Estudio del mercado de alquiler vacacional de corta duración utilizando técnicas de análisis de contenido y sentimiento

[SPA] Introducción. El auge del turismo en la última década ha transformado profundamente el sector de los alojamientos, particularmente con el crecimiento exponencial del mercado de alquileres de corta estancia. Este fenómeno, impulsado por la economía colaborativa y plataformas P2P como Airbnb, ha redefinido el sector turístico urbano y litoral. España se sitúa a la vanguardia de esta transformación, con cifras récord de visitantes y una significativa presencia del turismo en su economía. Sin embargo, este auge también ha traído consigo desafíos como la gentrificación, el aumento del precio de la vivienda y tensiones regulatorias. Esta tesis doctoral se inserta en ese contexto, buscando aportar nuevas herramientas analíticas para comprender las dinámicas del mercado de alquileres vacacionales y ayudar a los propietarios, plataformas y clientes a mejorar la información existente relativa al servicio de alojamiento mediante técnicas novedosas de big data. Objetivos. El objetivo principal de la investigación es analizar el mercado de alquileres vacacionales de corta duración mediante técnicas de análisis de contenido y análisis de sentimiento aplicadas a datos generados por los usuarios. Específicamente, se busca: (1) comparar las evaluaciones tradicionales basadas en puntuaciones online de usuarios con aquellas derivadas del análisis textual y de sentimiento de sus reseñas, así como los aspectos que influyen en ambos tipos de evaluaciones de la experiencia de estancia vacacional (2) explorar la relación entre estas valoraciones y los precios de los alojamientos, y (3) ofrecer recomendaciones para hosts, plataformas y clientes sobre cómo mejorar la experiencia del usuario y la competitividad del sector. Metodología. Se adopta un enfoque mixto basado en big data, con técnicas de análisis semántico y de sentimiento aplicadas a reseñas de Airbnb en Madrid. Se utilizan técnicas estadísticas, junto a modelos econométricos de regresión, para estudiar las diferencias entre valoraciones del consumidor sobre la estancia turística a través de cuestionarios online y mediante análisis de contenido y sentimiento de sus reviews. La metodología aplicada permite comparar puntuaciones tradicionales en este segmento del mercado alojativo con aquellas extraídas del análisis textual, y observar si aparecen diferencias estadísticas significativas entre ambos instrumentos. Seguidamente, se utilizan las variables obtenidas del citado análisis big data para mejorar el conocimiento sobre el proceso de formación de precios y otros aspectos de la satisfacción del cliente en el mercado de alojamiento vacacional de corta duración. Hallazgos más importantes de la investigación Los resultados revelan que las métricas derivadas del análisis de sentimiento ofrecen una visión más rica y matizada de la experiencia del usuario que las puntuaciones tradicionales, a menudo sesgadas por la “vigilancia mutua”. Se observa una relación positiva entre sentimiento positivo y precios más altos, especialmente en segmentos de mercado premium. También se identifican factores contextuales —como ubicación o tipo de alojamiento— que influyen en las valoraciones y estrategias de precios. Conclusiones principales y su relevancia. La tesis demuestra que las herramientas de análisis de contenido y sentimiento representan un aporte valioso para la investigación en turismo, permitiendo mejorar la comprensión del comportamiento del consumidor y optimizar la gestión de precios. Además, proporciona recomendaciones útiles para anfitriones, usuarios, plataformas como Airbnb y responsables de políticas públicas, promoviendo un desarrollo más sostenible, competitivo y centrado en la experiencia real del usuario.

Author

• Soto Gómez, José Carlos

• Turismo
• Alojamientos
• Alquiler vacacional de corta duración
• Airbnb

Identifier

hdl:10317/18697

OAI identifier oai:identifier

oai:repositorio.upct.es:10317/18697