Trendy v zájmu o dostupné druhy ryb na trhu v České republice vyhodnocené analýzou objemu vyhledávání na internetu pomocí nástroje „Google Trends“ Lukáš Kalous & Miloslav Petrtýl Katedra zoologie a rybářství, Fakulta agrobiologie, potravinových a přírodních zdrojů Česká zemědělská univerzita v Praze Kamýcká 129 16521 Praha 6 – Suchdol email:
[email protected] tel: +420608567521
Výzkumná zpráva zpracovaná v rámci projektu Technologické agentury České republiky č. TD010045 s názvem: „Numerická a funkční analýza sektoru akvakultury, včetně rekreačního rybářství, zaměřená na zvýšení konkurenceschopnosti České republiky a zlepšení stavu vodních ekosystémů“.
Úvod Mnohé analýzy sloužící pro odhad budoucí spotřeby ryb se zakládají často jen na dotazníkovém šetření, které je s ohledem na velikost populace ČR často svým rozsahem nedostatečné a může tak být navíc významně ovlivněno formulací otázek a často i roční dobou, kdy jsou otázky položeny. Druhou možná ještě méně kvalifikovanou metodou je přebírání odhadů trendů ve spotřebě ryb od nadnárodních organizací. Ačkoliv tyto odhady mohou být založené na hlubší numerické analýze, často se týkají větších územních celků a teritorií. Převzatý odhad například pro Evropskou unii se pak různě ohýbá, na základě konzultací s odbornou veřejností tak, aby pasoval na podmínky České republiky. Výsledkem takového přístupu je odhad založený na konsenzu subjektivních pohledů jednotlivých oslovených odborníků. V takovém případě můžou dva panely složené z různých odborníků dojít k velmi odlišným číslům. Rostoucí množství literatury zabývající se analýzou objemu vyhledávání na internetu (tzv. internet search volume ‐ ISV) ukazuje, že se jedná o zajímavý nástroj, který poskytuje nové možnosti pro analýzu rozličných sektorů lidské společnosti (Amichai‐Hamburger & Ben‐Artzi 2000; Amichai‐ Hamburger & Hayat 2011, Askitas & Zimmermann 2009, Martin et al. 2012). Velkou výhodou této analýzy je její robustnost, analýza ISV pracuje s nepoměrně větším datovým základem než dotazníkové šetření. Další výhoda, kterou lze zmínit, je nezávislost metody na formulaci otázek a době, kdy je provedena. Výsledky předkládané ISV analýzy je možné interpretovat jako míru veřejného zájmu o konkrétních druh ryby v průběhu času. Na základě zjištěného trendu lze poměrně přesně v krátkodobém horizontu odhadovat budoucí zájem u jednotlivých druhů ryb. ISV analýza nám přeneseně poskytuje zájem spotřebitelů o konkrétní druh ryby definovaný vyhledávaným termínem ve vyhledávači Google. Zvolený termín může být zatížen chybou, protože ne vždy se vztahuje pouze ke konzumaci ryb. Například analýza samotného termínu kapr může a zřejmě i zahrnuje kombinaci s termínem „Koi“, kdy vyhledávání termínu „Koi kapr“ se netýká zájmu o konzumní rybu, ale o okrasnou rybu do jezírek (Cyprinus rubrofuscus Lacepède 1803). Je však také potřeba zmínit, že tato chyba se vyskytuje napříč celou časovou řadou a nepředpokládáme, že může mít vliv na zachycený trend, jak na jiném příkladu uvádí např. Goel et al. (2010). Metodika Nástroj Google Trends (Google 2013) byl použit pro analýzu vyhledávání čtyř druhů ryb pro oblast Česká Republika. Jako analyzované termíny byly zvoleny „pstruh" pro Oncorhynchus mykiss (Walbaum, 1792), „losos“ pro Salmo salar (Linnaeus, 1758), „pangasius“ pro Pangasianodon hypophthalmus (Sauvage, 1878) a „kapr“ pro Cyprinus carpio (Linnaeus, 1758). Google Trends umožňuje porovnat frekvenci slov a frází používaných ve vyhledávání v Google v rámci geografických regionů, obvykle států, provincií, krajů a měst. Generované výsledky Google Trends ukazují relativní, nikoli absolutní objem vyhledávání vztažený k celkovému objemu vyhledávání ve stejném regionu a čase. Pro finální numerické znázornění Google Trends normalizuje výsledky tak, že nejvyšší hodnota, v daném regionu pro všechny zvolené analyzované termíny v rámci časové řady je nastavena na 100 a všechny ostatní hodnoty jsou vyjádřené hodnotou vztaženou poměrově k hodnotě nejvyšší (tj. každé pozorování se dělí maximální hodnotu v sadě srovnání a výsledná hodnota je pak násobena číslem 100). Analýza uvedených termínu v Google Trends byla zobrazena dne 22. října 2013. Analyzovaná časová řada byla zvolena od května 2007 do 30. září 2013 a data byla hodnocena v měsíčních intervalech.
Výsledky 120
100
80
pstruh losos pangasius
60
kapr Lineární (pstruh)
40
Lineární (losos) Lineární (pangasius) Lineární (kapr)
20
0
Obr. 1 Graf zobrazující relativní objem vyhledávání pro jednotlivé názvy ryb od května 2007 do září 2013 v měsíčních intervalech. Tečkovaně je znázorněna lineární regrese pro jednotlivé vyhledávané názvy ryb. „Zdroj dat: Trendy Google (www.google.com/trends)
pstruh
30 25 20 15
pstruh
10
Polyg. (pstruh)
5
V‐07 VIII‐07 XI‐07 II‐08 V‐08 VIII‐08 XI‐08 II‐09 V‐09 VIII‐09 XI‐09 II‐10 V‐10 VIII‐10 XI‐10 II‐11 V‐11 VIII‐11 XI‐11 II‐12 V‐12 VIII‐12 XI‐12 II‐13 V‐13 VIII‐13
0
Obr. 2 Graf zobrazující relativní objem vyhledávání pro termín pstruh od května 2007 do září 2013 v měsíčních intervalech. Tečkovaně je trend zájmu o daný druh zobrazen pomocí polynomické regrese třetího stupně. Zdroj dat: Trendy Google (www.google.com/trends)
losos 80 70 60 50 40
losos
30
Polyg. (losos)
20 10 IX‐13
V‐13
I‐13
IX‐12
V‐12
I‐12
IX‐11
V‐11
I‐11
IX‐10
V‐10
I‐10
IX‐09
V‐09
I‐09
IX‐08
V‐08
I‐08
IX‐07
V‐07
0
Obr. 3 Graf zobrazující relativní objem vyhledávání pro termín losos od května 2007 do září 2013 v měsíčních intervalech. Tečkovaně je trend zájmu o daný druh zobrazen pomocí polynomické regrese třetího stupně. Zdroj dat: Trendy Google (www.google.com/trends)
pangasius 50 45 40 35 30 25 20 15 10 5 0
pangasius
V‐13
IX‐13
I‐13
IX‐12
V‐12
I‐12
IX‐11
V‐11
I‐11
V‐10
IX‐10
I‐10
IX‐09
V‐09
I‐09
IX‐08
V‐08
I‐08
IX‐07
V‐07
Polyg. (pangasius)
Obr. 4 Graf zobrazující relativní objem vyhledávání pro termín pangasius od května 2007 do září 2013 v měsíčních intervalech. Tečkovaně je trend zájmu o daný druh zobrazen pomocí polynomické regrese třetího stupně. Zdroj dat: Trendy Google (www.google.com/trends)
kapr 120 100 80 60
kapr
40
Polyg. (kapr)
20 IX‐13
V‐13
I‐13
IX‐12
V‐12
I‐12
IX‐11
V‐11
I‐11
IX‐10
V‐10
I‐10
IX‐09
V‐09
I‐09
IX‐08
V‐08
I‐08
IX‐07
V‐07
0
Obr. 5 Graf zobrazující relativní objem vyhledávání pro termín kapr od května 2007 do září 2013 v měsíčních intervalech. Tečkovaně je trend zájmu o daný druh zobrazen pomocí polynomické regrese třetího stupně. Zdroj dat: Trendy Google (www.google.com/trends)
50 45 40 35
pstruh losos
30
pangasius 25
kapr Lineární (pstruh)
20
Lineární (losos) 15
Lineární (pangasius) Lineární (kapr)
10 5
XI‐13
VIII‐13
V‐13
II‐13
XI‐12
VIII‐12
V‐12
II‐12
XI‐11
VIII‐11
V‐11
II‐11
XI‐10
VIII‐10
V‐10
II‐10
XI‐09
VIII‐09
V‐09
II‐09
XI‐08
VIII‐08
V‐08
II‐08
XI‐07
VIII‐07
V‐07
0
Obr. 6 Graf zobrazující relativní objem vyhledávání pro jednotlivé názvy ryb od května 2007 do září 2013 v měsíčních intervalech s vynecháním prosince v jednotlivých letech. Tečkovaně je znázorněna lineární regrese pro jednotlivé vyhledávané názvy ryb. Zdroj dat: Trendy Google (www.google.com/trends)
120
100 pstruh losos
80
pangasius kapr
60
Lineární (pstruh) Lineární (losos)
40
Lineární (pangasius) Lineární (kapr)
20
0 I‐07
I‐08
I‐09
I‐10
I‐11
I‐12
I‐13
Obr. 7 Graf zobrazující relativní objem vyhledávání pro jednotlivé názvy ryb v letech 2007 – 2013 pro měsíc prosinec. Tečkovaně je znázorněna lineární regrese pro jednotlivé vyhledávané názvy ryb. Zdroj dat: Trendy Google (www.google.com/trends) Diskuze Analyzované objemy (relativní počty) vyhledávání jednotlivých ryb na internetu reflektují především zájem lidí o jednotlivé druhy ryb prostřednictvím zvolených termínů použitých pro vyhledávání. Nejčastěji jsou vyhledávány recepty, kuchyňské úpravy, ceny, prodejny apod. Ačkoliv se nejedná o průzkum trhu (prodej, nabídka), výsledky provedené analýzy věrně zachycují zájem o jednotlivé druhy, který je do značné míry korelován s reálným prodejem (Goel et al. 2010). Z uvedeného vyplývá, že uváděné grafy nelze chápat jako vzestup spotřeby, ale pouze jako vzestup vyhledávání, tedy zvýšeného zájmu ze strany potenciálních spotřebitelů. Je potřeba mít na mysli, že vyhledávání na internetu je závislé na počtu obyvatel, kteří mají přístup k internetu a kteří pro vyhledávání používají služeb společnosti Google. Vzhledem k tomu, že připojení obyvatelstva na internet neustále roste (ČSÚ, 2013) a roste i využívání vyhledávání prostřednictvím společnosti Google (Ceri,et al., 2013), je logické, že rostou i záznamy o vyhledávání jednotlivých termínů v průběhu zvoleného sedmiletého období. Tento nárůst je pro všechny zvolené druhy ryb stejný a může být tedy z interpretace odfiltrován. To co analýza přináší, jsou především rozdíly v trendech u jednotlivých konzumních ryb. Tyto trendy jsou komentovány v následujících odstavcích. Celkový pohled na trendy znázorněné lineární regresí u všech čtyř zkoumaných názvů ryb (pstruh, losos, pangasius, kapr) je patrný z obrázku 1. Největší nárůst zaznamenal losos, následovaný pstruhem a kaprem. Naopak pokles je znatelný u pangasia. Začátkem roku 2009 předčil zájem o lososa zájem o kapra a lze předpokládat, že i zájem o pstruha předčí zájem o kapra ve výhledu několika let. Zájem o pstruha je uveden na obrázku 2. a je patrný zřetelný nárůst (více než 100%) od poloviny roku 2008. V posledních třech letech (2010 ‐ 2013) je znatelný opakující se cyklus, který má svůj vrchol
v letních měsících s poklesem zájmu v druhé polovině zimy. Lze předpokládat, že tento cyklus bude pokračovat s nárůstem celkového zájmu o tento druh. U lososa (obr. 3) je patrný nárůst od počátku sledovaného období (květen 2007) a je patrný i opakující se cyklus s největším zájmem během prosince. Lososa lze označit v jistém smyslu za sezónní rybu, která v mnoha domácnostech doplňuje či nahrazuje tradičního vánočního kapra. Nárůst zájmu, jak vyplývá polynomické regrese mezi roky 2007 – 2013, přesáhl 100%. Pangasius je jediným zkoumaným druhem, u kterého byl zaznamenán pokles (viz obr. 4). V první polovině sledovaného období je patrný prudký nárůst zájmu o tento druh. Vrchol lze nalézt v prosinci 2009, kdy byl pangasius během vánočních svátků zřejmě i významným konkurentem lososa a tradičního kapra. V dalších letech dochází k postupnému poklesu a stabilizaci zájmu o tento druh. Kapr (viz obr. 5), je nejstabilnějším zástupcem sledovaných konzumních ryb s mírným nárůstem a silným sezónním charakterem zájmu. Zájem o tento druh ryby vrcholí v prosinci s prudkým poklesem v dalších měsících. A to až o 80%. Zájem se mírně zvyšuje v období Velikonoc, po nichž opět klesá na předešlou úroveň a cyklus se opakuje opět prudkým nárůstem zájmu od začátku prosince. Na obrázku 6 jsou graficky zobrazená data ISV s vynecháním prosincových záznamů. Z uvedeného grafu lze odečíst trendy jednotlivých konzumních ryb v průběhu celého roku, tedy mimo vánoční svátky, které významně ovlivňují celoroční trend. Na zmíněném grafu je patrné, že narůstá zájem především o lososa, který dostihl kapra již v dubnu 2008. Toto období je zajímavé i pro pangasia, o nějž byl tehdy stejný zájem jako o lososa a kapra. Na rozdíl od ostatních druhů ryb však o něj zájem postupně klesal a v roce 2013 je několika násobně nižší, než je tomu u ostatních ryb. Za hodnocené období významně narůstá zájem o pstruha, v roce 2013 předstihl kapra a lze předpokládat jeho další nárůst. Kapr má mimo hlavní sezónu stabilní zájem, nárůst je však oproti lososovi a pstruhovi pomalejší. Na obrázku 7 je vyhodnocen ISV pouze pro prosinec, který je s ohledem na výraznou sezónnost prodeje ryb v České republice nejvýznamnějším měsícem roku. V prosinci dominuje zájem o kapra, následovaný lososem. O pstruha je v prosinci stabilní zájem, na rozdíl od kapra a lososa se ve sledovaném období (2007‐2012) téměř nemění. U pangasia je znatelný pokles zájmu. Závěr
Nejrychleji roste zájem o lososa, následovaný pstruhem a kaprem. Klesá zájem o pangasia. Kapr má silně sezónní charakter zájmu. O pstruha je zájem celoročně s vrcholem v létě. Pstruh nemá tradiční sezónní charakter zájmu jako kapr a losos. Lze předpokládat stabilní zájem o kapra. Lze předpokládat rostoucí zájem o lososa a pstruha v průběhu roku. Lze předpokládat stabilizaci zájmu o pangasia. Lze předpokládat zvyšující se zájem o lososa během vánočních svátků.
Literatura Amichai‐Hamburger Y. & Ben‐Artzi E. (2000). The relationship between extraversion and neuroticism and the different users of the Internet. Computers in Human Behavior 16, 441–449. Amichai‐Hamburger Y. & Hayat Z. (2011). The impact of the Internet on the social lives of users: a representative sample from 13 countries. Computers in Human Behavior 27, 585–589. Askitas N. & Zimmermann K.F. (2009). Google econometrics and unemployment forecasting. Applied Economics Quarterly 55, 107–120. Ceri, S., Bozzon, A., Brambilla, M., Della Valle, E., Fraternali, P., & Quarteroni, S. (2013). Web Information Retrieval. Springer Berlin Heidelberg. ČSÚ (2013). Český statistický úřad (http://www.czso.cz/csu/redakce.nsf/i/domacnosti_a_jednotlivci). (5. listopadu 2013). Goel, S., Hofman, J. M., Lahaie, S., Pennock, D. M., & Watts, D. J. (2010). Predicting consumer behavior with Web search. Proceedings of the National Academy of Sciences, 107(41), 17486‐17490. Google (2013) Google trends help (https://support.google.com/trends) (22. října 2013). Martin, D. R., Pracheil, B. M., DeBoer, J. A., Wilde, G. R., & Pope, K. L. (2012). Using the internet to understand angler behavior in the information age.Fisheries, 37(10), 458‐463.