Oxxo Global trends

Global Trends for Oxxo

Instalar paquetes y llamar librerias

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 Oxxo, 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.

file.choose()

Los tres terminos que se analizaran seran, Tiendas de conveniencia, e commerce y comida chatarra esto ya que despues de haber realizado una rapida investigacion, fueron aquellos que llamaron mi atencion ya que Oxxo se encuentra en una industria donde esto es de suma importancia.

Tiendas de conveniencia

Paso 1: Definir el termino a buscar

termino <- c("Tiendas de conveniencia")

Paso 2: Definir el pais o ubicacion

ubicacion <- c("MX")

Paso 3: Definir el tipo de canal: web, news, images, youtube

canal <- "web"

Paso 4: Definir la ventana de tiempo

periodo <- ("2020-01-01 2022-09-27")

Paso 5: Realizar la Funcion

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

E commerce

Paso 1: Definir el termino a buscar

termino <- c("E commerce")

Paso 2: Definir el pais o ubicacion

ubicacion <- c("MX")

Paso 3: Definir el tipo de canal: web, news, images, youtube

canal <- "web"

Paso 4: Definir la ventana de tiempo

periodo <- ("2020-01-01 2022-09-27")

Paso 5: Funcion

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

Comida Chatarra

Paso 1: Definir el termino a buscar

termino <- c("Comida Chatarra")

Paso 2: Definir el pais o ubicacion

ubicacion <- c("MX")

Paso 3: Definir el tipo de canal: web, news, images, youtube

canal <- "web"

Paso 4: Definir la ventana de tiempo

periodo <- ("2020-01-01 2022-09-27")

Paso 5: Funcion

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

Conclusion

Despues de haber analizado estos tres factores y su relevancia a lo largo del tiempo pudimos ver como ambos Ecommerce y Comida Chatarra tenian un pico de crecimiento parecido en la epoca donde la pandemia tuvo sus picos mas altos ya que ultimamente es cuando se ha hablado mas ya que la ingesta de este tipo de alimentos aumento y la forma de adquirir nuevos productos paso a ser digital