Analisi a livello di città

62 Monthly performances dataset

Property ID Identifica attraverso un codice la proprietà Reporting Month Identifica il mese di riferimento

Revenue (USD) Indica i ricavi in dollari nel mese di riferimento Number of

Reservations

Indica il numero di prenotzioni registrate nel mese di riferimento Reservation Days Indica il numero di giorni prenotati nel mese di riferimento

Available Days Indica il numero di giorni disponibili nel mese di riferimento

Blocked Days Indica il numero di giorni "bloccati", ovvero in cui l'host non ha reso disponibile l'annuncio

City Identifica la città

Active Indica se l'annuncio è attivo Scraped During

Month

/

Figura 27: descrizione del dataset “Monthly Performances”.

(Fonte: elaborazione personale)

Per effettuare le analisi, a queste variabili sono stati aggiunti il prezzo medio, calcolato come Revenue/Reservation Days e l’occupancy rate, calcolato come Reservation Days / (Reservation Days+Available Days), ovvero il tasso di occupazione delle proprietà.

3.4 Analisi preliminari

63 Figura 28: Mappe delle proprietà presenti a Barcellona dal 2009 al 2020.

(Fonte: elaborazione personale mediante il software Qgis)

Andando ad analizzare i dati numerici notiamo inoltre che la crescita maggiore è avvenuta nell’anno 2015 in cui si sono raggiunte 15.038 nuove proprietà a fronte di soltanto 6.740 dell’anno precedente, con un incremento quindi del 123%. Nel 2018 e 2019 i cali di crescita sono stati rispettivamente del 10,1% e 9,5% rispetto all’anno precedente, mentre l’anno 2020 non è stato tenuto in considerazione in quanto i dati a disposizione, essendo relativi ad un solo mese, sarebbero stati fuorvianti.

Figura 29: Numero di proprietà totali di Airbnb nel tempo.

(Fonte: elaborazione personale mediante Excel)

2009 2012

2015 2020

0 20000 40000 60000 80000 100000 120000

2 0 0 9 2 0 1 0 2 0 1 1 2 0 1 2 2 0 1 3 2 0 1 4 2 0 1 5 2 0 1 6 2 0 1 7 2 0 1 8 2 0 1 9

Numero di proprietà

64 Figura 30: Numero di nuove proprietà Airbnb registrate ogni anno.

(Fonte: elaborazione personale mediante Excel)

Di tali proprietà si riscontra che la maggior parte (85.600) sono appartamenti, mentre i numeri di B&B, Hotel, case o proprietà particolari quali case sugli alberi, guesthouse, barche e altre, sono nettamente inferiori; nella figura 31 sono riportate le percentuali.

Figura 31: tipologie di proprietà registrate sulla piattaforma Airbnb (%).

(Fonte: elaborazione personale mediante Excel)

Inoltre per le proprietà possono essere disponibili annunci di tipo differente: può essere proposto in affitto l’intero appartamento o l’intera casa, una stanza condivisa con altre persone o una stanza privata. Nel complesso gli annunci più comuni sono di intere abitazioni o di stanze private, ma nel tempo sono aumentati anche gli annunci di stanze condivise, pur rimanendo estremamente inferiori rispetto alle altre categorie.

8 106 565 2190 3901 6740

15038

17609 18729 16837

15235

0 5000 10000 15000 20000

2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019

Numero di nuove proprietà registrate

87,27%

1,45%

0,82% 3,07%7,39%

Tipologie di propietà in percentuale

Appartamenti B&B Hotel Case Altro

65 Figura 32: tipi di annunci in percentuale.

(Fonte: elaborazione personale mediante Excel)

Figura 33: tipologia di annuncio per le nuove proprietà inserite nella piattaforma Airbnb.

(Fonte: elaborazione personale mediante Excel)

I dati confermano quanto riportato in letteratura; infatti se nel 2012 il numero di stanze private rappresentava soltanto il 20% delle accomodation totali, nel 2016 arrivavano addirittura al 51%, superando dunque il numero di appartamenti e case, per poi registrare un lievissimo calo negli anni successivi.

53,32%

1,06%

44,92%

0,7%

Tipologie di accomodation in percentuale

Stanza privata Stanza condivisa Intera casa/appartamento Altro

6 66 321

1315 2383

3771

6838 7367 8083 7394

6125

02 042 1243 4867 61503 19 252 236 182 159 156 2927

7923

9945 10356 9068

6125

0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000

2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019

Numero di annunci

Tempo

Tipologia di annuncio

Intera casa/appartamento Stanza condivisa Stanza privata

66 Infine, per comprendere il trend della piattaforma, oltre al numero di proprietà è

assolutamente necessario monitorare l’andamento dei ricavi generati da Airbnb nella città;

dati che, trovandosi disponibili nel dataset mensile, partono da ottobre 2014. Anche in tal caso gli anni 2014 e 2020 non sono stati tenuti in considerazione poiché incompleti.

In tabella vengono riepilogati i dati più significativi: i ricavi seguono il trend del numero di proprietà, ovvero dopo il 2017 crescono ad un tasso nettamente inferiore rispetto agli anni precedenti, in particolare nel 2017 e 2018. Si evidenzia che i ricavi qui riportati sono in dollari statunitensi.

Anno Ricavi totali % Crescita ΔRicavi

2015 121.601.051,6

2016 260.797.682,7 114,47% 116.929.019

2017 359.291.733 37,77% 82.743.385

2018 372.718.007,2 3,74% 11.279.638

2019 404.506.981,4 8,53% 26.712.083

Figura 34 : tabella riepilogativa dei ricavi generati da Airbnb (Fonte: elaborazione personale mediante Excel)

Figura 35: andamento dei ricavi generati da Airbnb dal 2015 al 2019.

(Fonte: elaborazione personale mediante Excel)

0 50000000 100000000 150000000 200000000 250000000 300000000 350000000 400000000 450000000

2015 2016 2017 2018 2019

Ricavi totali

67 Figura 36: percentuale di crescita dei ricavi generati da Airbnb dal 2016 al 2019.

(Fonte: elaborazione personale mediante Excel)

Si nota, dunque, che l’incremento maggiore dei ricavi generati dalla piattaforma avviene tra il 2015 e il 2016 ed è, in linea di massima, legato all’incremento significativo del numero di proprietà. Infatti andando ad analizzare il prezzo medio per notte prenotata, calcolato come ∑Ricavi annuali/∑Numero di notti prenotate in un anno, notiamo che c’è certamente un aumento tra il 2015 e il 2016 di 11 dollari a notte, ma tale incremento è ancora maggiore tra il 2016 e il 2017, dove invece la percentuale di crescita dei ricavi era minore. Resta negativo il trend relativo agli anni 2017-2018: il prezzo medio per notte prenotata diminuisce di circa 1 dollaro.

Anno Numero di notti prenotate

Numero di prenotazioni

Prezzo medio per prenotazione (USD)

Prezzo medio per notte prenotata (USD)

2015 1.378.101 348.173 349,25 88,24

2016 2.611.382 660.165 395,05 99,87

2017 3.013.441 818.280 439,08 119,23

2018 3.136.431 888.738 419,38 118,84

2019 3.322.174 976.859 414,09 121,76

Figura 37:Tabella di riepilogo di prenotazioni e relativi ricavi.

(Fonte: elaborazione personale mediante Excel)

Nella figura seguente è possibile osservare nel dettaglio l’andamento dei ricavi, mese per mese: il trend di stagionalità è molto simile per tutti gli anni analizzati, tranne che per l’anno 2017 (linea marrone) in cui i ricavi crollano drasticamente da Agosto fino al mese di Novembre in maniera molto più rapida e negativa degli anni precedenti e seguenti. Ciò

0%

20%

40%

60%

80%

100%

120%

2016 2017 2018 2019

Percentuale di crescita dei ricavi

68 potrebbe essere ricollegabile all’attentato, avvenuto proprio nel mese di agosto, come mostrato dalla linea rossa tratteggiata.

Figura 38: Ricavi di Airbnb negli anni.

(Fonte: elaborazione personale mediante Excel)

Figura 39: confronto andamento ricavi 2017 e 2016.

(Fonte: elaborazione personale mediante Excel)

0 10000000 20000000 30000000 40000000 50000000 60000000

Andamento ricavi (USD) negli anni

2015 2016 2017 2018 2019

0 10000000 20000000 30000000 40000000 50000000 60000000

Andamento ricavi (USD) anno 2017

0 10000000 20000000 30000000 40000000

Andamento ricavi (USD) anno 2016

69 Dalle analisi preliminari si può dunque concludere che sembrerebbe esserci una

ripercussione economica negativa subita da Airbnb a seguito dell’attentato alla Rambla di Barcellona, anche se bisogna tenere in considerazione che nel mese di Settembre ed Ottobre 2017 a Barcellona si sono susseguite diverse proteste e scontri tra popolazione e polizia per il referendum dell’indipendenza della Catalogna, che potrebbero aver

contribuito quindi ad influenzare negativamente il turismo nella città e, dunque, anche i ricavi di Airbnb. Nel capitolo successivo, come già anticipato precedentemente, tali analisi verranno approfondite andando ad esaminare i vari distretti della città.