|
Web-Daten können Umfang des zukünftigen Städtetourismus vorhersagen – Studie
der MODUL University Vienna zeigt den Wert von Google-Analytics-Daten für die Prognose von Touristenzahlen
Wien (pr&d) - Webseiten für Reiseinformationen liefern Google Analytics Daten, die zu besseren
und genaueren Vorhersagen von Touristenzahlen für Großstädte verwendet werden können - insbesondere
für Zeitperioden zwischen den nächsten drei bis zwölf Monaten. Dies ist das soeben veröffentlichte
Ergebnis eines an der MODUL University Vienna durchgeführten Forschungsprojekts, in dem der Nutzen von ausgewählten
Google-Analytics-Datensätzen für die Prognose zukünftiger Touristenzahlen für Großstädte
analysiert wurde. Das Projekt bildete Teil eines auf den Nutzen neuer Medien für modernes Management ausgerichteten
Forschungsfokus der MODUL University Vienna.
Die Nutzung von Reiseinformationsseiten ist bei Personen begehrt, die sich für Reisen in näherer Zukunft
interessieren. Google Analytics, eine Software für das Erfassen und Analysieren von Website-Nutzungen, sammelt
Daten über das User-Verhalten und stellt anonyme Durchschnitts-Statistiken zur Verfügung. Diese Informationen
werden derzeit hauptsächlich von IT-Abteilungen für die Optimierung des Webdesigns genutzt. Dr. Ulrich
Gunter und Dr. Irem Önder vom Department of Tourism and Service Management an der MODUL University Vienna
haben nun herausgefunden, dass diese Daten noch viel mehr Aussagekraft besitzen als bisher angenommen. Sie evaluierten
die Aussagekraft dieser Daten im Hinblick auf die Prognose zukünftiger Touristenzahlen für Großstädte
- einem bedeutsamen Faktor für das Ressourcenmanagement im Tourismus.
Web-Visits & Städtebesucher
"Wir analysierten die zentrale Website für Städtetourismus in Wien www.wien.info", erläutert
Dr. Gunter die in "Annals of Tourism Research" publizierte Arbeit. "Insgesamt verwendeten wir elf
Variablen für unsere Prognosemodelle. Zehn davon stammen von Google Analytics für Zugriffe auf diese
Seite, dazu kommt die Gesamtzahl aller Ankünfte von Stadttouristen in Wien. Unsere Ergebnisse zeigen deutlich,
dass die Ergänzung bestimmter Prognosemodelle mit Google-Analytics-Daten diese Modelle sehr aussagekräftig
für das Vorhersagen zukünftiger Touristenzahlen für eine gegebene Destination machen können."
Die von Dr. Gunter und Dr. Önder verwendeten Google Analytics Variablen umfassten die durchschnittliche Verweildauer
pro Besuch und auf den einzelnen Seiten, die Bounce Rate, die Anzahl neuer Besuche und Site-Views, die Anzahl der
wiederkehrenden User sowie derer, die von Social Media gekommen sind, die Anzahl aller Besuche sowie die Unique
Page Views. All diese Daten wurden für den Zeitraum von August 2008 bis Oktober 2014 erhoben.
Viele Variablen & ein Ergebnis
Verwendet wurden die Daten vom Team für sogenannte Vektor-Autoregressive (VAR) Modelle. Diese sind ökonometrische
Vorhersagemodelle, die insbesondere für Anwendungen geeignet sind, bei denen mehrere sich gegenseitig beeinflussende
Variablen berücksichtigt werden sollen. "Insgesamt konnten wir feststellen, dass Modelle, die Google
Analytics Daten berücksichtigten, zukünftige Touristenzahlen besser vorhersagen können als jene,
die das nicht tun. Insbesondere, wenn es um Vorhersagezeiträume von drei bis zwölf Monaten geht",
erklärt Dr. Önder. "Für kürzere Vorhersagezeiträume funktionierten Modelle ohne diese
Daten besser." Zur eigentlichen Beurteilung der Vorhersagekraft der Modelle verglich das Team prognostizierte
Touristenzahlen mit den tatsächlichen, die von der Datenbank TourMIS bereitgestellt wurden - einer führenden
europäischen Datenbank für Touristeninformation, die von wissenschaftlichen Mitarbeitern der MODUL University
Vienna entwickelt wurde.
"Die größte Herausforderung", ergänzt Dr. Gunter, "war die schiere Menge an verfügbaren
Daten. Es gelang uns passende Methoden zur Datenreduktion und zur Kombination von Vorhersagemethoden anzuwenden,
sodass wir alle zehn Datensätze von Google Analytics in unsere Modelle einspeisen konnten. Die umfangreiche
Erfahrung an der MODUL University Vienna mit der Analyse von Big Data war dabei eine enorme Unterstützung
- genauso wie die großzügige Zurverfügungstellung der Daten durch WienTourismus."
Forschung ohne Grenzen
Tatsächlich zeigt dieses Projekt von Dr. Gunter und Dr. Önder sehr gut den interdisziplinären Ansatz
der Forschung an der MODUL University Vienna: "Unsere Studierenden profitieren sehr durch unsere umfangreichen
wissenschaftlichen Aktivitäten", erklärt Prof. Dr. Sabine Sedlacek, die vor Kurzem zur Vizerektorin
der MODUL University Vienna berufen wurde. "Wir brechen hier gerne die Grenzen der traditionell definierten
Forschungsbereiche auf und kombinieren diese in neuer Weise mit dem Ziel, Lösungen für die globalen Probleme
von morgen entwickeln zu können. Das Projekt meiner Kolleginnen und Kollegen ist ein tolles Beispiel. Die
Analyse neuer Medien, Big Data Shrinkage und die Erforschung von Touristenströmen wurden kombiniert, um ein
wirksames Tool für die Tourismusindustrie zu entwickeln. Das ist genau die Zielrichtung unserer Forschungsaktivitäten,
die es uns ermöglicht, unseren Studierenden praxisnahe sowie wissenschaftlich-analytische Einblicke in Zukunftsthemen
zu ermöglichen."
Über die MODUL University Vienna (Stand Dezember 2016)
Die MODUL University Vienna, die internationale Privatuniversität der Wirtschaftskammer Wien, bietet Studienprogramme
(BBA, BSc, MSc, MBA und PhD Programme) aus den Bereichen Internationale Wirtschaft und Management, Neue Medientechnologie,
Public Governance und nachhaltige Entwicklung sowie Tourismus und Hospitality Management an (www.modul.ac.at/study-programs).
Die Studienprogramme erfüllen strenge Akkreditierungsrichtlinien und werden aufgrund der internationalen Ausrichtung
in Englisch abgehalten. Der Campus der Universität befindet sich am Kahlenberg im 19. Wiener Gemeindebezirk.
Das Forschungsprogramm des Department of Tourism and Service Management fokussiert auf Policy-Evaluierung, Perspektiven
der Tourismusnachfrage, unternehmerische Herausforderungen in sich rasch wandelnden Umfeldern, sowie die Wettbewerbsfähigkeit
und Entwicklung von Urlaubsdestinationen.
Originalpublikation: Forecasting city
arrivals with Google Analytics, U. Gunter & I. Önder, Annals of Tourism Research 61 (2016) 199 - 212.
http://dx.doi.org/10.1016/j.annals.2016.10.007
|
