Czym jest Google Trends i do czego służy?

Google Trends to narzędzie, które pokazuje popularność zapytań w wyszukiwarce Google w czasie. Pozwala porównywać zainteresowanie różnych fraz, obserwować sezonowość, trendy regionalne i szybkie zmiany w zainteresowaniu użytkowników. Dane odczytywane są na wartościach skali (zwykle 0–100) w wybranym zakresie czasowym.

Co to jest korelacja?

Korelacja to miara stopnia, w jakim dwie zmienne zmieniają się razem. Współczynnik korelacji Pearsona przyjmuje wartości od −1 do +1. Wartość bliska +1 oznacza, że zmienne rosną razem (pozytywna korelacja), bliska −1 oznacza, że jedna rośnie, a druga maleje (ujemna korelacja), a wartość bliska 0 oznacza brak liniowej korelacji. Uwaga: korelacja nie oznacza przyczynowości.

Przykłady (kliknij, aby otworzyć w Google Trends)

Silna pozytywna korelacja (podobny poziom i wspólne wzrosty/spadki)
Kot vs Pies — otwórz w Google Trends
→ obie frazy mają podobne, stałe zainteresowanie; wykresy zwykle idą w parze (sezonowe fluktuacje podobne).

Silna negatywna / przeciwna sezonowość (peaki w różnych porach roku)
Opony letnie vs Opony zimowe — otwórz w Google Trends
→ kiedy rośnie zainteresowanie „opony zimowe”, spada „opony letnie” i odwrotnie — typowa przeciwna sezonowość.

Sezonowa korelacja (te same piki w tym samym czasie)
Grypa vs Katar — otwórz w Google Trends
→ obie frazy mają zimowe piki — oczekiwana pozytywna sezonowość.

Brak wyraźnej korelacji (przykład niezależnych tematów)
Kawa vs Kino — otwórz w Google Trends
→ zwykle niezależne wzorce wyszukiwań (może podobne średnie poziomy, ale bez związku).

Korelacja z opóźnieniem (lead/lag) — jedna fraza "prowadzi" drugą
Pogoda vs Parasol — otwórz w Google Trends
→ prognozy/pogoda mogą „prowadzić” do wzrostu zainteresowania parasolami (często krótkie opóźnienie).

Przeciwne piki (silne odwrotne reagowanie)
Śnieg vs Lody — otwórz w Google Trends
→ „śnieg” rośnie zimą, „lody” latem — wyraźna odwrotna sezonowość.

Pozorna (spurious) korelacja
Matura vs Lato — otwórz w Google Trends
→ obie frazy pikują w czerwcu, ale przyczyna jest różna (egzaminy ≠ ogólne lato) — przykład pozornego powiązania.

Instrukcja: pobierz dane i policz korelację w Excel

1. Otwórz link z powyższych przykładów (każdy link ma date=all i geo=PL, dzięki czemu pobierzesz pełny zakres danych dla Polski).
2. Pobierz CSV z wykresu „Zainteresowanie w czasie” (menu trzy kropki → "Download CSV").
3. Import do Excela: Data → From Text/CSV (lub otwórz plik bezpośrednio). Jeśli używasz polskiego Excela upewnij się, że separatorem jest średnik.
4. Funkcje w Excel (polskie nazwy):
   • WSP.KORELACJI (ang. CORREL):

     =WSP.KORELACJI(B2:B25;C2:C25)

   • PEARSON (ang. PEARSON):

     =PEARSON(B2:B25;C2:C25)

5. Interpretacja: wartość od −1 do +1. Więcej w sekcji poniżej.

Rodzaje korelacji i możliwe przyczyny

• Korelacja dodatnia (silna): obie serie zmieniają się w tym samym kierunku. Przyczyny: wspólny czynnik popytowy, te same preferencje użytkowników, wspólne kampanie marketingowe.
• Korelacja ujemna: gdy jedna seria rośnie, druga maleje. Przyczyny: zamienna natura produktów (substituty), przeciwna sezonowość (np. opony letnie vs zimowe).
• Sezonowa korelacja: serie mają regularne piki w tych samych okresach. Przyczyny: warunki klimatyczne, święta, okresy szkolne, wydarzenia kalendarzowe.
• Korelacja z opóźnieniem (lead/lag): jedna seria reaguje później na zmiany drugiej. Przyczyny: opóźnione działania konsumentów, czas podejmowania decyzji zakupowych, opóźniona reakcja mediów.
• Brak korelacji: serie niezależne; możliwe przyczyny: różne grupy docelowe, odrębne kanały marketingowe, przypadek.
• Pozorna (spurious) korelacja: serie wydają się skorelowane, ale to wynik trzeciego czynnika lub przypadkowego zbiegu. Przyczyny: wspólna sezonowość, trendy makroekonomiczne, zbiegi dat (np. egzaminy i początek wakacji).

Zawsze sprawdzaj kontekst danych, uwzględniaj sezonowość i testuj hipotezy (np. używaj analizy opóźnień, usuwania sezonowości, regresji wielowymiarowej), żeby uniknąć błędnej interpretacji.

Przykładowy plik z danymi

Kliknij, aby pobrać przykładowy plik CSV.