آیا با استفاده از تحلیل کلیدواژه‌های جستجوشده در گوگل می‌توان روندهای تقاضا را پیش‌بینی کرد؟

بنا به آمار سال ۲۰۱۷، روزانه ۴٫۵ میلیارد جستجو در گوگل صورت می‌گیرد. در حال حاضر سهم بازار گوگل از موتورهای جستجو حدود ۷۰ درصد است. نکته جالب دیگر این‌که ایرانیان جزء کاربران اصلی گوگل محسوب می‌شوند. طبق آمار ماه فوریه ۲۰۱۷، ۳٫۱ درصد از کاربران موتور جستجوگر گوگل از ایران هستند. به‌این‌ترتیب ایران پس از آمریکا، هند و ژاپن در ردیف چهارم قرار دارد (شکل-۱).

شکل-۱

یک سؤال جالب این است ‌که آیا جستجوهای افراد در اینترنت می‌تواند دلالت‌هایی بر رفتارهای آنان در محیط واقعی داشته باشد؟ اگر چنین باشد تحلیل این جستجوها چه فرصت‌های ارزشمندی برای کسب‌وکارها فراهم می‌کند؟ برای پاسخ به این سؤال به چند مثال می‌پردازم.

رفتارهای دادوستد در بازارهای مالی و روندهای جستجو در گوگل

یکی از مقالات جالب و مهمی که در این حوزه در سال ۲۰۱۳ توسط سه اقتصاددان منتشر شد، نشان داده که رفتارهای دادوستد در بازارهای مالی را می‌توان تا حد خوبی با تحلیل کلیدواژه‌های مربوط به مباحث بازارهای مالی بررسی کرد. آنان نشان دادند که روندهای جستجو در گوگل نه‌تنها وضع فعلی بازارهای مالی بلکه وضعیت آتی آن را نیز منعکس می‌کند.

در این مقاله محققان ۹۸ کلیدواژه مرتبط با بازارهای مالی مانند کلمه “بدهی (Debt)” را تحلیل کردند. برای بررسی عملکرد بازارهای مالی، آنان شاخص داوجونز (Dow Jones Industrial Average -DJIA) را ملاک قراردادند. فرض کنید p(t) نشان‌دهنده قیمت داوجونز در روز اول هفته t است. برای هر کلیدواژه مشخص مانند “بدهی”، حجم جستجو در هفته قبل از آن – ‌که با n(t-1) نشان داده می‌شود- بررسی شد. به‌منظور کمّی کردن تغییرات حجم جستجوی اطلاعات از رابطه زیر استفاده شده است:

 \Delta n(t, \Delta t) = n(t) - N(t - 1, \Delta t)

در رابطه بالا N(t - 1, \Delta t) به شکل زیر تعریف شده است:

N(t -1, \Delta t) = (n(t-1) + n(t -2) + ... + n(t-\Delta t))/\Delta t

توجه کنید در روابط بالا t برحسب هفته و \Delta t یک بازه سه‌هفته‌ای در نظر گرفته شده است.

محققان یک سبد سرمایه‌گذاری فرضی را که مرتبط با قیمت‌های بین سال‌های ۲۰۰۴ تا ۲۰۱۱ است، تعریف کردند. استراتژی این سرمایه‌گذاری بر اساس روندهای جستجوی گوگل تعریف شد.

استراتژی به‌این‌ترتیب اجرا شد که اگر تغییرات حجم اطلاعات مثبت بود یعنی \Delta n(t -1, \Delta t) > 0، در روز اول هفته t، سهام داوجونز به قیمت p(t) فروش می‌رفت و به قیمت p(t+1) در ابتدای هفته بعد خریداری می‌شد. برعکس اگر \Delta n(t -1, \Delta t) < 0، در روز اول هفته t سهام به قیمت  p(t)خرید می‌شد و در اولین روز هفته بعد به قیمت p(t+1) به فروش می‌رفت.

شکل-۲ نشان‌دهنده تغییرات قیمت داوجونز در روز اول هر هفته، p(t)، است. رنگ‌بندی‌ها نشان‌دهنده تغییرات حجم جستجو برای کلمه “بدهی” است. به‌صورت بصری می‌توان دید که در بسیاری از مواردی بین تغییرات قیمت و تغییرات حجم جستجو برای کلیدواژه “بدهی” همبستگی وجود دارد. به‌طور مشخص کمی قبل از سقوط قیمت‌ها در بحران مالی ۲۰۰۸ امریکا، حجم جستجو افزایش چشم‌گیری داشته است.

شکل-۲

نمودار شکل-۳ نشان می‌دهد اگر واقعاً این استراتژی بین سال‌های ۲۰۰۴ تا ۲۰۱۱ اجرا می‌شد، چقدر عایدی داشت. خط آبی نشان‌دهنده سود تجمعی (Cumulative Return) استراتژی مبتنی بر روند جستجوی گوگل برای کلیدواژه “بدهی” است. به ترتیب خط قرمز و خط‌چین نشان‌دهنده میانگین و انحراف معیار حاصل از عایدی ۱۰۰۰۰ استراتژی متفاوت خریدوفروش تصادفی است. این نمودار نشان می‌دهد نتیجه استراتژی مبتنی بر روند جستجوی گوگل، سود تجمعی ۳۲۶ درصد است. این مقاله برای سایر کلیدواژه‌ها و بازه‌های مختلف \Delta t، همین روند را طی کرده است.

شکل-۳

این مطالعه نشان داد روندها برای فروش دارایی‌های مالی در قیمت‌های پایین با یک دوره نگرانی آغاز می‌شود. در این دوره افراد شروع به جستجوی اطلاعات در مورد وضعیت بازارهای مالی می‌کنند به همین دلیل حجم جستجوها در گوگل کمی قبل از سقوط قیمت‌ها افزایش می‌یابد. همچنین نتایج این تحقیق برای جستجوی کلیدواژه‌ها در کشور آمریکا و مقایسه آن با جستجو در سطح جهان نشان می‌دهد سرمایه‌گذاری بر اساس روندهای جستجوی گوگل، بر اساس حجم جستجو در آمریکا موفق‌تر است. این شاید به این دلیل است که تعداد کاربران اینترنت در آمریکا که سهام نیز خریدوفروش می‌کنند، بیشتر است.

مثال‌های دیگر از کاربرد روندهای جستجو در گوگل

به‌عنوان نمونه دیگر، مشخص ‌شده است که میزان توجه معامله گران در بازار انرژی، خود را در حجم کلیدواژه‌های جستجو شده در گوگل منعکس می‌کند. کلیدواژه‌های مرتبط با حوزه انرژی می‌توانند پیش‌بینی کننده خوبی برای نوسانات قیمت (Price Volatility) کالاهای حامل انرژی نظیر نفت خام، نفت کوره و گاز طبیعی در بازارهای جهانی باشند. شکل-۴ نوسانات قیمت نفت برنت (خط آبی‌رنگ) – که با انحراف معیار سنجیده می‌شود- در مقابلِ حجم جستجو برای کلمه OPEC (خط قرمزرنگ) را نمایش می‌دهد.

شکل-۴

تحقیقات متنوع دیگری نیز در مورد قدرت پیش‌بینی کنندگی حجم جستجوی کلیدواژه‌ها در گوگل شده است. برای مثال مطالعات نشان داده میزان جستجوی نام یک کشور در گوگل با حجم سرمایه‌گذاری خارجی در آن کشور همبستگی دارد، یا میزان شیوع بیماری آنفولانزا را در یک منطقه، می‌توان با تحلیل میزان جستجوی کلمات متناظر در آن منطقه تخمین زد. مطالعه دیگری نشان داده است که افراد در کشورهایی که نرخ سرانه تولید ناخالص داخلی (GDP per Capita) بالاتری دارند، بیشتر به دنبال اطلاعات مربوط به آینده می‌گردند تا اطلاعات مربوط به گذشته.

کسب‌وکارها چگونه می‌توانند از روندهای جستجو در گوگل استفاده کنند؟

موتور جستجوگر گوگل با استفاده از ابزار Google Trends به شما امکان دسترسی رایگان به اطلاعات مربوط به روند جستجوی کلیدواژه‌های مختلف را می‌دهد. با استفاده از این ابزار می‌توانید اطلاعات را بر اساس زمان‌های مختلف، زبان‌های گوناگون و مناطق جغرافیایی برش بزنید. همچنین فهرستی از کلیدواژه‌های مرتبط با کلیدواژه موردنظر شما را نیز به دست می‌دهد.

اما کسب‌وکارها چگونه می‌توانند از این ابزار استفاده کنند؟ به‌طورکلی روند حجم جستجوی یک کلمه نشان می‌دهد که میزان توجه کاربران اینترنت در طول زمان چگونه بوده است. برای بعضی از کالاها می‌تواند همبستگی قوی بین میزان جستجوی آن در اینترنت و تقاضا برای آن کالا وجود داشته باشد.

فرض کنید یک موسسه ارائه خدمات گردشگری برون‌مرزی، می‌خواهد روند تقاضا برای مقاصد گردشگری مختلف را دنبال کند. گرچه این موسسه ممکن است بر اساس داده‌های گذشته نسبت به تقاضا دیدی داشته باشد ولی لزوماً اطلاعات کافی از فضای کل بازار ندارد. برای مثال در شکل-۵ روند کلیدواژه‌های مرتبط با سفر به کشور ترکیه شامل “تور ترکیه”، “تور استانبول” و “تور آنتالیا” به ترتیب با رنگ آبی، قرمز و زرد مشخص شده است.

شکل-۵

این نمودار نشان می‌دهد که روند جستجو صعودی بوده است. این می‌تواند نشان از افزایش تقاضا برای سفر به کشور ترکیه یا افزایش کاربران ایرانی موتور جستجوی گوگل و یا تحت تأثیر هر دو باشد. نکته دیگر این‌که روند جستجو از یک الگوی فصلی پیروی می‌کند. در هرسال دونقطه بیشینه یکی نزدیکی ماه مرداد و دیگری نزدیکی بهمن‌ماه رخ می‌دهد. با احتمال زیاد این جستجوها برای برنامه‌ریزی سفر در عید نوروز و شهریور رخ می‌دهد. نکته دیگر این‌که در سال ۲۰۱۶ میزان جستجو برای سفر به ترکیه کاهش چشمگیری نسبت به سال قبل آن داشته که احتمالاً درنتیجه حوادث سیاسی رخ‌داده در آن کشور بوده است. سازمان گردشگری هم این کاهش تقاضای سفر به ترکیه را در آن سال تائید کرده است. البته همان‌طور که نمودار نشان می‌دهد دوباره حجم جستجو در سال ۲۰۱۷ رشد داشته است. مسئله دیگر این است که کدام کلیدواژه بهتر می‌تواند پیش‌بینی کننده تقاضا به کشور ترکیه باشد. اگر اطلاعات مربوط به تقاضای سفر به ترکیه در دسترس بود، این امکان وجود داشت به شکل دقیق رابطه بین کلیدواژه‌ها و تقاضای سفر مشخص شود. اگرچه از نمودار به نظر می‌رسد همبستگی زیادی بین حجم جستجو برای این سه کلیدواژه وجود دارد. ضمن آنکه کلیدواژه “تور استانبول” بیشتر از بقیه جستجو شده است.

جالب‌تر وقتی خواهد بود که کشور ترکیه را با سایر مقاصد گردشگری مقایسه کنیم. شکل-۶ شاخص حجم جستجو برای کلیدواژه‌های “تور استانبول”، “تور ارمنستان” و “تور گرجستان” را به ترتیب با رنگ‌های آبی، قرمز و زرد نشان می‌دهد. این داده‌ها نشان می‌دهد روند جستجوی گرجستان به‌عنوان یک مقصد گردشگری به‌سرعت رو به افزایش است.

شکل-۶

این سؤال همچنان مطرح است که برای هر کسب‌وکار نتایج جستجوی گوگل تا چه حد می‌تواند پیش‌بینی کننده تقاضای مشتریان باشد. شرکت گوگل در یک مقاله تحقیقی به این پرداخته که روندهای پیش‌بینی جستجوها در کدام حوزه‌ها قابل پیش‌بینی‌تر است؛ به‌عبارت‌دیگر بر اساس حجم جستجوهای گذشته برای یک کلیدواژه تا چه حد روند آینده جستجوی آن را می‌توان حدس زد. نتایج دلالت بر این دارد که در سه حوزه سلامت، خوراکی و نوشیدنی و گردشگری با تقریب بالایی می‌توان روندهای آتی جستجوی کلیدواژه‌ها را پیش‌بینی کرد. این بدین معنی است که در این حوزه‌ها رفتار کاربران سازگارتر است؛ اما آیا به این معنی است که بین تقاضای یک محصول در این حوزه‌ها و رفتار کاربران در جستجوی کلمات رابطه قوی‌تری برقرار است؟ پاسخ به این سؤال نیازمند مطالعه بیشتر است.

هر کسب‌وکاری می‌تواند با بررسی داده‌های مربوط به تقاضای کالا یا خدماتش و مقایسه آن با حجم جستجوی کلیدواژه‌ها با بهره‌گیری از روش‌های آماری میزان دقت پیش‌بینی این روش را آزمایش کند.

استفاده از روندهای جستجوی کلیدواژه‌ها در گوگل می‌تواند کاربردهای متنوعی شامل پیش‌بینی تقاضا، فهم رفتار مشتریان و تخمین سهم بازار رقبا داشته باشد. بسته به نوع کسب‌وکار ممکن است میزان مفید بودن مدل‌های پیش‌بینی تفاوت کند.

منابع:

Afkhami, M., Cormack, L., & Ghoddusi, H. (2016). The Most Predictive Energy Search Terms

Ginsberg, J., Mohebbi, M. H., Patel, R. S., Brammer, L., Smolinski, M. S., & Brilliant, L. (2009). “Detecting Influenza Epidemics Using Search Engine Query Data”. Nature, 457(7232), 1012-1014

Mondria, J., Wu, T. & Zhang, Y. (2010). “The Determinants of International Investment and Attention Allocation: Using Internet Search Query Data”. Journal of International Economics 82, 85–۹۵

Preis, T., Moat, H. S., & Stanley, H. E. (2013). “Quantifying Trading Behavior in Financial Markets Using Google Trends”. Scientific reports, 3, srep01684

Preis, T., Moat, H. S., Stanley, H. E., & Bishop, S. R. (2012). “Quantifying the Advantage of Looking Forward”. Scientific Reports, 2, 350

Shimshoni, Y., Efron, N., & Matias, Y. (2009). “On the Predictability of Search Trends”. Google Research Blog

Statista (2017). “Distribution of Global Online Visitors to Google.com as of February 2017, by Country”, https://www.statista.com/

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *