Airbnb网站 https://www.airbnb.cn/
数据来源:Inside Airbnb: Get the Data
我将使用这个数据集完成Airbnb运营分析,将从房源信息、房东信息、价格信息、坐标信息等维度,以及预测分析,所有的现有数据都是为了更好地预测未来。
通过taleau数据源查看,数据集字段名如下图:
一.房源维度进行分析
1.1、房源分布
可视化解读:整套房子(Private room)或公寓的房源(Entire home/apt)超过一半, 分享卧室型(Shared room)出租比例极低,可以看出北京airbnb更多是经营型的房东了
1.2、房源城区分布
可视化解读:北京的airbnb房源,以怀柔延庆等郊区房源为绝对主力。城区内,仅东城区房源相对较多。
1.3、房源价格区间分布
可视化解读:价格数量呈现绝对的反比关系。价格越高,独立房间的比例越低,整套房子比例越高。
1.4、入住量与价格/评价的关系
可视化解读:
1,用户倾向高分房源,分数越高,点评入住越多
2,高价房源的用户更为挑剔,5k以上房源基本要求5分评分
3,新房源点评分为0,也能有一定的新房源红利,吸引部分尝鲜游客的体验
二.城市维度进行分析
2.1、房源密度分布
2.2、房源入住热度
2.3、房源价格区间分布
可视化解读:市中心房源价格并没有高于郊区 ,反而郊区水库旁的房源价格普遍偏高,
猜测是北京市民周末郊区度假,消费能力较高。
三.房东维度分析
3.1、房东分布
3.2、房源分布
可视化解读:有6296个房源中,受专业房东管理房源为3927,占比接近70%
3.3、房东性质分布
可视化解读:所有2665个房东中,专业房东更少,但管理房源更多
3.4、房东收入猜测分布
可视化解读:
1,按5倍假设,专业房东30天的交易金额,最高23W,整体分布比较均匀
2,兼职房东30天交易额假设,最高25w,分布也比较平均
3,从收入分布看,市场竞争上比较激烈