STIMA DEI FLUSSI TURISTICI NELLA REGIONE LIGURIAMEDIANTE L’UTILIZZO DI WEB TRENDS

www.trendsight.net

TrendSight

2

PREMESSA

• La crescente sofisticazione delle strategie di mercato degli operatori, pubblici e privati, richiede informazioni tempestive e estremamente dettagliate sull’andamento del mercato turistico

• E’ possibile fornire una risposta a queste esigenze attraverso l’utilizzo di tecniche econometriche innovative, basate su una fonte informativa originale derivata dall’analisi del comportamento di ricerca di informazioni turistiche degli utenti web

• In questa presentazione si propone un approccio metodologico originale in grado di fornire con grande rapidità statistiche sulle tendenze, in atto e future, dei flussi turistici ad un livello territoriale estremamente disaggregato

3

LA BASE INFORMATIVA: I WEB TRENDS

• La possibilità di poter accedere attraverso internet a contenuti multimediali consente al turista che sta scegliendo una meta di anticipare l’esperienza del viaggio

• La crescente disponibilità di servizi di prenotazione on-line rende il web uno strumento sempre più indispensabile per la pianificazione di una vacanza

• Grazie all'apporto tecnologico offerto dal più importante search engine, Google Inc., è possibile conoscere in tempo reale:

– quali sono i contenuti che gli utenti richiedono dal web; – con quale intensità e con quale dinamica temporale si

manifesta l'interesse degli utenti

4

UN’INNOVAZIONE SOSTANZIALE

• Si dispone dunque di uno strumento più avanzato, rispetto all'oramai diffusa analisi del traffico web di un singolo sito.

• Si coglie infatti il comportamento della moltitudine degli utenti che cercano informazioni in tutto il world wide web.

5

I WEB TRENDS: UNA REALTA’

• Ad esempio si può sapere, dal 2006 ad oggi, l’andamento della ricerca web di un "albergo a Portofino"

0

10

20

30

40

50

60

70

80

90

100

We

b T

ren

d I

nd

ex

6

I WEB TRENDS ED I FENOMENI ECONOMICI

• Studi hanno evidenziato un’impressionante correlazione tra i flussi di ricerca web e gli andamenti di fenomeni economici, quali le presenze turistiche o le vendite di specifici prodotti.

• Un’opportuna modellizzazione statistica consente dunque di riprodurre l'andamento dei corrispondenti dati reali.

7

APPLICAZIONE AL MERCATO TURISTICO

• Sulla base di queste esperienze Trendsight ha esplorato le possibilità di un’applicazione dell’analisi Web Trends al mercato turistico per rafforzare le capacità predittive e interpretative degli strumenti ad oggi esistenti.

• Riteniamo infatti che l’analisi dei flussi turistici sia un campo di applicazione privilegiato per l’utilizzo dei Web Trends.– L’azione della ricerca di parole chiave sul search engine

può essere interpretata come un vero e proprio fattore antecedente (quindi anticipatore) della scelta del luogo da visitare.

8

APPLICAZIONE AL MERCATO TURISTICO

• Le analisi preliminari svolte da TrendSight sui flussi turistici della Regione Liguria confermano le potenzialità interpretative dei Web Trends.

• Nella slide successiva è riportato il confronto elaborato da TrendSight tra l’andamento dei Web Trends e dei flussi turistici per la Provincia di Savona.

9

FLUSSI TURISTICI E WEBTREND INDEX NELLA PROVINCIA DI SAVONA

0

20,000

40,000

60,000

80,000

100,000

120,000

140,000

160,000

180,000

200,000

Arr

ivi /

WebTre

nd In

dex

Arrivi WebTrend Index

10

ANALISI DELLE CORRELAZIONI

• Così come riscontrato in letteratura per altri settori si conferma un elevato grado di correlazione tra le due serie osservate.

• Emerge inoltre una forte proprietà predittiva dei Web Trends.– Coefficiente oltre il 94% tra WebTrends(-1) e Presenze Turistiche

(dati mensili).– Coefficienti superiori al 70% per ritardi fino a due mesi.

11

MODELLIZZAZIONE DEI FLUSSI TURISTICI

• La forte correlazione riscontrata costituisce il presupposto per la modellizzazione econometrica dei flussi turistici in funzione dei Web Trends.– L’analisi degli andamenti pregressi congiunti dei flussi

turistici di fonte ufficiale e dei Web Trends può consentire, attraverso l’utilizzo di opportune metodologie econometriche, di tradurre le recenti tendenze di questi ultimi in termini di livelli di presenze effettive.

• La disponibilità di lunghe serie storiche dei Web Trend consente di stimare modelli econometrici statisticamente robusti.

12

UNA FONTE INFORMATIVA DALLE ELEVATE POTENZIALITÀ

• La modellizzazione dei flussi turistici attraverso i WebTrends consente di sfruttare le caratteristiche di questa fonte informativa:– disponibilità di dati giornalieri in tempo reale,– serie storiche estese nel tempo,– disaggregazione flessibile dei flussi per provenienza,

destinazione e tipologia,– basso costo della raccolta delle informazioni.

• Ciò consente di rispondere alle esigenze di tempestività e completezza dell’informazione richieste dagli operatori del settore, superando i limiti del pur esteso set informativo oggi disponibile.

13

TRENDSIGHT PER L’ANALISI DEL MERCATO TURISTICO

• TrendSight ha messo a punto un insieme di strumenti di analisi per:– seguire in tempo reale e fornire

previsioni sulla congiuntura turistica (MONITORAGGIO E PREVISIONE)

– valutare l’impatto di politiche / eventi sui flussi turistici (VALUTAZIONE)

14

MONITORAGGIO E PREVISIONE

• Una modellizzazione econometrica delle serie storiche dei flussi turistici in relazione con i Web Trends e con un set di covariate consente di:– stimare i flussi turistici in tempo reale

• con anticipo rispetto alla disponibilità dei dati ufficiali• a livello territoriale disaggregato (Province, aree di

interesse turistico, grandi Comuni), distinguendo per area di provenienza (italiani e stranieri)

• segmentati per struttura ricettiva (alberghi, B&B, campeggi, ...)

– prevedere i flussi turistici• in un orizzonte temporale di breve periodo • disaggregati a livello provinciale, distinti per area di

provenienza (italiani e stranieri)

15

MONITORAGGIO E PREVISIONE METODOLOGIA

• In termini econometrici l’approccio adottato si sostanzia nell’utilizzo di modelli autoregressivi in cui i Web Trends sono inseriti tra le variabili esplicative (modelli Arimax).

• Partendo da questa impostazione abbiamo eseguito una prima stima che aggiunge all’analisi in serie storica le informazioni e le correlazioni tre i Web Trends e le presenze turistiche nella Regione Liguria.

16

MONITORAGGIO E PREVISIONE UN PRIMO ESERCIZIO DI STIMA

• Tenendo conto della disponibilità dei dati di fonte ufficiale, il campione temporale di stima risulta compreso tra il gennaio del 2004 al marzo del 2009.

• Sulla base dei coefficienti stimati abbiamo eseguito:– un test di bontà del modello, osservando gli scarti tra

le previsioni per il 2008 e i dati effettivi;– un primo esercizio di previsione.

• I risultati sono presentati nella slide successiva. Il grafico evidenzia una buon accostamento dei dati stimati ai flussi effettivi riscontrati nel 2008.

17

MONITORAGGIO E PREVISIONE DATI STIMATI – DATI REALI (PROVINCIA DI GENOVA)

0

20,000

40,000

60,000

80,000

100,000

120,000

140,000

160,000

180,000

2008.01 2008.02 2008.03 2008.04 2008.05 2008.06 2008.07 2008.08 2008.09 2008.1 2008.11 2008.12 2009.01 2009.02 2009.03 2009.04 2009.05 2009.06 2009.07 2009.08 2009.09 2009.1 2009.11 2009.12

Mesi

Arr

ivi (

valo

re a

ssol

uto)

Presenze effettive Simulated trend Forecast with web trends

18

MONITORAGGIO E PREVISIONE LA STIMA FUORI CAMPIONE

• Per evidenziare il guadagno in precisione della stima che si basa sui Web Trend abbiamo confrontato la previsione 2008 con un’altra basata unicamente su un modello in serie storiche.

• I risultati del confronto sono presentati nella slide successiva.

19

MONITORAGGIO E PREVISIONE IMPATTO SULLA PRECISIONE DELLE STIME (PROVINCIA DI GENOVA)

-15%

-10%

-5%

0%

5%

10%

15%

2008 2008 2008 2008 2008.1 2008.1 2008.1 2008.1 2008.1 2008.1 2008.1 2008.1

Mesi

Arr

ivi (

valo

re a

ssolu

to)

-15%

-10%

-5%

0%

5%

10%

15%

Guadagno (%

) di s

tima c

on w

eb tre

nds

Errore % modello con web trends Errore % modello senza web trends Guadagno modello con web trends

20

MONITORAGGIO E PREVISIONE IMPATTO SULLA PRECISIONE DELLE STIME

• Il guadagno in termini di precisione della stima nell’utilizzare l’informazione aggiuntiva dei Web Trends è decisamente significativo.

• Nell’esempio precedente l’errore medio assoluto risulta pari a 2.531 con il modello Web Trends, mentre sale a più del doppio (6.084) nel caso del modello ARIMA.

• In particolare la stima con i Web Trends risulta più precisa per nove mesi su dodici testati, e meno precisa per soli due mesi. – Forte il miglioramento nella stima del mese di Agosto, dove

l’aggiunta dell’informazione sui Web Trend migliora la stima di quasi 10 punti percentuali.

21

MONITORAGGIO E PREVISIONE IL TURISMO IN LIGURIA NEL 2009

• Presentiamo i risultati di un esercizio di stima riguardante gli arrivi nella Regione Liguria per l’anno 2009.

– Poiché l’esercizio di stima utilizza le informazioni dei Web Trends sino al mese di Agosto e i dati ufficiali sui flussi turistici sino al mese di Marzo, i risultati per il secondo e terzo trimestre rappresentano un esercizio di monitoraggio e l’ultimo trimestre è espresso in previsione.

Periodo Arrivi stimati TrendsightVariazione tendenziale

1° Trim Dato storico 467,295 -15.42° Trim 1,166,179 -0.13° Trim 1,355,147 -4.34° Trim 528,516 5.0Anno 2009 3,517,122 -3.4

Monitoraggio

Previsione

22

MONITORAGGIO E PREVISIONE IL TURISMO IN LIGURIA NEL 2009

• Dopo lo shock registrato nel primo trimestre 2009 (che ha seguito un altrettanto grave dinamica di fine 2008) le nostre stime indicano una forte capacità di recupero nel secondo trimestre evidenziando un sostanziale raggiungimento dei livelli del 2008.– La stima sembra trovare un pieno riscontro nei dati provvisori Istat resisi

recentemente disponibili.

• I mesi estivi mostrano un calo degli arrivi del 4,3% rispetto al corrispondente periodo dell’anno scorso.– Dato da considerare non del tutto negativo alla luce del buon andamento registrato

nell’estate 2008 (la migliore performance nel nostro campione temporale 2002-2009).

• Si prevede un buon recupero (+5,0% tendenziale) per il 4° trimestre 2009.– In questo caso si deve scontare il pessimo andamento registrato a fine anno

scorso.

• Nel complesso il 2009 mostra un segno negativo (-3,4%) che sconta il pessimo inizio d’anno e risulta coerente con il clima economico generale. La buona dinamica di uscita rappresenta un segnale importante di ripresa.

23

MONITORAGGIO E PREVISIONE MODELLIZZAZIONE SPECIFICA PER LA REGIONE LIGURIA

• Questi risultati si riferiscono ad un esercizio basato su una struttura regressiva semplificata allo scopo di mettere in luce i vantaggi dell’utilizzo dei Web Trends.

• A regime i modelli interpretativi relativi al contesto regionale sfrutteranno: – tecniche econometriche più sofisticate come

• ARFIMA, • filtri avanzati di destagionalizzazione, • strutture VAR;

– una più complessa specificazione delle equazioni attraverso• l’utilizzo di ulteriori informazioni di contesto (crescita economica,

informazioni metereologiche, eventi di calendario).

24

VALUTAZIONE

• I modelli di valutazione intendono offrire una quantificazione dell’impatto sulle dinamiche dei Web Trends e quindi sui flussi turistici della regione di:– eventi,– politiche turistiche e culturali, – dinamiche di specifici segmenti di offerta,– eventi esogeni.

25

VALUTAZIONE ESEMPI DI APPLICAZIONE

• Grazie alla flessibilità della base informativa è possibile infatti osservare la dinamica dei flussi di ricerca web ad esempio relativi: – alla “mostra su Fabrizio de André” o

“l’acquario” a Genova;– al “Festival Internazionale del Jazz” a La

Spezia;– all’apertura di un parco marino o di un

porto turistico.

26

VALUTAZIONE WEBTREND INDEX RELATIVI ALLA MOSTRA DEDICATA A DE ANDRE’ A GENOVA

0

20

40

60

80

100

120

21/d

ic-d

om

28/d

ic-d

om

04/g

en-d

om

11/g

en-d

om

18/g

en-d

om

25/g

en-d

om

01/f

eb-d

om

08/f

eb-d

om

15/f

eb-d

om

22/f

eb-d

om

01/m

ar-

dom

08/m

ar-

dom

15/m

ar-

dom

22/m

ar-

dom

29/m

ar-

dom

05/a

pr-

dom

12/a

pr-

dom

19/a

pr-

dom

26/a

pr-

dom

03/m

ag-d

om

10/m

ag-d

om

17/m

ag-d

om

24/m

ag-d

om

31/m

ag-d

om

07/g

iu-d

om

14/g

iu-d

om

21/g

iu-d

om

28/g

iu-d

om

05/lug-d

om