Analyse der Wohnungsbewertungen von Airbnb

dc.contributor.authorSchlesinger, Daniel
dc.contributor.authorZarnekow, Rüdiger
dc.contributor.authorRepschläger, Jonas
dc.date.accessioned2016-07-21T07:19:04Z
dc.date.available2016-08-09T07:19:04Z
dc.date.issued2016
dc.description.abstractWith millions of registered users Airbnb conciliates rooms from C2C in the share economy. To get landlords and tenants together it is crucial that they trust each other. Therefore, users can verify their personality, write comments about each other and the tenants can rate the rooms they rented. With a dataset of more than one million profiles we evaluate statistically how to distinguish between ratings in detail. Therefore, we analyze frequency distributions of single judging criteria and further identify possible correlations between them. Finally, we present key factors for the most successful landlords on Airbnb, resume how trust indicators influence the demand of the rooms and if a good room can be identified by the ratings it received only.en
dc.description.abstractMit Millionen von Nutzern bietet Airbnb im Rahmen der Share Economy die Möglichkeit Unterkünfte von Privat zu Privat zu vermieten. Entscheidend für das Zusammenfinden von Mieter und Vermieter ist das gegenseitige Vertrauen, welches auf Airbnb durch gegenseitige Bewertungen der Nutzer und ihrer Wohnungen, sowie Verifikationsnachweisen zustande kommen soll. Um die Frage zu klären, ob es auf Airbnb überhaupt schlecht bewertete Wohnungen gibt und welchen Einfluss die Bewertungen auf das Nutzerverhalten haben, führen wir eine statistische Auswertung mittels der Daten von einer Million Airbnb–Nutzern durch. Wir evaluieren die Häufigkeitsverteilungen einzelner Bewertungsfaktoren und überprüfen diese auf mögliche Korrelationen. Mit Hilfe der Ergebnisse wird im Anschluss erklärt, warum vermeintlich gute Bewertungen unterdurchschnittlich sein können, ein hohes Maß an Sauberkeit für einen erfolgreichen Vermieter wichtig ist und auf welche Faktoren Gäste bei der Auswahl ihrer Unterkunft besonders achten sollten, um gute von schlechten Wohnungen zu unterscheiden.de
dc.identifier.eissn2191-639X
dc.identifier.isbn978-3-7983-2844-0
dc.identifier.urihttps://depositonce.tu-berlin.de/handle/11303/5799
dc.identifier.urihttp://dx.doi.org/10.14279/depositonce-5404
dc.language.isodeen
dc.publisher.nameUniversitätsverlag der TU Berlinde
dc.publisher.placeBerlinde
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/en
dc.subject.ddc000 Informatik, Informationswissenschaft, allgemeine Werkede
dc.subject.othershare economyen
dc.subject.othertrusten
dc.subject.otherjudgementen
dc.subject.otherstatisticsen
dc.subject.otherairbnben
dc.subject.otherBewertungende
dc.subject.otherStatistikde
dc.subject.otherNutzerverhaltende
dc.subject.otherHäufigkeitsverteilungende
dc.subject.otherVertrauende
dc.titleAnalyse der Wohnungsbewertungen von Airbnben
dc.title.translatedAnalysis of room-ratings on Airbnben
dc.typeBooken
dc.type.versionpublishedVersionen
tub.accessrights.dnbfreeen
tub.affiliationFak. 7 Wirtschaft und Management::Inst. Technologie und Management (ITM)de
tub.affiliation.facultyFak. 7 Wirtschaft und Managementde
tub.affiliation.instituteInst. Technologie und Management (ITM)de
tub.publisher.universityorinstitutionUniversitätsverlag der TU Berlinen
tub.series.issuenumber17en
tub.series.nameResearch Papers in Information Systems Managementen

Files

Original bundle
Now showing 1 - 1 of 1
Loading…
Thumbnail Image
Name:
analyse_airbnb.pdf
Size:
3.78 MB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
5.75 KB
Format:
Item-specific license agreed upon to submission
Description:

Collections