Los anuncios disponibles o activos en Airbnb suelen tener, como otras cuestiones relacionadas con el turismo, una estacionalidad muy marcada. Para analizarla hemos utilizado los comentarios o evaluaciones (reviews en la terminología de Airbnb en inglés) que dejan los usuarios tras completar una estancia. Una evaluación es un comentario público que envía un usuario sobre el alojamiento en el que ha estado. No todos los usuarios dejan esta evaluación y valoración tras acabar una estancia (ver en la sección metodología cómo se usan valores entre 30 y 72 por ciento) pero sí que nos sirven como estimación de la cantidad de alquileres y alojamientos activos. Hemos usado los datos de las evaluaciones de InsideAirbnb desde 2016 para hacer estos análisis.
En todos ellos se repite el mismo patrón: los meses de verano tienen más evaluaciones.
Nota: los datos de las reviews de InsideAirbnb están sesgados, ya que solamente contienen datos de las evaluaciones de los anuncios que en el momento del scraping existentían. La captura de las evaluaciones se hace a partir de los anuncios encontrados en ese momento, esto es, no se guardan las evaluaciones que sí han existido pero que pertecen a pisos no están en la plataforma. Por eso usamos para este análisis los todos los archivos de InsideAirbnb, eliminando convenientemente las reviews duplicadas, para reducir el sesgo que supone la pérdida de datos de los pisos no encontrados.
Ver más en detalle esta metodología con el caso de Donostia - Dan Sebastián.
Conocer la cantidad de evaluaciones por mes nos permie calcular el número de anuncios a los que pertenecen. De este modo obtenemos los alojamientos que tuvieron una al menos evaluación, esto es, que tuvieron como mínimo una estancia ese mes. En el siguiente gráfico se representan estos alojamientos según su tipo (piso completo, habitación privada o compartida):
Mejor verlo de este otro modo para comparar las viviendas y las habitaciones de forma más fácil:
Si tenemos en cuenta, como hemos indicado antes, que no todos los usuarios deja una evaluación al terminar una estancia, podemos estimar, usando el 30% como el porcentaje de usuarios que dejan evaluación, el número de anuncios total que habrían tenido al menos una estancia (aunque no hubieran recibido evaluación). La línea de puntos indica esa estimación basada en el 30%:
[si tuvieramos datos AirDNA]
Si en vez de hacer la estimación basada en el 30% usamos un intervalo que va del 30 al 70 por ciento, obtenemos unas “zonas” en torno a las cuales se moverán las cifras de los alojamientos turísticos disponibles y activos cada mes. Además añadimos el número de anuncios encontrados en cada scraping de InsideAirbnb. Así comparamos anuncios encontrados vs anuncios que han tenido actividad. Sabemos, al compararlos con datos de Datahippo.org y hablar con algunos hosts, que los datos de InsideAirbnb no consiguen capturar todos los anuncios, así que creemos que la estimación 30-70% es útil para aproximarnos al valor de anuncios activos reales.
Para comparar mostramos el mismo gráfico anterior para la ciudad de Madrid: la estacionalidad no está tan marcada, aunque el pico de alojamientos con evaluaciones sigue teniendo el pico en verano (ojo, las escalas verticales de ambos son diferentes):