基于網(wǎng)絡(luò)搜索的經(jīng)濟應(yīng)用研究發(fā)展綜述

【摘 要】 本研究以網(wǎng)絡(luò)搜索的應(yīng)用研究為對象，對網(wǎng)絡(luò)搜索與經(jīng)濟行為相關(guān)的研究歷史進行了總結(jié)。按照研究問題的層次將現(xiàn)有研究劃分為微觀、中觀、宏觀三類，分別總結(jié)了各層面的研究發(fā)展，并探討了未來可能的研究方向。

【關(guān)鍵詞】 網(wǎng)絡(luò)搜索 關(guān)鍵詞 預(yù)測

一、引言

隨著互聯(lián)網(wǎng)的廣泛普及和應(yīng)用，網(wǎng)絡(luò)搜索引擎應(yīng)運而生。網(wǎng)絡(luò)搜索引擎的出現(xiàn)為經(jīng)濟學(xué)、社會學(xué)等學(xué)科的研究打開了新思路。網(wǎng)絡(luò)搜索反映了人們的實際需求，而人們的需求要通過社會經(jīng)濟活動得以實現(xiàn)，所以網(wǎng)絡(luò)搜索和社會經(jīng)濟活動建立了聯(lián)系。

網(wǎng)絡(luò)搜索研究最早是應(yīng)用于流行病檢測問題。2009年至今，網(wǎng)絡(luò)搜索數(shù)據(jù)預(yù)測的預(yù)測方法拓展到了各個領(lǐng)域，被經(jīng)濟學(xué)、社會學(xué)等學(xué)科廣泛使用，國內(nèi)外均取得了豐富的研究成果。孫毅、呂本富（2011）對網(wǎng)絡(luò)搜索與經(jīng)濟行為相關(guān)性的文章進行了分類梳理，本文沿用其分類方法，按照研究問題的層次劃分為微觀、中觀、宏觀三個方面對現(xiàn)有文獻進行總結(jié)概述。

二、網(wǎng)絡(luò)搜索在微觀層面的研究

網(wǎng)絡(luò)搜索數(shù)據(jù)在微觀層面的研究主要集中在票房市場、旅游人次、網(wǎng)站用戶關(guān)注度預(yù)測等幾個方面。

Sharad等人（2010）首先將網(wǎng)絡(luò)搜索數(shù)據(jù)應(yīng)用到了文化產(chǎn)業(yè)中。他們通過網(wǎng)絡(luò)搜索數(shù)據(jù)與電影、視頻游戲和網(wǎng)絡(luò)歌曲等文化產(chǎn)品的相關(guān)性，預(yù)測出了這些文化產(chǎn)品在幾天乃至數(shù)周后的熱度趨勢，驗證了將網(wǎng)絡(luò)搜索指數(shù)加入到預(yù)測模型中能都提高預(yù)測的準(zhǔn)確度。王煉、賈建民（2014）對網(wǎng)絡(luò)搜索數(shù)據(jù)預(yù)測電影票房做出了探索。結(jié)果顯示，影片相關(guān)詞條的搜索量與搜索增長趨勢都能對預(yù)測電影票房有所幫助。

李山、邱榮旭等人（2008）利用網(wǎng)絡(luò)搜索數(shù)據(jù)進行了旅游景區(qū)關(guān)注度分析。研究表明旅游景區(qū)的關(guān)注度在特定的時間分布呈現(xiàn)出特點。黃先開，張麗峰等人（2013）年章基于百度指數(shù)，他們將百度搜索指數(shù)加入到模型中對北京故宮的當(dāng)日游客量進行了預(yù)測，結(jié)果顯示加入百度指數(shù)的預(yù)測模型與傳統(tǒng)模型相比不僅提高了時效性，更提高了準(zhǔn)確度。任樂、崔東佳（2014）年加入網(wǎng)絡(luò)搜索指數(shù)對北京市游客量進行預(yù)測分析，得出了同樣的結(jié)論。

其他研究包括王洪偉、張藝偉（2012）通過收集百度指數(shù)數(shù)據(jù)，通過多種理論網(wǎng)頁關(guān)注度的計算，提出了一種結(jié)合了理論用戶關(guān)注度和實際用戶關(guān)注度的網(wǎng)頁用戶關(guān)注度的新方法。陳濤、林杰（2016）則通過比較谷歌趨勢和百度搜索兩個不同的搜索引擎對突發(fā)事件的網(wǎng)絡(luò)輿情進行了研究。結(jié)論表明，網(wǎng)絡(luò)引擎的關(guān)注度指標(biāo)能夠比較有效的反映突發(fā)事件的網(wǎng)絡(luò)輿情變化。

三、網(wǎng)絡(luò)搜索在中觀層面的研究

網(wǎng)絡(luò)搜索數(shù)據(jù)在行業(yè)研究的應(yīng)用比較廣泛，在零售業(yè)銷量、房地產(chǎn)交易和股票交易預(yù)測等幾個方面都有較為深入的研究。

Choi和Varian在2009年使用谷歌趨勢預(yù)測了汽車及零部件銷售、失業(yè)索賠所得、城市旅游人次和消費者信心指數(shù)四個指標(biāo)，預(yù)測結(jié)果顯示加入谷歌趨勢數(shù)據(jù)明顯提供了預(yù)測的準(zhǔn)確度。國內(nèi)王煉、寧一鑒等人（2015）建立模型驗證消費者網(wǎng) 絡(luò)搜索對市場份額的影響，結(jié)果證明了網(wǎng)絡(luò)搜索對汽車銷量具有顯著的正面影響。

Wu和Brynjolfsson（2009）利用谷歌趨勢中房地產(chǎn)搜索指數(shù)建立模型預(yù)測美國51個州的房地產(chǎn)市場趨勢，將預(yù)測精度提高了23.6%。洪濤、厲偉（2015）則在混頻數(shù)據(jù)的框架下，驗證了網(wǎng)絡(luò)搜索數(shù)據(jù)具有對中國房價指數(shù)的解釋能力。曹小琳、牟紅（2016）使用百度搜索數(shù)據(jù)，以全國商品房銷售面積為對象進行擬合預(yù)測，提高了原有模型的準(zhǔn)確度。王博永、楊欣（2014）則將國家房地產(chǎn)調(diào)控政策進行分類，在百度搜索數(shù)據(jù)的基礎(chǔ)上，考察了國家房地產(chǎn)政策的調(diào)控效果。

Zhi Da等（2011）首先將網(wǎng)絡(luò)搜索數(shù)據(jù)與股票市場建立了聯(lián)系，證明了網(wǎng)絡(luò)搜索指數(shù)與股票波動之間存在著相關(guān)性。張誼浩、李元等（2014）也在網(wǎng)絡(luò)搜索數(shù)據(jù)基礎(chǔ)上對股票市場做出了研究。結(jié)果顯示網(wǎng)絡(luò)數(shù)據(jù)與股票市場存在相互作用，投資者的網(wǎng)絡(luò)搜索行為會對資產(chǎn)定價產(chǎn)生影響。

四、網(wǎng)絡(luò)搜索在宏觀層面的研究

在宏觀經(jīng)濟層面，網(wǎng)絡(luò)搜索數(shù)據(jù)主要應(yīng)用在失業(yè)率、消費、經(jīng)濟周期等方面的預(yù)測。

在失業(yè)率方面，Askitas等（2009）將谷歌趨勢與德國失業(yè)率之間建立了聯(lián)系，他們選取了4組與失業(yè)相關(guān)的網(wǎng)絡(luò)搜索數(shù)據(jù)，運用計量模型驗證了這些數(shù)據(jù)與當(dāng)月德國失業(yè)率之間存在著相關(guān)關(guān)系。Konstantin等（2009）首先將搜索指數(shù)預(yù)測延伸到消費領(lǐng)域，他們利用谷歌趨勢預(yù)測美國個人消費增長率，與原有模型相比提高了準(zhǔn)確度。國內(nèi)張崇、呂本富等（2012）以百度搜索指數(shù)為基礎(chǔ)，建立模型探究了網(wǎng)絡(luò)搜索指數(shù)與居民消費價格指數(shù)之間的關(guān)系。最終結(jié)果證明網(wǎng)絡(luò)搜索數(shù)據(jù)與CPI之間存在長期協(xié)整關(guān)系。與傳統(tǒng)模型相比，模型預(yù)測結(jié)果國家官方公布數(shù)據(jù)提前一個月，且模型具有了一定的轉(zhuǎn)折預(yù)測能力。

五、總結(jié)展望

網(wǎng)絡(luò)搜索的相關(guān)性研究開展時間很短，但已經(jīng)涉及到經(jīng)濟學(xué)、 社會學(xué)、 統(tǒng)計學(xué)等多個學(xué)科領(lǐng)域，且現(xiàn)有的研究都取得了較好的結(jié)果。但需要注意的是，目前網(wǎng)絡(luò)搜素的應(yīng)用并沒有理論基礎(chǔ)作為支撐，所以要警惕出現(xiàn)偽回歸問題。對于網(wǎng)絡(luò)搜索與經(jīng)濟行為之間的相關(guān)性的機理分析是這一研究領(lǐng)域的一個重點問題，也是未來研究的一個重要方向。選取關(guān)鍵詞是網(wǎng)絡(luò)搜索研究的重點，但目前國際對于網(wǎng)絡(luò)搜索預(yù)測研究的關(guān)鍵詞選取并沒有完善科學(xué)的體系，大多是學(xué)者主觀選擇，不可避免的會對結(jié)果造成影響。因此建立一個精確的、科學(xué)的和可操作性強的關(guān)鍵詞選擇體系也是未來的重要研究方向。除此之外，不同的統(tǒng)計模型在處理數(shù)據(jù)中各有優(yōu)勢，但當(dāng)前的研究在模型選擇上較為單一，沒有考慮網(wǎng)絡(luò)數(shù)據(jù)變量多、規(guī)模大等特點，未來可以在處理模型的選擇上做出改進。

【參考文獻】

[1] 孫毅，呂本富.網(wǎng)絡(luò)搜索與經(jīng)濟行為相關(guān)性研究綜述[J].電子商務(wù)與信息管理，2011（07）

[2] Goal S， Hofman JM，Lahaie S，et al. What can we search predict[j].www10，2010

[3] 王煉，賈建民，基于網(wǎng)絡(luò)搜索的票房預(yù)測模型—來自中國電影市場的證據(jù)[J].系統(tǒng)工程理論與實踐，2014，（12）.

[4] 李山，邱榮旭，陳玲.基于百度指數(shù)的旅游景區(qū)絡(luò)空間關(guān)注度：時間分布及其前兆效應(yīng)[J] 地理與地理信息科學(xué)，2008，24（6）： 7.

[5] 黃先開，張麗峰，丁于思. 百度指數(shù)與旅游景區(qū)游客量的關(guān)系及預(yù)測研究——以北京故宮為例[J]. 旅游學(xué)刊，2013，28（11）：93-100.

[6] 任樂，崔東佳. 基于網(wǎng)絡(luò)搜索數(shù)據(jù)的國內(nèi)旅游客流量預(yù)測研究——以北京市國內(nèi)旅游客流量為例[J]. 經(jīng)濟問題探索，2014，（04）：67-73.

[7] 王洪偉，張藝偉 基于百度指數(shù)的網(wǎng)頁用戶關(guān)注度研究[J].情報學(xué)報.2012，（08：838-845

[8] 陳濤，林杰. 基于搜索引擎關(guān)注度的網(wǎng)絡(luò)輿情時空演化比較分析——以谷歌趨勢和百度指數(shù)比較為例[J]. 情報雜志，2013，32（03）：7-10+16.

[9] H. Choi， H. Varian. Predicting the Present with Google Trends[R]. Working Paper， 2009

[10] 王煉，寧一鑒，賈建民. 基于網(wǎng)絡(luò)搜索的銷量與市場份額預(yù)測：來自中國汽車市場的證據(jù)[J]. 管理工程學(xué)報，2015，29（04）：56-64.

[11] Lynn Wu， Erik Brynjolfsson. The Future of Prediction—How Google Searches Foreshadow Housing Prices and Sales[R]. WorkingPaper， 2009

[12] 洪濤，厲偉. 基于網(wǎng)絡(luò)搜索數(shù)據(jù)的住房價格預(yù)期與實際價格波動分析[J]. 統(tǒng)計與信息論壇，2015，30（11）：49-53.

[13] 曹小琳，牟紅.基于網(wǎng)絡(luò)搜索的商品房成交量預(yù)測研究[J]. 建筑經(jīng)濟，2016，37（02）：73-77.

[14] Zhi Da， Joseph Engelberg， Pengjie Gao. In Search of Attention[R]. Working Paper， 2009

[15] 張誼浩，李元，蘇中鋒，張澤林. 網(wǎng)絡(luò)搜索能預(yù)測股票市場嗎？[J]. 金融研究，2014，（02）：193-206.

[16] 張崇，呂本富，彭賡，劉穎. 網(wǎng)絡(luò)搜索數(shù)據(jù)與CPI的相關(guān)性研究[J]. 管理科學(xué)學(xué)報，2012，15（07）：50-59+70.

[17] 孫毅，戴維，董紀(jì)昌，呂本富. 基于主成分分析的網(wǎng)絡(luò)搜索數(shù)據(jù)合成方法研究[J]. 數(shù)學(xué)的實踐與認(rèn)識，2014，44（21）：121-128

作者簡介：盧小溪（1992—），女，漢族，籍貫：河北保定，在讀研究生。首都經(jīng)濟貿(mào)易大學(xué)國際經(jīng)濟管理學(xué)院，研究方向：數(shù)量經(jīng)濟學(xué)。