Utilisateur:CelineChhun/D2SN 2020/Mémoire
Economie collaborative : le cas de Airbnb
modifierIntroduction
L’économie collaborative, aussi appelé économie de partage, est une activité qui repose sur le partage ou l’échange de biens ou de services entre particuliers. Avec le développement de nouvelles technologies d’information et de communication, cette activité a connu un accroissement sans précédent. Adoptées par de nombreux pays, ces pratiques entre particuliers sont maintenant encrées dans les habitudes de nombreuses personnes, c’est notamment le cas des Français. En effet, neuf Français sur dix affirment avoir déjà utilisé au moins une fois une pratique de consommation collaborative.
Outre l’essor du numérique, une autre explication du développement fulgurant de ce type de consommation peut être les préoccupations environnementales. L’échange ou le prêt entre particuliers permet par exemple de ne pas acheter constamment des matériaux neufs et ainsi d’optimiser l’usage d’un même objet. Autre cas, celui du covoiturage. Cela permet de réduire l’empreinte carbone pour un même trajet. Au lieu de prendre plusieurs véhicules pour un même trajet, un seul véhicule pour tous suffit.
De nos jours, l’économie collaborative et ses pratiques sont présentes dans tous les domaines de la vie quotidienne, comme les transports, les loisirs ou encore l’équipement.
Il peut s’agir d’un échange de service ou de compétences. Par exemple la réparation d’un objet en échange de conseils sur le jardinage ou encore une mutualisation des compétences notamment avec les espaces de co-working. En pleine expansion, ces espaces favoriseraient l’innovation et la coopération.
On peut également évoquer le financement participatif aussi nommé crowdfunding. Cela permet de soutenir un projet en faisait appel à un grand nombre de particuliers. Le financement peut se faire à travers un don, un prêt ou encore une prise de participation au capital de l’entreprise.
L’idée qui revient le plus souvent quand on parle d’économie collaborative est la mise à disposition d’un bien. Il peut s’agir de moyen de transport avec le covoiturage, d’objets du quotidien comme le prêt d’un fer à repasser ou encore la mise à disposition sur réservation d’un logement.
Un des principaux acteurs du développement dans ce secteur est l’entreprise de réservation de logements de particuliers Airbnb. C’est une plateforme communautaire payante de location et de réservation de logements créée en 2008 par 3 Américains : Brian Chesky, Joe Gebbia et Nathan Blecharczyk. D’abord connu sous le nom de Airbedandbreakfast, le nom sera raccourci en Airbnb en 2009.
Leader de la location de vacances, le site compte aujourd’hui plus de 6 millions de logements dans plus de 192 pays.
Depuis sa création, la plateforme a fait l’objet de nombreuses controverses notamment au sujet d’insécurité de la part des locataires ou des propriétaires.
Une autre polémique concerne les hôtes des locations. Certains propriétaires ne seraient pas des particuliers mais en réalité des professionnels possédant de nombreuses propriétés. D’après une étude, 20 % des logements parisiens sont détenus par des hôtes gérant plusieurs annonces.
On reproche également à la plateforme d’être à l’origine d’une pénurie de logement, certains propriétaires ne feraient que des locations saisonnières, plus rentables que des locations longue durée mais entraînant par conséquent une hausse des loyers dans les villes concernées.
De nombreuses villes rencontrent aujourd’hui ce problème de prix des loyers. C’est le cas des destinations de Airbnb comptant le plus de locations à louer : Londres, Paris et New York.
Des mesures ont été installées dans certaines villes pour limiter les effets de Airbnb. On peut par exemple citer la traque aux locations illégales, une taxation plus élevée pour ce genre de location ou tout simplement l’interdiction de ce moyen de location.
Problématiques et objectifs
L’objectif de ce mémoire sera d’étudier l’évolution des goûts et préférences des utilisateurs de site de location de logements entre particuliers et de les comparer avec les ceux des voyageurs préférant des modes d’hébergement plus classique comme les hôtels, gîtes ou autres auberges, afin de voir comment ces changements ont impacté les modèles plus traditionnels. Est-ce que l’économie collaborative induit un réel changement ?
Pourquoi ce genre d’activité fonctionne mieux que les commerces traditionnels.
On tentera de répondre à cette question en étudiant les profils des utilisateurs et leurs objectifs en utilisant ce service. Est-ce parce que cela entraîne un coût moins important ? Parce que les personnes recherchent des logements atypiques ? Parce que dans certaines petites villes, seul des locations entre particuliers sont disponibles ? Parce que les personnes veulent faire des rencontres dans les lieux qu’ils visitent ?
On s’intéressera aussi aux locations les plus populaires. Est-ce que les critères comme la propreté par exemple, concernant les chambres d’hôtels sont les mêmes que celles concernant les locations ? Quels genres de locations sont les plus privilégiés par les loueurs ?
De la même façon que pour les utilisateurs, on se tournera vers les hôtes, leurs profils et leurs objectifs. Les hôtes ont-ils pour but d’obtenir un complément de salaire ou ont-ils comme objectif de faire de la location un véritable revenu ?
On s’intéressera également aux données dans une perspective temporelle. Est-ce possible grâce à ces données de prédire de façon précise les lieux dans lesquels vont se rendre les utilisateurs ? D’une manière plus générale, existe-t-il un profil type ?
Données et méthodes de collectes
Pour ce mémoire, on s’intéressera principalement aux données concernant les villes en Europe proposant le plus de locations sur Airbnb qui sont Londres et Paris ainsi que deux villes en Europe ne possédant proposant pas beaucoup de d’hébergements : le Luxembourg et la Suisse.
De nombreux datasets existent sur Airbnb.
Le site http://tomslee.net/airbnb-data-collection-get-the-data recense de nombreux datasets concernant les villes dans le monde présentes dans Airbnb.
Pour chaque ville, il existe des données datant de 2014-2015 à 2017.
Les fichiers contiennent de nombreuses informations comme le type de chambre, le lieu, la note moyenne ou encore le prix.
Le dataset de 2017 pour Londres contient 64 145 individus.
Le site contient également les mêmes données pour les villes citées ci-dessus.
Le site http://insideairbnb.com/get-the-data.html contient également des données sur différentes villes européennes.
Un peu comme le précédent site, les fichiers contiennent des informations sur les prix, les lieux des locations, la capacité d’accueil, le nombre de chambres ainsi que de lits, ou encore les conditions d’annulation.
Le dataset sur Paris contient 86 792 individus.
De même, des datasets sur Londres, le Luxembourg et la Suisse existent également.
Afin d’exploiter les données, les logiciels Python et R seront utilisés pour le traitement et le nettoyage des données de ces datasets. Tableau ou Excel pourront aussi être utilisé pour la mise en forme des données.
Ces données portant principalement sur les hôtes des locations, on étudiera avec ces datasets les profils des hôtes, est-ce qu’un hôte possède plusieurs locations ? Quels sont les prix auxquels ils mettent à louer leurs biens ? On comparera les prix entre locations avec ceux des hôtels alentours afin d’essayer de savoir quel est l’objectif des hôtes.
Si des certaines informations manquent dans les datasets, on pourra essayer d’utiliser de scrapper le site Airbnb, notamment pour tenter de récupérer plus d’information sur les voyageurs.
Dans l’objectif de comparer les données avec celles des moyens de locations plus traditionnels comme les hôtels, on essayera aussi d’utiliser le scrapping sur le site Booking.com afin de collecter des informations sur le prix ou encore le nombre d’hôtels par ville.
Booking est un site proposant des hébergements dans diverses types de propriétés, cela va de l’hôtel au gîte touristique. Le site propose également des appartements mais on s’intéressera principalement aux hôtels pour la comparaison avec Airbnb.
On peut trouver sur le site Kaggle des datasets sur les hôtels en Europe.
Le dataset suivant contient des informations sur l’adresse de l’hôtel, les avis ou encore les commentaires des utilisateurs.
https://www.kaggle.com/jiashenliu/515k-hotel-reviews-data-in-europe
Grâce aux commentaires ou au prix des logements, on essayera de déterminer quel est le profil des utilisateurs (nombre de voyageurs, préférences, …) et pourquoi les utilisateurs préfèrent réserver des logements auprès des particuliers ou des professionnels. En utilisant le text mining, on pourra trouver quels termes reviennent le plus souvent dans les commentaires des locations qui ont eu de bonnes notes et quels termes reviennent dans les locations ayant eu de mauvaises notes (contrairement aux hôtels pour lesquels la propreté est un des critères les plus importants, est-ce que les personnes louant des locations entre particuliers s’attendent à retrouver les mêmes prestations que pour un hôtel ?).
Kaggle contient également de nombreux datasets sur les données de Airbnb.
Les datasets contiennent des informations sur le lieu de destination des voyageurs ce qui pourrait être utile afin de voir quels sont les villes les plus privilégiés par les voyageurs, pourquoi ?
On regardera aussi comment les demandes ont évolué à travers les années, quels sont les locations les plus prisées par les voyageurs maintenant et quels étaient celles avant ? Est-ce que les personnes recherchent les mêmes types de logement de nos jours comparé à avant ? Les loueurs ont-ils des profils différents maintenant comparé à précédemment ?
On pourra également tenter de créer un système de prédiction qui permettrait de savoir quels seront les prochaines destinations des utilisateurs.
Zotero : https://www.zotero.org/groups/2408085/master_d2sn_2020/items/collectionKey/KB6QR6J8
