Sharing economy e Airbnb: analisi della domanda e delle differenze di genere tramite i feedback dei consumatori. = Sharing economy and Airbnb: analysis of demand and gender differences through consumer feedback.

La “sharing economy” è una moderna tipologia di economia che si è sviluppata grazie alla rapida diffusione di Internet, nella quale chiunque voglia affittare o vendere un prodotto o un servizio può farlo caricando direttamente un’inserzione sulle apposite piattaforme ed il consumatore interessato può usufruirne in cambio di un compenso. Il presente lavoro di tesi analizza “Airbnb”, la principale piattaforma di sharing economy che ha rivoluzionato in poco tempo il mercato degli affitti a breve termine: nata nel 2008, è cresciuta rapidamente, grazie alla competitività del prezzo e all’interazione diretta con la popolazione locale, raggiungendo nel dicembre del 2020 circa 5,6 milioni di annunci attivi in tutto il mondo. Nei primi capitoli dell’elaborato, dopo aver illustrato le principali caratteristiche, le maggiori problematiche emerse, nonché i punti di forza e di debolezza relativi alla sharing economy il discorso si è poi focalizzato su Airbnb. Successivamente si sviluppa la parte operativa del lavoro in cui sono stati analizzati i dati scaricati il 7 luglio 2021 dalla piattaforma InsideAirbnb relativi alla città di Barcellona; in particolare, sono stati considerati i listing attivi in quella data e i feedback rilasciati dagli utenti al termine del loro soggiorno presso alloggi di Airbnb della città tra il primo gennaio 2019 e i primi di luglio 2021. Dopo un primo esame dei punteggi numerici, tramite alcuni algoritmi di Sentiment Analysis e Text Mining sono stati studiati i commenti testuali, con l’obiettivo di trovare quali attributi e argomenti influenzano principalmente la “Airbnb experience”. Lo studio di analisi si è poi concentrato su fattori come il genere dei recensori, il periodo temporale e la professione dell’host per valutare se condizionassero i commenti rilasciati. Il lavoro statistico si è successivamente focalizzato sull’utente per esaminare se il suo comportamento fosse influenzato dal genere: esaminando per i recensori le caratteristiche delle opinioni espresse, per gli ospiti la tipologia di annunci scelto ed infine se il genere dell’host desse un “premio” di prezzo. In particolare, sono state svolte delle regressioni lineari (OLS) per valutare quali fossero i fattori chiave ad influenzare il prezzo degli annunci considerando le variabili strutturali dell’appartamento, la sua posizione e la sua disponibilità, le caratteristiche degli host e le recensioni ottenute. Infine, utilizzando una funzione probit si è valutato se il sesso degli ospiti fosse significativo nella scelta di un annuncio con determinate caratteristiche. Le diverse operazioni e le analisi sono state svolte utilizzando il linguaggio di programmazione Python codificato su un notebook Jupyter e il software statistico Stata.