Las tecnicas de proyeccion basadas en nowcasting1 han adoptado cada vez mayor preponderancia, gracias a su bondad para pronosticar determinadas variables macroeconomicas por medio de informacion de alta frecuencia y dada la posibilidad de publicar dicha informacion sin rezagos. El objetivo primordial de este estudio es generar proyecciones basadas en datos nano-economicos procedentes de la plataforma Google Trends, con frecuencia mensual y semanal, y empleando un Modelo Bayesiano Estructural de Series de Tiempo (BSTS, por sus siglas en ingles) para el Indice de Actividad Economica (IMAE), el Consumo Privado y la Inversion, los cuales son publicados por el Banco Central de la Republica Dominicana con periodicidad mensual y trimestral, respectivamente. Los resultados exhiben una convergencia entre los indicadores adelantados estimados a traves de la metodologia propuesta y las variables observadas, i.g. . IMAE, Consumo Privado e Inversion. Se llega a la conclusion de que la concatenacion de la informacion de Google Trends con un modelo especializado como el BSTS, para el manejo de grandes conjuntos de datos propicia una mejora en la exactitud de los resultados en comparacion con los valores efectivamente observados. La importancia y el valor de las herramientas inherentes a la teoria de machine learning continuan en ascenso y su desempeno refleja su alto potencial para reforzar los procesos de toma de decisiones.