Google Trends Arama Verilerinin Türkiye'ye Yönelik Uluslararası Turizm Talebinin Nowcasting'inde Kullanımı: SARIMAX Yaklaşımı
Author :
Abstract
Turizm istatistiklerinin resmî olarak yayımlanması belirli bir gecikmeyle gerçekleşmekte, bu durum sektördeki karar alıcıların güncel talebi zamanında değerlendirmesini güçleştirmektedir. Bu çalışma, Google Trends arama hacmi verilerinin Türkiye'ye yönelik aylık uluslararası ziyaretçi sayısının resmî istatistikler açıklanmadan tahmin edilmesinde (nowcasting) öncü gösterge olarak kullanılıp kullanılamayacağını incelemektedir. Türkiye İstatistik Kurumu'nun 2012 Ocak ile 2025 Aralık dönemine ait 165 aylık ziyaretçi serisi ile Google Trends üzerinden elde edilen üç turizm temelli arama terimi ("turkey holiday", "Antalya", "Istanbul") birleştirilmiş; mevsimsel otoregresif bütünleşik hareketli ortalama (SARIMA) temel modeli ile arama verisini dışsal değişken olarak içeren SARIMAX modeli karşılaştırılmıştır. Analizler Python ortamında yürütülmüş, modeller MAPE, RMSE ve AIC ölçütleriyle değerlendirilmiştir. Bulgular, "Antalya" arama teriminin ziyaretçi sayısıyla en güçlü ilişkiyi gösterdiğini (r = 0,63) ve aramaların ziyaretçi hareketini yaklaşık iki ay önceden sinyallediğini ortaya koymaktadır. Arama verisinin modele eklenmesi test dönemi tahmin hatasını belirgin biçimde düşürmüş, ortalama mutlak yüzde hatası %11,4'ten %6,5'e gerilemiştir. Sonuçlar, Google Trends verisinin Türkiye turizminde gerçek zamanlı talep izleme ve erken uyarı amacıyla pratik bir araç olarak değerlendirilebileceğine işaret etmektedir.
Keywords
Abstract
The official release of tourism statistics occurs with a considerable delay, which makes it difficult for decision makers in the sector to assess current demand in a timely manner. This study examines whether Google Trends search volume data can serve as a leading indicator for nowcasting the monthly number of international visitors to Türkiye before official statistics are published. A monthly visitor series of 165 observations covering January 2012 to December 2025, obtained from the Turkish Statistical Institute, was combined with three tourism related search terms retrieved from Google Trends ("turkey holiday", "Antalya", "Istanbul"). A baseline seasonal autoregressive integrated moving average (SARIMA) model was compared with a SARIMAX model that incorporates search data as an exogenous variable. The analyses were conducted in Python, and the models were evaluated using MAPE, RMSE, and AIC. The findings show that the search term "Antalya" exhibits the strongest association with visitor numbers (r = 0.63) and that searches signal visitor movement approximately two months in advance. Adding search data to the model substantially reduced the test period forecast error, with the mean absolute percentage error falling from 11.4% to 6.5%. The results indicate that Google Trends data can be considered a practical tool for real time demand monitoring and early warning in Turkish tourism.
