Datatehoa matkailuun

Hämeenlinnassa tehostetaan matkailun johtamista data-​analytiikan ja liikkumismäärien mittaamisen avulla

Datatehoa matkailuun -hankkeen alkuperäinen tavoite oli luoda malli matkailun kokonaismäärien seurantaan Hämeenlinnassa. Käytännön toteutus paljasti kuitenkin merkittäviä haasteita: kattava matkamäärien mittaus on laaja ja vaikeasti tulkittava muuttuja, joka sekoittuu pendelöintiin ja asiointiliikenteeseen. Lisäksi GDPR ja evästeiden suostumusvaatimukset rajoittavat yksilötason seurantaa, ja reaaliaikainen mittaus olisi vaatinut teknisiä ratkaisuja, jotka olivat hankkeen aikaperspektiivin ulottumattomissa. Simuloidulla datalla optimitilanteessakin havaintojen merkityksellisten havaintojen erottaminen kohinasta vaikutti epävarmalta tässä. 

Hankkeen painopiste päätettiin siirtää mittareihin, jotka tuottavat syvempää tietoa matkailun vaikuttavuudesta ja asiakasprofiileista. Hankkeessa keskitytään nyt digitaalisen markkinointipolun analytiikkaan, Matkailijamittariin pohjautuvaan rahankäyttömalliin sekä tietojohtamisen työkaluihin. Kokonaismäärien mittaamiseen vaikuttaisi olevan kehittymässä kaupallisia ratkaisuja, joten hankkeen resurssit kohdennettiin uusien menetelmien kehittämiseen. 

Data-analyytikko Lauri Valkosen kynästä syntyneessä blogissa syvennytään matkailualan haasteisiin ja datan voimaan niiden ratkaisemisessa. Lue, kuinka tiedolla johtaminen voi vahvistaa päätöksentekoa ja parantaa kilpailukykyä matkailun alalla.

Testasimme kesällä 2024 mobiiliverkkojen roaming-liittymien paikannusdataa yhteistyössä Salmi Platformin ja Telian kanssa. Ajatuksena oli kokeilla, miten voidaan hyödyntää ulkomaisten matkailijoiden puhelinten verkkoon liittymistä matkailun volyymien ja liikkumisen arvioinnissa. Roamingissa liittymien paikallistaminen poikkeaa suomalaisten liittymien seuraamisesta sikäli, että suomalaisen operaattorin valinta ulkomaiselle liittymälle perustuu automatisoituun huutokauppaan. Tästä seuraa, että yksittäinen liittymä voi vaihtaa operaattoria tiheästikin eikä liittymistä takaisin seurattuun verkkoon voi yhdistä aikaisempiin verkkovierailijoihin. Näin ollen absoluuttisten matkailijamäärien mittaaminen ei tällä menetelmällä ole oikein missään mielessä mahdollista, mutta trendeistä voidaan saada mielenkiintoista informaatiota. 

Pilotissa data kerättiin postinumeroalueittain, mikä oli myös keskeinen osa kokeilun sisältöä. Aikaisemmissa kokeiluissa on seurattu hienojakoisempaa alueellista jakoa, jossa pääasiassa tarkastellaan 250 tai 500 metriä sivultaan olevia neliöitä. Näiden tulkinnassa datan määrä on huomattavasti suurempi kuin postinumeroalueittain. Lisäksi tiheillä keskusta-alueilla jaeottelu ei kuitenkaan takaa kovinkaan tarkkaa yksilöintiä eri kohteiden välille. Postinumeroaluejaon testaamisessa siis pohdittiin, voisiko datan vähentäminen aluejakoa harventamalla kuitenkin tarjota riittävästi informaatiota trendien seurantaan.  

Ajallisesti tarkasteluun valittiin päiväsummat. Perusteluna jälleen datan määrän kohtuullistaminen sekä sen varmistaminen, että havaintopisteitä kertyy riittävästi eri käyttäjistä, mikä on henkilötietosuojan vaatimus. 

Roaming-pilotin alustavassa tarkastelussa eniten mittauslukemia kertyi odotetusti Hämeenlinnan keskusta-alueilta. Aineistossa näkyi myös yksittäisiä kävijäpiikkejä, joiden tarkempi analysointi voisi paljastaa tapahtumiin tai sesonkeihin liittyviä ilmiöitä. Havaittujen kansallisuuksien jakauma vastasi hyvin muista lähteistä saatavia tietoja matkailijoiden kotimaista. Lisäksi datassa erottuivat selkeät päiväprofiilit, joissa oletettu työperäinen liikenne ja matkailu näkyivät luontaisena vaihteluna arkipäivien ja viikonlopun välillä. 

Roaming-liittymienpaikannus voisi tarjota lähes reaaliaikaisen seurannan kansainvälisen liikenteen liikkeisiin alueella. Kun dataa yhdistetään muihin lähteisiin, kuten kyselyihin, Matkailijamittariin ja verkkokäyttäytymiseen, voidaan rakentaa kokonaiskuva matkailijavirroista ja niiden taloudellisesta vaikutuksesta. 

Digitaalinen markkinointi on muuttunut viime vuosina monikanavaiseksi ja datavetoiseksi. Markkinoijille ja matkailutoimijoille on elintärkeää ymmärtää, mitä kanavia pitkin asiakkaat tavoitetaan, mitkä sisällöt herättävät kiinnostusta ja millaiset kampanjat johtavat konkreettisiin toimenpiteisiin, kuten verkkosivuvierailuihin tai ostoihin. Mittaaminen ei ole enää pelkkä lisä, vaan keskeinen osa strategiaa – ilman dataa ei voida arvioida markkinoinnin onnistumista tai kehittää asiakaspolkua. 

EU:n tietosuojalainsäädäntö, erityisesti GDPR ja evästeiden käyttöä koskevat säännökset, ovat kuitenkin muuttaneet pelisääntöjä. Yksilötason seurantaan tarvitaan nimenomainen suostumus, ja suostumuksen antaneiden osuus on ollut laskussa. Tämä on johtanut tilanteeseen, jossa perinteiset analytiikkatyökalut, kuten Matomo tai Google Analytics, eivät enää tarjoa kattavaa kuvaa käyttäytymisestä vaikka pystyvätkin seuraamaan tarkasti hyväksynnän antaneita henkilöitä.  

Hankkeen kotisivutesti pureutui juuri tähän ongelmaan: miten mitata markkinoinnin vaikuttavuutta ja asiakaspolkua, kun evästeet eivät ole käytössä? 

Keväällä ja kesällä 2024 toteutettiin kaksi rinnakkaista kokeilua. Molemmissa käytettiin Meta-alustan (Facebook ja Instagram) mainontaa kohdennettuna valituille ikäryhmille ja alueille. Mainosten tavoitteena oli ohjata kävijöitä Hämeenlinnan matkailusivuille ja edelleen paikallisten palveluntarjoajien sivuille. Hypoteesi oli, että sivuston sisällä tai kolmannen osapuolen sivuille etenevät käyttäjät ovat potentiaalisempia matkailijoita ja heille on jäänyt matkailubrändistä vahvempi muistijälki. 

Ensimmäisessä kokeessa evästeisiin perustuvaa seurantaa, joka kirjasi vain ne käyttäjät, jotka hyväksyivät evästeet. Toisessa kokeessa rakennettiin erillinen sivusto, jossa ei käytetty evästeitä lainkaan. Sivuston palvelin keräsi vain sivun lataukset ja klikkaukset aikaleiman perusteella. Nämä määritellään tilastollisiksi suoritustiedoiksi eivätkä ne sisältäneet henkilötietoja. 

Erot mittauslukemissa olivat merkittäviä. Meta ilmoitti kampanjan aikana 2785 mainosklikkausta, mutta evästeiden hyväksymiseen perustuvat seuranta kirjasi vain 226 kotisivukäyntiä eli 8,11 % kokonaismäärästä. Evästeettömässä seurannassa tilanne oli täysin toinen ja 86 % klikkauksista johti sivun lataukseen (2231/2585). Tämä paljastaa, kuinka suuri osa liikenteestä jää näkymättömiin perinteisillä työkaluilla, kun suostumus puuttuu. 

Myös ikäryhmien välillä oli merkittäviä eroja. Yli 55-vuotiaat hyväksyivät evästeet selvästi useammin (11,95 %), kun taas nuorimmassa ryhmässä (18–33 v) osuus oli vain 3,58 %. Tämä vinouma voi vääristää analytiikkaa ja johtaa virheellisiin johtopäätöksiin kohderyhmien käyttäytymisestä. Tarkempi analyysi aineistosta julkaistaan hankkeen loppuraportoinnin yhteydessä. 

GDPR ja evästeiden suostumusvaatimukset eivät ole vähentäneet mittaamisen merkitystä, vaan päinvastoin ne korostavat tarvetta kehittää menetelmiä, jotka kunnioittavat yksityisyyttä, mutta tarjoavat riittävän tarkkaa tietoa päätöksenteon tueksi. Merkityksellistä seurantaa voidaan edelleen tehdä yhdistämällä sumeaa määrällistä tietoa valittuihin tarkkoihin mittauksiin. 

Kuuluiko puun kaatumisesta ääni, jos kukaan ei kuullut? Entä tapahtuiko matka, jos kukaan ei tiedä siitä? Matkailun tiedolla johtaminen ei ole pelkästään digitaalista, vaan myös fyysiset kävijämäärät on mitattava luotettavasti. Testasimme hankkeessa kahta erilaista teknologiaa alkuvuonna 2025 Ahveniston moottoriradalla: Hypercellin Bluetooth-sensoreita ja optisia ohikulkulaskureita. Tavoitteena oli selvittää, miten nämä menetelmät toimivat käytännössä, kuinka mittauslukemat vertautuvat ja mitä ne kertovat matkailijavirroista.  

Moottoriradan ympäristö tarjosi vertailuun mainiot puitteet, sillä käytännössä sisäänkäyntejä alueelle on vain yksi. Tähän kulkuaukkoon asennettiin optinen ohikulkulaskuri, jonka lukemat saatiin talteen 3G-verkon yli. Hypercellin Bluetooth-laitteita laskevia sensoreita asennettiin kaksi: toinen pysäköintialueen liikennettä mittaamaan ja toinen hieman kauemmaksi radan kaarteeseen. Mittausjakso tehtiin hiihtokaudella helmikuussa 2025, joten kaarteen laitteen ajateltiin mittaavan kierroksia ladulla ja parkkipaikan kokonaiskävijämäärää. Sensorit laskevat laitteita suurimmillaan 50 metrin halkaisijan ympyrästä, mutta asetuksista mittausalueen voi säätää pienemmäksikin. Myös Hypercell-sensorin data siirtyi pilveen internetin yli. 

Hypercellin data paljastaa mittausalueen trendit, mutta ei absoluuttisia lukumääriä. Tämä perustuu yksilönsuojaan ja siihen, että Bluetooth-laitteiden MAC-osoitteiden kirjaamista vaihdetaan 15–20 minuutin välein eli yksittäistä laitetta ei voi seurata tämän pidempään. Näin olleen pitkään alueella oleskelevat laitteet kasvattavat lukemaa suuremmaksi kuin todellinen laitteiden määrä. Lisäksi laitteiden määrä per henkilö voi vaihdella. Sensorin asennuspaikka vaatii sähkövirtaa, mutta jos tämä on kunnossa, käyttöönotto on erittäin yksinkertaista, sillä hieman puhelinta pienempi laatikko kiinnitetään paikoilleen ja kytketään töpseliin. Mittausmenetelmä on myös mittausympyrän sisällä peitoltaan hyvä ja poimii lyhyetkin muutaman sekunnin vierailut. 

Optinen laskuri puolestaan tuottaa lukemia yksittäisistä ohikuluista, mutta sen käyttö on rajallista laajoilla alueilla. Se vaatii fyysisen asennuksen kulkuväylille, mikä ei ole aina mahdollista. Mittausmenetelmän epätarkkuutta lisää se, ettei esimerkiksi autojen sisällä olevaa henkilöiden määrää tunnisteta, toisaalta myös vierekkäin kävelevät ihmiset katkaisevat säteen vain kerran ja edestakaisin kulkevat henkilöt katkaisevat säteen useasti. Mittausmenetelmän ymmärtäminen on kuitenkin hyvin selväpiirteistä sinänsä. 

Molemmat menetelmät täydentävät toisiaan: Hypercell tarjoaa laajemman kattavuuden, ohikulkulaskuri tarkkuutta rajatuissa pisteissä. Pilotin tärkein oppi on, että mittausmenetelmän valinta riippuu kohteesta ja tavoitteesta. Jos halutaan seurata käyttöasteen kehitystä ja trendejä, Bluetooth-sensorit ovat kustannustehokas ratkaisu. Jos taas tarvitaan tarkkoja lukumääriä esimerkiksi lipunmyynnin validointiin, optinen laskuri on parempi vaihtoehto.  Myös GDPR-yhteensopivat kamerateknologiaan perustuvat ratkaisut voivat olla hyvä ratkaisu joissain yhteyksissä ja ne yhdistelevät nyt kokeiltujen menetelmien hyviä puolia, sillä kamera kattaa isomman alueen kuin ohikulkupiste ja konenäkö tunnistuksen toimiessa oikein henkilöiden tarkka määrä saadaan talteen.  

Matkailu on merkittävä toimiala ja sen vaikutusten tarkateluun tarvitaan ajanmukaista dataa sekä matkailuun vaikuttavien tekijöiden yhteyksien välisiä arviointeja. Asiantuntija Lauri Valkonen ja tutkimuspäällikkö Olli Koskela tarkastelevat artikkelissaan Visit Finlandin keräämän Matkailijamittari-aineiston hyödyntämistä matkailuprofiilien tarkasteluun rahankäytön perusteella. 

Hankkeessa on kehitetty ennustemallia, joka hyödyntää Visit Finlandin Matkailijamittari-aineistoa. Mallin avulla voidaan arvioida matkailijoiden rahankäyttöä sekä siihen vaikuttavia tekijöitä ja siten se laajentaa tarkastelua kuvailevan analyysin tasolta koko matkailijajoukkoon sekä käyttäytymisen muutoksiin. 

Matkailijamittari kerää tietoa ulkomaisilta matkailijoilta heidän poistuessaan Suomesta: matkan tarkoitus, majoitus, aktiviteetit ja kulutustiedot. Hankkeessa aineisto rajattiin lyhyempiin korkeintaan kahden viikon matkoihin ja puutteelliset havainnot poistettiin, minkä jälkeen rakennettiin Bayes-pohjainen regressiomalli. Malli huomioi epävarmuuden lähteet ja testattiin ristiinvalidoinnilla, jotta ennusteet olisivat luotettavia. 

Tulokset paljastavat selkeitä eroja matkailijaprofiilien välillä. Esimerkiksi Hämeenlinnassa havaittiin profiileja, joissa ennustettu rahankäyttö vaihteli alle 200 eurosta lähes 900 euroon kolmen yön matkalla. Viipymän pidentäminen nostaa kulutusta merkittävästi, ja matkailun tarkoitus sekä majoitusmuoto vaikuttavat olennaisesti. Malli mahdollistaa myös alueelliset vertailut: Lapin ja Kuusamon alueet erottuvat selvästi korkeammalla kulutuksella verrattuna Järvi-Suomeen. 

Lue lisää artikkelistamme Valkonen, L. & Koskela, O. (2025). Matkailijan rahankäyttöä voidaan ennustaa Matkailijamittarilla. HAMK Pilkku, 17.6.2025. https://doi.org/10.63777/12fb 

Matka tutkimuspöydältä arkipäivän rutiiniksi vaatii monta askelta ja kokeilua siitä, miten tulokset datasta kääntyvät toimenpiteiksi. Yhtenä askeleena tällä polulla toteutamme hankkeessa työkalun Matkailijamittari-aineistoon pohjautuvan tulomallinnukseen helppoon ja visuaalisesti intuitiiviseen käyttöön. Luontevia vaihtoehtoja tähän olisivat PowerBI-käyttöliittymään upottaminen sekä R Shiny -sovellus. PowerBI olisi tuttu ympäristö monelle Microsoftin Office 365 -paketin kanssa työskenteleville. R Shiny -sovellus taasen mahdollistaa R-kielellä toteutettujen monipuolisempien mallinnusten upottamisen selaimessa toimivaan sovellukseen. 

Tällainen työkalu mahdollistaa matkailijaprofiilien valinnan ja erilaisten skenaarioiden simuloinnin, jolloin voidaan arvioida esimerkiksi viipymän vaikutusta kulutukseen. Samalla käyttäjä voi tarkastella rahankäytön jakaumaa eri palveluissa ja vertailla alueellisia eroja, mikä auttaa tunnistamaan potentiaalisia kohderyhmiä ja kohdentamaan markkinointia tehokkaammin. Visuaalinen ja helppokäyttöinen käyttöliittymä tuo tilastollisen analyysin osaksi arjen päätöksentekoa. 

Tarve suunniteltuihin työkaluihin nousi hankkeessa järjestettyjen työpajojen osallistujien näkemyksistä, joissa pohdittiin jonkin jonkin toimijan näkökulmasta, miten tietynlainen heille relevantti matkailijaprofiili näkyy Matkailijamittari-aineistossa. Aineiston tarkasteluun on jo toteutettu käyttöliittymä Visit Finlandin toimesta sekä osana Metaverse meets the Experience Industry -hanketta. Hankkeessa tehtävä työ laajentaa näitä tuoden mukaan ennustemallin tulomallinnuksesta ja viipymän vaikutuksesta. Tämä tieto auttaa kohdentamaan markkinointia ja kehittämään palveluita, kun uusien toimintojen kehittämiseen vaaditulle investoinnille voidaan arvioida aineiston pohjalta takaisinmaksuaikaa eri matkailijaprofiileissa.