Búsquedas en Internet y su influencia en los flujos de turistas y visitantes. El caso del avistamiento de luciérnagas en Nanacamilpa Tlaxcala.
Article Sidebar
Publicado
jun 14, 2019
##plugins.pubIds.doi.readerDisplayName##
https://doi.org/10.36677/elperiplo.v0i36.9430
Main Article Content
Resumen
En este trabajo el principal objetivo es el de identificar patrones de comportamiento de los turistas ocasionados por el uso de internet. Se analiza la forma en cómo las búsquedas de ciertas palabras en internet impulsan una respuesta en el flujo de turistas y visitantes domésticos que acuden al estado de Tlaxcala en México. La metodología empleada combina información en gran escala de internet (Big Data) y su análisis cuantitativo mediante un modelo de Vectores Autorregresivos (VAR). La principal conclusión es que existe un impacto diferenciado de acuerdo a la palabra que se busca en internet. El factor que atrae el turismo es la disponibilidad de cuartos, mientras que para el caso de las visitas es la existencia del avistamiento.
##plugins.generic.usageStats.downloads##
##plugins.generic.usageStats.noStats##
Article Details
Como citar
IBARRA LÓPEZ, Ignacio; PÉREZ SERRANO, Adriana Montserrat; MENDOZA, María del Pilar Cuecuecha.
Búsquedas en Internet y su influencia en los flujos de turistas y visitantes. El caso del avistamiento de luciérnagas en Nanacamilpa Tlaxcala..
El Periplo Sustentable, [S.l.], n. 36, p. 402 - 431, jun. 2019.
ISSN 1870-9036.
Disponible en: <https://rperiplo.uaemex.mx/article/view/9430>. Fecha de acceso: 18 oct. 2026
doi: https://doi.org/10.36677/elperiplo.v0i36.9430.
Sección
Artículos de investigación
Quienes publican en El Periplo Sustentable están de acuerdo con los siguientes términos:
- -Los (las) autores (as) conservan sus derechos de autor de forma plena y garantizan a la revista el derecho de ser la primera publicación de su obra, la cual estará protegida de forma simultánea bajo la Licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC 4.0), que permite a otros compartir, copiar y adaptar el artículo con un reconocimiento de la autoría y su publicación inicial en esta revista, así como no se use con fines comerciales.
- -Los (las) autores (as) pueden establecer por separado acuerdos contractuales adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista (por ejemplo, situarlo en un repositorio institucional, temático o publicarlo en un libro), siempre con el debido reconocimiento de su publicación inicial en esta revista.
- -Se permite y se anima a los (las) autores (as) a difundir sus trabajos electrónicamente (por ejemplo, en repositorios institucionales, redes académicas o en su propio sitio web) una vez publicados. Esta acción promueve el intercambio científico, así como una citación más temprana y un mayor impacto de los trabajos publicados.
- -Los (las) autores (as) no pueden alterar, transformar o ampliar el documento final una vez que este ha sido publicado de forma definitiva por la revista.
- -El formato de Declaración de Autoría y Autorización de Publicación se encuentra disponible en formato PDF en la sección de criterios de publicación (dar clic aquí para abrir). Les solicitamos descargarlo, completarlo con sus datos, firmarlo y cargarlo en la sección de archivos complementarios dentro de este sistema.
El Periplo Sustentable por la Universidad Autónoma del Estado de México se distribuye bajo una Licencia Creative Commons Atribución-NoComercial 4.0 Internacional.
Creado a partir de la obra en https://rperiplo.uaemex.mx
Citas
Artola, C., Pinto, F., y de Pedraza García, P. (2015). Can internet searches forecast tourism inflows?. International Journal of Manpower, 36(1)[103-116].
Bangwayo-Skeete, P. F., y Skeete, R. W. (2015). Can Google data improve the forecasting performance of tourist arrivals? Mixed-data sampling approach. Tourism Management, 46[454-464].
Claveria, O., y Datzira, J. (2010). Forecasting tourism demand using consumer expectations. Tourism Review, 65(1)[18-36].
Choi, H., y Varian, H. (2012). Predicting the present with Google Trends. Economic Record, 88(s1)[2-9].
Da, Z., Engelberg, J., y Gao, P. (2011). In search of attention. The Journal of Finance, 66(5).[1461-1499].
Diario Oficial de la Federación (DOF) (2016), Acuerdo por el que se emiten las Reglas de Operación del Programa de Desarrollo Regional Turístico Sustentable y Pueblos Mágicos (PRODERMAGICO), para el ejercicio fiscal 2017, México, (DOF: 29/12/2016). Recuperado de: http://www.dof.gob.mx/nota_detalle.php?codigo=5468076&fecha=29/12/2016. Consultado el: 22/09/ 2017.
Domínguez Torres, M. L., Sánchez Salinas, J.C. Murillo Arias, J., Valero Lapaz, H. y Romero Palop, J.D. (2016). Big Data y Turismo en México: Pueblos Mágicos. Documentos de Investigación Estadística y Económica No. 2016-5. Subsecretaría de Planeación y Política Turística. Recuperado de http://www.datatur.sectur.gob.mx:81/Reportes/bigdata/pdf/2016_5.pdf . Consultado el 22/09/2017.
Domínguez Torres, M. L., Sánchez Salinas, J.C. Murillo Arias, J., Valero Lapaz, H. y Romero Palop, J.D. (2016a). Big Data y Turismo en México: Quintana Roo. Documentos de Investigación Estadística y Económica No. 2016-4. Subsecretaría de Planeación y Política Turística. Recuperado de http://www.datatur.sectur.gob.mx:81/Reportes/bigdata/pdf/2016_4.pdf. Consultado el 22/09/ 2017.
Engle, Robert (2000). The econometrics of ultra‐high‐frequency data. Econometrica, 68(1),1-22.
Gawlik, E., Kabaria, H., y Kaur, S. (2011). Predicting tourism trends with Google Insights. Recuperado de https://pdfs.semanticscholar.org/f943/6afa83b3194cbf3e82676a6d2b1cf40afba3.pdf. Consultado el 01/01/2018.
Gunter, U., y Önder, I. (2015). Forecasting international city tourism demand for Paris: Accuracy of uni-and multivariate models employing monthly data. Tourism Management, 46[123-135].
Johansen S. (1991). "Estimation and Hypothesis Testing of Cointegration Vectors in Gaussian Vector Autoregressive Models" Econometrica, 59, pp. 1551-1580.
Joseph, K., Wintoki, M. B., y Zhang, Z. (2011). Forecasting abnormal stock returns and trading volume using investor sentiment: Evidence from online search. International Journal of Forecasting, 27(4)[1116-1127].
Lichtle Fragoso, P.M. y Sánchez Salinas, J.C. (2014). Uso Productivo de Big Data y Redes Sociales en el Sector Turismo Octubre, 2014. Recuperado de http://www.datatur.sectur.gob.mx/Documentos%20Publicaciones/2014_1_DocInvs.pdf. Consultado el 22/09/2017.
Machado Mendes Filho, L. A. (2014). Empowerment in the context of User-Generated Content in the Travel Industry: A research model proposal. El Periplo Sustentable [en linea] 2014, (Julio-Diciembre). Recuperado de http://www.redalyc.org/articulo.oa?id=193432842002. Consultado el 5/01/ 2018.
Rivera, R. (2016). A dynamic linear model to forecast hotel registrations in Puerto Rico using Google Trends data. Tourism Management, 57[12-20].
Ward, J. S., & Barker, A. (2013). Undefined by data: a survey of big data definitions. Recuperado de: arXiv preprint arXiv:1309.5821. Consultado el: 15 de agosto de 2018.
Yang, Y., Pan, B., y Song, H. (2014). Predicting hotel demand using destination marketing organization’s web traffic data. Journal of Travel Research, 53(4)[433-447].
Yang, X., Pan, B., Evans, J. A., y Lv, B. (2015). Forecasting Chinese tourist volume with search engine data. Tourism Management, 46[386-397].
Zaragoza Caballero, S. (2015). Nuevas especies de Photinus (Coleoptera: Lampyridae: Photinini) del bosque tropical caducifolio del Pacífico mexicano. Revista mexicana de biodiversidad, 86(3)[638-651].
Bangwayo-Skeete, P. F., y Skeete, R. W. (2015). Can Google data improve the forecasting performance of tourist arrivals? Mixed-data sampling approach. Tourism Management, 46[454-464].
Claveria, O., y Datzira, J. (2010). Forecasting tourism demand using consumer expectations. Tourism Review, 65(1)[18-36].
Choi, H., y Varian, H. (2012). Predicting the present with Google Trends. Economic Record, 88(s1)[2-9].
Da, Z., Engelberg, J., y Gao, P. (2011). In search of attention. The Journal of Finance, 66(5).[1461-1499].
Diario Oficial de la Federación (DOF) (2016), Acuerdo por el que se emiten las Reglas de Operación del Programa de Desarrollo Regional Turístico Sustentable y Pueblos Mágicos (PRODERMAGICO), para el ejercicio fiscal 2017, México, (DOF: 29/12/2016). Recuperado de: http://www.dof.gob.mx/nota_detalle.php?codigo=5468076&fecha=29/12/2016. Consultado el: 22/09/ 2017.
Domínguez Torres, M. L., Sánchez Salinas, J.C. Murillo Arias, J., Valero Lapaz, H. y Romero Palop, J.D. (2016). Big Data y Turismo en México: Pueblos Mágicos. Documentos de Investigación Estadística y Económica No. 2016-5. Subsecretaría de Planeación y Política Turística. Recuperado de http://www.datatur.sectur.gob.mx:81/Reportes/bigdata/pdf/2016_5.pdf . Consultado el 22/09/2017.
Domínguez Torres, M. L., Sánchez Salinas, J.C. Murillo Arias, J., Valero Lapaz, H. y Romero Palop, J.D. (2016a). Big Data y Turismo en México: Quintana Roo. Documentos de Investigación Estadística y Económica No. 2016-4. Subsecretaría de Planeación y Política Turística. Recuperado de http://www.datatur.sectur.gob.mx:81/Reportes/bigdata/pdf/2016_4.pdf. Consultado el 22/09/ 2017.
Engle, Robert (2000). The econometrics of ultra‐high‐frequency data. Econometrica, 68(1),1-22.
Gawlik, E., Kabaria, H., y Kaur, S. (2011). Predicting tourism trends with Google Insights. Recuperado de https://pdfs.semanticscholar.org/f943/6afa83b3194cbf3e82676a6d2b1cf40afba3.pdf. Consultado el 01/01/2018.
Gunter, U., y Önder, I. (2015). Forecasting international city tourism demand for Paris: Accuracy of uni-and multivariate models employing monthly data. Tourism Management, 46[123-135].
Johansen S. (1991). "Estimation and Hypothesis Testing of Cointegration Vectors in Gaussian Vector Autoregressive Models" Econometrica, 59, pp. 1551-1580.
Joseph, K., Wintoki, M. B., y Zhang, Z. (2011). Forecasting abnormal stock returns and trading volume using investor sentiment: Evidence from online search. International Journal of Forecasting, 27(4)[1116-1127].
Lichtle Fragoso, P.M. y Sánchez Salinas, J.C. (2014). Uso Productivo de Big Data y Redes Sociales en el Sector Turismo Octubre, 2014. Recuperado de http://www.datatur.sectur.gob.mx/Documentos%20Publicaciones/2014_1_DocInvs.pdf. Consultado el 22/09/2017.
Machado Mendes Filho, L. A. (2014). Empowerment in the context of User-Generated Content in the Travel Industry: A research model proposal. El Periplo Sustentable [en linea] 2014, (Julio-Diciembre). Recuperado de http://www.redalyc.org/articulo.oa?id=193432842002. Consultado el 5/01/ 2018.
Rivera, R. (2016). A dynamic linear model to forecast hotel registrations in Puerto Rico using Google Trends data. Tourism Management, 57[12-20].
Ward, J. S., & Barker, A. (2013). Undefined by data: a survey of big data definitions. Recuperado de: arXiv preprint arXiv:1309.5821. Consultado el: 15 de agosto de 2018.
Yang, Y., Pan, B., y Song, H. (2014). Predicting hotel demand using destination marketing organization’s web traffic data. Journal of Travel Research, 53(4)[433-447].
Yang, X., Pan, B., Evans, J. A., y Lv, B. (2015). Forecasting Chinese tourist volume with search engine data. Tourism Management, 46[386-397].
Zaragoza Caballero, S. (2015). Nuevas especies de Photinus (Coleoptera: Lampyridae: Photinini) del bosque tropical caducifolio del Pacífico mexicano. Revista mexicana de biodiversidad, 86(3)[638-651].