Prediciendo la llegada de turistas a Colombia a partir de los criterios de Google Trends

Resumen: Este artículo examina si los criterios de búsqueda de Google Trends son útiles para predecir la llegada mensual de turistas a Colombia. Para este fin, se compara un modelo base que utiliza como predictor los rezagos propios de la llegada de turistas con dos especificaciones alternativas: (i) el modelo base aumentado con la inclusión de datos mensuales de Google Trends; y (ii) el modelo base, pero modificado con la inclusión de datos semanales de Google Trends. Los resultados obtenidos presentan evidencia estadísticamente significativa de que los datos de Google Trends aportan beneficios a la evaluación y predicción de llegadas de turistas a Colombia. En particular, se encuentra que datos de alta frecuencia (semanales) agregan alto valor predictivo en comparación con los modelos que usan datos de la misma frecuencia (mensuales). De este modo, la industria del turismo y los encargados de la política pública de turismo pueden apoyarse de la capacidad predictiva de los datos de Google Trends para mejorar sus procesos de planeación en el corto y mediano plazo. Abstract: This study examines whether the Google Trends search criteria are useful in forecasting the monthly arrival of tourists to Colombia. To this end, a baseline model that employs as a predictor the lags values of tourist arrivals is compared with two alternative specifications: (i) the baseline model augmented with monthly data from Google Trends; and (ii) the baseline model but modified with the inclusion of weekly data from Google Trends. The results show statistically significant evidence that Google Trends data provide benefits for the evaluation and prediction of tourist arrivals to Colombia. High-frequency (weekly) data adds high predictive value compared to models that use data of the same fre quency (monthly). In this way, the tourism industry and those in charge of tourism public policy can rely on the predictive capacity of Google Trends data to improve their planning processes in the short and medium run. Résumé: Cet article cherche a savoir si les criteres de recherche de Google Trends sont utiles pour prévoir les arrivées touristiques mensuelles en Colombie. Pour ce faire, nous proposons un modele de base qui utilise comme prédicteur les décalages inhérents a l’arrivée des touristes. Ce modele est ensuite comparé avec deux spécifications alternatives : (i) le modele de base augmenté par l’inclusion des données mensuelles issues de Google Trends ; et (ii) le modele de base augmenté par l’inclusion des données hebdomadaires issues également de Google Trends. Nous montrons que les données de Google Trends apportent des avantages statistiquement significatifs a l’évaluation et la prévision des arrivées touristiques en Colombie. Tout particulierement, les modeles qui utilisent des données a haute fréquence (hebdomadaire), ajoutent une valeur prédictive plus élevée par rapport aux modeles utilisant des données de la meme fréquence (mensuelle). Ainsi, l’industrie du tourisme et les responsables de sa politique publique peuvent s’appuyer sur la capacité prédictive des données Google Trends, afin d’améliorer leurs processus de planification a court et moyen terme.