O Twitter pode nĂ£o ser um espaço onde todos os segmentos da populaĂ§Ă£o entĂ£o presentes, mas com certeza Ă© um excelente termĂ´metro do que estĂ¡ sendo discutido na sociedade. Como dito pela Dani Rodrigues (@dani_rodrigues) em suas palestras, o Twitter Ă© o eletrocardiograma da sociedade. Das Ăºltimas tretas do congresso ao BBB, o Twitter consegue munir o usuĂ¡rio de informações dos mais diversos tipos, criando vĂ¡rias comunidades com suas prĂ³prias regras e dinĂ¢micas de interaĂ§Ă£o. Conhecer essas dinĂ¢micas facilita o monitoramento e entendimento de como os usuĂ¡rios se comportam e proporciona uma maior assertividade nas anĂ¡lises.
Pensando nisso, o pacote {rtweet} foi desenvolvido para acessar estes dados de forma fĂ¡cil e amigĂ¡vel aos analistas, desenvolvedores e pesquisadores.
Abaixo serĂ¡ mostrado como acessar os dados de Twitter, requisitar os dados de Trending Topics e visualizar estas informações. o pacote possui um site bem amigĂ¡vel, disponibilizando a documentaĂ§Ă£o e algumas anĂ¡lises. (Link https://rtweet.info/)
Para baixar o pacote, basta baixar do repositĂ³rio:


devtools::install_github("ropensci/rtweet")
# Carregando os pacotes
library(rtweet)
#install.packages("tidyverse") # pacote que facilita a manipulaĂ§Ă£o de dataframes
library(tidyverse)

O criador do rtweet construiu suas funções onde para acessar os dados de Treding Topics nĂ£o Ă© preciso ter um app, que Ă© necessĂ¡rio quando se busca por tweets ou outras informações mais segmentadas dentro da plataforma, sendo assim, basta usar a funĂ§Ă£o abaixo que vocĂª serĂ¡ direcionado para a tela de login do Twitter. Nesta tela basta fazer o login e apĂ³s isso a funĂ§Ă£o irĂ¡ rodar e retornarĂ¡ a lista de locais em que Ă© possĂ­vel ter dados segmentados.


trends % head(10)
# A tibble: 10 x 8
# name  url   parentid country woeid countryCode  code
#
# 1 Worl… http…        0 ""          1 NA             19
# 2 Winn… http… 23424775 "Canad…  2972 CA              7
# 3 Otta… http… 23424775 "Canad…  3369 CA              7
# 4 Queb… http… 23424775 "Canad…  3444 CA              7
# 5 Mont… http… 23424775 "Canad…  3534 CA              7
# 6 Toro… http… 23424775 "Canad…  4118 CA              7
# 7 Edmo… http… 23424775 "Canad…  8676 CA              7
# 8 Calg… http… 23424775 "Canad…  8775 CA              7
# 9 Vanc… http… 23424775 "Canad…  9807 CA              7
# 10 Birm… http… 23424975 "Unite… 12723 GB             7
# # … with 1 more variable: place_type

O dataframe trends contĂ©m 467 observações representando as localidades, sejam elas, paĂ­ses, estados ou cidades, destes, 63 sĂ£o paĂ­ses. O Twitter ainda nĂ£o possui Trending Topics de todos os paĂ­ses do mundo, mas estĂ£o sempre buscando aumentar esse nĂºmero (entĂ£o pode ser que em pouco tempo essa informaĂ§Ă£o fique desatualizada đŸ˜€ ).
Como exemplo vamos buscar os dados do TT mundiais:
O primeiro passo Ă© descobrir qual o WOEID da localizaĂ§Ă£o ( o WOEID Ă© a sigla para “Where On Earth IDentifier”, literalmente “identificador de lugares na Terra”).


id_mundial %
  filter(name == "Worldwide") %>%
  select(woeid) %>%
  as.character()
  

JĂ¡ era possĂ­vel saber o woeid dando uma rĂ¡pida olhada na tabela Trends, mas da forma acima fica mais ‘formal’ e com menos chance de erro caso tenha alguma mudança na identificaĂ§Ă£o.
Sendo assim, basta rodar a funĂ§Ă£o abaixo e teremos a lista dos 50 principais tĂ³picos neste momento. Estes dados nos mostram o acumulado de tweets nas Ăºltimas 24h e com 5 minutos de atraso.


mundial % head(20)
# # A tibble: 20 x 9
# trend    url                promoted_content query         tweet_volume place woeid as_of               created_at
#
#   1 #Erdo?a… http://twitter.co… NA               %23Erdo%C4%9…        40638 Worl…     1 2020-03-05 19:37:20 2020-03-05 19:35:05
# 2 #ThankY… http://twitter.co… NA               %23ThankYouE…        49988 Worl…     1 2020-03-05 19:37:20 2020-03-05 19:35:05
# 3 #Warren… http://twitter.co… NA               %23WarrenToB…        31416 Worl…     1 2020-03-05 19:37:20 2020-03-05 19:35:05
# 4 #PitMad  http://twitter.co… NA               %23PitMad           124507 Worl…     1 2020-03-05 19:37:20 2020-03-05 19:35:05
# 5 The Las… http://twitter.co… NA               %22The+Last+…        31033 Worl…     1 2020-03-05 19:37:20 2020-03-05 19:35:05
# 6 #somost… http://twitter.co… NA               %23somostodo…       110466 Worl…     1 2020-03-05 19:37:20 2020-03-05 19:35:05
# 7 The Wire http://twitter.co… NA               %22The+Wire%…        10546 Worl…     1 2020-03-05 19:37:20 2020-03-05 19:35:05
# 8 PRIOR A… http://twitter.co… NA               %22PRIOR+ATE…        20979 Worl…     1 2020-03-05 19:37:20 2020-03-05 19:35:05
# 9 Gerrit … http://twitter.co… NA               %22Gerrit+Co…           NA Worl…     1 2020-03-05 19:37:20 2020-03-05 19:35:05
# 10 Ghost o… http://twitter.co… NA               %22Ghost+of+…        25293 Worl…     1 2020-03-05 19:37:20 2020-03-05 19:35:05
# 11 Aaron S… http://twitter.co… NA               %22Aaron+Sch…           NA Worl…     1 2020-03-05 19:37:20 2020-03-05 19:35:05
# 12 Al Mich… http://twitter.co… NA               %22Al+Michae…           NA Worl…     1 2020-03-05 19:37:20 2020-03-05 19:35:05
# 13 TLOU     http://twitter.co… NA               TLOU                    NA Worl…     1 2020-03-05 19:37:20 2020-03-05 19:35:05
# 14 KHKTV A… http://twitter.co… NA               %22KHKTV+Asl…        12754 Worl…     1 2020-03-05 19:37:20 2020-03-05 19:35:05
# 15 #Corona… http://twitter.co… NA               %23CoronaVir…        79077 Worl…     1 2020-03-05 19:37:20 2020-03-05 19:35:05
# 16 #YesBank http://twitter.co… NA               %23YesBank           20968 Worl…     1 2020-03-05 19:37:20 2020-03-05 19:35:05
# 17 #LaCasa… http://twitter.co… NA               %23LaCasaDeP…           NA Worl…     1 2020-03-05 19:37:20 2020-03-05 19:35:05
# 18 #BilenK… http://twitter.co… NA               %23BilenKaza…           NA Worl…     1 2020-03-05 19:37:20 2020-03-05 19:35:05
# 19 #LCDP4   http://twitter.co… NA               %23LCDP4             59409 Worl…     1 2020-03-05 19:37:20 2020-03-05 19:35:05
# 20 #??????… http://twitter.co… NA               %23%D8%A7%D9…        43993 Worl…     1 2020-03-05 19:37:20 2020-03-05 19:35:05
 

TambĂ©m Ă© possĂ­vel visualizar os cĂ³digos woeid apenas do Brasil.


trends %>%
filter(country == "Brazil")
# # A tibble: 16 x 8
# name           url                                          parentid country    woeid countryCode  code place_type
#
#   1 BrasĂ­lia       http://where.yahooapis.com/v1/place/455819   23424768 Brazil    455819 BR              7 Town
# 2 Belém          http://where.yahooapis.com/v1/place/455820   23424768 Brazil    455820 BR              7 Town
# 3 Belo Horizonte http://where.yahooapis.com/v1/place/455821   23424768 Brazil    455821 BR              7 Town
# 4 Curitiba       http://where.yahooapis.com/v1/place/455822   23424768 Brazil    455822 BR              7 Town
# 5 Porto Alegre   http://where.yahooapis.com/v1/place/455823   23424768 Brazil    455823 BR              7 Town
# 6 Recife         http://where.yahooapis.com/v1/place/455824   23424768 Brazil    455824 BR              7 Town
# 7 Rio de Janeiro http://where.yahooapis.com/v1/place/455825   23424768 Brazil    455825 BR              7 Town
# 8 Salvador       http://where.yahooapis.com/v1/place/455826   23424768 Brazil    455826 BR              7 Town
# 9 SĂ£o Paulo      http://where.yahooapis.com/v1/place/455827   23424768 Brazil    455827 BR              7 Town
# 10 Campinas       http://where.yahooapis.com/v1/place/455828   23424768 Brazil    455828 BR              7 Town
# 11 Fortaleza      http://where.yahooapis.com/v1/place/455830   23424768 Brazil    455830 BR              7 Town
# 12 GoiĂ¢nia        http://where.yahooapis.com/v1/place/455831   23424768 Brazil    455831 BR              7 Town
# 13 Manaus         http://where.yahooapis.com/v1/place/455833   23424768 Brazil    455833 BR              7 Town
# 14 SĂ£o LuĂ­s       http://where.yahooapis.com/v1/place/455834   23424768 Brazil    455834 BR              7 Town
# 15 Guarulhos      http://where.yahooapis.com/v1/place/455867   23424768 Brazil    455867 BR              7 Town
# 16 Brazil         http://where.yahooapis.com/v1/place/23424768        1 Brazil  23424768 BR             12 Country

Como exemplo, podemos pegar os dados de SĂ£o Paulo e verificar qual o TT agora.


id_SP %
  filter(name == "SĂ£o Paulo") %>%
  select(woeid) %>%
  as.character()
sao_paulo %
  select(trend, tweet_volume) %>%
  as.data.frame()
#                         trend tweet_volume
# 1  #somostodosgabrielmonteiro       110466
# 2                 #ForaDaniel        30405
# 3                    Paraguai        40761
# 4                       #bdsp           NA
# 5                        Dudu        20520
# 6              #fsradiobrasil           NA
# 7                     Marcela       228904
# 8             PRIOR ATE O FIM        20979
# 9                     #SEJOGA           NA
# 10             The Last of Us        31033
# 11   ZERO ESTALECAS FOI MUITO           NA
# 12                    NairĂ³bi        27972
# 13                     R$5,00        10573
# 14          Agostinho Carrara           NA
# 15                       TDAH           NA
# 16          Ghost of Tsushima        25293
# 17            PROVA DA COMIDA           NA
# 18                       Ibis        14808
# 19                       TLOU           NA
# 20                Castlevania        28073
# 21              OLHOS ABERTOS           NA
# 22         CHEGA DE FAKE NEWS           NA
# 23                       Waze           NA
# 24                   weverton           NA
# 25                   Duvivier           NA
# 26                   GregĂ³rio           NA
# 27                PIB Privado           NA
# 28                     R$4,61        14559
# 29                 Ellen Page           NA
# 30                 Censo 2020           NA
# 31                   Capricho           NA
# 32              EXPULSO DA PM           NA
# 33                      O PVC           NA
# 34              Garoto Errado           NA
# 35                     #LCDP4        59409
# 36             #LaCasaDePapel           NA
# 37            #ILoveMeTONIGHT        14919
# 38         #RexonaDanceStudio           NA
# 39          #TheBookOfYouAndI           NA
# 40        #loveisblindReunion        21994
# 41   #DisneyAdaptPercyJackson           NA
# 42      #CaminhosDoCoraĂ§Ă£o243           NA
# 43                #AtardeESua           NA
# 44                     #Priel           NA
# 45               #guinosejoga           NA
# 46              #ScoobyOFilme           NA
# 47             #7TRACKBYTRACK        47081
# 48          #500DaysWithATEEZ           NA
# 49            #foxsportsradio           NA
# 50                     #dolar           NA

Como nem tudo Ă© perfeito, a busca por Trending Topics possui algumas limitações, entre elas podemos destacar que o Twitter sĂ³ permite 75 requisições de dados a cada 15 minutos (ou seja, apenas 75 localidades a cada 15 minutos) e tambĂ©m que nem todas as localidades estĂ£o contempladas (enquanto SĂ£o Paulo possui dados da cidade de SĂ£o Paulo, Campinas e Guaralhus a presença de cidades do norte, nordeste e centro-oeste Ă© minima).
Estes dados podem ser usados de diversas maneiras, como integrados a dashboard de monitoramento em tempo real ou atravĂ©s da bots, como o Trendy, que envia o TT para os usuĂ¡rios a cada hora.