Прогнозування попиту в електронній комерції із застосуванням Google Anatytics та Google Trends

Анотація

У статті розглянуто актуальну проблему прогнозування попиту в електронній комерції в умовах цифрової динамічного розвитку цифрової економіки. Обгрунтовано, що традиційні методи аналізу не завжди враховують динамічність ринку й складність формування споживчої поведінки, що зумовлює потребу у використанні сучасних аналітичних інструментів. Особливу увагу приділено можливостям інтеграції даних з Google Analytics та Google Trends у регресійні моделі прогнозування. Запропонована концептуальна модель інтеграції цих інструментів забезпечує кількісну оцінку впливу ключових факторів на попит та підвищує точність прогнозів. Такий підхід дозволяє поєднати фактичні показники поведінки користувачів (відвідуваність, конверсії, середній чек, джерела трафіку) із трендами пошукової активності, що відображають інтереси потенційних споживачів..

Ключові слова: електронна комерція, прогнозування продажів, веб-аналітика, Google Analytics, Google Trends, аналітичні інструменти, електронна торгівля.

DOI: 10.15276/mdt.10.1.2026.8

1. Karl D. Forecasting e-commerce consumer returns: A systematic literature review. Management Review Quarterly. 2024. 1-56. URL: https://link.springer.com/article/10.1007/s11301-024-00436-x (дата звернення 28.09.2025).


2. Mohaimin M. R. The Influence of Google Analytics on E-commerce: Enhancing Customer Insights and Business Performance. Journal of Business and Management Studies. 2025. Vol. 7(2), P. 91-103. URL: https://al-kindipublishers.org/index.php/jbms/article/view/9054/7719 (дата звернення 28.09.2025).


3. Carta S., Medda A., Pili A., Reforgiato Recupero D., Saia R. Forecasting e-commerce products prices by combining an autoregressive integrated moving average (ARIMA) model and Google Trends data. Future Internet/ 2018. Vol. 11(1).  URL: https://www.mdpi.com/1999-5903/11/1/5 (дата звернення 28.09.2025).


4. Yousfi K., Adelakun O.J. A Qualitative Approach to Google Analytics to Boost E-Commerce Sales. International Conference on Managing Business Through Web Analytics. Springer, Cham. 2022. P.73-91. DOI: https://doi.org/10.1007/978-3-031-06971-0_6 (дата звернення 25.09.2025).


5. Sresth V., Srivastava A., Nagavalli S.. Predictive Analytics in eCommerce: AI-Driven Insights for Market Trends and Consumer Behavior. IJAIBDCMS. 2021. Vol.2(3). PP.25-33. URL: https://ijaibdcms.org/index.php/ijaibdcms/article/view/138 (дата звернення 25.09.2025).


6. Gkikas D. C., Theodoridis P. K. Predicting online shopping behavior: Using machine learning and google analytics to classify user engagement. Applied Sciences. Vol. 14(23), 11403. URL: https://www.mdpi.com/2076-3417/14/23/11403 (дата звернення 25.09.2025).


7. Угрин, Д. І., Ушенко, Ю. О., Газдюк, К. П., Довгунь, А. Я., Угрин, А. Д., Козак, Д. В. Методологія розробки та впровадження інтелектуальної інформаційної системи прогнозування продажів для ефективного управління. Оптико-електроннi iнформацiйно-енергетичнi технологiї. 2025. №49(1), С. 123-134. URL: https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/770/704 (дата звернення 25.09.2025).


8. Романчик Т. В., Самойлов О. В., Струк Д. М. Аналітичні інструменти для оцінки ефективності рекламних кампаній та конкурентоспроможності підприємства. Бізнес-інформ. 2025. № 3. – С. 305-310.


9. Soava G., Mehedintu A., Sterpu M. Analysis and forecast of the use of E-commerce in enterprises of the European Union States. Sustainability. 2022. Vol. 14(14), 8943. URL: https://www.mdpi.com/2071-1050/14/14/8943 (дата звернення 25.09.2025).


10. Какурінов, К., Чернікова, Н., Долина, Р. Цифрові технології в управлінні маркетинговою діяльністю підприємства. Вісник Полтавського державного аграрного університету. Серія «Економiка, управлiння та фiнанси». 2022. № (2), С. 36-43.


11. Cebrian E., Domenech J. Is Google Trends a quality data source?. Applied Economics Letters. 2023. Vol. 30(6), P. 811-815. URL: https://www.tandfonline.com/doi/full/10.1080/13504851.2021.2023088 (дата звернення 25.09.2025).


12. Liu R., An E., Zhou W. The effect of online search volume on financial performance: Marketing insight from Google trends data of the top five US technology firms. Journal of Marketing Theory and Practice. 2021. Vol.29(4). P. 423-434. URL:  https://www.tandfonline.com/doi/abs/10.1080/10696679.2020.1867478 (дата звернення 25.09.2025).


13. Волинець, Д. . Стратегії підвищення коефіцієнта конверсії через відповідність політиці конфіденційності. Наукові праці Міжрегіональної Академії управління персоналом. Юридичні науки. 2024. 3(71). С. 5-12. https://doi.org/10.32689/2522-4603.2024.3.1 (дата звернення 25.09.2025).


14. Google Trends. Купити кросівки [онлайн-запит]. URL: https://trends.google.com/trends/explore?geo=UA&q=купити%20кросівки&hl=uk (дата звернення: 01.11.2025).


15. Niu, Xi, Li, Chuqin,Yu, Xing. Predictive Analytics of E-Commerce Search Behavior for Conversion. AMCIS Proceedings. 7. 2017. URL: https://aisel.aisnet.org/amcis2017/DataScience/Presentations/7 (дата звернення 01.11.2025)