Πρόβλεψη τουριστικών αφίξεων/τουριστικής ζήτησης, με την χρήση δεδομένων αναζητήσεων στις μηχανές αναζήτησης και τα social media: ο ρόλος τους στην λειτουργία των DMO

Abstract

This doctoral thesis dissertation examines the forecasting of tourism demand and tourist arrivals through the utilization of Big Data derived from search engines, social media, and online review platforms. The aim of the research is to develop an innovative forecasting framework that leverages highfrequency digital data to better understand travel behavior and travel intentions. The study investigates the role of Big Data, Google Trends, social media, UserGenerated Content (UGC), and Search Engine Optimization (SEO) techniques in the tourism industry, as well as their contribution to strategic decision making by Destination Management Organizations (DMO). Furthermore, it explores the use of digital data for the more effective promotion and management of tourist destinations. The empirical part of the dissertation presents the proposed tourism demand forecasting framework, KEF-PRED, using the island of Kefalonia as the case study area. The proposedforecasting framework combines primary airline arrival data, search query data from Google Trends, and online review data from rating and review platforms. The findings confirm that search engine and social media data can serve as reliable predictors of tourism demand and can significantly contribute to improving tourism management and destination marketing strategies.

Η παρούσα διδακτορική διατριβή εξετάζει την πρόβλεψη της τουριστικής ζήτησης και των τουριστικών αφίξεων μέσω της αξιοποίησης Big Data που προέρχονται από μηχανές αναζήτησης, μέσα κοινωνικής δικτύωσης και διαδικτυακές πλατφόρμες αξιολογήσεων. Στόχος της έρευνας είναι η ανάπτυξη ενός καινοτόμου πλαισίου πρόβλεψης, το οποίο αξιοποιεί ψηφιακά δεδομένα υψηλής συχνότητας για την κατανόηση της ταξιδιωτικής συμπεριφοράς και της πρόθεσης ταξιδιού. Η έρευνα αναλύει τον ρόλο των Big Data, των Google Trends, των Social Media, των User Generated Content (UGC) και των τεχνικώνSearch Engine Optimization (SEO) στην τουριστική βιομηχανία, καθώς και τη συμβολή τους στη λήψη στρατηγικών αποφάσεων από τους Οργανισμούς Διαχείρισης Προορισμού (DMO). Παράλληλα, εξετάζεται η αξιοποίηση των ψηφιακών δεδομένων για την αποτελεσματικότερη προβολή και διαχείριση τουριστικών προορισμών. Στο ερευνητικό μέρος της διατριβής παρουσιάζεται το προτεινόμενο framework πρόβλεψης τουριστικής ζήτησης (KEF-PRED), με περιοχή μελέτης το νησί της Κεφαλονιάς. Το προτεινόμενο πλαίσιο πρόβλεψης, συνδυάζει πρωτογενή δεδομένα αεροπορικών αφίξεων, δεδομένα αναζητήσεων από το Google Trends και δεδομένα διαδικτυακών κριτικών από πλατφόρμες αξιολογήσεων. Τα αποτελέσματα της έρευνας επιβεβαιώνουν ότι τα δεδομένα αναζητήσεων και κοινωνικών δικτύων μπορούν να λειτουργήσουν ως αξιόπιστοι δείκτες πρόβλεψης της τουριστικής ζήτησης και να συμβάλουν στη βελτίωση της τουριστικής διαχείρισης και στρατηγικής προβολής.