Bài báo nghiên cứu hiệu quả của việc tích hợp dữ liệu đa nguồn trong dự báo chuỗi thời gian bằng mô hình mạng nơ-ron đa lớp (MLP), ứng dụng vào dự báo lượt khách quốc tế đến Việt Nam theo tháng. Bên cạnh dữ liệu quá khứ, mô hình còn sử dụng dữ liệu tìm kiếm từ Google Trends và thông tin ngày lễ quốc gia. Kết quả cho thấy dữ liệu ngoại sinh giúp cải thiện độ chính xác, đặc biệt trong dự báo ngắn hạn (h=1), với sMAPE giảm rõ rệt khi kết hợp đầy đủ các nguồn dữ liệu. Tuy nhiên, tác động của các nguồn dữ liệu giảm dần theo độ dài dự báo và mức độ hiệu quả giữa các nguồn không đồng đều; dữ liệu ngày lễ có tác động ổn định hơn so với tìm kiếm trực tuyến. Nghiên cứu khẳng định tiềm năng của dữ liệu đa nguồn trong nâng cao chất lượng dự báo và chỉ ra hạn chế của MLP khi độ dài dự báo tăng lên, từ đó đề xuất hướng tiếp cận các mô hình học sâu tiên tiến hơn.