Los datos se caracterizan actualmente como el recurso más valioso del mundo y la agricultura está respondiendo a esta tendencia global. El desafío en ese campo de estudio en particular es crear una Agricultura Digital que ayude al sector agroalimentario a crecer en un entorno justo y competitivo. Dado que las técnicas automatizadas de aprendizaje automático y el big data son tendencias de investigación globales en agronomía, este documento tiene como objetivo comparar diferentes técnicas de marketing basadas en Análisis de Contenido para determinar la viabilidad de utilizar Twitter para diseñar estrategias de marketing y determinar qué técnicas son más efectivas, en particular, para la industria de la fresa. Un total de 2249 hashtags fueron sometidos a Análisis de Contenido utilizando la técnica de Conteo de Palabras, el Método de Teoría Fundamentada (GTM) y el Análisis de Redes (NA). Los hallazgos confirman los resultados de estudios previos sobre el potencial de Twitter como una fuente útil de información debido a sus costos más bajos de ejecución y análisis. En general, NA es más efectivo, más barato y más rápido para el Análisis de Contenido que aquel basado tanto en GTM como en Conteo de Palabras automatizado. Este documento revela el potencial de los datos de Twitter relacionados con las fresas para llevar a cabo estudios de consumidores de bayas, útiles para aumentar la competitividad del sector de las bayas y llenar una brecha importante en la literatura al proporcionar orientación sobre el desafío de la ciencia de datos en agronomía.