KaydedilenlerDerginizi ekleyin

Dergiler / Pazarlama ve Pazarlama Araştırmaları Dergisi / 2020 / Cilt: 13 - Sayı: 3

EXPLORING AND IDENTIFICATION OF PASSENGERS’ WEB SEARCH GOALS USING “TICKET” RELATED QUERIES IN THE AIRLINE MARKET: A GOOGLE TRENDS STUDY

YOLCULARIN “BİLET” İLE İLİŞKİLİ SORGULARI KULLANILARAK HAVAYOLU PAZARINDAKİ AĞ ARAMA AMAÇLARININ KEŞFİ VE TANIMLANMASI: BİR GOOGLE TRENDS ÇALIŞMASI

Bahri Baran KOÇAK
Sayfa
443–460
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Besides, navigational searches of passengers appeared to differ significantly by hourly periods.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:The implications of information search behavior on the web have become clearer now that internet search engines data are publicly available.
📊
Temel Bulgular & Veri:In this respect, understanding and exploring web search goals of users can lead search engines to provide better-personalized results, while enabling marketers to choose the right advertising objectives.
💡
Sonuç & Katkı:Besides, navigational searches of passengers appeared to differ significantly by hourly periods.
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri

Özet

The implications of information search behavior on the web have become clearer now that internet search engines data are publicly available. In this respect, understanding and exploring web search goals of users can lead search engines to provide better-personalized results, while enabling marketers to choose the right advertising objectives. It is of great importance that people’s time-dependent web search goals of the purchasing of air tickets are revealed from a collective perspective in the airline market. Thus, this study aims to determine time-dependent web search goals of passengers for the airline market by examining different word variations in flight ticket queries. Thus, global search query data from different periods were obtained using Google Trends (GT). Independent samples t-test, One-Way ANOVA and MANOVA were performed to answer the research questions. According to the results of the research, passengers were mostly interested in using Google for transactional goals. This was followed by “locating” physical evidence in airline services. Besides, navigational searches of passengers appeared to differ significantly by hourly periods.

Abstract

Arama motorlarının verilerini kamuya açmasının ardından web üzerindeki bilgi arama davranışının etkileri daha anlaşılır bir yapı kazanmıştır. Bu bağlamda, kullanıcıların web arama amaçlarını anlamak ve keşfetmek, pazarlamacıların doğru hedeflere reklamcılık faaliyeti gerçekleştirmelerine olanak tanırken daha iyi kişiselleştirilmiş sonuçlar sağlamak için arama motorlarına da katkıda bulunabilmektedir. Dolayısıyla uçak bileti satın alınırken zamana bağlı web arama amaçlarının havayolu pazarında kolektif bir perspektiften ortaya konması büyük önem taşımaktadır. Bu çalışmanın amacı, uçak bileti sorgularında farklı kelime varyasyonlarını inceleyerek, havayolu pazarı için yolcuların zamana bağlı web arama amaçlarını belirlemektir. Bu amaçla Google Trends (GT) kullanılarak farklı zaman dilimleri için küresel arama sorgusu verileri elde edilmiş olup araştırma sorularına cevap vermek amacıyla bağımsız örneklem t-Testi, Tek Yönlü ANOVA ve MANOVA analizleri yapılmıştır. Araştırmanın sonuçlarına göre, yolcuların çoğunlukla Google’ı işlemsel amaçlar için kullandıkları belirlenmiştir. Bu amaçları, havayolu hizmetlerinde fiziksel kanıtları bulma niyeti takip etmiştir. Ayrıca, yolcuların navigasyonel aramalarının saatlik periyotlara göre önemli ölçüde farklılaştığı tespit edilmiştir.

🔖

Bu Makaleye Atıf Yap

KOÇAK, B. B. (2020). EXPLORING AND IDENTIFICATION OF PASSENGERS’ WEB SEARCH GOALS USING “TICKET” RELATED QUERIES IN THE AIRLINE MARKET: A GOOGLE TRENDS STUDY. Pazarlama ve Pazarlama Araştırmaları Dergisi, Cilt: 13 - Sayı: 3, 443–460. https://ajindex.com/articles/285738

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (13)

  1. Ahmed, F., Asif, R., Hina, S., & Muzammil, M. (2017). Financial market prediction using Google Trends. Int. J. Adv. Comput. Sci. Appl, 8, 388-391.
  2. Ashkan, A., Clarke, C. L., Agichtein, E., & Guo, Q. (2009, April). Classifying and characterizing query intent. In European conference on information retrieval (pp. 578- 586). Springer, Berlin, Heidelberg. Baldigara, T. (2019). Forecasting international tourism demand in Croatia using Google Trends. Turističko poslovanje, (23), 17-27.
  3. Belkin, N.J., Oddy, R. and Brooks, H.M. (1982a). ASK for information retrieval. Part 1: Background and Theoury. Journal of Documentation, 38(2):61-71.
  4. Belkin, N.J., Oddy, R. and Brooks, H.M. (1982b). ASK for information retrieval. Part 2: Results of a design study. Journal of Documentation, 38(3):145–164.
  5. Belkin, N. J. (1993). Interaction with texts: Information retrieval as information seeking behavior. Information retrieval, 93, 55-66.
  6. Bragazzi, N. L., Barberis, I., Rosselli, R., Gianfredi, V., Nucci, D., Moretti, M.,. & Martini, M. (2017). How often people google for vaccination: qualitative and quantitative insights from a systematic search of the web-based activities using Google Trends. Human vaccines & immunotherapeutics, 13(2), 464-469.
  7. Brigo, F., Lochner, P., Tezzon, F., & Nardone, R. (2014). Web search behavior for multiple sclerosis: an infodemiological study.Multiple sclerosis and related disorders, 3(4), 440-443.
  8. Broder, A. (2002, September). A taxonomy of web search. InACM Sigir forum (Vol. 36, No. 2, pp. 3-10).
  9. New York, NY, USA: ACM. Carrière Swallow, Y., & Labbé, F. (2013). Nowcasting with Google Trends in an emerging market. Journal of Forecasting, 32(4), 289-298.
  10. Choi, H., & Varian, H. (2012). Predicting the present with Google Trends. Economic record, 88 (Special Issue), 2-9. https://doi.org/10.1111/j.1475-4932.2012.00809.x
  11. Dinis, M. G. F., Costa, C. M. M., & Pacheco, O. M. R. (2017). Similarities and correlation between resident tourist overnights and Google Trends information in Portugal and its tourism regions. Tourism & Management Studies, 13(3), 15-22.
  12. Dreher, P. C., Tong, C., Ghiraldi, E., & Friedlander, J. I. (2018). Use of Google Trends to Track Online Behavior and Interest in Kidney Stone Surgery. Urology, 121, 74-78.
  13. Fisher, R. A. (1973). Statistical Methods for Research Workers, 14th ed.—revised and enlarged. Hafner, New York. Games, P. A., and Howell, J. F. (1976). Pair wise multiple comparison procedures with unequal n’s and/or variances. Journal