Airbnb y la turistificación de los barrios en las ciudades: un análisis de segmentación por barrios del alojamiento extrahotelero en Madrid

Abstract

La proliferación de plataformas peer to peer (P2P) de alojamiento turístico extrahotelero (Airbnb, Vrbo, HouseTrip, etc.) ha promovido la turistificación de muchos barrios en gran un número de ciudades, que se han visto afectados por un considerable incremento de la oferta de estos alojamientos. En este artículo se analizan los alojamientos turísticos extrahoteleros de Airbnb en el territorio de Madrid. Para medir el impacto de Airbnb en Madrid se realizan diversas agrupaciones de los distritos de la ciudad mediante análisis clúster en base a tres indicadores cuantitativos referidos a los alojamientos de la plataforma (nº de alojamientos, nº de alojamientos/𝑘𝑚2 y precio medio de los alojamientos). Se complementa el análisis de los alquileres turísticos, agrupando los distritos en función del precio medio de los alquileres destinados a uso permanente (Fotocasa), a fin de tener una imagen más fidedigna de la vivienda de alquiler en la capital española. Por último, se sugieren distintas soluciones para la descongestión de determinados distritos, resaltando la posibilidad del uso de inteligencia artificial mediante algoritmos para una gestión eficaz de los destinos; así como se acentúa la importancia de guiar las actuaciones gubernamentales hacia la sostenibilidad del destino.

The proliferation of peer to peer (P2P) platforms for non-hotel tourist accommodation (Airbnb, HomeAway, HouseTrip, etc.) has promoted the touristification of many neighborhoods in a large number of cities, which have been affected by a considerable increase in the supply of this kind of accommodation. This article analyses Airbnb's non-hotel tourist accommodation in Madrid. Various groupings of the city's districts are made through cluster analysis to measure the impact of Airbnb in Madrid, based on three quantitative indicators related to the platform's accommodations (number of accommodations, number of accommodations / km^2 and average rental price). The analysis of tourist rentals is complemented with a grouping the districts according to the average rental price for permanent use (Fotocasa), in order to gain a more accurate picture of rented housing in the Spanish capital. Finally, different solutions are suggested for the decongestion of certain districts, highlighting the possibility of using artificial intelligence through algorithms for an effective management of destinations. Furthermore, the importance of guiding government actions towards the sustainability of the destination is emphasized.