L’impatto delle amenities sui prezzi in Airbnb = The impact of amenities on pricing in Airbnb

Il tema di questo elaborato è capire come diverse variabili, con particolare interesse per le amenities, influenzino il prezzo degli affitti presenti sulla piattaforma Airbnb, attraverso la creazione di un modello di regressione lineare multipla. Dopo una breve introduzione riguardante la Digital Sharing Economy e un cenno sulla storia di Airbnb si è effettuata un’analisi della letteratura riguardante i fattori determinanti del prezzo nel settore turistico per poi concentrarsi sugli short term rentals presenti nella piattaforma Airbnb, Si è poi passati ad una manipolazione dei dati forniti da Airbnb e disponibili pubblicamente dal sito insideairbnb.com. Essendo quest’ultimo suddiviso in database per città l’attenzione è stata rivolta esclusivamente sulle strutture presenti in Milano. In particolare si è usata una matrice denominata “Detailed listing for Milan”, questa contiene tutti i dati riguardanti proprietà, host e soddisfazione del cliente. Dopo una fase di pulizia del database, prima temporale tenendo in considerazione solo le proprietà che sono state affittate negli ultimi tre anni e poi escludendo tutti i fattori considerati inutili, si è passato alla creazione di raggruppamenti di amenities che si era interessati a studiare. Si sono prese in considerazione tre amenities singole e tre raggruppamenti: •??Amenities o??Wifi o??TV o??L’host ti accoglie al tuo arrivo •??Gruppi o??Lusso, contenente le amenities: piscina, palestra, vasca idromassaggio e sauna o??Bambini, contenente le variabili: culla, seggiolone, giochi e libri per bambini, possibilità di avere un babysitter, stoviglie per bambini, bagnetto, protezioni per gli spigoli, cancelletti per le scale, baby monitor e fasciatoio o??Outdoor, composta da: griglia per il bbq, giardino privato, spazio per mangiare all’aperto A questo punto usando il software Stata sono stati create delle regressioni lineari multiple che tenevano in considerazione, oltre alle amenities sopracitate, anche alcune variabili di controllo: la posizione geografica, la struttura della proprietà, i punteggi dai dai precedenti clienti, il numero di amenities e la presenza del Superhost. Partendo dalla creazione di sotto-modelli che tengono in considerazione solo alcune variabili, divise in categorie, si è poi passati al modello finale contenente tutte le variabili. Queste regressioni sono state fatte dividendo le proprietà in base alla tipologia di affitto possibile, singole stanze o intere case, andando così a studiare se questa differenza porta dei cambiamenti nell’utilizzo delle dotazioni fornite. I risultati mostrano che quasi tutte le amenities hanno un impatto positivo sul prezzo così come le variabili di controllo “fisiche”, come ad esempio il numero di stanze. Lo stesso non si può dire per ciò che riguarda il rapporto con l’host, osservato attraverso la variabile di controllo Superhost e il servizio offerto “l’host ti accoglie all’arrivo”; ciò mostra che questo rapporto host-guest non è di interesse per i potenziali clienti. Si conclude anche che le amenities hanno un maggiore effetto positivo sul prezzo nel caso in cui venga data la possibilità di affittare un’intera proprietà rispetto alla situazione in cui viene concesso di affittare singole stanze, probabilmente questo è motivato dal fatto che condividendo la proprietà si condividono anche le amenities e ciò impedisce il pieno godimento di esse.