共享短租平臺房東定價行為
——基于小豬短租平臺的數據分析

(上海交通大學 安泰經濟與管理學院,上海 200030)

隨著共享經濟的日益興起,共享短租市場也逐漸受到追捧,人們的旅行住宿方式發生了轉變,從只能選擇單一的標準化酒店,到開始選擇具有當地特色的民宿,共享住宿豐富了旅行人群在旅行地的生活。而且,由于有些民宿可以提供廚房、冰箱等基本的配套設施,這也為旅行人群節約了一定的旅行資本,給人以“家”的感覺。共享經濟發展的最初是閑置資源的再利用,共享短租平臺上的房源也是如此,由于是閑置資源,往往定價也相對較低,但是隨著消費者端的需求不斷增加,共享經濟在供給者端是否會出現一些不同的特征,對共享資源的定價是否也出現差異,是本文要探討的兩個重要問題。

1 相關研究述評

近幾年,對共享短租平臺及房源定價的研究越來越豐富。Fang等[1]分析了共享經濟這一現象在宏觀經濟層面的滲透影響,以Airbnb上愛德華州的房源數據為考察對象,分析了共享經濟對旅游行業就業的正面和負面影響,結果發現:共享短租平臺可以在一定程度上解決失業問題;但共享經濟也有消極的一面,政府不能簡單地允許其進入,應制定相應的政策,以確保社會將受益。Jefferson-Jones[2]認為促進共享經濟發展的驅動力主要來自兩個方面:滿足消費者不斷升級的尋找負擔得起的住宿需求;房子的所有者通過分享他們的閑置資源來賺取一定的經濟收益。Pairolero[3]認為Airbnb的經濟活動是房子的擁有者將房源臨時租賃給他人,而這種租賃不改變房子原本歸屬的一種經濟現象。Gutierrez等[4]對西班牙巴塞羅納的Airbnb網絡進行了空間分析,并得出Airbnb的房源在歷史比較悠久的城市中心比傳統酒店更集中的結論。Li等[5]認為共享經濟平臺(如Airbnb和Uber)的進入已經潛在地改變了傳統行業的競爭格局,通過實證分析發現,Airbnb在一定程度上蠶食了酒店的銷售額,同時為這個行業開拓了市場,而且靈活的Airbnb房源的供應有助于滿足需求波動和放大潛在需求。王春英等[6]從產品或服務差異、供給端和需求端的目標客戶群差異等方面對共享經濟平臺與專業平臺進行了差異化分析。梁曉蓓等[7]以Airbnb數據為例,研究了線上商家屬性對網絡口碑的影響機制,結果發現,商家的特色介紹、回復時間、優質商家和實名認證等因素對房源的口碑產生顯著的正向影響,因此,房東應特別注意這些相關因素。嚴蕾[8]通過對Airbnb粉絲的問卷調查,對127份問卷數據進行了實證分析,建立了民宿租賃平臺用戶使用意愿影響因素模型,從而挖掘出消費者最看重的因素,結果發現,感知有用性、易用性和娛樂性正向影響使用態度和使用意愿,使用態度在有用性、易用性、娛樂性和使用意愿之間具有部分中介作用。池毛毛等[9]進一步從雙邊平臺的網絡效應視角,分析兩邊用戶如何影響彼此的參與行為,結果發現,用戶之間的跨邊網絡效應和同邊網絡效應在感知有用性對平臺滿意度方面均存在一定的調節作用。王水蓮等[10]認為共享短租平臺Airbnb擁有平臺、用戶網絡和利益相關者3個層次結構,通過共創驅動,增強了平臺的吸引力、用戶的創造性等。李立威[11]以Airbnb和小豬短租為例,分析了共享經濟中多層信任的構建機制,提出制度、信息和交互是3種主要方式。

在共享短租平臺房源定價影響因素研究方面:Gutt等[12]的研究結果表明,在Airbnb上提供住宿出租的房東,如果他們的房源可以獲得較高的星級評價,則房源定價也相對較高;Jun等[13]將美國紐約Airbnb上房源的房東類型劃分為專業房東和業余房東,通過實證分析發現,專業房東在收入、入住率等方面要高于業余房東:專業房源的日均收入高于業余房東16.9%,入住率高于業余房東15.5%,退出率低于業余房東13.6%;Zervas等[14]利用DID實證方法,以Airbnb平臺上美國德克薩斯州的房源為例,研究了Airbnb對酒店行業的影響,結果發現,Airbnb上房源數量每增加10%,會導致酒店收入降低0.37%,這說明,共享短租行業對傳統酒店產生一定的負面影響;Wang等[15]通過獲取Airbnb平臺上歐洲和北美33個城市的房源信息,利用分位數回歸方法分析了房源定價的影響因素;Gyodi[16]對波蘭華沙Airbnb房源特征進行了分析,發現Airbnb平臺的主要活動減少了長租市場的房源數量;相比于傳統酒店,Airbnb對與城市外圍地區的旅游業沒有明顯的促進作用;Gibbs等[17]通過獲取Airbnb平臺上加拿大的房源信息,利用享樂價格法分析了定價影響因素,發現房源的物理特性、地理位置以及房東特性顯著影響定價,房源的評論數會降低房源的住宿價格;吳曉雋等[18]對Airbnb中國36個城市的房源數據進行了OLS和分位數回歸分析,發現信任度與社交度對住宿定價有顯著影響,而且對于不同價位的房源的定價影響因素程度各不相同;王保乾等[19]的研究表明,家庭可支配收入越高,消費者對高價的共享短租房源接受度越高,選擇低房源價格的消費群將房東個人信息作為選擇的重要依據,并從共享短租房源的供給者、共享短租平臺和相關監管部門3個角度對共享短租行業的健康發展提出意見和建議;陳子燕等[20]對Airbnb上的專業房東和業余房東的定價差異進行了分析,發現專業房東的定價對房源數量、可容納人數、房屋的整潔等因素更加重視,而非專業房東對地理位置、評分等因素更加重視。

通過上述分析可以看出,共享短租平臺的出現對現有酒店行業產生了較大沖擊,共享短租平臺的定價因素也來自多方面的影響。但是,在對定價因素分析時,已有文獻主要是對總體房東的定價因素進行分析,沒有對房東的類型進行分類,并且鮮有文獻考慮傳統酒店對其的影響。因此,本文以Jun等[13]的劃分方法為依據,對房東類型進一步細分,并以國內C2C共享短租平臺為依據,結合以往文獻中對影響房源住宿價格等因素,加入傳統專業酒店的相關數據。根據獲得的數據分析房東特征,對房源定價的影響因素進行實證分析,可以更好地分析不同房東類型的定價行為,以及傳統酒店的定價是否影響共享短租平臺房源的定價,從而進一步分析共享短租平臺的相關特點。

2 共享短租平臺特征

小豬短租成立于2012年,是我國出現比較早的一批共享短租平臺,目前比較大的國內民宿平臺有途家、美團民宿(榛果民宿),小豬短租是典型的C2C商業模式運作,從數據的可獲得性考慮,本文以小豬短租平臺的數據為分析依據。通過對數據的持續觀察,以及通過爬蟲技術,獲得了在2019-10-01～10-05黃金周期間10個重點旅游城市的共享短租房源的定價、房源特性、房東特點以及房客評價等數據,通過分析得出如下特點:

2.1 房源以整套出租為主,獨立單間的比重在下降

小豬短租平臺上的房源有整套、獨立單間以及合住房間3種類型。其中:整套是指房客獨享整套房屋,獨立單間是指可能與其他房客分住不同房間;合住房間是指和房東或房客分享同一房間,這種類型的房源較少,所以主要研究整套出租和獨立單間出租的房源。由于網站上不顯示房源的具體數據,故根據估算,考察兩個不同時間的國內10個城市的房源信息,具體如表1所示。

表1 不同房源類型對比

根據表1可以看出,與房東或房客合住的獨立單間的房源相對較少,整套出租的房源較多,而且隨著時間的推移,獨立單間出租占整套出租的比例呈下降趨勢,呈現以房客獨享整套房間的趨勢。獨立單間出租在北京、上海這種一線城市占比較高,其他二線城市中,該比例也存在上升趨勢。

從供給者端看,獨立單間形式出租的房源,可以較多地展現房源閑置的特征。根據上述數據趨勢可以看出,具有閑置特征的獨立單間的房源數量明顯小于專門用于出租的整套房源的數量,供給端提供的資源的特征逐漸發生變化,有些房源不再是閑置,而是專門為了在短租平臺上交易而出租。

2.2 一定規模房源的房東數量占比逐漸升高

數據獲取:第1次為2018年1月的房源及房東信息,第2次為2019年10月的房源及房東信息;第1次房東規模樣本量為8 344 個,第2 次為2 931個。房東的房源數量如表2所示。

由表2可以看出,房源數量為1的房東的占比下降幅度較大,2018年1月占比35%,2019年10月占比下降至18%。房源數量為2 個的房東的占比也有所下降,3個及以上的房東較2018年均不同程度地上升,其中上升幅度最大的是擁有5～20個房源數量的房東,這部分小微規模的房東合計占比約為33%。房源數量超過20 個的房東占比較小,但是這類房東擁有的房源總量較多,其中有房東擁有75個房源。由此可見,擁有一定規模的房東數量逐漸升高,在共享短租平臺的供給端出現一定規模的共享資源提供者。

表2 房東的房源數量統計

2.3 市場集中度較低,行業競爭程度高

市場集中度(HHI)指數是用來測量某一產業集中度的綜合指數。根據所獲得房源的所有數據,將樣本中屬于同一房東的房源進行整理,對規模超過5個房源的房東的市場份額進行測算,具體如表3所示。

由表3可以看出,HHI＜500,根據以HHI值為基準的市場結構分類,屬于競爭Ⅱ型,即分散競爭型。由此可見,以小豬短租網站作為考察的共享短租行業,雖然出現了一定規模的房東,但是整個市場仍然處于充分競爭的狀態。

表3 市場集中度

2.4 房東年齡、學歷和職業特征

通過獲得的133個顯示具體信息的房東數據樣本可以看出,房東年齡為80 后的占比最大,為53%;學歷水平中本科學歷的房東占比最高,為68%。標注職業的90 個房東中有建筑師、銀行柜員、花藝師和設計師,也有全職媽媽、自由作家和職業房東,其中大多從事IT、教育等行業。由表4可見,自由職業占比21%,職業房東占比22%,這兩類人群的占比約為43%。從平均房源來看,職業房東的平均房源為14個,自由職業的房東平均擁有房源9.4個,其他職業的房東平均擁有房源7個。可以看出,職業房東擁有較大規模的房源,因為小豬短租平臺上的房源包括單間出租和整套出租,所以職業房東平均擁有的房源房間數會超過14個,有可能是20個或更多,這種房源規模完全可以同經濟型小酒店的客房規模不相上下。

表4 房東年齡、學歷和職業特征

3 房東特征對房源定價影響的實證分析

3.1 樣本選擇和描述

共享經濟的供給端最初是由供給者將其擁有的閑置資源接入到共享平臺中提供相應的服務,隨著共享經濟的不斷發展,共享平臺需求端對多樣化資源的需求越來越旺盛,因此出現了一定規模的專業的共享資源供給者,在共享短租平臺上也存在這種情況。

在共享平臺上提供閑置資源的供給者一般具有低回報的要求,但是,當平臺上出現一定規模的共享資源提供者時,這類規模的用戶對其提供的共享資源的定價與閑置資源提供者的定價相比應有不同的區別。因此,本文將通過實證考察不同房源規模的房東對房源的定價是否存在著本質的區別。

另外,短租平臺的房源的定價還受到房源大小、類型、床鋪數量、地理位置、配套設施、房東特點以及消費者評論等因素的影響。

本文數據樣本時間為2019年9月,選取入住時間為10月1日～10月5日國慶黃金周時間段的房源數據,通過技術手段進行爬取,剔除無效數據后,最終獲得5 388條房源信息,具體如表5所示。

表5 小豬短租房源數據信息

為了考察共享短租平臺與專業酒店平臺的關系,還抓取了同一時間區間(10-01～10-05)攜程網上3星級以下酒店和客房的相關信息,具體數量如表6所示。

在考察小豬短租平臺房東特征對房源定價的影響時,還加入了專業平臺(攜程網)上酒店的相關信息,剔除價格高于5 000元/晚的客房。對數據進行進一步處理,將10個城市每個區的酒店的平均價格(hotelp)和平均數量(hnum)作為解釋變量,研究專業平臺相關變量對共享經濟平臺定價的影響。

小豬短租平臺上獲取的相關變量包括:每晚住宿價格、房東的房源數量和房源類型(整套出租/單間出租),房源照片數量、面積、宜住人數,居室數量、地理位置、有無wifi,能否做飯、房東特點以及消費者評論,具體如表7所示。

表6 攜程酒店數據信息

由表7和圖1可以看出,房源的每晚住宿價格主要分布在100～400元。

3.2 數據分析和實證結果

對全部樣本數據中的主要變量進行相關性分析,具體如表8所示。

表7 相關變量統計性描述

圖1 每晚住宿價格分布

為考慮各變量之間多重共線性可能導致回歸結果不準確的問題,對所有解釋變量進行多重共線性檢驗。結果表明,方差膨脹因子VIF 的平均值為3.69,最大值為9.26,小于10。因此,模型中不存在多重共線性問題。

根據Jun等[13]的方法,將房源為1的房東定義為業余房東,將大于1個的房東定義為專業房東,本文對這個劃分稍加改進,將專業房東按照規模進一步細分,具體分類如表9所示。

表8 各變量間相關性分析

表9 房東類型分類

將房源數量rooms設為虛擬變量,房源數量為散戶的作為參照組,將其他數量規模的用戶定價與散戶作為對照,考慮其他影響定價的相關因素,建立如下多元回歸模型:

回歸結果如表10所示。

通過添加控制變量,可以看出,具有一定規模房源的房東的房源定價要比散戶高,特別是在將專業平臺影響因素、房源類型及配套設施、房東特性、消費者評論、房價和區位以及房源特點等控制變量加入后,專業房東的房源定價顯著比業余房東的房源定價高。具體來看,房源數量為[2,5]的小規模房東的房源住宿價格比業余房東價格高出約3.4%,但是結果不顯著;房源數量為[6,10]的中等規模房東的房源住宿價格比業余房東價格高出約5.7%;而房源數量為10個以上的大規模房東的房源住宿價格比業余房東價格高出約8.2%。因此,在同等條件下,專業房東對其房源的住宿價格比業余房東的房源定價要高,隨著專業房東房源規模的擴大,房源的定價越高。因此,可以明顯看出,專業房東由于專門從事這一共享短租行業,對其房源的定價明顯高于業余房東。

由其他控制變量可以看出:

(1)專業平臺的影響。攜程酒店的平均定價提高1%,則小豬短租平臺房源的定價提高0.2%,從中可以看出,專業平臺與共享短租平臺之間存在著明顯的競爭關系。

(2)房源類型。整套出租的房源價格比獨立單間出租的房源住宿價格高12%;房東是否實名認證對房源住宿價格的影響較大,實名認證的房東的房源價格比沒有實名認證的房東的房源價格高出約6.4%,實名認證的房東能夠得到房客更多的信任,這些房東的房源更優質,給予房客的安全感更強。房東獲得的訂單數量越多,則房源的定價越低(-0.1%)。這說明,房東的訂單數量越多,他越會通過降低價格來吸引更多的住客。

(3)消費者端的評論。房客的評論數量和打分對房源的定價產生顯著的正向影響,消費者對房東總的房源評論數量越多,則該房源的住宿價格越高(0.02%),因為這種房東的房源越能吸引房客的注意,越是受歡迎的房源,所以該房源的住宿定價越高;房客對房東房源的總評分越高,則該房源的住宿價格越高(13%),房源的打分是評價房源優質與否的一個重要指標,打分越高,該房源越優質,則其價格也相對較高,對于想要入住的房客的吸引力也更強。

表10 穩健性回歸結果

(4)房價和區位。二手房價格對小豬短租平臺上房源的住宿價格呈現正向影響(0.27%),這與現實相符,因為二手房價格越高,房源出租的機會成本也就越高,所以房源的定價也就越高;房源離城市中心距離越遠,住宿價格越高(0.02%)。這主要是因為共享短租平臺主要是迎合外地旅行者的需求,距離城市旅游中心越近,房源一般較多,競爭較激烈,所以住宿價格會相對較低。

(5)房源特點。房源照片數量對價格的影響正向且顯著。房源圖片數量越多,對房源的定價就越高,這主要是因為房源數量越多,一方面說明房東的投入多,其是專業房東的可能性就越大,對其從事這一商業活動的回報越高,所以住宿價格越高;另一方面,房源照片數量越多,會更多地顯示出房源與其他房源的差異化,而且由于差異化的存在,會滿足消費者的用戶體驗需求,故房源的定價越高。

3.3 邊際效應分析

通過上述分析可見,專業房東對房源的定價明顯高于業余房東,在專業房東中,大規模房東的定價明顯高于小規模和中等規模的房東,房源規模越大,房東對房源的定價越高。對這4種類型房東的房源平均定價進行邊際效應預測,可以得到這4種類型房東房源住宿定價的預測邊際值,如圖2所示。

圖2 4種類型房東的房源住宿定價的預測邊際值

由圖2可見,在其他變量取均值時,業余房東的房源定價預測邊際值為5.40。專業房東中,小規模房東的房源定價預測邊際值為5.43,中等規模房東為5.46,大規模房東為5.48。因此,大規模房東的定價明顯高于業余房東和中、小規模專業房東。

房源類型有兩種:一種是獨立單間出租,這類房源是和房東或其他房客共同合住一套房屋,“共享”的特點更明顯;另一種是整套出租,房客可以獨立擁有一套房源。在不同房東類型下(業余房東或專業房東),將這兩類房源住宿價格的預測邊際值的差值進行比較,具體如圖3所示。

圖3 兩種類型房源的住宿價格預測邊際值差值

由圖3可以看出,業余房東的整套出租房源的住宿價格的預測邊際值與獨立單間的預測邊際值差值最小,為0.06;大規模專業房東的最大,為0.21;小規模專業房東的差值大體與業余房東持平。因此,由圖3也可以看出,對于業余房東,其房源不管是獨立單間出租還是整套出租,房源的定價差異不是很明顯,也更說明了他們對于閑置房源的低定價、低回報;而隨著專業房東的房源規模的擴大,大規模專業房東對整套出租的房源的定價會明顯大于獨立單間出租的專業房東的定價。這主要是因為整套出租的房東的專業性更強,專門從事這一商業活動的特性更明顯,所以其對房源的定價及回報要求更高。

3.4 穩健性檢驗和內生性討論

根據小豬短租網站上房東的信息,對于獲得的顯示房東職業的209個房源進行回歸,將房源數量(rooms)與職業是否專業房東(i.profe1)產生交互項i.profe1×rooms,回歸結果如表11所示。

表11 穩健性檢驗結果

由穩健性檢驗結果可以看出,專業房東的房源數量越多,其房源的定價比非專業房東的房源的定價越高(0.246)。因此,通過該樣本回歸結果也可以看出,越是專業房東,其房源越多,對房源的定價比非專業房東越高。這也進一步支持了總體回歸中的結果。

本文還將專業平臺上酒店的定價作為對共享短租平臺房源定價的影響因素。結果顯示,專業平臺攜程上酒店的價格和數量對共享短租平臺上的房源的定價產生正向且顯著影響,但是由于這兩個平臺是相互競爭的,故攜程上酒店的定價與小豬短租平臺上的房源的定價存在直接的雙向交互影響,因此可能產生內生性問題。為了克服內生性問題,需要一個或多個與攜程上酒店客房的定價高度相關同時獨立于小豬短租平臺上房源定價的外生變量作為工具變量,采用二階段最小二乘法估計回歸方程。本文中攜程酒店的定價采用的是10個城市中各區級行政單位的平均定價,受到客房面積(harea)、最多入住人數(hgest)以及豪華客房(住宿價格大于1 000)比例(luxury)的影響,而這3個變量不會對小豬短租平臺上房源的定價產生直接影響。因此,將harea、hgest和luxury作為攜程上酒店客房的平均住宿價格(hotelp)的工具變量,使用兩階段最小二乘法(2SLS)進行回歸,結果如表12所示。

表12 內生性討論

通過對工具變量(harea、hgest、luxury)進行過度識別檢驗,p=0.3,故可認為這3個變量外生,與擾動項無關,工具變量與內生變量(hotelp)也存在很強的相關性(p=0.000 0),對hotelp是否為內生變量進行DWH 檢驗,p＜0.05,故可認為hotelp為內生解釋變量,由弱工具變量的檢驗結果可知,Cragg-Donald WaldF統計量為 1 602.9,Kleibergen-PaaprkWaldF統計量為1 346.55,均大于10%偏誤的臨界值22.3,因此拒絕弱工具變量的假設。由估計結果可以看出,在控制了酒店客房平均價格變量的內生性后,酒店客房平均價格仍然通過了1%的顯著性檢驗,系數為正,且系數相比于未控制內生性時有所上升。這說明,酒店客房的住宿價格對小豬短租平臺的房源住宿定價產生重要影響:酒店客房的住宿價格每增加1%,小豬短租平臺上房源的住宿價格將提高約0.3%。另外,房源規模屬于中等規模和大規模房東的房源定價仍然顯著高于業余房東。

3.5 規模化房東的房源定價較高的原因

通過挑選不同規模房東的房源,在考慮同一城市、同樣面積和房型等因素的前提下,通過對比,發現規模化房東的房源定價之所以較高,主要有如下原因:

(1)房客端自網絡效應的存在。共享短租平臺是典型的雙邊平臺,除了兩邊用戶的交叉網絡效應,在入住的房客端還存在同邊的自網絡效應。所謂正的自網絡效應,是指雙邊平臺一邊的用戶數量越多,就會吸引更多的同邊用戶加入。由于規模化房東的房源較多,因而房源獲得的訂單和點評數量也較多,房客對房源的點評越積極、房源的打分越高,則房源越優質,雖然房東對房源的定價相對較高,但依然吸引更多的房客入住。通過觀察一定數量的房源的點評內容,發現具有一定規模的房東的房源點評更積極,房源的打分也更高。因此,房客端自網絡外部效應的存在使規模化房東的定價明顯高于散戶的定價。

(2)規模化房東的專業時間投入及精細化運作。具有一定房源規模的房東,大多是專業從事共享短租活動的房東,由實證結果可以看出,不同規模的專業房東的定價都明顯高于僅有1個房源的業余房東。當房東專業從事共享短租時,由于機會成本的存在,專業房東為了覆蓋其投入成本,因而對房源的定價相對較高。另一方面,由于專業化從事這項服務,因而房東對于房源的裝潢比較精致、考究,實際的投入成本也相對較高。因此,規模化房東對房源的定價相對散戶也會更高。

(3)業余房東的粗放化經營及低回報要求。業余房東的房源數量較少(1個),閑置資源的性質較高,這部分房源具有共享經濟發展最初階段的特征:閑置資源的再利用。由于資源是閑置的,而且房東大多是兼職從事這一行業,對房源的裝潢也沒有投入更多的精力和財力,因而房源的裝潢一般比較簡單,房東投入的成本相對較低。而且,由于其房源僅為1個,閑置資源的性質更明顯,業余房東大多是兼職從事共享短租活動,對于這一商業活動的回報要求也相對較低,因而其房源的定價也比專業的規模化的房東房源低。

4 結論

通過所獲取的共享短租平臺的一定量的樣本數據進行分析,從共享短租平臺的供給端即房東的特征出發,將房東劃分為業余房東、小規模、中等規模和大規模房東,根據描述性分析和實證分析,得到如下結論:

(1)在共享短租平臺上,真正與陌生人共享空間的閑置資源越來越少。共享短租平臺上獨立單間的比例逐漸下降,而整套出租的房源比例在逐漸升高。這說明,在供給者端,真正是閑置資源,房東與房客共享空間的房源比例在下降;在需求者端,與房客或房東共享空間的需求也越來越少。

(2)在供給者端出現了一定規模的專業房源供給者。從所獲得的樣本數據看,房東的房源數量最少的是1個,最多的是75個,擁有1～2個房源的房東數量占比僅為18%,較之前的統計下降明顯,而房源在5 個以上的房東數量占比從29%上升至36%。從房東的職業看,自由職業和職業房東的占比很高,其擁有的平均房源數量較多。

(3)共享經濟平臺與專業平臺存在明顯的競爭關系。通過實證結果可以看出,專業平臺上酒店客房的定價和數量對共享短租平臺上房源的定價產生正向影響。這說明,這兩類平臺在供給者端存在激烈的競爭關系,特別是對于經濟型的房源和酒店,他們之間的競爭程度更激烈。

(4)專業的、有一定規模房源的房東的定價相對較高。將不同房源數量的房東進行分類,通過對房源的住宿價格的影響因素進行實證分析,結果發現,小規模、中等規模以及大規模房源的房東的住宿價格均顯著超過業余房東的房源價格,而且房東擁有房源的規模越大,其房源的價格越高。因此,相比于散戶,業余房東和具有一定規模房源的專業房東對房源的定價較高,這主要是由于規模化房東的房客端的自網絡外部效應、規模化房東的投入成本相對較高,以及散戶房東的閑置資源低回報要求等引起的。

(5)共享短租房源的定價還受到房源圖片數量、房客對房源的評論數以及打分的影響。本文分析了其他影響房源定價的因素,除了面積、類型、宜住人數等房源特點,距離城市旅游中心的遠近以及配套設施都對定價產生一定的影響。如果是實名認證的房東,其房源的定價會更高;在平臺上展示的房源圖片數量越多,對房源的描述越詳細,房源的定價越高;消費者評論和房源打分對房源的定價都產生顯著的正向影響。