NÂNG CAO HIỆU QUẢ DỰ BÁO NHU CẦU DU LỊCH VỚI GOOGLE TRENDS

jos.hueuni.edu.vn Tập 133, Số 2A, 2024 97 Dự báo mới = Dự báo ban đầu +  = 2.475.036 + 1.139.656 = 3.614.692 Kết quả cho thấy phương pháp cải tiến giúp điều chỉnh dự báo tốt hơn so với phương pháp ban đầu đối với dự báo với dữ liệu Vương quốc Anh, giảm thiểu sự chênh lệch giữa dự báo và thực tế, đặc biệt là trong các tháng có sự biến động lớn. Kết quả dự báo được đánh giá bằng các chỉ số Root Mean Squared Error (RMSE) và Mean Absolute Error (MAE). Chúng tôi so sánh kết quả của giải thuật FGT và cải tiến IFGT của nó. Kết quả trong Bảng 4, cho thấy IFGT có độ chính xác dự báo cao hơn FGT trong trường hợp Vương quốc Anh nhưng trong trường hợp Việt Nam IFGT không thay đổi so với FGT. Bảng 4. So sánh chỉ số RMSE, MAE giữa FGT và IFGT Điểm đến FGT IFGT RMSE MAE RMSE MAE Việt Nam 761.653 728.595 761.653 728.595 Vương quốc Anh 762.376 693.587 762.376 595.401 5 Kết luận Nghiên cứu này đã áp dụng dữ liệu Google Trends để dự báo lượng khách du lịch quốc tế đến Việt Nam. Thông qua việc phân tích và lựa chọn từ khóa phù hợp, chúng tôi đã xây dựng một mô hình dự báo hiệu quả, kết hợp giữa dữ liệu lịch sử và xu hướng tìm kiếm. Phương pháp cải tiến đã cải thiện đáng kể độ chính xác của dự báo, đặc biệt trong các tình huống có sự biến động lớn. Kết quả nghiên cứu cho thấy tiềm năng của Google Trends trong việc dự báo xu hướng du lịch, và có thể được mở rộng áp dụng cho các quốc gia khác. Lời cám ơn Bài báo được hoàn thành dưới sự hỗ trợ từ đề tài cấp Đại học Huế: DHH2024-10-38 của Trường Du lịch - Đại học Huế. Tài liệu tham khảo

1. J. Winter and R. Ono, “Introduction to the Future Internet: Alternative Visions,” Public Adm. Inf. Technol., vol. 17, pp. 1–16, 2015, doi: 10.1007/978-3-319-22994-2_1. 2. L. Tang, J. Li, H. Du, L. Li, J. Wu, and S. Wang, “Big Data in Forecasting Research: A Literature Review,” Big Data Res., vol. 27, p. 100289, 2022, doi: 10.1016/j.bdr.2021.100289.