[논문 리뷰] The Impact of an AirBnb Host's Listing Description 'Sentiment' and Length On Occupancy Rates

Richard Diehl Martinez, Anthony Carrington외 3명|arXiv (Cornell University)|2017. 11. 25.

Aviation Industry Analysis and Trends인용 수 5

한 줄 요약

이 연구는 뉴욕시 데이터를 사용하여 에어비앤비 호스트의 리스트 설명 감성과 길이가 점유율에 영향을 미치는지 조사한다. 긴 설명은 높은 점유율과 상관이 있지만, AFINN 어휘를 통해 측정한 긍정적 감성은 유의미한 영향을 보이지 않는다. 대신, 리뷰 수와 편의시설이 예약 성공의 더 강력한 예측 변수로 나타났다.

ABSTRACT

There has been significant literature regarding the way product review sentiment affects brand loyalty. Intrigued by how natural language influences consumer choice, we were motivated to examine whether an AirBnb host's occupancy rate (how often their listing is booked out of the days they indicated their listing was available) can be determined by the perceived sentiment and length of their description summary. Our main goal, more generally, was to determine which features, including (but not limited to) sentiment and description length, most influence a host's occupancy rate. We define sentiment score through a natural language algorithm process, based on the AFINN dictionary. Using AirBnB data on New York City, our hypothesis is that higher sentiment scores (more positive descriptions) and longer summary length lead to higher occupancy rates. Our results show that while longer summary length may positively influence occupancy rates, more positive summary descriptions have no effect. Instead, we find that other factors such as number of reviews and number of amenities, in addition to summary length, are better indicators of occupancy rate.

연구 동기 및 목표

• 에어비앤비 리스트 설명의 감성과 길이가 점유율에 영향을 미치는지 확인하는 것.
• 호스트 설명의 자연어 특징이 소비자 예약 행동에 어떻게 영향을 미치는지 탐구하는 것.
• 감성과 길이 외에 점유율을 가장 강하게 예측하는 핵심 리스트 특성들을 특정하는 것.
• 언어적 특징과 실체적 편의시설, 사회적 증거(예: 리뷰 등)가 예약 결과에 미치는 상대적 영향을 평가하는 것.

제안 방법

• 각 리스트 설명에 대해 AFINN 감성 어휘를 적용하여 감성 점수를 계산하였다.
• 설명 길이를 단어 수로 측정하여 점유율에 미치는 영향을 분석하였다.
• 감성, 길이, 리뷰 수, 편의시설, 기타 리스트 특성들을 변수로 하여 다변량 회귀 분석을 사용해 점유율을 모델링하였다.
• 공개된 데이터에서 뉴욕시의 에어비앤비 리스트에 집중하였다.
• 텍스트 특성의 영향을 분리하기 위해 호스트별 및 리스트별 공변량을 통제하였다.
• 통계적 모델링을 통해 혼동 변수를 조정하면서 감성과 길이의 유의미성을 검증하였다.

실험 결과

연구 질문

• RQ1 에어비앤비 리스트 설명의 감성이 더 긍정적일수록 점유율이 높아지는가?
• RQ2 더 긴 리스트 설명은 예약 가능성을 높이는가?
• RQ3 기타 리스트 특성을 통제할 때 감성과 설명 길이가 점유율의 유의미한 예측 변수인가?
• RQ4 언어적 요소와 실체적 요소 중 어느 것이 점유율을 가장 강하게 예측하는가?

주요 결과

• 더 긴 리스트 설명은 높은 점유율과 긍정적인 관련성을 보이며, 더 구체적인 설명이 예약 성과를 향상시킨다는 것을 시사한다.
• 기대와는 달리, AFINN 어휘로부터 유도된 높은 감성 점수는 점유율과 통계적으로 유의미한 관계를 보이지 않는다.
• 리스트가 가진 리뷰 수는 감성이나 설명 길이보다 점유율에 더 강력한 예측 변수이다.
• 리스트 내 편의시설의 유무와 수는 언어적 특성보다 점유율에 더 큰 영향을 미친다.
• 기타 변수를 통제한 후에도 감성 점수는 점유율 예측 모델의 성능을 유의미하게 향상시키지 못한다.
• 리뷰 수와 편의시설과 같은 다른 특성들이 포함된 모델에서도 설명 길이는 여전히 유의미한 예측 변수로 남아 있다.