Análisis de Percepciones en la Hostelería Digital: Minería de Texto en las Revisiones de Airbnb en Redes Sociales

Abstract

La economía colaborativa ha transformado la forma en que intercambiamos bienes y servicios, destacando la importancia de la cooperación y el acceso compartido sobre la posesión exclusiva. Plataformas como Airbnb han sido pioneras en este sector, permitiendo a individuos de todo el mundo rentar sus espacios de vivienda a viajeros, lo cual refleja un cambio significativo en la industria del hospedaje. Para una marca como Airbnb, es relevante comprender las percepciones y opiniones de las personas para afinar sus servicios y estrategias de mercado, mejorando así la experiencia del usuario y reforzando su posicionamiento en el mercado. En este contexto, las redes sociales han surgido como herramientas valiosas para captar estas percepciones. X, en particular, se destaca por su capacidad de facilitar discusiones en tiempo real y a gran escala.

En este contexto investigativo, el presente Trabajo de Fin de Grado se centra en analizar la percepción de los usuarios de X sobre Airbnb, aplicando técnicas de modelado de tópicos y análisis de sentimientos a las publicaciones en la plataforma. Se ha optado por emplear la metodología de Latent Dirichlet Allocation (LDA) para el modelado de tópicos y el diccionario VADER para el análisis de sentimientos. La selección de estas herramientas está respaldada por estudios previos que han demostrado la eficacia de LDA en la identificación de temas latentes dentro de grandes conjuntos de datos y la capacidad de VADER para reconocer el lenguaje informal propio de las redes sociales.

En relación al modelado de tópicos, se identificaron 5 categorías principales en el corpus analizado, etiquetadas como ``experiencia de la estancia'', ``modelo de negocio'', ``peligros de Airbnb'', ``anfitriones'' y ``monetización''. Por otro lado, el análisis de sentimientos mostró una predominante connotación positiva en las publicaciones examinadas, con más del setenta y cinco por ciento de ellas recibiendo una calificación de sentimiento igual o superior a 0. Durante el estudio, se evaluó la tendencia temporal de los sentimientos, identificando que los usuarios generalmente tienen una actitud neutral o ligeramente positiva. Además, se constató que ciertos eventos tienen un impacto significativo en la expresión de los sentimientos de los usuarios, como la controversia suscitada por el anuncio de Airbnb de no eliminar los anuncios de asentamientos israelíes ilegales en Cisjordania y la oferta pública inicial de la empresa.

The shared economy has transformed the way we exchange goods and services, highlighting the importance of cooperation and shared access over exclusive possession. Platforms like Airbnb have been pioneers in this sector, allowing individuals from all around the world to rent their houses to travelers, reflecting a significant change in the hospitality industry. For a brand like Airbnb, it is important to understand people’s perceptions and opinions in order to target their services and market strategies, thus improving the user experience and strengthening their market positioning. In this context, social media has emerged as a valuable tool to capture these perceptions. X, in particular, stands out for its ability to facilitate discussions in real time and on a large scale.

In this research context, this study focus on analyzing the perception of X users on Airbnb, by applying topic modeling techniques and sentiment analysis to the publications on the platform. The Latent Dirichlet Allocation (LDA) methodology has been chosen for topic modelling and the VADER dictionary for the sentiment analysis. The selection of these tools is supported by previous studies that have demonstrated the effectiveness of LDA in identifying latent topics within large data sets and VADER’s ability to recognize the informal language in social networks.

In relation to topic modelling, five main categories were identified in the corpus analyzed, labeled as ``stay experience'', ``business model'', ``Airbnb’s dangers'', ``hosts'' and ``monetization''. On the other hand, the sentiment analysis showed a predominant positive connotation in the publications examined, with more than seventy-five percent of them receiving a sentiment score equal or greater than 0. During the study, the sentiments temporal tendency was evaluated, identifying that users generally have a neutral or a slightly positive attitude. In addition, it was found that certain events have a significant impact on the expression of users’ feelings, such as the controversy surrounding Airbnb’s announcement not to eliminate advertisements for illegal Israeli settlements in the West Bank and the company’s initial public offering.