The use of big data in tourism sales forecasting
Abstract
Background. The explosion of big data (BD), automation, and machine learning have allowed contemporary businesses to better understand and predict human behavior. In scientific research big data have been widely used to study consumer journey and opinions. One of the tools enabling forecasting of sales volume is the Bass diffusion model, which universal nature has been proven in many applications in forecasting the sale of products belonging to various market segments. This article considers the use of BD as exogenous variables in the Bass model to predict the sales of tourist packages. Research aims. The purpose of the research is to assess the impact of using big data on improving the accuracy of forecasts for the sale of tourist packages. The Generalized Bass Model (GBM) has been thus expanded to include big data, which means that exogenous variables include: (1) marketer-generated content (MGC) and (2) user-generated content (UGC), including volume of web search and blog posts.
Methodology. This article analyzes online news, blog posts and web search traffic volume related to tourist packages, and then integrates the information into the Bass model, treating it as part of the exogenous variables representing the marketing efforts of tour operators. It has been assumed that the volume of tour operators’ web news is a proxy for content generated by marketers (MGC), while the volume of blog posts and web search traffic constitute user-generated content (UGC).
Key findings. The empirical analysis found that by incorporating big data into the Bass model provides more accurate prediction of tourist packages’ sales volume. In addition, UGC (as an exogenous variable) is better at predicting sales volume than MGC. UGC is a fairly good tool explaining the level of interest and involvement of potential tourists. However, it has been shown that forecasting efficiency is different for blog posts and web search traffic volumes. 背景。大数据(BD),自动化和机器学习的爆炸式增长使当代企业可以更好地理解和预测人类行为。在科学研究中,大数据已被广泛用于研究消费者的旅程和观点。能够预测销售量的工具之一是Bass扩散模型,该模型具有普遍性,已在许多应用中证明了其在预测属于各个细分市场的产品的销售中的应用。本文认为BD作为Bass模型中的外生变量来预测旅游套票的销售。研究目的。该研究的目的是评估使用大数据对提高旅游套票销售的预测准确性的影响。因此,广义低音模型(GBM)已扩展为包括大数据,这意味着外生变量包括:(1)市场商生成的内容(MGC)和(2)用户生成的内容(UGC),包括网络搜索量和博客文章。方法。本文分析了与旅游套餐相关的在线新闻,博客文章和网络搜索流量,然后将信息整合到Bass模型中,将其作为代表旅行社营销工作的外在变量的一部分。已经假定,旅行社的网络新闻量是营销商(MGC)生成的内容的代理,而博客帖子和网络搜索流量的量则构成用户生成的内容(UGC)。主要发现。实证分析发现,通过将大数据纳入Bass模型,可以更准确地预测旅游套餐的销售量。此外,UGC(作为外生变量)比MGC更能预测销量。教资会是一个很好的工具,可以解释潜在游客的兴趣和参与程度。但是,事实表明,博客帖子和网络搜索流量的预测效率是不同的。,(angielski) Hintergrund. Die Explosion von Big Data (BD), Automatisierung und maschinellem Lernen hat es zeitgenössischen Unternehmen ermöglicht, menschliches Verhalten besser zu verstehen und vorherzusagen. In der wissenschaftlichen Forschung wurden Big Data häufig verwendet, um die Reise und Meinungen der Verbraucher zu untersuchen. Eines der Instrumente zur Prognose des Verkaufsvolumens ist das Bass-Diffusionsmodell, das sich in vielen Anwendungen bei der Prognose des Verkaufs von Produkten aus verschiedenen Marktsegmenten als universell erwiesen hat. In diesem Artikel wird die Verwendung von BD als exogene Variablen im Bass-Modell zur Vorhersage des Verkaufs von Touristenpaketen betrachtet. Forschungsziele. Ziel der Untersuchung ist es, die Auswirkungen der Verwendung von Big Data auf die Verbesserung der Genauigkeit von Prognosen für den Verkauf von Touristenpaketen zu bewerten. Das Generalized Bass Model (GBM) wurde daher um Big Data erweitert. Dies bedeutet, dass exogene Variablen Folgendes umfassen: (1) vom Vermarkter generierte Inhalte (MGC) und (2) benutzergenerierte Inhalte (UGC), einschließlich des Volumens der Websuche und Blog-Beiträge. Methodik. In diesem Artikel werden Online-Nachrichten, Blog-Beiträge und das Verkehrsaufkommen im Zusammenhang mit touristischen Paketen analysiert. Anschließend werden die Informationen in das Bass-Modell integriert und als Teil der exogenen Variablen behandelt, die die Marketingbemühungen der Reiseveranstalter darstellen. Es wurde angenommen, dass das Volumen der Webnachrichten von Reiseveranstaltern ein Proxy für von Vermarktern generierte Inhalte ist (MGC), während das Volumen der Blogposts und des Websuchverkehrs benutzergenerierte Inhalte (UGC) darstellen. Wichtigste Ergebnisse. Die empirische Analyse ergab, dass durch die Einbeziehung von Big Data in das Bass-Modell das Verkaufsvolumen von Touristenpaketen genauer vorhergesagt werden kann. Darüber hinaus kann UGC (als exogene Variable) das Umsatzvolumen besser vorhersagen als MGC. UGC ist ein ziemlich gutes Instrument, um das Interesse und die Beteiligung potenzieller Touristen zu erklären. Es hat sich jedoch gezeigt, dass die Prognoseeffizienz für Blog-Posts und das Verkehrsaufkommen bei der Websuche unterschiedlich ist. (Angielski) Contexte. L'explosion du big data (BD), l'automatisation et l'apprentissage automatique ont permis aux entreprises contemporaines de mieux comprendre et prédire le comportement humain. Dans la recherche scientifique, les mégadonnées ont été largement utilisées pour étudier le parcours et les opinions des consommateurs. L'un des outils permettant de prévoir le volume des ventes est le modèle de diffusion Bass, dont le caractère universel a été prouvé dans de nombreuses applications de prévision de vente de produits appartenant à différents segments de marché. Cet article considère l'utilisation de BD comme variables exogènes dans le modèle de Bass pour prédire les ventes de forfaits touristiques. Objectifs de la recherche. Le but de la recherche est d'évaluer l'impact de l'utilisation des mégadonnées sur l'amélioration de la précision des prévisions de vente de forfaits touristiques. Le Generalized Bass Model (GBM) a donc été élargi pour inclure le Big Data, ce qui signifie que les variables exogènes incluent: (1) le contenu généré par le marketing (MGC) et (2) le contenu généré par l'utilisateur (UGC), y compris le volume de recherche sur le Web. et les articles de blog. Méthodologie. Cet article analyse les actualités en ligne, les articles de blog et le volume de trafic de recherche sur le Web liés aux forfaits touristiques, puis intègre les informations dans le modèle Bass, les traitant comme faisant partie des variables exogènes représentant les efforts marketing des voyagistes. On a supposé que le volume d’actualités Web des voyagistes est un indicateur du contenu généré par les spécialistes du marketing (MGC), tandis que le volume des articles de blog et le trafic de recherche sur le Web constituent du contenu généré par les utilisateurs (UGC). Principales conclusions. L’analyse empirique a révélé qu’en incorporant des données massives dans le modèle de Bass, on pouvait prévoir plus précisément le volume des ventes des forfaits touristiques. En outre, l'UGC (en tant que variable exogène) est mieux à même de prédire le volume des ventes que MGC. L'UGC est un assez bon outil expliquant le niveau d'intérêt et d'implication des touristes potentiels. Cependant, il a été démontré que l'efficacité des prévisions est différente pour les articles de blog et les volumes de trafic de recherche Web. Antecedentes. La explosión del big data (BD), la automatización y el aprendizaje automático han permitido a las empresas contemporáneas comprender y predecir mejor el comportamiento humano. En la investigación científica, los macrodatos se han utilizado ampliamente para estudiar el recorrido y las opiniones del consumidor. Una de las herramientas que permite pronosticar el volumen de ventas es el modelo de difusión de Bass, cuyo carácter universal ha sido probado en muchas aplicaciones para pronosticar la venta de productos pertenecientes a varios segmentos del mercado. Este artículo considera el uso de BD como variables exógenas en el modelo de Bass para predecir las ventas de paquetes turísticos. Objetivos de la investigación. El propósito de la investigación es evaluar el impacto del uso de big data en la mejora de la precisión de las previsiones para la venta de paquetes turísticos. Por lo tanto, el modelo de bajos generalizados (GBM) se ha ampliado para incluir big data, lo que significa que las variables exógenas incluyen: (1) contenido generado por el marketing (MGC) y (2) contenido generado por el usuario (UGC), incluido el volumen de búsqueda web. y publicaciones de blog. Metodología. Este artículo analiza las noticias en línea, las publicaciones de blogs y el volumen de tráfico de búsqueda en la web relacionados con los paquetes turísticos, y luego integra la información en el modelo Bass, tratándola como parte de las variables exógenas que representan los esfuerzos de marketing de los operadores turísticos. Se ha asumido que el volumen de noticias web de los operadores turísticos es un proxy del contenido generado por los especialistas en marketing (MGC), mientras que el volumen de publicaciones en blogs y el tráfico de búsqueda web constituyen contenido generado por el usuario (UGC). Resultados clave. El análisis empírico encontró que la incorporación de macrodatos en el modelo de Bass proporciona una predicción más precisa del volumen de ventas de paquetes turísticos. Además, UGC (como variable exógena) es mejor para predecir el volumen de ventas que MGC. UGC es una herramienta bastante buena que explica el nivel de interés y participación de los turistas potenciales. Sin embargo, se ha demostrado que la eficiencia de la previsión es diferente para las publicaciones de blogs y los volúmenes de tráfico de búsqueda web., (Angielski) Sfondo. L'esplosione di big data (BD), automazione e apprendimento automatico hanno consentito alle aziende contemporanee di comprendere e prevedere meglio il comportamento umano. Nella ricerca scientifica i big data sono stati ampiamente utilizzati per studiare il percorso e le opinioni dei consumatori. Uno degli strumenti che consentono la previsione del volume delle vendite è il modello di diffusione dei bassi, la cui natura universale è stata dimostrata in molte applicazioni nella previsione della vendita di prodotti appartenenti a diversi segmenti di mercato. Questo articolo considera l'utilizzo di BD come variabili esogene nel modello Bass per prevedere le vendite di pacchetti turistici. Obiettivi della ricerca. Lo scopo della ricerca è valutare l'impatto dell'utilizzo dei big data sul miglioramento dell'accuratezza delle previsioni per la vendita di pacchetti turistici. Il Generalized Bass Model (GBM) è stato quindi ampliato per includere i big data, il che significa che le variabili esogene includono: (1) contenuto generato dal marketing (MGC) e (2) contenuto generato dall'utente (UGC), compreso il volume di ricerca web e post di blog. Metodologia. Questo articolo analizza notizie online, post di blog e volume di traffico di ricerca web relativi a pacchetti turistici, quindi integra le informazioni nel modello Bass, trattandole come parte delle variabili esogene che rappresentano gli sforzi di marketing dei tour operator. Si è ipotizzato che il volume delle notizie web dei tour operator sia un proxy per i contenuti generati dagli operatori di marketing (MGC), mentre il volume dei post sui blog e del traffico di ricerca web costituisce contenuto generato dagli utenti (UGC). Risultati chiave. L'analisi empirica ha rilevato che incorporando i big data nel modello Bass fornisce una previsione più accurata del volume di vendita dei pacchetti turistici. Inoltre, UGC (come variabile esogena) è migliore nel prevedere il volume delle vendite rispetto a MGC. I contenuti generati dagli utenti sono uno strumento abbastanza buono per spiegare il livello di interesse e il coinvolgimento dei potenziali turisti. Tuttavia, è stato dimostrato che l'efficienza delle previsioni è diversa per i post di blog e i volumi di traffico di ricerca web. Задний план. Бурный рост больших данных (BD), автоматизации и машинного обучения позволил современным компаниям лучше понимать и предсказывать поведение людей. В научных исследованиях большие данные широко используются для изучения покупательского пути и мнений. Одним из инструментов, позволяющих прогнозировать объем продаж, является диффузионная модель Басса, универсальность которой доказана во многих приложениях при прогнозировании продаж продуктов, относящихся к различным сегментам рынка. В этой статье рассматривается использование BD в качестве экзогенных переменных в модели Басса для прогнозирования продаж туристических пакетов. Цели исследования. Цель исследования - оценить влияние использования больших данных на повышение точности прогнозов продажи туристических пакетов. Таким образом, Generalized Bass Model (GBM) была расширена за счет включения больших данных, что означает, что экзогенные переменные включают: (1) контент, созданный маркетологами (MGC) и (2) контент, созданный пользователями (UGC), включая объем веб-поиска. и сообщения в блогах. Методология. В этой статье анализируются онлайн-новости, сообщения в блогах и объем трафика веб-поиска, связанный с туристическими пакетами, а затем информация интегрируется в модель Басса, рассматривая ее как часть экзогенных переменных, представляющих маркетинговые усилия туроператоров. Предполагалось, что объем веб-новостей туроператоров является косвенным показателем содержания, созданного маркетологами (MGC), в то время как объем сообщений в блогах и поисковый трафик представляют собой контент, создаваемый пользователями (UGC). Основные выводы. Эмпирический анализ показал, что включение больших данных в модель Басса позволяет более точно прогнозировать объем продаж туристических пакетов. Кроме того, UGC (как экзогенная переменная) лучше предсказывает объем продаж, чем MGC. UGC - довольно хороший инструмент, объясняющий уровень интереса и вовлеченности потенциальных туристов. Однако было показано, что эффективность прогнозирования различается для сообщений в блогах и объемов трафика веб-поиска.