Alumnos 11a edición

Análisis Airbnb Madrid

Por 3 julio, 2021No Comments

Introducción

Nuestro estudio parte de un dataset obtenido de la página Keggle nombrado “Madrid Airbnb Data”. En concreto la base de datos tiene como muestra los alojamientos madrileños que figuraban en la plataforma digital Airbnb entre el 21 de abril de 2021 y el 22 de abril de este mismo año.

El contexto en el cual nos situamos señala que en abril de 2020, según datos de la compañía de software Airbtics, las reservas de Airbnb en la ciudad de Madrid llegaron a caer un 98,2% con respecto al año anterior debido a las medidas para hacer frente a la pandemia de COVID-19. Asimismo, entre enero y mayo de 2021 han llegado a España 3,2 millones de visitantes, frente a los 10,6 millones del mismo periodo en 2020. A su vez, el número de turistas internacionales que llegaron a Madrid de enero hasta mayo de 2021 fue de 86.727 turistas.

El objetivo que nos planteamos fue entender el comportamiento de Airbnb en la ciudad de Madrid, dando énfasis en la distribución geográfica de los pisos, comprender la política de precios por distrito y contrastar si existe una relación entre rating, precio y ocupación de los pisos. Tratando los datos vimos que la forma más óptima de analizar el dataset sería a través de un análisis cuantitativo. Para hacerlo decidimos usar Tableau, un programa con el que además ya estábamos familiarizados.

Para conocer la distribución geográfica usamos la herramienta mapa de Tableau a partir de la longitud y latitud que nos proporcionaba el dataset. Con esto pudimos sacar conclusiones cuando cruzamos los datos con otras métricas.

Análisis cuantitativo con mapas

Densidad por barrio

A partir del mapa pudimos concluir que en Madrid existe una gran concentración de viviendas baratas en torno a los distritos del Centro denotando una gentrificación impulsada por los sitios turísticos como el parque del Retiro y los musos.

Precio por barrio

En cambio en la periferia, sobre todo en San Blas, predominan las viviendas más caras. Viviendas más grandes y en zonas residenciales donde el objetivo quizás no es tan turístico y más de larga estada.

Score por barrio

Los datos nos muestran que no hay gran diferencias entre las reviews y hay poca relación entre la review y el barrio donde se encuentra la vivienda. En general todas las reviews son positivas, un factor que puede influir en ello es el hecho de que la gente sea más propensa a dejar una calificación después de una buena experiencia que una mala. También creemos que algunas variables que no hemos cruzado con estos datos como el tiempo de estancia pueden influir en las diferencias de reviews por barrio.

Ocupación

La ocupación por distrito está compartimentada en cuatro sectores según los días de ocupación, 30 días, 60 días, 90 días y 365 días vista. Lo más relevante es la tendencia al alza y la proyección de futuro que se observa en la mayoría de distritos en la ocupación promedio a 365 días vista. Solo los distritos de Vicálvaro y el Puente de Vallecas se encuentran por debajo del 50% de ocupación.

Otro dato relevante es la baja ocupación a 90 días vista relativa a las otras franjas. Esto puede ser debido a la incertidumbre ante la pandemia que existía en abril, tiempo en que se tomó la muestra; donde la vacunación no estaba tan avanzada y las restricciones del covid seguían en pie.

Pisos por rango de precio

En relación con los precios, realizamos una relación entre cantidad de alojamientos y rango de precios. No añadimos ningún filtro a los alojamientos, simplemente los separamos por precios. Observamos que la mayoría se incluyen en el rango de 0-100€. En mayor cantidad encontramos alojamientos con tarifas bajas de hasta 50€ que compiten mayoritariamente con pensiones y hostales de bajo precio, y en el segundo rango tenemos los alojamientos con precios de 50€ a 100€, que pueden competir con hoteles de precio medio. El número de alojamientos con precio más elevado, hablamos de apartamentos o casas de lujo, con precios superiores a 1000€ son minoritarios.

Reviews y puntuación

Las reviews en su gran mayoría son positivas, entre 9 y 10, lo que denota a priori que la gente esta satisfecha. A pesar de ello se deben considerar otras hipótesis que pueden influir a estás buenas puntuaciones como la predisposición a puntuar cuando se esta satisfecho.

Conclusiones

En base al análisis de datos que estudiamos, hemos podido identificar que el mercado de Airbnb es muy atomizado, con 19.000 pisos solo en Madrid, y de estos el 76,4% compiten en rangos de precios bajos, que van de 0 a 100 euros por noche.

Por otra parte, los usuarios están satisfechos y las reviews son positivas, aunque se debe tener en cuenta y da pie a un futuro estudio la predisposición a puntuar cuando se está satisfecho que puede influir a no obtener una representación acorde a la realidad.

Por último, se proyecta una tendencia al alza en reserva de arriendos, por lo que podemos inferir que la ocupación, dentro de un año, irá mejorando en términos de ocupación.

Deja un comentario