Forecasting tourism arrivals with an online search engine data: A study of the Balearic Islands

Abstract

Este estudio analiza diferentes temas relacionados con la predicción en el área del revenue man‑agement sobre el número de llegadas turísticas para las Islas Baleares. Específicamente, el estudio utiliza búsquedas de un buscador online (Google Trends) para demostrar su poder predictivo en comparación con los métodos tradicionales. He desarrollado la base de datos en base a dos principales volúmenes de llegadas turísticas, y después he comparado cada modelo con su correspondiente modelo de referencia para descubrir si el indicador de Google Trends puede mejorar la precisión de la predicción. Consecuentemente, el test de causalidad de Granger indicó una causalidad positiva entre las variables indicando unos buenos resultados de la estimación. Además, calculé el porcentaje de error absoluto medio (MAPE) para cada modelo y los resultados mostraron una mejora considerable en los modelos que incluyen Google Trends respecto al modelo de referencia. Los resultados muestran algunas pistas para mejorar la eficiencia de las compañías y realzar la toma de decisiones de los legisladores.

This study explores issues related to the forecasting in revenue management in the prediction of tourism arrivals for the Balearic Islands. Specifically, the study uses queries from a web search data (Google Trends) in order to demonstrate the forecasting power of such measures compared to traditional methods. I developed a database formed by the two main tourist volumes and then, I compared each model with its corresponding baseline to figure out whether the Google Trends indicator can increase accuracy of the predic‑tion. Consequently, Granger causality test indicated a positive causality between variables suggesting good estimating results. Besides, I calculated the Mean Absolute Percentage Errors (MAPE) for each model and the results showed a considerable improvement of the Google Trends models compared to baseline models. The results provide some hints for increasing company efficiency and enhance policy maker decision making.