Using online search query data to forecast bargain sale campaign outcomes
Virtaneva, Minna (2018)
Pro gradu -tutkielma
Virtaneva, Minna
2018
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2018052524742
https://urn.fi/URN:NBN:fi-fe2018052524742
Tiivistelmä
The objective of this master’s thesis is to examine search query volume- based predictor’s predictive power towards the case company operated bargain sale. The phenomena of using search queries for forecasting has gained interest during the last decades due to the increasing usage of search engines. Search query data is an unbiased sample of the population and it represents genuine and unspoken interest towards the query topic. The searches include commercial queries, which can be considered as proxies for customer interest and thus can be used for analyzing and predicting sale sizes. Google Trends provides free to download files that include search query volumes from chosen timelines. This recently discovered data opens a new opportunity for companies to study their consumer interests without having to conduct costly and time-consuming consumer surveys. The main research question is “Can Google search engine query volumes help estimating bargain sale outcomes from the perspective of representing a proxy for customer interest?” There are three theory parts to find answers to this research question. These three theoretical parts are customer online behavior, search engine data and forecasting with search queries. The thesis is a quantitative research and the forecasting will be done with a classic linear regression model. The results are prominent. The search query data was able to forecast significantly the brick store sale and the total sales. However, not the online store sale. The results suggest that the Google predictor improves the current forecasting models by being able to detect public bargain sale trends as well as the potential turning points of the sale. Tämän Pro Gradu tutkielman tavoite on tutkia Google hakusanojen volyymien yhteyttä asiakaskiinnostukseen sekä sitä voiko hakusanadatalla ennustaa alennusmyynnin myyntituloksia. Pro Gradu on tehty case-yrityksen avulla. Yritys on mahdollistanut todellisen alennusmyynnin tuloksien analysoimisen tarjoamalla alennusmyyntidatan tähän tutkimukseen. Hakusanadata on ladattu ilmaiseksi Google Trends- sivuilta. Hakusanadatan on todettu olevan harhaton otos asiakkaiden hiljaisesta kiinnostuksesta. Hakusanojen ollessa kaupallisia, niitä voidaan tulkita ostohalukkuuden mittarina haettua aihetta kohtaan. Tämä mahdollistaa hakusanavolyymien käyttämisen prokuurana asiakaskiinnostukselle ja siten hakusanadataa voidaan hyödyntää myyntituloksien ennustamiseen. Käyttämällä Google Trends hakusanadataa voidaan mahdollisesti säästää yrityksen käyttämää rahaa ja aikaa vähentämällä perinteisten asiakaskyselyiden määrää. Tutkimuksen päätutkimuskysymys on ”Voiko Google-hakukoneen hakusanavolyymeillä ennustaa alennusmyynnin myyntituloksia, kun hakusanavolyymit toimivat prokuurana asiakaskiinnostukselle?” Tätä tutkimuskysymystä lähdetään ratkaisemaan kolmella teoriaosuudella, jotka käsittelevät verkkokäyttäytymistä, hakukonedataa sekä hakusanadatalla ennustamista. Tutkimus on kvantitatiivinen ja toteutetaan klassisella lineaarisella regressiomallilla. Tutkimuksen tulokset ovat lupaavia. Hakukonedata onnistui ennustamaan merkityksellisesti kivijalkaliikkeen myyntiä sekä kokonaismyyntiä, muttei kuitenkaan onlinekauppamyyntiä. Tulokset viittaavat siihen, että hakukonedataan perustuva selittävä muuttuja parantaa nykyisiä ennustusmalleja, koska muuttuja pystyy ennustamaan sekä alennusmyynnin yleisiä trendejä että potentiaalisia käännekohtia.