Bu çalışma Google tarama motorundan elde edilen sorgulama verilerinin, aylık tarım dışı işsizlik oranının tahmin performansını iyileştirip iyileştirmediğini incelemektedir. Kullanılan tüm tahmin modelleri, Ocak 2005 ve Ocak 2012 arasındaki dönem için, doğrusal regresyon modelleri ve Bayesgil model ortalama (Bayesian Model Averaging) yöntemi kullanılarak hesaplanmıştır. Çalışmanın bulgusu, Google sorgulama verisinin tarım dışı işsizlik oranının tahmin performansını, gerek örneklem içinde gerekse örneklem dışında, artırdığı yönündedir. Sadece işsizlik verisinin geçmiş değerleri kullanılarak oluşturulan baz modelle kıyaslandığında, tahmin performansı en iyi olan model Google sorgulama verisini içermektedir. Bu model, bir ay ilerisinin işsizlik oranı için, göreli hataların karelerinin ortalamasının kökü (root mean square error) değerlerine göre, örneklem içinde yüzde 47,8 ve örneklem dışında yüzde 38,3 daha doğru tahminler vermektedir. Ayrıca, çalışmada Diebold-Mariano testi (Harvey, Leybourne ve Newbold (1997) tarafından uyarlanmış hali) kullanılarak, Google sorgulama verisinin tahmin performansını istatistiksel olarak anlamlı olarak iyileştirdiği gösterilmiştir.