基于Airbnb数据的旅游共享住宿信任机制分析

2022-08-29李佳珂曾清清

电脑知识与技术 2022年20期

李佳珂，曾清清

(1.海南大学旅游学院，海南海口570228；2.聊城大学计算机学院，山东聊城252059)

1 引言

随着经济不断发展，旅游业不断活跃，人们在享受旅游带来的乐趣的同时，不得不承受高昂旅游住宿费用。近年来，依托云计算和物联网平台，共享经济得到不断推进和发展。作为共享经济和旅游业的融合产物，共享住宿也逐渐成为人们关注的热点。据统计，2017年“十一”黄金周，不少旅游者住宿到共享住宿平台提供的房间。据近年来《中国共享经济发展年度报告》结果显示，中国共享住宿业交易额在2020年达到225亿元，在全部住宿业客房收入占比达到6.7%。图1 展示了2015—2020 年中国共享住宿市场规模变化趋势。图2 显示了2016—2020 年中国共享住宿收入占全国住宿业客房收入比重变化趋势。由图可见，2018—2019 年是共享住宿市场热潮时期，之后共享住宿发展趋向平缓，2020年受新冠肺炎疫情影响，共享住宿市场进入寒冬季。为打破这种僵局，2020 年7 月，发改委等13部门印发的《关于支持新业态新模式健康发展激活消费市场带动扩大就业的意见》，明确提出鼓励共享住宿，发展生活消费新方式，至此，鼓励发展“共享住宿”首次写入政府文件。

图1 中国共享住宿市场规模变化趋势

图2 中国共享住宿占全国住宿业客房收入比重变化趋势

文献[1]以共享短租平台小猪短租网站的房源数据为例，分析了共享短租平台供给者端的房源及房东特征。该文献分析指出规模化的房东的定价往往高于离散化的房东，另外，共享房源的定价还会受到包括房源位置、配套设施、交通方便性、二手房房价等诸多因素的影响。文献[2]以Airbnb 与携程平台为例，对共享与传统住宿平台价值创造因素进行分析。文献[3]则从政府被动反应、政府主动引导和政府与平台合作三种不同监管机制出发，分析了城市共享住宿监管的路径、机制和措施。文献[4]则以Airbnb 共享住宿为研究对象，借助空间分析工具，对上海市2010—2019年期间共享住宿位置空间变化进行过了分析，并针对道路密度、经济水平、房源供给、服务群体与空间集聚等因素进行了加权回归分析和研究。文献[5]分析了Airb‐nb在共享住宿领域里的商业模式创新及其面临的业绩计量难题。文献[6]以Airbnb北京地区的在线短租数据为分析对象,研究了房源定价合理性对房源热度的影响关系。文献[7]2010—2019年北京市Airbnb数据为基础，运用GIS空间分析和空间变差函数方法进行时空演变及集聚特征进行分析。文献[8]则运用TRIZ 理论模型，提出了共享住宿标准体系的构建过程及体系框架。文献[9]从小猪短租平台上爬取的北京、上海、广州和深圳等地的6953 条有效房源数据，揭示了房客可持续消费行为的影响机制，为提升共享经济中消费者的可持续消费行为提供新思路。文献[10]针对共享住宿文献进行综述分析，指出2012—2015 年为萌芽阶段，2016—2019 年为发展阶段。文献[11]则对共享住宿中信任的概念、信任的类型、信任研究的理论基础，以及房客、房东视角下信任建立的前因变量、信任的对象和结果变量的剖析。文献[12]则分析了共享住宿发展的信任、监管两个维度，房东、游客、产品和平台四个方面的因素等对共享住宿的影响，探讨了包括案例分析归纳、深度访谈、文本分析、内容分析、结构方程模型、特征价格模型、最小二乘法、固定效应回归模型等研究方法。文献[13]则围绕如何正确引导共享经济健康发展中应对道德风险的挑战，以爱彼迎为单案例进行研究。

2 共享住宿平台Airbnb

民宿日益成为旅游过程中非常重要的一环，然而，很多旅客对于民宿还不是非常熟悉，导致民宿住宿量还不是很高，通过网站搜索可以看到北京某地的民宿信息如图3所示。随着民宿的不断发展，结合共享经济的推进，共享民宿已经成为民宿经济的重要分支。

图3 民宿信息搜索图

Airbnb 是共享住宿的先驱，其核心思想是采用点对点(peer-to-peer)住宿模式。通过把房东的空余房间与旅行者的住宿需求建立联系，实现了共享住宿，促进了旅游住宿的新发展。自2008 年成立以来，Airb‐nb 已经成为覆盖全球190 多个国家和地区、涵盖81000多个城市的全球共享住宿平台。2015年Airbnb引入中国，并迅速发展。

2.1 Airbnb数据分析

Airbnb 数据针对每个房源主要分为6个板块，即房源详情、评价信息、可订日期、房源位置、旅客须知、房东信息。具体如下：

1) 房源详情：房源名称、卧室数量、床数、卫生间类型和数量、最多容纳旅客数量等；

2)评价信息：房源收到的评论总数、房源旅客的如实评价信息等；

3)可订日期：房源最早可预订日期、房源最少入住天数、房源最多入住天数等；

4) 房源位置：房源所在省份、城市，所在经纬度，周边配套公交、地铁、交通信息等；

5)旅客须知：房源对旅客入住的基本要求、取消预订政策和交易提示、是否禁止携带宠物入住等；

6) 房东信息：房东的名字、联系方式、房东是否为超赞房东、房东收到的总评论数、房东自我介绍等。

表1 给出了Airbnb 平台上北京某地共享住宿房源的关键信息。图4展示了Airbnb网站展示的北京共享住宿数据。图5展示了中国香港共享住宿部分数据和比率分析。由上述图表可见，相对于民宿信息搜索结果，Airbnb 共享住宿平台发布的数据更为详细和稳定。

图4 Airbnb网站展示的北京共享住宿数据

图5 中国香港共享住宿数据展示(部分)

表1 Airbnb数据示例

2.2 地图标记

本文采用LocalSpace Viewer 进行地图标记。LocalSpace Viewer是一款集成多种在线地图资源，包括百度地图、天地图、影像、标注。该软件特点是浏览速度快、支持载入天地图影像、腾讯影像等多家影像数据、支持载入天地图地图、标注、道路标注等。以中国香港共享民宿为例，地图标记的具体步骤如下：

第一步，先从Airbnb 网站(http://insideairbnb.com/get-thedata.html)下载中国香港共享民宿的数据，找出其中的listings.csv文件；

第二步，打开listings.csv 文件，找到经度纬度对应的列，如图6所示。需要注意的是，经纬度数据每一行的位置有时候不一致，需要调整位置；

图6 中国香港共享住宿数据展示(部分)

第三步，复制每个共享住宿的经纬度数据到一个单独的Excel文件，比如Hongkong.xlsx；

第四步，打开LocalSpace Viewer 软件，选择工具箱菜单中的“Excel转KML”工具如图7所示，弹出对话框如图8所示；

图7 Excel转KML工具示意图

第五步，在图8对话框中，选择“打开XLS”，选择Hongkong.xlsx，选择经纬度列的编号，然后选择生成点，生成KML 文件，显示结果如图9所示。

图8 Excel转KML工具对话框图

图9 中国香港部分共享住宿标记图

2.3 爬虫设计

网络爬虫(又称为网页蜘蛛、网络机器人、网页追逐者)，是一种按照一定的规则，自动地抓取Internet 网信息的Python 程序或者脚本。通过适当设置需要爬取的特征，网络爬虫可以获得有效信息。本文通过下载Airbnb网络爬虫，爬取了北京共享住宿网站的信息，爬取过程如图10所示。通过爬取数据，获得每个共享住宿的有效信息字段，包括价格、浴室数量、卧室数量、床的数量、网址、可住旅客数量、所在城市、纬度、经度、评分、评论数量、具体评价信息、星级、附加服务信息等。