library(gtrendsR)
library(ggplot2)
library(dplyr)
library(patchwork)O Google Trends foi utilizado para responder a questões relacionadas ao Brasil em diferentes aspectos (cultural, político, ambiental, esportivo), visualizar quais os países que mais mais interessados sobre o Brasil e o que é mais buscado no mundo sobre o país.
- Palavra chave: brazil
brasil = gtrends(c('brazil'), time = "all")ggplot(brasil$interest_over_time, aes(x = as.Date(date), y = hits)) +
geom_line(aes(col = paste(keyword, '-', geo)), size = 1.25) +
labs(title = expression(paste('Interesse ao longo do tempo pela palavra chave ', italic('Brazil'))), x = 'Ano', y = 'Interesse', col = 'Busca') +
scale_color_manual(values = 'LimeGreen') +
scale_x_date(NULL, date_labels = "%b/%Y", breaks = seq.Date(from = as.Date('2006-06-01'), to = as.Date('2020-06-01'), by = '4 year')) +
theme_minimal()
Pelo gráfico de linha acima foi possível perceber que os picos de busca pela palavra chave brazil coincidiram com os anos de copa do mundo, com destaque para a copa de 2014 sediada no país.
- Palavras chave: brazil e brazil world cup
brasil.copa = gtrends(c("brazil", 'brazil world cup'), time = "all")
brasil.copa = brasil.copa$interest_over_time %>%
mutate(hits = as.numeric(hits), date = as.Date(date)) %>%
filter(!is.na(hits))ggplot(brasil.copa, aes(x = date, y = hits, group=keyword)) +
geom_line(aes(col = paste(keyword, '-', geo)), size = 1.25) +
labs(title = expression(paste('Interesse ao longo do tempo pelas palavras chave ', italic('Brazil') , ' e ', italic('Brazil world cup'))), x = 'Ano', y = 'Interesse', col = 'Busca') +
scale_color_manual(values = c('LimeGreen', 'blue')) +
scale_x_date(NULL, date_labels = "%b/%Y", breaks = seq.Date(from = as.Date('2006-06-01'), to = as.Date('2020-06-01'), by = '4 year')) +
theme_minimal()
Ao visualizar o gráfico de linha com as duas palavras chave brazil e brazil world cup, percebeu-se que os períodos de maior busca por brazil realmente coindiram com os de maior busca por brasil world cup.
- Tópicos e queries relacionadas à busca por brazil
topicos = brasil$related_topics %>%
filter(related_topics == 'top', subject > 0, value != 'Brazil') %>%
mutate(value = factor(value,
levels = value[order(as.numeric(subject))])) %>%
ggplot(aes(x = as.numeric(subject), y = value)) +
geom_bar(fill = 'LimeGreen', stat = "identity") +
labs(title = 'Tópicos Relacionados à busca sobre Brazil', x = NULL, y = NULL) +
theme_minimal() +
theme(axis.text.y = element_text(size=12))
queries = brasil$related_queries %>%
filter(related_queries == 'top', subject > 0, value != 'Brazil') %>%
mutate(value = factor(value,
levels = value[order(as.numeric(subject))])) %>%
ggplot(aes(x = as.numeric(subject), y = value)) +
geom_bar(fill = 'LimeGreen', stat = "identity") +
labs(title = 'Perguntas (queries) Relacionadas à busca sobre Brazil', x = NULL, y = NULL) +
theme_minimal() +
theme(axis.text.y = element_text(size=12))
(topicos + queries)
A visualização acima confirmou a indicação do primeiro gráfico que as buscas por brazil estão relacionadas a futebol e copa do mundo.
- Países mais interessados pela palavra chave brazil
brasil$interest_by_country %>%
mutate(hits = as.numeric(hits)) %>%
filter(hits > 20) %>%
arrange(desc(hits)) %>%
select(location, hits) %>%
mutate(location = factor(location,
levels = location[order(hits, decreasing = TRUE)],
ordered=TRUE)) %>%
ggplot(aes(x = location, y = hits)) +
geom_col(fill = 'LimeGreen') +
labs(title = expression(paste('Interesse por país na palavra chave ', italic('Brazil'))), x = 'País', y = 'Interesse') +
theme_minimal() +
theme(axis.text.x = element_text(angle=30, size = 11))
Pelo gráfico de colunas acima, verificou-se que os países do continente africano foram os mais interessados sobre o Brazil.
- Palavras chave: brazilian culture, brazilian carnival, brazilian dance e brazilian music, brazilian film e brazilian soap opera
cultura = ggplot(gtrends(c('brazilian culture'), time = "all")$interest_over_time, aes(x = as.Date(date), y = hits)) +
geom_line(aes(col = paste(keyword, '-', geo)), size = 1.25) +
labs(title = expression(paste('Interesse ao longo do tempo pela palavra chave ', italic('brazilian culture'))), x = 'Ano', y = 'Interesse', col = 'Busca') +
scale_color_manual(values = 'gold') +
scale_x_date(date_labels = "%b/%Y", date_breaks = "2 year") +
theme_minimal() +
theme(legend.position = 'bottom')
carnaval = ggplot(gtrends(c('brazilian carnival'), time = "all")$interest_over_time, aes(x = as.Date(date), y = hits)) +
geom_line(aes(col = paste(keyword, '-', geo)), size = 1.25) +
labs(title = expression(paste('Interesse ao longo do tempo pela palavra chave ', italic('brazilian carnival'))), x = 'Ano', y = 'Interesse', col = 'Busca') +
scale_color_manual(values = 'orange') +
scale_x_date(NULL, breaks = seq.Date(from = as.Date('2004-02-01'), to = as.Date('2020-02-01'), by = '2 year'), date_labels = "%b/%Y") +
theme_minimal() +
theme(legend.position = 'bottom')
cultura / carnaval
musica.danca = ggplot(gtrends(c('brazilian dance', 'brazilian music'), time = "all")$interest_over_time, aes(x = as.Date(date), y = hits)) +
geom_line(aes(col = paste(keyword, '-', geo)), size = 1.25) +
labs(title = expression(paste('Interesse ao longo do tempo pelas palavras chave ', italic('brazilian dance') , ' e ', italic('brazilian music'))), x = 'Ano', y = 'Interesse', col = 'Busca') +
scale_color_manual(values = c('blue', 'magenta')) +
scale_x_date(NULL, date_labels = "%b/%Y", date_breaks = "2 year") +
theme_minimal() +
theme(legend.position = 'bottom')
film.tv = ggplot(gtrends(c('brazilian film', 'brazilian soap opera'), time = "all")$interest_over_time, aes(x = as.Date(date), y = hits)) +
geom_line(aes(col = paste(keyword, '-', geo)), size = 1.25) +
labs(title = expression(paste('Interesse ao longo do tempo pelas palavras chave ', italic('brazilian film'), ' e ', italic('soap opera'))), x = 'Ano', y = 'Interesse', col = 'Busca') +
scale_color_manual(values = c('DarkSlateGray', 'red')) +
scale_x_date(NULL, date_labels = "%b/%Y", date_breaks = "2 year") +
theme_minimal() +
theme(legend.position = 'bottom')
musica.danca/film.tv
Os quatro gráficos de linha mostraram que o interesse pela cultura e produções brasileiras caíram ao longo do tempo, tendo sido mais altas, em geral, até 2010.
Pelo gráfico de interesse por brazilian dance e brazilian music, percebeu-se que o interesse pela música foi consideravelmente superior até 2010, enquanto o interesse pela dança foi mais constante com pequenas oscilações, tendo algumas vezes superado a música de 2011 a 2016.
Em relação ao interesse pelo carnaval, apesar de ter seguido a tendência decrescente das demais palavras chave, o interesse oscilou periodicamente, com as maiores buscas tendo sido realizadas no mês de fevereiro.
Já o interesse pelas produções cinematográficas e de novelas, a visualização mostrou que o interesse pelos filmes brasileiros foi superior, em todos os anos, ao interesse pelas novelas.
- Palavras chave: amazon rainforest, brazilian amazon rainforest e brazil burning
floresta = ggplot(gtrends(c('amazon rainforest'), time = "all")$interest_over_time, aes(x = as.Date(date), y = hits)) +
geom_line(aes(col = paste(keyword, '-', geo)), size = 1.25) +
labs(title = expression(paste('Interesse ao longo do tempo pela palavra chave ', italic('amazon rainforest'))), x = 'Ano', y = 'Interesse', col = 'Busca') +
scale_color_manual(values = c('ForestGreen')) +
scale_x_date(NULL, date_labels = "%b/%y", date_breaks = "2 year") +
theme_minimal() +
theme(legend.position = 'bottom')
brazilian.amazon = gtrends(c('brazilian amazon rainforest'), time = "all")
brasil.floresta = ggplot(brazilian.amazon$interest_over_time, aes(x = as.Date(date), y = hits)) +
geom_line(aes(col = paste(keyword, '-', geo)), size = 1.25) +
labs(title = expression(paste('Interesse ao longo do tempo pela palavra chave ', italic('brazilian amazon rainforest'))), x = 'Ano', y = 'Interesse', col = 'Busca') +
scale_color_manual(values = c('ForestGreen')) +
scale_x_date(NULL, date_labels = "%b/%y", date_breaks = "2 year") +
theme_minimal() +
theme(legend.position = 'bottom')
queimada.floresta = ggplot(gtrends(c('brazil burning'), time = "all")$interest_over_time, aes(x = as.Date(date), y = hits)) +
geom_line(aes(col = paste(keyword, '-', geo)), size = 1.25) +
labs(title = expression(paste('Interesse ao longo do tempo pelas palavras chave ', italic('brazil burning'), ' e ', italic('brazilian amazon rainforest'))), x = 'Ano', y = 'Interesse', col = 'Busca') +
scale_color_manual(values = c('brown', 'ForestGreen')) +
scale_x_date(NULL, date_labels = "%b/%Y", date_breaks = "2 year") +
theme_minimal() +
theme(legend.position = 'bottom')
(floresta + brasil.floresta)/queimada.floresta
Através da visualização da busca pela palavra chave amazon rainforest, percebeu-se que o interesse pela floresta amazônica foi máximo no ano de 2019 devido às fortes queimadas, que chamaram a atenção do mundo, registradas no ano.
No entanto, a busca pela floresta amazônica especificamente brasileira não acompanhou proporcionalmente o interesse geral pela floresta amazônica mostrada no primeiro gráfico. Apesar do ano de 2019 também ter apresentado uma elevação nas buscas, foi no período de 2004 a 2008 que a busca por brazilian amazon rainforest foi mais alta.
A palavra chave brazilian burning apresentou um gráfico de interesse próximo do encontrado ao utilizar amazon rainforest, com pico de buscas no ano de 2019. Entretanto, altos valores também foram registrados mais constantemente até o ano de 2007, com pico isolado em 2014 e máximo valor em 2019. Deve-se salientar, que a palavra chave de busca é subjetiva: burning pode ter sido utilizado no sentido literal não só para queimadas em floresta, mas em casos de grandes incêndios, por exemplo, ou no sentido figurado como sinônimo de inquietação, manifestação, possivelmente de cunho político.
- Países mais interessados pela palavra chave brazilian amazon rainforest
brazilian.amazon$interest_by_country %>%
filter(hits > 1)## location hits keyword geo gprop
## 1 United Kingdom 100 brazilian amazon rainforest world web
## 2 United States 38 brazilian amazon rainforest world web
Ao verificar quais países apresentaram maior interesse na busca sobre floresta amazônica brasileira, a função gtrends mostrou que somente os Estados Unidos fizeram esta busca.
- Tópicos relacionados à palavra chave brazilian amazon rainforest
brazilian.amazon$related_topics %>%
filter(related_topics == 'top', subject > 0) %>%
mutate(value = factor(value,
levels = value[order(as.numeric(subject))])) %>%
ggplot(aes(x = as.numeric(subject), y = value)) +
geom_bar(fill = 'ForestGreen', stat = "identity") +
labs(title = 'Tópicos Relacionados à busca sobre a Floresta amazônica brasileira', x = NULL, y = NULL) +
theme_minimal() +
theme(axis.text.y = element_text(size=12)) 
Dentre os tópicos relacionados à busca pela floresta amazônica brasileira (brazilian amazon rainforest), os mais buscados são termos presentes na palavra chave, como amazon rainforest, brazil, brazilians, rainforest, mas o quinto tópico (Amazon.com) se trata do site de e-commerce. No entanto, os tópicos mais interessantes são aqueles que demostram a preocupação com a floresta e sua destruição como Animal, River, Government, Climate e Food.
- Perspectiva da Corrupção no Brasil e Mundo, palavras chave: corrupção e brazilian corruption
corrupcao.brasil = gtrends(c('corrupção'), geo = c('BR'), time = "all")
corrupcao = ggplot(corrupcao.brasil$interest_over_time, aes(x = as.Date(date), y = hits)) +
geom_line(aes(col = paste(keyword, '-', geo)), size = 1.25) +
labs(title = expression(paste('Interesse ao longo do tempo pela palavra chave ', italic('corrupção'), ' no Brasil')), x = NULL, y = 'Interesse', col = 'Busca') +
scale_color_manual(values = c('Chocolate')) +
scale_x_date(breaks = seq.Date(from = as.Date('2004-01-01'), to = as.Date('2021-01-01'), by = '1 year'), date_labels = "%b/%y") +
theme_minimal() +
theme(legend.position = 'bottom')
corruption = ggplot(gtrends(c('brazilian corruption'), time = "all")$interest_over_time, aes(x = as.Date(date), y = hits)) +
geom_line(aes(col = paste(keyword, '-', geo)), size = 1.25) +
labs(title = expression(paste('Interesse ao longo do tempo pela palavra chave ', italic('brazilian corruption'), ' no mundo')), x = 'Ano', y = 'Interesse', col = 'Busca') +
scale_color_manual(values = c('Chocolate')) +
scale_x_date(breaks = seq.Date(from = as.Date('2004-01-01'), to = as.Date('2021-01-01'), by = '1 year'), date_labels = "%b/%y") +
theme_minimal() +
theme(legend.position = 'bottom')
corrupcao / corruption
Ao visualizar o interesse pela palavra corrupção no Brasil, foi possível perceber um padrão de picos e vales: os vales (quedas) foram registrados de maneira padrão no ínicio (janeiro), meio (junho) e final do ano (dezembro). Estes três meses coincidem com o período de férias no Brasil, podendo então ser um grande indicador para perda de interesse sobre corrupção nestes meses.
O mesmo padrão não foi observado no gráfico do interesse pela corrupção brasileira pelos países. A tendência de busca pela palavra diminuiu ao longo do tempo com maior interesse entre 2005 e 2009.
- Estados brasileiros mais interessados pela palavra chave corrupção
corrupcao.brasil$interest_by_region %>%
mutate(location = gsub('State of ', '', location),
location = gsub('ã', 'ã', location),
location = gsub('á', 'á', location),
location = gsub('ô', 'ô', location),
location = gsub('Ã', 'í', location),
location = factor(location, levels = location[order(hits)])) %>%
ggplot(aes(x = hits, y = location)) +
geom_bar(fill = 'chocolate', stat = "identity") +
labs(title = expression(paste('Estados brasileiros com maior interesse na palavra chave ', italic('corrupção'))), x = NULL, y = NULL) +
theme_minimal() +
theme(axis.text.y = element_text(size=11)) 
Os estados das regiões norte e nordeste, com exceção do Distrito Federal, foram os que mais buscaram sobre a palavra corrupção durante o período de 2004 a 2020.
- Palavras chave: brazilian election e brazilian president
gtrends(c('brazilian election', 'brazilian president'), time = "all")$interest_over_time %>%
mutate(hits = as.numeric(hits)) %>%
filter(!is.na(hits)) %>%
ggplot(aes(x = as.Date(date), y = hits)) +
geom_line(aes(col = paste(keyword, '-', geo)), size = 1.25) +
labs(title = expression(paste('Interesse ao longo do tempo pelas palavras chave ', italic('brazilian election'), ' e ', italic('brazilian president'), ' no mundo')), x = 'Ano', y = 'Interesse', col = 'Busca') +
scale_x_date(breaks = seq.Date(from = as.Date('2004-01-01'), to = as.Date('2021-01-01'), by = '1 year'), date_labels = "%Y") +
theme_minimal() +
theme(legend.position = 'bottom') 