AI, Data Science e Modelli Econometrici applicati alle recensioni di Airbnb: analisi dell’impatto della gentilezza dell’host sulla sua performance = AI, Data Science and Econometric Models applied to Airbnb reviews: analysis of the impact of the host's kindness on its performance

In poco più di 10 anni dalla sua fondazione la piattaforma Airbnb ha completamente rivoluzionato il mondo del turismo. Tramite una profonda innovazione del modello di business degli “Short Term Rent” ha permesso l’ingresso nel mercato di nuove tipologie di attori che, tramite il servizio della piattaforma, hanno avuto la possibilità di ottenere una rendita accessoria affittando una o più camere inutilizzate della propria abitazione (o addirittura l’intero alloggio). Le grandi possibilità di guadagno lato offerente e la grande convenienza e semplicità per i clienti hanno portato ad una vera e propria esplosione della popolarità della piattaforma, che ha superato nel 2019 i 7 milioni di alloggi dislocati in più di centomila città nel mondo. Se la grande abbondanza di offerta ha portato un forte beneficio per i clienti, allo stesso tempo ha innescato un atteggiamento di fortissima competizione tra gli alloggi, che ha reso indispensabile per gli hosts cercare sempre nuovi modi per distinguersi dalla massa. Lo scopo di questo studio è quello di verificare se la “gentilezza” del padrone di casa sia un elemento di diversificazione che possa garantirgli un vantaggio competitivo. Nell’ambito di questo studio, si utilizzerà il termine “gentilezza” per riferirsi alle caratteristiche del comportamento dell’host in tutte le fasi della transazione, a partire dalla prenotazione, in fase di check in fino al momento di conclusione del soggiorno. Cercare di quantificare la “gentilezza” di un host è un’operazione molto critica, in quanto si tratta di un aspetto implicito della persona, che si manifesta solamente durante il contatto con soggetti terzi, in questo caso i clienti. Dato che studi precedenti hanno mostrato l’inefficacia degli indicatori forniti direttamente da Airbnb, in quanto affetti da un forte bias inflativo, per estrarre informazioni sul comportamento del padrone di casa si è deciso di analizzare direttamente le recensioni pubblicate dai clienti, che sono l’unico vero momento di espressione di un giudizio completamente in forma libera. Le recensioni sono rese disponibili direttamente da Airbnb mediante la piattaforma InsideAirbnb, che presenta database aggiornati periodicamente per tutte le principali città. Per continuità con studi precedenti, ci si è concentrati sulla città di Barcellona, che garantisce un turismo molto diversificato, e sono state selezionate tutte le recensioni relative a soggiorni negli ultimi 18 mesi, da Gennaio 2019 a Luglio 2020. Una volta isolato dalle recensioni complete il contenuto relativo al comportamento del padrone di casa, si è sviluppato un modello ad hoc di machine learning che permettesse di classificare le recensioni in: negative, neutre, positive e super. L’aggregazione delle recensioni appartenenti ad uno stesso alloggio ha permesso di elaborare un indicatore di gentilezza per ogni host. La misura così generata, denominata “rank” è stata poi inserita in modelli econometrici di tipo regressivo. La prima relazione che si è voluta indagare è quella tra il prezzo dell’alloggio ed il livello di gentilezza del suo host, al fine di verificare se ad un miglioramento del comportamento del padrone di casa fosse associato un premio di prezzo. Si è inoltre effettuata una seconda modellizzazione per cercare di verificare se la gentilezza avesse un impatto positivo non solo sul prezzo dell’alloggio, ma anche sulla domanda che questo è in grado di catturare.