共享民宿的平臺經濟效應分析

鄭州商學院 王紫涵

一、引言

互聯網打破了傳統經濟與網絡的壁壘，實現了跨區域的信息共享。在過去的十年中，一些公司調整了供應模式，通過互聯網平臺進行交易。最常見的就是共享經濟平臺，如愛彼迎、優步、滴滴，這些平臺為共享商品和服務提供了便利。不同于傳統的供應模式，該平臺將所有的需求和供給匯集到一起，信息對稱是在線短租服務的生命線[1]。共享住宿提供的是無形的服務產品,消費者所購買的是產品的暫時使用權[2]。與傳統的雇傭關系有所區別，它為有需求的勞動者提供了彈性工作的機會。住宿行業的共享平臺鼓勵業主以短期的方式租賃他們的閑置資產，而非業主可以根據需要租賃他們，即提高了消費者福利，有使社會資源在理性經濟人作用下進一步有效配置。

互聯網的產生使網上交易成為可能，技術的創新降低了交易成本，簡化了數字平臺的流程，可以瞬間撮合買家和賣家，從而使共享產品更具可行性。文中我們分析了約2000在共享民宿平臺展示租賃的房屋，觀測平臺給房東帶來額外收益情況，探索影響這些收益和平臺需求量的一些決定因素。共享民宿自興起以來發展快速，目前眾所周知的共享民宿平臺有愛彼迎，小豬短租等。截至2018年，共享住宿用戶普及率已提高至9.9%[3]，2020年共享住宿收入占全國住宿業客房收入的比重約為6.7%[4]。隨著共享經濟平臺的不斷發展，其帶來的經濟效益也逐漸被人們所關注。其關注點主要在平臺如何獲得收益，它與房東、消費者之間誰從中受益最大，閑置房屋的最優定價策略等。

在研究中，我們假設Airbnb對房東的收入有可測量和量化的影響，通過整理平臺信息，選出房屋特點、房東聲譽等因素對房東收入的影響，進一步估算平臺需求量的一些決定因素，為共享經濟平臺進一步優化其自身經濟效益，實現良性可持續發展提供一點研究貢獻。本文安排如下：第二部分描述數據來源，并展開簡單的數據分析；第三部分建立模型分析共享民宿平臺的經濟效應；最后一部分結論與啟示。

二、數據可視化分析

文章研究的數據選取2009年—2016年紐約的共享民宿平臺數據。之所以選紐約是因為它是美國最大的城市，也是世界頂級的大都市之一。數據中包含預訂數量、入住率、平均掛牌價格和交易價格，以及掛牌酒店的屬性等一些信息。對數據進行清洗并刪除所有缺失值最終有效數據為1191條。將搜集整理的數據進行可視化如圖1，可以看出自2009年至2016年，該共享平臺迅速擴張，2015年平臺房東數量的擴展達到巔峰，隨后產生明顯下降趨勢。從每個月房東參與的數量來看，11月新增房東人數是最多的，5、6、7三個月也是房東加入高發期，平均每月有200多名新增房東。從時間上來看，說明住宿行業共享房屋的供給量會受到季節和假日等因素的影響。

圖1 平臺房源數量時間趨勢圖

共享民宿平臺主要租賃三種類型的房源：整套、單間、合租。其中，整套出租的房源數量超過平臺上總房源數目的一半,單間類型的房源數量占總量的37%,合租的房源信息最少，只有1.9%。意味著，相比合租客共同住在同一所房子，房東更愿意出租整套或者單間類型的房源。另外，圖2展示了每個待租賃房屋的年度平均收益情況，圖中每套房產的年度平均收益是逐年下降的。2009年，每份榜單的平均收入為2.5萬美元，2016年降至不足1000美元。

圖2 預訂量隨價格變化分布圖

我們知道在供需理論中價格和訂購量是成反比的，預訂量會隨著日均價格的增加而相應減少。圖2大致可以看出，平臺上房屋待租賃的日均價格設置在零至1000美元不等，其中價格在100美元左右的房源預訂量最高，在價格幾乎高于225美元時，預訂量出現了明顯的減少趨勢。因此，總收益最多來自價格在100美元到225美元的房源。此外，從預訂量的分布可以看出(圖3)，2000多家房源中訂單量在30筆以下的有近1000家，其中一半以上房源預訂量僅在10筆左右。數據說明單個房源的預訂量偏低，也意味著房東愿意或者能夠再分配租賃業務的時間有限。

圖3 預訂量分布圖

三、共享經濟平臺的經濟收益分析

模型設定。對共享經濟平臺的經濟效益進行分析，年度收入可能是最有代表性的指標，它是一切經濟效應分析的基礎，因此了解掌握其影響因素，對調整改善平臺長期發展扮演著頗為重要的角色。我們構建了一個模型來分析什么因素會影響房產的收入以及它們是如何影響它的。眾所周知，收入取決于價格和需求量之外，還有其他一些直接或間接的影響因素，如房屋入住率、評分情況以及預定房屋時的限制條件等，都會在一定程度上影響租賃房屋帶來的收入。由于房東的可信度也對房源的訂單量有顯著的影響作用，而對房東的評價在一定程度上可以衡量房源的可靠性，因此將房東評價也納入影響平臺收益的因素之一[2]。綜上，對收益回歸的估計如下:

因變量Y，是平臺房東年度客房收入；自變量X是影響總收益的一些數值變量，包括房源的日均價格，預訂量和入住率，為減少模型偏差，文章對價格使用其對數值。自變量D是影響因變量變化的一些虛擬變量，包含房源的評分等級，取消政策，房東評價以及是否可以快速預定等變量。其中評分等級分為高水平、中等水平、低等水平三等，評分在4.9分以上的房源歸類為高等類型民宿，評分在4.6分至4.9分的房源為中等民宿類型，評分在4.6分以下的民宿為低等類型。對被選取的數值變量進行相關性分析，其結果顯示函數(1)中所選擇的自變量之間存在相關性很小，適合進行模型回歸。

依據上述方程，開展含虛擬變量的線性回歸，結果如表1所示。我們可以看到，變異系數大部分是合理的，回歸可以解釋69%的收益影響。平均日房價、入住率和預訂量對收入有顯著影響。回歸結果顯示，日均價格和入住率與總收益幾乎同比例增長，即如果每日房價增加一倍，或者入住率增加一倍，年度租賃房屋獲得的總收入都將增加一倍。預訂量每增加一個預訂，年收入就會相應增長4.2%。此外，虛擬變量中取消政策似乎也是一個重要的因素，結果表明似乎政策越嚴格，越能促進年度收入增長，房東從嚴格的取消政策中獲得一定保障，也將更愿用長期在平臺上供給自己的房源。獲得好評的房東系數顯著性為90%，有效驗證了擁有好評房東的房源對平臺總年度收入有重要的推動作用，能夠比非好評房東租賃的房屋帶來18.4%的額外收入。房屋的評分等級為高級的房源相比另外兩個等級對總收益產生負面影響，部分可以理解為，由于評分高的房源價格偏高，進而影響了房屋租賃需求量，帶來相對較少的總收益。

表1 變量回歸結果

四、結論與啟示

文章基于對共享經濟平臺的經濟效應分析，以共享民宿平臺為研究對象，對其發展進行初步探索以及相關實證分析。觀察該平臺數據，自2008年成立至2015年達到頂峰，意味著共享經濟平臺逐漸為人們所接受，其房東參與度也在逐年增加。直到2016年，平臺已經吸引了超過2000個房東愿意在共享平臺上發布他們閑置房源信息，當然數據僅限于紐約市共享民宿平臺。平臺上供給的待出租房屋類型主要是整套和單間，價格在100—225美元的居多。此外，一年中有兩個較為明顯的供給量增長期，分別是5月至7月和11月。結果表明，除價格之外入住率、預訂量和嚴格的取消政策同樣是增加平臺年度總收入的主要影響因素，這為住宿行業的共享平臺長期發展提供調整方向和依據。

本研究不僅對共享民宿平臺發展具有一定啟示作用，也對其他類型共享經濟平臺提供一些借鑒。隨著互聯網技術不斷升級，共享經濟平臺將成為商品及服務行業發展主要介質。首先有針對性地吸引更多房源類型，增加中等價格整套房屋和公寓供給數量。其次為消費者提供更多的節假日優惠活動，在兩個顯著增長階段吸引更多消費者進行民宿體驗。第三控制房屋預定可取消政策的比例，鼓勵實行更為嚴格的取消政策。此外，平臺可以采取一些激勵政策，以確保房東愿意將自己的可支配時間更多地分配在平臺租賃業務。