共享民宿的平台经济效应分析

2021-11-25 03:05郑州商学院王紫涵
区域治理 2021年46期
关键词:入住率房源房东

郑州商学院 王紫涵

一、引言

互联网打破了传统经济与网络的壁垒,实现了跨区域的信息共享。在过去的十年中,一些公司调整了供应模式,通过互联网平台进行交易。最常见的就是共享经济平台,如爱彼迎、优步、滴滴,这些平台为共享商品和服务提供了便利。不同于传统的供应模式,该平台将所有的需求和供给汇集到一起,信息对称是在线短租服务的生命线[1]。共享住宿提供的是无形的服务产品,消费者所购买的是产品的暂时使用权[2]。与传统的雇佣关系有所区别,它为有需求的劳动者提供了弹性工作的机会。住宿行业的共享平台鼓励业主以短期的方式租赁他们的闲置资产,而非业主可以根据需要租赁他们,即提高了消费者福利,有使社会资源在理性经济人作用下进一步有效配置。

互联网的产生使网上交易成为可能,技术的创新降低了交易成本,简化了数字平台的流程,可以瞬间撮合买家和卖家,从而使共享产品更具可行性。文中我们分析了约2000在共享民宿平台展示租赁的房屋,观测平台给房东带来额外收益情况,探索影响这些收益和平台需求量的一些决定因素。共享民宿自兴起以来发展快速,目前众所周知的共享民宿平台有爱彼迎,小猪短租等。截至2018年,共享住宿用户普及率已提高至9.9%[3],2020年共享住宿收入占全国住宿业客房收入的比重约为6.7%[4]。随着共享经济平台的不断发展,其带来的经济效益也逐渐被人们所关注。其关注点主要在平台如何获得收益,它与房东、消费者之间谁从中受益最大,闲置房屋的最优定价策略等。

在研究中,我们假设Airbnb对房东的收入有可测量和量化的影响,通过整理平台信息,选出房屋特点、房东声誉等因素对房东收入的影响,进一步估算平台需求量的一些决定因素,为共享经济平台进一步优化其自身经济效益,实现良性可持续发展提供一点研究贡献。本文安排如下:第二部分描述数据来源,并展开简单的数据分析;第三部分建立模型分析共享民宿平台的经济效应;最后一部分结论与启示。

二、数据可视化分析

文章研究的数据选取2009年—2016年纽约的共享民宿平台数据。之所以选纽约是因为它是美国最大的城市,也是世界顶级的大都市之一。数据中包含预订数量、入住率、平均挂牌价格和交易价格,以及挂牌酒店的属性等一些信息。对数据进行清洗并删除所有缺失值最终有效数据为1191条。将搜集整理的数据进行可视化如图1,可以看出自2009年至2016年,该共享平台迅速扩张,2015年平台房东数量的扩展达到巅峰,随后产生明显下降趋势。从每个月房东参与的数量来看,11月新增房东人数是最多的,5、6、7三个月也是房东加入高发期,平均每月有200多名新增房东。从时间上来看,说明住宿行业共享房屋的供给量会受到季节和假日等因素的影响。

图1 平台房源数量时间趋势图

共享民宿平台主要租赁三种类型的房源:整套、单间、合租。其中,整套出租的房源数量超过平台上总房源数目的一半,单间类型的房源数量占总量的37%,合租的房源信息最少,只有1.9%。意味着,相比合租客共同住在同一所房子,房东更愿意出租整套或者单间类型的房源。另外,图2展示了每个待租赁房屋的年度平均收益情况,图中每套房产的年度平均收益是逐年下降的。2009年,每份榜单的平均收入为2.5万美元,2016年降至不足1000美元。

图2 预订量随价格变化分布图

我们知道在供需理论中价格和订购量是成反比的,预订量会随着日均价格的增加而相应减少。图2大致可以看出,平台上房屋待租赁的日均价格设置在零至1000美元不等,其中价格在100美元左右的房源预订量最高,在价格几乎高于225美元时,预订量出现了明显的减少趋势。因此,总收益最多来自价格在100美元到225美元的房源。此外,从预订量的分布可以看出(图3),2000多家房源中订单量在30笔以下的有近1000家,其中一半以上房源预订量仅在10笔左右。数据说明单个房源的预订量偏低,也意味着房东愿意或者能够再分配租赁业务的时间有限。

图3 预订量分布图

三、共享经济平台的经济收益分析

模型设定。对共享经济平台的经济效益进行分析,年度收入可能是最有代表性的指标,它是一切经济效应分析的基础,因此了解掌握其影响因素,对调整改善平台长期发展扮演着颇为重要的角色。我们构建了一个模型来分析什么因素会影响房产的收入以及它们是如何影响它的。众所周知,收入取决于价格和需求量之外,还有其他一些直接或间接的影响因素,如房屋入住率、评分情况以及预定房屋时的限制条件等,都会在一定程度上影响租赁房屋带来的收入。由于房东的可信度也对房源的订单量有显著的影响作用,而对房东的评价在一定程度上可以衡量房源的可靠性,因此将房东评价也纳入影响平台收益的因素之一[2]。综上,对收益回归的估计如下:

因变量Y,是平台房东年度客房收入;自变量X是影响总收益的一些数值变量,包括房源的日均价格,预订量和入住率,为减少模型偏差,文章对价格使用其对数值。自变量D是影响因变量变化的一些虚拟变量,包含房源的评分等级,取消政策,房东评价以及是否可以快速预定等变量。其中评分等级分为高水平、中等水平、低等水平三等,评分在4.9分以上的房源归类为高等类型民宿,评分在4.6分至4.9分的房源为中等民宿类型,评分在4.6分以下的民宿为低等类型。对被选取的数值变量进行相关性分析,其结果显示函数(1)中所选择的自变量之间存在相关性很小,适合进行模型回归。

依据上述方程,开展含虚拟变量的线性回归,结果如表1所示。我们可以看到,变异系数大部分是合理的,回归可以解释69%的收益影响。平均日房价、入住率和预订量对收入有显著影响。回归结果显示,日均价格和入住率与总收益几乎同比例增长,即如果每日房价增加一倍,或者入住率增加一倍,年度租赁房屋获得的总收入都将增加一倍。预订量每增加一个预订,年收入就会相应增长4.2%。此外,虚拟变量中取消政策似乎也是一个重要的因素,结果表明似乎政策越严格,越能促进年度收入增长,房东从严格的取消政策中获得一定保障,也将更愿用长期在平台上供给自己的房源。获得好评的房东系数显著性为90%,有效验证了拥有好评房东的房源对平台总年度收入有重要的推动作用,能够比非好评房东租赁的房屋带来18.4%的额外收入。房屋的评分等级为高级的房源相比另外两个等级对总收益产生负面影响,部分可以理解为,由于评分高的房源价格偏高,进而影响了房屋租赁需求量,带来相对较少的总收益。

表1 变量回归结果

四、结论与启示

文章基于对共享经济平台的经济效应分析,以共享民宿平台为研究对象,对其发展进行初步探索以及相关实证分析。观察该平台数据,自2008年成立至2015年达到顶峰,意味着共享经济平台逐渐为人们所接受,其房东参与度也在逐年增加。直到2016年,平台已经吸引了超过2000个房东愿意在共享平台上发布他们闲置房源信息,当然数据仅限于纽约市共享民宿平台。平台上供给的待出租房屋类型主要是整套和单间,价格在100—225美元的居多。此外,一年中有两个较为明显的供给量增长期,分别是5月至7月和11月。结果表明,除价格之外入住率、预订量和严格的取消政策同样是增加平台年度总收入的主要影响因素,这为住宿行业的共享平台长期发展提供调整方向和依据。

本研究不仅对共享民宿平台发展具有一定启示作用,也对其他类型共享经济平台提供一些借鉴。随着互联网技术不断升级,共享经济平台将成为商品及服务行业发展主要介质。首先有针对性地吸引更多房源类型,增加中等价格整套房屋和公寓供给数量。其次为消费者提供更多的节假日优惠活动,在两个显著增长阶段吸引更多消费者进行民宿体验。第三控制房屋预定可取消政策的比例,鼓励实行更为严格的取消政策。此外,平台可以采取一些激励政策,以确保房东愿意将自己的可支配时间更多地分配在平台租赁业务。

猜你喜欢
入住率房源房东
给黄鼠狼当房东
从一句广告词看房地产经纪的本质
租 房
南京市乡村旅游地产入住率及其影响因素的研究
锦江股份:受累七天酒店调整5月Rev PAR增速放缓
常武地区养老需求调研及养老机构盈亏分析
常武地区养老需求调研及养老机构盈亏分析
意想不到的回报
京沪深众多楼盘空置率超百分之五十