Improving Tourist Arrival Prediction : A Big Data and Artificial Neural Network Approach
Artikeln Improving Tourist Arrival Prediction: A Big Data and Artificial Neural Network Approach, tar upp vikten av prognoser för turistnäringens aktörer och hur de kan användas för att se förändringar i efterfrågan och vägleda arbeta med att förstå och påverka potentiella turister och besökare.
Med över en miljard aktiva användare är Google Maps bland de mest populära webbportalerna för reseinformation. Syftet med studien som ligger till grund för artikeln, har varit att förbättra metoderna för att göra prognoser genom att inkludera data från internetsökningar på Google.
— Det är särskilt viktigt att prognoserna är så träffsäkra som möjligt och att det finns kostnadseffektiv och säker tillgång till data för att göra prognoser, säger docent Maria Lexhagen, verksam vid ETOUR och en av artikelförfattarna.
Studiens resultat visar att användning av Google Trends data, som en spegling av potentiella turisters sökningar på Internet och därmed framtida intressen för olika resor och resmål, ger en mer träffsäker prognos jämfört med den mer traditionella användningen av enbart historiska ankomstdata.
— Genom att använda big-data källor i tillägg till historiska data skapas nya möjligheter att förfina och förbättra prognoser och därmed också på ett mer tillförlitligt sätt säkerställa att man gör rätt val av åtgärd vid förändringar kopplat till efterfrågan, säger Maria Lexhagen.
Mer om artikeln Improving Tourist Arrival Prediction: A Big Data and Artificial Neural Network Approach
Artikeln tillhör de topp 1% mest citerade artiklarna i år inom sitt ämnesområde enligt Scopus och är därmed en av Mittuniversitetets mest uppmärksammande publikationer inom sitt fält 2021.
Läs också mer om vårt forskningsprojekt Google Maps för att scanna och analysera turism här