Uso de Google Analytics y Google Trends API para realizar un seguimiento del rendimiento con R

¿Por qué son poderosos los datos de Google Trends?

Todos sabemos que Google captura una cantidad aterradora de datos sobre nosotros. Con miles de millones de búsquedas cada día, Google puede entender mucho más sobre nuestra sociedad y el sentimiento de las poblaciones que los gobiernos. Por ejemplo, los datos de tendencias de búsqueda pueden reconocer brotes de enfermedades mucho antes de que los medios de comunicación los anuncien al ver aumentos en las consultas de búsqueda relacionadas con síntomas específicos. Como era de esperar, se han llevado a cabo estudios para pronosticar el aumento de casos de COVID-19 por región.

En estos días, Google es esencialmente el barómetro de sentimientos del mundo y lo mejor de los datos de tendencias de búsqueda de Google. Es gratis.

¿Por qué utilizar la API de Tendencias de Google?

Google Trends es una característica clave del conjunto de herramientas de muchos especialistas en marketing digital. La popularidad de las consultas de búsqueda a lo largo del tiempo se puede analizar para mostrar el conocimiento del mercado. La superposición de estos datos con los de otras fuentes puede proporcionar información que, de otro modo, se perdería.

Este blog proporciona un ejemplo de este tipo al mostrar cómo puede superponer los datos de Google Trends con el tráfico orgánico de su sitio web ; esto se puede usar para comprender el rendimiento de SEO. Si su tráfico orgánico está comenzando a disminuir, ¿se debe a una caída en el interés del mercado o porque no está clasificado tan alto para sus principales consultas de búsqueda?

Hay paquetes R disponibles tanto para Google Trends como para Google Analytics que son bastante fáciles de usar para aquellos con conocimientos básicos de programación. Para Google Trends usaremos el paquete gtrendsR y luego para Google Analytics usaremos el paquete googleAnalyticsR, que cubrimos en nuestro artículo anterior: Uso de la API de Google Analytics con R. El código de ejemplo proporcionado debe ser fácil de copiar/pegar y adaptar. para satisfacer sus necesidades.

Usaremos el ejemplo de una empresa que vende refrescos y desea comprender la popularidad a lo largo del tiempo de los productos que venden.

Google Trends API: cómo extraer datos de tendencias de búsqueda

Estos datos son los más fáciles de obtener, principalmente porque no se requieren claves API. Para comenzar, simplemente instale el paquete con install.packages(“gtrendsR”) y cargue la biblioteca con library(gtrendsR) . Seleccionar las palabras clave deseadas puede ser difícil; le recomendamos que consulte los principales términos que no son de marca en Search Console ordenados por impresiones.

 # Load Libraries and Set Up Query Conditions # library(gtrendsR) keywords = c(“Soft drinks”, “Fizzy drinks”, “Pepsi”, “Lemonade”, “Fanta”) country = c('GB') time = (“2020-01-01 2021-10-31”) channel = 'web' # Run Query # data1 = gtrends(keywords, gprop = channel, geo = country, time = time) data_trend = data$interest_over_time

Como se muestra en el código anterior, se pueden incluir variables adicionales en su solicitud: gprop, geo y time:

• Gprop representa las propiedades de Google, es decir, noticias, imágenes y YouTube; sin embargo, si se deja en blanco, aparecerá web de manera predeterminada.
• Geo representa el país en función de su código ISO de dos dígitos; sin embargo, si se deja en blanco, se establecerá de forma predeterminada en todo el mundo.
• La hora representa la fecha de inicio y finalización de la solicitud.

El paquete gtrendsR tiene un límite de 5 palabras clave a la vez, por lo que si desea ejecutar varias consultas, puede usar un ciclo como se muestra a continuación. Recomendamos hacer esto si está evaluando la popularidad general de un conjunto de términos de búsqueda, ya que este ciclo ejecuta cada palabra clave por separado antes de agregar cada uno de sus cambios semanales. Por lo tanto, el cambio de popularidad de uno no tiene un impacto directo en el de otro.

 list1 = list() for (i in 1:length(keywords)){ trends = gtrends(keywords[i], gprop =channel,geo=country, time = time ) time_trend=trends$interest_over_time time_trend$keyword <- keywords[i] list1 [[i]] <- time_trend } data1 <- do.call("rbind", list1)

Una cosa a tener en cuenta es que Google Trends proporciona datos semanales, pero las semanas comienzan en domingo. Por lo tanto, necesitaremos agregar nuestros datos de Google Analytics a nivel de semana a partir del domingo; hay un paquete útil para ayudarnos a hacer esto que cubriremos más adelante.

API de Google Analytics: cómo atraer tráfico orgánico

Recomendamos leer nuestro artículo anterior para comprender el paquete googleAnalyticsR con más detalle. Este artículo le muestra cómo puede filtrar su tráfico orgánico a páginas de destino específicas. Esto podría ser útil si su empresa está en múltiples mercados. Es decir, si vende bebidas gaseosas y barras de chocolate, no querrá incluir el tráfico orgánico a las páginas de barras de chocolate al evaluar el interés de mercado de las bebidas gaseosas.

De lo contrario, el siguiente código le permite acceder a todo el tráfico orgánico de su sitio utilizando este paquete con R.

Recomendamos ejecutar cada línea de un código a la vez para que pueda detectar fácilmente cualquier error.

Para una forma de autenticación más "profesional", que ayuda con la automatización de secuencias de comandos, consulte esta explicación más detallada.

El siguiente código extrae tráfico orgánico por día. Luego, la función floor_date se usa para agregar el tráfico por semana a partir del domingo, para que coincida con los datos de Search Console (que se limita a los datos semanales de domingo a sábado).

 # Load Libraries and Setup Query - make sure to set your View ID # library(googleAnalyticsR) library(dplyr) library(lubridate) ga_auth() set_view_ID <- #ENTER_VIEW_ID# organicTraffic <- dim_filter("channelGrouping", "EXACT", "Organic Search") organicFilter <- filter_clause_ga4(list(organicTraffic),”AND” ) # Run Query, Aggregate Daily Traffic to Weekly Traffic and Rename Columns # data2 <- google_analytics (set_view_ID, date_range = c(“2021-01-01”, ”2021-10-31”), metrics = "sessions", dimensions = "date", dim_filters = organicFilter, anti_sample = TRUE) data2$week <- floor_date(as.Date(data2$date, "%Y-%m-%d"), unit="week") data2 <- data2 %>% group_by(week) %>% summarise(sum(sessions)) names(data2)[1] <- "week" names(data2)[2] <- "sessions" # Merge Search Trends and Organic Traffic # merged_data <- merge(data1, data2)

Fusionar los conjuntos de datos y obtener información

En nuestra última línea de código anterior, hemos fusionado los conjuntos de datos en 3 columnas: fecha de inicio de la semana, sesiones orgánicas y tendencia de búsqueda relativa. Ahora estos dos conjuntos de datos se pueden superponer fácilmente en un gráfico para analizar (ver el gráfico a continuación, por ejemplo).

La agregación de los datos de Tendencias de búsqueda significa que podemos ver la popularidad relativa en todas las consultas de búsqueda a lo largo del tiempo, lo que brinda una idea de los cambios en el interés del mercado.

Recomendamos superponer los datos de Tendencias de búsqueda y el tráfico orgánico en un gráfico a lo largo del tiempo utilizando un eje derecho e izquierdo para evaluar la tendencia. Lo que probablemente verá es una correlación positiva entre ellos, con un aumento del tráfico a medida que aumenta la popularidad de búsqueda. Puede haber puntos en los que las líneas se desvíen de otras, lo que indica un cambio en la clasificación de las palabras clave. ¿Parece que te estás moviendo hacia arriba o hacia abajo en la página de resultados de búsqueda de Google?

El siguiente gráfico muestra datos de ejemplo con el tráfico orgánico en el eje izquierdo y las tendencias de búsqueda en el eje derecho. En el gráfico a continuación, hay una clara divergencia entre las dos métricas en la semana 24. A pesar de que el tráfico orgánico cayó significativamente, las tendencias de búsqueda se mantienen relativamente consistentes, lo que indica una caída en las clasificaciones de palabras clave en las páginas que generan un alto volumen de tráfico; estas clasificaciones luego recoger hacia la semana 33.

Este es solo un caso de uso de la API de Search Console. Tiene muchas otras funciones que desempeñar en el espacio de marketing, como generar informes de tendencias de términos de búsqueda en vivo que se pueden usar para historias reactivas de relaciones públicas digitales u observar la popularidad de la marca de los competidores en el tiempo.

¿Quieres saber más? ¡Contáctenos para hablar con alguien de nuestro equipo de análisis web avanzado!