Airbnb全球主要城市房源与评论数据全面分析报告

引言与背景

随着共享经济的快速发展，Airbnb作为全球领先的住宿共享平台，其数据蕴含着丰富的市场洞察和研究价值。本数据集包含了自2008年至2021年间全球主要城市的Airbnb房源信息和用户评论数据，为研究共享住宿市场的发展趋势、价格波动、用户偏好以及监管政策影响提供了宝贵的一手资料。数据集由两个核心文件组成：Listings.csv包含了详细的房源信息，涵盖房东资料、房源特征、价格、评分等多维度数据；Reviews.csv则记录了用户对房源的评价信息，包括评论ID、日期和评论者ID。这些数据不仅对学术研究具有重要价值，也为市场分析、投资决策、旅游规划以及政策制定提供了数据支撑。

数据基本信息

数据字段说明

字段名称	字段类型	字段含义	数据示例	完整性
listing_id	int64	房源唯一标识	11798	100.00%
name	object	房源名称	"Beautiful 1BR in Le Marais"	99.99%
host_id	int64	房东唯一标识	24837558	100.00%
host_since	object	房东加入Airbnb的日期	"2014-12-14"	99.96%
host_location	object	房东所在地	"Paris, Ile-de-France, France"	97.42%
host_response_time	object	房东响应时间	"within an hour"	62.20%
host_response_rate	object	房东响应率	"98%"	62.20%
host_acceptance_rate	object	房东接受预订率	"100%"	57.83%
host_is_superhost	object	是否超级房东	"f"	99.96%
host_total_listings_count	int64	房东总房源数	1	99.96%
host_has_profile_pic	object	是否有头像	"t"	99.97%
host_identity_verified	object	身份是否验证	"f"	99.97%
neighbourhood	object	所在社区	"Passy"	99.99%
district	object	所在区域	""	30.06%
city	object	所在城市	"Paris"	99.99%
latitude	float64	纬度坐标	48.855	100.00%
longitude	float64	经度坐标	2.26979	100.00%
property_type	object	房产类型	"Entire apartment"	99.99%
room_type	object	房间类型	"Entire place"	100.00%
accommodates	int64	可容纳人数	2	100.00%
bedrooms	int64	卧室数量	1	98.81%
amenities	object	配套设施	"["Heating", "TV", ...]"	99.99%
price	object	价格	"60"	99.99%
minimum_nights	int64	最低入住晚数	2	100.00%
maximum_nights	int64	最高入住晚数	1125	100.00%
review_scores_rating	float64	总体评分	100.0	61.43%
review_scores_accuracy	float64	准确性评分	10.0	61.31%
review_scores_cleanliness	float64	清洁度评分	10.0	61.31%
review_scores_checkin	float64	入住体验评分	10.0	61.31%
review_scores_communication	float64	沟通评分	10.0	61.31%
review_scores_location	float64	位置评分	10.0	61.31%
review_scores_value	float64	性价比评分	10.0	61.31%
instant_bookable	object	是否可即时预订	"f"	99.99%
review_id	int64	评论ID	330265172	100.00%
date	object	评论日期	"2018-09-30"	100.00%
reviewer_id	int64	评论者ID	11863072	100.00%

数据分布情况

1. 房间类型分布

房间类型	记录数量	占比
Entire place	182,005	65.07%
Private room	86,988	31.10%
Hotel room	5,857	2.09%
Shared room	4,862	1.74%

2. 地区分布（Top 10）

地区	记录数量	占比
I Centro Storico	14,874	5.32%
Sydney	8,074	2.89%
Copacabana	7,712	2.76%
Cuauhtemoc	7,626	2.73%
Buttes-Montmartre	7,237	2.59%
Beyoglu	6,674	2.39%
Popincourt	6,206	2.22%
Vaugirard	4,826	1.73%
Waverley	4,737	1.69%
Enclos-St-Laurent	4,628	1.65%

3. 可容纳人数分布（Top 10）

可容纳人数	记录数量	占比
2	118,332	42.30%
4	57,260	20.47%
3	27,936	9.99%
1	25,813	9.23%
6	19,455	6.96%
5	13,527	4.84%
8	6,514	2.33%
7	3,697	1.32%
10	2,630	0.94%
16	1,162	0.42%

4. 房东入驻时间分布

年份	新房东数量	累计占比
2008	65	0.04%
2009	461	0.30%
2010	2,150	1.55%
2011	6,966	5.21%
2012	16,066	13.93%
2013	25,453	26.81%
2014	37,650	47.17%
2015	44,886	70.68%
2016	42,402	90.87%
2017	26,553	105.46%
2018	27,020	120.97%
2019	31,447	138.30%
2020	17,220	148.05%
2021	1,208	148.71%

5. 评论时间分布

年份	评论数量	占比
2008	2	0.00%
2009	115	0.00%
2010	1,236	0.02%
2011	6,253	0.11%
2012	19,922	0.35%
2013	50,522	0.89%
2014	122,132	2.16%
2015	280,332	4.96%
2016	501,754	8.88%
2017	777,200	13.76%
2018	1,142,496	20.22%
2019	1,633,546	28.92%
2020	755,324	13.37%
2021	82,309	1.46%

数据规模与质量

• 总数据规模：

  • Listings数据：279,712条房源记录

  • Reviews数据：5,649,113条评论记录

  • 数据时间跨度：2008年至2021年（14年）

• 关键实体数量：

  • 唯一房源数：279,712

  • 唯一房东数：182,024

  • 唯一评论者数：4,450,005

• 数据质量：

  • 21个字段完整性高于95%

  • 仅1个字段缺失率超过50%

  • 核心标识符（ID字段）完整性达100%

数据优势

优势特征	具体表现	应用价值
时间跨度长	涵盖14年（2008-2021）的完整发展历程	可分析长期市场趋势、季节性波动和重大事件（如疫情）的影响
地理覆盖广	包含全球多个主要城市的房源数据	支持跨城市比较研究、区域市场分析和国际化商业模式探索
数据维度丰富	包含35个房源属性字段，涵盖房东、房源、位置、价格、评分等多维度信息	支持多维度交叉分析，深入挖掘市场规律和用户行为模式
用户行为数据完整	超过560万条评论记录，445万独立评论者	可进行用户行为分析、情感分析和服务质量评估
数据质量高	核心字段完整性达100%，大部分字段完整性超过95%	确保分析结果的可靠性和准确性，适合学术研究和商业决策
实时性特征	包含响应时间、接受率等动态指标	可研究平台运营效率和服务质量的变化趋势

数据样例

房源数据样例

以下是10条房源数据样例，展示了数据集的多样性：

1. ID: 4823489, 名称: "Close to Eiffel Tower - Beautiful flat : 2 rooms", 类型: Entire apartment, 价格: 60, 位置: Paris, 容纳人数: 2, 评分: 100

2. ID: 4898654, 名称: "NEW - Charming apartment Le Marais", 类型: Entire apartment, 价格: 95, 位置: Paris, 容纳人数: 2, 评分: 100

3. ID: 6021700, 名称: "2P - Entre Bastille et Republique", 类型: Entire apartment, 价格: 80, 位置: Paris, 容纳人数: 2, 评分: 100

4. ID: 6945740, 名称: "57sqm btw. Bastille & Père Lachaise", 类型: Entire apartment, 价格: 59, 位置: Paris, 容纳人数: 2, 评分: 100

5. ID: 7491966, 名称: "Charming appartment near the Parc Buttes Chaumont", 类型: Entire apartment, 价格: 80, 位置: Paris, 容纳人数: 2, 评分: 100

评论数据样例

以下是10条评论数据样例：

1. 房源ID: 11798, 评论ID: 330265172, 日期: 2018-09-30, 评论者ID: 11863072

2. 房源ID: 15383, 评论ID: 330103585, 日期: 2018-09-30, 评论者ID: 39147453

3. 房源ID: 16455, 评论ID: 329985788, 日期: 2018-09-30, 评论者ID: 1125378

4. 房源ID: 17919, 评论ID: 330016899, 日期: 2018-09-30, 评论者ID: 172717984

5. 房源ID: 26827, 评论ID: 329995638, 日期: 2018-09-30, 评论者ID: 17542859

应用场景

市场趋势分析与预测

本数据集为研究Airbnb平台的长期发展趋势提供了丰富素材。通过分析2008-2021年的房源数量、价格变化和房东入驻情况，可以清晰把握共享住宿市场的发展脉络。研究人员可以识别市场的成长期、成熟期和波动期，分析不同时期的驱动因素。例如，数据显示2015-2016年是房东入驻的高峰期，而2019年达到评论数量的最高峰。这些趋势分析对于投资者、政策制定者和行业从业者理解市场动态、预测未来发展至关重要。此外，通过比较不同地区的发展模式，可以发现区域性差异和共性规律，为精准市场定位提供依据。

价格影响因素研究与定价策略优化

数据集包含了丰富的房源特征信息，如位置、房型、设施、可容纳人数等，结合价格数据，可以深入研究影响房价的关键因素。研究人员可以构建多元回归模型，量化各因素对价格的影响程度，识别溢价因素和价值洼地。例如，分析不同社区的价格差异、整套房源与私人房间的价格溢价、超级房东身份对定价的影响等。对于房东和平台运营者而言，这些 insights可以指导制定科学的定价策略，优化房源配置，提高收益。同时，对于消费者而言，也有助于理解价格形成机制，做出更明智的预订决策。

用户行为与满意度分析

超过560万条评论记录和445万独立评论者的数据为研究用户行为和满意度提供了宝贵资源。研究人员可以分析评论的时间分布、频率模式，识别用户评价行为的规律。通过结合评分数据，可以深入研究影响用户满意度的关键因素，如清洁度、位置、沟通等维度的相对重要性。此外，还可以进行情感分析，挖掘用户评论中的隐性需求和痛点。这些分析对于平台改进服务质量、房东提升待客体验、以及旅游服务业理解消费者偏好都具有重要价值。特别是在疫情前后的对比分析中，可以发现用户需求的变化趋势。

城市旅游影响与可持续发展研究

Airbnb等共享住宿平台对城市旅游和社区发展的影响是近年来的研究热点。本数据集提供了房源的地理坐标和社区信息，可以分析房源在城市中的空间分布特征，研究其与旅游热点、交通枢纽的关系。研究人员可以评估共享住宿对城市住房市场、社区结构和旅游承载力的影响，为城市规划和旅游政策制定提供数据支持。例如，分析热门旅游区域的房源密度，评估可能的社区影响；研究不同类型社区的Airbnb渗透率，了解平台对城市多样性的影响。这些研究对于促进共享经济与城市可持续发展的协调具有重要意义。

监管政策效果评估

近年来，全球多个城市对共享住宿平台实施了不同程度的监管政策。本数据集的时间跨度覆盖了这一政策演变期，可以用于评估各类监管措施的实际效果。研究人员可以通过政策实施前后的对比分析，考察监管对房源数量、价格水平、房东行为和平台活跃度的影响。例如，分析巴黎、纽约等城市实施严格监管后，房源增长率的变化；研究对短期租赁的限制如何影响市场结构和价格分布。这些评估对于政策制定者优化监管策略、平衡平台创新与公共利益具有重要参考价值。

结尾

本数据集作为Airbnb平台发展的重要记录，提供了共享住宿经济从萌芽到成熟的完整历史轨迹。其丰富的数据维度、广泛的地理覆盖和长期的时间跨度，使其成为研究共享经济、旅游发展、城市规划和消费者行为的宝贵资源。数据集的高质量和完整性确保了分析结果的可靠性，无论是学术研究还是商业应用都具有极高的价值。通过深入挖掘这些数据，可以揭示市场规律，预测未来趋势，为政策制定和商业决策提供科学依据。随着共享经济的持续发展，此类长期追踪数据集的价值将进一步凸显，为理解新型经济模式的演进提供重要视角。