llamaron mi atencion ya que John Deere implementara una manera de controlar el crecimiento de malezas mediante drones y la irrigacion, mientras que por el otro lado, tambien me intereso saber sobre la relevancia de Crops X lo cual es un sistema de manejo para la agricultura que ha ganado bastante fama y rennombre en la industria.
termino <- c("Sprayers")
ubicacion <- c("US")
canal <- "web"
periodo <- ("2020-01-01 2022-09-27")
tendencia <- gtrends(termino, ubicacion, canal, time = periodo)
plot(tendencia)
termino <- c("Drones")
ubicacion <- c("US")
canal <- "web"
periodo <- ("2020-01-01 2022-09-27")
tendencia <- gtrends(termino, ubicacion, canal, time = periodo)
plot(tendencia)
termino <- c("CropX")
ubicacion <- c("US")
canal <- "web"
periodo <- ("2020-01-01 2022-09-27")
tendencia <- gtrends(termino, ubicacion, canal, time = periodo)
plot(tendencia)
Despues de haber analizado estos tres factores y su relevancia a lo largo del tiempo pudimos ver como ambos sprayers y Drones tenian un pico de crecimiento parecido al final ya que ultimamente es cuando se ha hablado mas del tema al igual que con CropsX