L'obiettivo principale delle analisi è quello di indagare quali sono gli elementi che maggiormente influenzano il prezzo degli annunci di “Airbnb” per la città di Venezia e se essi hanno subito variazioni in seguito allo scoppio della pandemia di Covid-19. Le informazioni utilizzate a tale scopo provengono dal sito “insideairbnb.com” e i dataset sono aggiornati al mese di giugno degli anni 2019, 2020 e 2021. Dopo aver effettuato una preparazione dei dataset e una prima fase di analisi descrittive, si passa all'applicazione di modelli di regressione per il prezzo degli annunci ai dati delle diverse annualità. Si riportano i risultati relativi al 2019 e al 2020, con lo scopo di poter effettuare alcune osservazioni sulla situazione precedente e successiva allo scoppio della pandemia. Per quanto riguarda la scelta dei modelli si propongono il modello lineare e il modello Gradient Booosting perché sono ritenuti i più efficienti e facilmente interpretabili. Da queste analisi emerge che la zona di ubicazione degli alloggi è importante per la definizione del prezzo e che una sistemazione a Venezia o sulle isole tende ad avere un prezzo maggiore di una collocata fuori da Venezia. Si evince, inoltre, che la spaziosità delle abitazioni e altre caratteristiche strutturali sono molto più rilevanti prima dello scoppio della pandemia e si deduce che, in seguito all'emergenza siano garantiti degli standard minimi riguardo ad esse. Nel 2020, invece, acquisisce importanza la tipologia di alloggio affittato e le intere abitazioni vengono valutate di più delle singole stanze in termini di prezzo. Anche le politiche di recessione dagli affitti pesano maggiormente sulle stime e sembrerebbero esserci offerte con prezzi più bassi e cancellazioni più flessibili. Infine, appare che, dopo lo scoppio della pandemia, “hosts” con più notorietà e con maggiore attività sulla piattaforma abbiano la possibilità di fissare prezzi più elevati. Dal momento che la zona di ubicazione degli edifici sembra influire pesantemente sulla definizione del prezzo, si propone un approfondimento di questo aspetto attraverso l'applicazione di modelli lineari gerarchici ai diversi dataset. Si conferma la rilevanza del quartiere di ubicazione degli edifici nella definizione del prezzo e che una sistemazione a Venezia o sulle isole tende a costare di più di una fuori da Venezia.
L'impatto della pandemia di Covid-19 sul business di Airbnb: un'analisi per la città di Venezia.
BOSIN, FRANCESCA
2021/2022
Abstract
L'obiettivo principale delle analisi è quello di indagare quali sono gli elementi che maggiormente influenzano il prezzo degli annunci di “Airbnb” per la città di Venezia e se essi hanno subito variazioni in seguito allo scoppio della pandemia di Covid-19. Le informazioni utilizzate a tale scopo provengono dal sito “insideairbnb.com” e i dataset sono aggiornati al mese di giugno degli anni 2019, 2020 e 2021. Dopo aver effettuato una preparazione dei dataset e una prima fase di analisi descrittive, si passa all'applicazione di modelli di regressione per il prezzo degli annunci ai dati delle diverse annualità. Si riportano i risultati relativi al 2019 e al 2020, con lo scopo di poter effettuare alcune osservazioni sulla situazione precedente e successiva allo scoppio della pandemia. Per quanto riguarda la scelta dei modelli si propongono il modello lineare e il modello Gradient Booosting perché sono ritenuti i più efficienti e facilmente interpretabili. Da queste analisi emerge che la zona di ubicazione degli alloggi è importante per la definizione del prezzo e che una sistemazione a Venezia o sulle isole tende ad avere un prezzo maggiore di una collocata fuori da Venezia. Si evince, inoltre, che la spaziosità delle abitazioni e altre caratteristiche strutturali sono molto più rilevanti prima dello scoppio della pandemia e si deduce che, in seguito all'emergenza siano garantiti degli standard minimi riguardo ad esse. Nel 2020, invece, acquisisce importanza la tipologia di alloggio affittato e le intere abitazioni vengono valutate di più delle singole stanze in termini di prezzo. Anche le politiche di recessione dagli affitti pesano maggiormente sulle stime e sembrerebbero esserci offerte con prezzi più bassi e cancellazioni più flessibili. Infine, appare che, dopo lo scoppio della pandemia, “hosts” con più notorietà e con maggiore attività sulla piattaforma abbiano la possibilità di fissare prezzi più elevati. Dal momento che la zona di ubicazione degli edifici sembra influire pesantemente sulla definizione del prezzo, si propone un approfondimento di questo aspetto attraverso l'applicazione di modelli lineari gerarchici ai diversi dataset. Si conferma la rilevanza del quartiere di ubicazione degli edifici nella definizione del prezzo e che una sistemazione a Venezia o sulle isole tende a costare di più di una fuori da Venezia.File | Dimensione | Formato | |
---|---|---|---|
Bosin_Francesca.pdf
accesso aperto
Dimensione
36.37 MB
Formato
Adobe PDF
|
36.37 MB | Adobe PDF | Visualizza/Apri |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/11363