Este estudio examina hasta qué punto la incorporación de datos de redes sociales mejora la precisión predictiva de los modelos que pronostican la llegada de estudiantes internacionales. Se utilizaron datos privados de redes sociales recopilados de una universidad pública, junto con datos de tráfico web y datos de Google Trends, en los modelos de pronóstico. Inicialmente, se realizó un análisis de correlación, revelando una fuerte relación entre la matrícula de estudiantes internacionales de la institución y la actividad en redes sociales, así como con el número total de estudiantes internacionales que llegan a Australia. Basándose en estos conocimientos, se derivaron características de los datos recopilados para su uso en el desarrollo de los modelos de pronóstico. Se desarrollaron dos modelos XGBoost: uno excluyendo las características de las redes sociales y otro incluyéndolas. El modelo que incorpora datos de redes sociales superó al que no lo hacía. Además, se aplicó un proceso de selección de características, lo que resultó en pronósticos aún más precisos. Estos hallazgos sugieren que integrar datos de redes sociales puede mejorar significativamente la precisión de los modelos de pronóstico para la llegada de estudiantes internacionales.