Airbnb

La veu dels convidats: anàlisi de les ressenyes d’Airbnb com a font representativa en els estudis sobre turisme

Posted on by Eva Martín Fuentes

Recentment hem publicat un article que forma part de la tesi doctoral de la doctoranda Júlia Martí Ochoa (futura doctora al setembre) que dirigim les professores Berta Ferrer Rosell i jo mateixa a la revista El Profesional de la Información i que podeu consultar-lo aquí en anglès i en castellà.

Aquest article tracta sobre les ressenye en línia que publiquen els clients d’Airbnb. El contingut generat pels usuaris a les xarxes socials ha donat lloc a una nova forma de comunicació coneguda com a boca a boca electrònica, que genera milions de comentaris sobre béns i serveis a Internet cada dia. Aquest contingut d’accés obert és crucial per als consumidors potencials, ja que ajuda a la presa de decisions, però també és valuós per als proveïdors de productes o serveis, ja que els permet millorar els seus negocis a partir de les revisions dels usuaris, algunes de les quals són molt detallades. Un altre grup d’interès que es beneficia d’aquests comentaris són els investigadors i els acadèmics, ja que els permet obtenir i analitzar informació per als seus estudis a un cost relativament baix en temps i diners.

Aquest estudi té com a objectiu realitzar una anàlisi de sentiment dels comentaris publicats pels hostes allotjats en una propietat que ofereix Airbnb per determinar si les seves opinions sobre la seva experiència són positives o negatives.

Tanmateix, abans de fer-ho, cal conèixer el percentatge de persones que escriuen una opinió sobre el servei rebut a Airbnb per comprovar la representativitat de les ressenyes en aquesta plataforma. Per aconseguir-ho, s’analitzen milers de comentaris publicats en un any a Airbnb per a les quatre ciutats més turístiques d’Espanya: Madrid, Barcelona, ​​Sevilla i València.

Els resultats mostren que les opinions a Airbnb són molt més representatives en comparació amb altres plataformes, ja que es calcula una taxa de participació molt alta. A més, aquestes opinions són majoritàriament positives, indicant un alt nivell de satisfacció amb el servei prestat.

Imtge creative commons de https://www.hoomvip.com/tasa-de-ocupacion-de-airbnb/

Big Data i Intel·ligència artificial per predir categories hoteleres amb els comentaris dels usuaris

Posted on by Eva Martín Fuentes

Avui alguns mitjans de comunicació es fan ressò del nostre article “Modelling a grading scheme for peer to peer accommodation” en el què predim les estrelles hoteleres a partir dels comentaris dels usuaris i ho apliquem a Airbnb.

Aquí podeu llegir les diferents notícies sobre “la UdL crea un model informàtic per assignar categories als establiments hotelers segons els criteris dels usuaris”:

Clasificación de “estrellas” para Airbnb

Posted on by Eva Martín Fuentes

Acabamos de publicar un artículo en la prestigiosa revista International Journal of Hospitality Management con el título “Modelling a grading scheme for peer-to-peer accommodation: Stars for Airbnb“, lo podéis leer a través de este enlace.

En este artículo detectamos que las categorías hoteleras de los hoteles de todo el mundo pueden deducirse a partir de una serie de características que no son las que establecen las instituciones encargadas de asignar tales categorías. Es decir, los organismos en cada país e incluso en cada región, establecen unas categorías hoteleras a través de normativas (públicas o privadas, dependiendo de cada país) y que tienen en cuenta, en muchos casos, criterios técnicos como por ejemplo si hay ascensor para el servicio o los metros cuadrados que tiene una habitación o un vestíbulo de recepción, entre otros.

Con nuestro modelo descubrimos que la clasificación de la mayoría de hoteles en el mundo se puede inferir por diferentes criterios como son el número de opiniones de los usuarios en un hotel, el precio, la puntuación otorgada de los usuarios, etc. que son criterios que no tienen nada que ver con los oficiales para asignar las categorías hoteleros.

Con este hallazgo a partir de una muestra de 33,000 hoteles en todo el mundo y con 18,000,000 reseñas de Booking.com recopilados automáticamente, se aplicó un modelo, utilizando la técnica de clasificación “Support Vector Machine”, que asignaría categorías a los alojamientos de economía colaborativa, como Airbnb.

Este artículo pone de manifiesto que con una clasificación para Airbnb como la de los hoteles, aumentaría la confianza de los usuarios en la economía colaborativa y ayudaría a la toma de decisiones de los usuarios evitando la sobresaturación de información que existe actualmente con las webs de opiniones.

Además, para los establecimientos hoteleros con nuestro modelo se conseguiría resolver tres importantes cuestiones:

  1. Coincidencia del punto de vista de los usuarios: los expertos que deciden qué criterios deben aplicarse para asignar oficialmente las categorías de hoteles deben saber que el sistema de clasificación ideal es el que se adapta a las necesidades de los usuarios, que tiene en cuenta que la satisfacción se puede obtener a través del boca-oreja digital.
  2. Convergencia de diferentes sistemas: estandarizar y ajustar los criterios utilizados en diferentes países y regiones para ayudar a los usuarios a comprender qué significa cada categoría de hotel en todo el mundo.
  3. Validación del sistema de clasificación oficial: no es necesario realizar auditorías para verificar que se cumplan los criterios aplicados, por lo que con este sistema se eliminaría mucha burocracia.