Amenidades y precios en Airbnb en América: Explorando la relación entre las características de hospedajes con experiencia y sus costos mediante Machine Learning

Abstract

Contexto. La digitalización del sector turístico ha dado lugar a un auge de plataformas como Airbnb, transformando la oferta y demanda de hospedaje en todo el mundo. Las características de las propiedades y la experiencia de los anfitriones no han sido suficientemente exploradas, especialmente en el contexto de América. Propósito. El propósito de este estudio se centra en analizar la relación entre las características físicas y de ocupación de las propiedades en Airbnb y los precios de los hospedajes, utilizando modelos de Machine Learning. Metodología. Se aplicaron modelos de regresión, incluyendo Bayesian Ridge, Ridge Regression y Linear Regression, para analizar una base de datos extraída del repositorio de Kaggle con registros de hospedajes a nivel mundial. Resultados. Los resultados muestran una correlación significativa entre las características físicas de las propiedades, como el número de baños, camas y la capacidad de huéspedes. Conclusiones. A pesar de que los modelos de Machine Learning son efectivos para analizar el comportamiento de la información, es necesario mejorar la calidad y la segmentación de los datos, así como incorporar información georreferencial más precisa para analizar tendencias regionales y estacionales pudiendo fortalecer los criterios de selección de hospedaje.