ニューヨークAirbnbのデータ分析

ゆかり

2024/07/04

data-facts-of-new-york-airbnb
data-facts-of-new-york-airbnb
data-facts-of-new-york-airbnb
data-facts-of-new-york-airbnb

このAirbnbデータセットの分析は、ニューヨーク市内の各近隣地域におけるリスティング価格、空室状況、およびレビューパターンの顕著な変動を浮き彫りにし、市場関係者にとって価値ある洞察を提供します。

ソース: kaggle データセット: データセット

上記データセットに基づき、Powerdrillはメタデータを検出・分析し、以下の関連する調査結果を提供しています。

  1. リスティング分析:

    • 異なる近隣地域におけるリスティングの平均価格はどのくらいか?

    • リスティングの空室状況は、異なる近隣地域間でどのように異なるか?

  2. レビューの洞察:

    • リスティングあたりの平均レビュー数はどのくらいか?

    • レビュー評価はリスティング価格とどのように相関しているか?

  3. 近隣地域のトレンド:

    • 最も多くのリスティングがある近隣地域はどこか?

    • マンハッタンとブルックリンの平均価格を比較するとどうか?

  4. 予約とポリシー:

    • 即時予約可能なリスティングの割合はどのくらいか?

    • キャンセルポリシーは予約数にどのように影響するか?

  5. 時系列トレンド:

    • 年間レビュー数のトレンドはどのようになっているか?

    • リスティングの平均価格は時間の経過とともにどのように変化したか?

  6. 部屋タイプ:

    • 異なる部屋タイプ(例:まるまる貸し切り、個室)の分布はどのようになっているか?

    • 異なる部屋タイプ間で価格はどのように異なるか?

  7. 地理的洞察:

    • ニューヨーク市内のリスティングの緯度・経度範囲はどのくらいか?

    • 高価格帯のリスティングは地理的にクラスターを形成しているか?

  8. サービス料金:

    • 異なる価格帯における平均サービス料金はどのくらいか?

    • 異なる近隣地域間でサービス料金はどのように異なるか?

リスティング分析

異なる近隣地域におけるリスティングの平均価格

Airbnbデータセットの分析によると、リスティングの平均価格は近隣地域によって大きく異なります。平均価格は低いもので107.67ドルから高いもので1045.00ドルに及び、平均は約622.48ドルです。この価格の変動は、立地の魅力、主要観光地への近さ、地元の設備などの要因に起因すると考えられます。

主な観察結果:

  • 最高平均価格: アーデンハイツのような近隣地域では平均価格が高く、最大804.889ドルに達します。

  • 最低平均価格: 対照的に、アラートンなどの近隣地域ではより手頃な選択肢があり、平均価格は636.344ドルです。

異なる近隣地域におけるリスティングの平均空室状況

リスティングの空室状況も、近隣地域によってかなりのばらつきが見られます。年間平均空室日数は0日から365日までの範囲で、平均は約168.19日です。

主な観察結果:

  • 高い空室状況: アロチャールのような近隣地域では空室状況が高く、平均228.981日であり、予約頻度が低いか、季節的な変動がある可能性を示唆しています。

  • 低い空室状況: 対照的に、アストリアのような近隣地域では空室状況が低く、平均約140.91日であり、これは高い需要または年間を通じて一貫した予約があることを示している可能性があります。

視覚的分析

提供された棒グラフは、近隣地域間の価格と空室状況の格差を視覚的に強調しています。これらの視覚化は、どの近隣地域が高価であるか、または空室状況が高いかを迅速に特定するのに役立ち、市場関係者が不動産投資や宿泊施設に関して情報に基づいた意思決定を行うのに役立ちます。

全体として、このデータは、異なる近隣地域におけるAirbnb市場の動向に関する貴重な洞察を提供し、プラットフォームのホストとゲストの両方に影響を与える可能性のある経済的および空室状況の要因を浮き彫りにしています。

レビューの洞察

リスティングあたりの平均レビュー数

  • 平均レビュー数: リスティングあたりの平均レビュー数は27.48件です。これは、ユーザーがリスティングにどの程度関与しているかの典型的なレベルを示しています。

レビュー評価とリスティング価格の相関関係

  • 相関係数: レビュー数と価格の相関は**-0.00457609**です。

  • 解釈: この値は、レビュー評価とリスティング価格の間に有意な相関がないことを示唆しています。レビュー評価は、価格の増減によって上昇または下降する傾向がなく、価格自体よりも他の要因がレビュー評価に影響を与えている可能性を示しています。

近隣地域のトレンド

最もリスティング数が多い近隣地域

  • 近隣地域: ベッドフォード-スタイベサント

  • リスティング数: 7937件

  • 主な洞察: ベッドフォード-スタイベサントは、他の近隣地域と比較して最も多くのリスティングを有しています。

マンハッタンとブルックリンの平均価格比較

  • ブルックリンの平均価格: 626.56ドル

  • マンハッタンの平均価格: 622.44ドル

  • 主な洞察: ブルックリンはマンハッタンと比較してわずかに平均リスティング価格が高く、その差は約4.12ドルです。

まとめ

分析の結果、ベッドフォード-スタイベサントはリスティング数において最も多くの物件が存在する近隣地域であり、居住用または賃貸活動が活発であることを示しています。さらに、リスティングの平均価格を比較すると、ブルックリンがマンハッタンよりもわずかに高価であることが判明しました。この情報は、これらの地域のトレンドを検討している潜在的な賃借人、購入者、または投資家にとって価値があるでしょう。

予約とポリシー

即時予約可能なリスティングの割合

  • 即時予約可能なリスティングの割合: データによると、リスティングの0%が即時予約可能です。これは、データセット内のリスティングが即時予約に対応していないことを示唆しています。

キャンセルポリシーが予約数に与える影響

  • キャンセルポリシーと予約頻度:

    • 柔軟なポリシー: 柔軟なキャンセルポリシーを持つリスティングは、平均レビュー数が最も高く、約27.56件です。これは、キャンセルに関する柔軟性がより多くの予約を促す可能性があるため、これらのリスティングがユーザー間でわずかに人気があることを示唆しています。

    • 中程度のポリシー: 中程度のキャンセルポリシーを持つリスティングは、平均27.47件のレビューがあり、中程度の高い予約頻度を示しています。

    • 厳格なポリシー: 厳格なキャンセルポリシーを持つリスティングは、平均レビュー数が最も低く、約27.34件です。これは、ポリシーの厳格さが一部のユーザーの予約をためらわせる可能性があることを示唆しています。

まとめ

  • データセットによると、即時予約可能なリスティングは存在せず、これはユーザーの利便性と即時予約の可否に影響を与える可能性があります。

  • より寛容なキャンセルポリシー(柔軟および中程度)を持つリスティングは、平均レビュー数から示されるように、より高い予約頻度を持つ傾向があり、ユーザーがキャンセル条件の厳しくない物件を好むことを示唆しています。

時系列トレンド

年間レビュー数のトレンド

観察結果:

  • データは、2020年頃にレビュー数が大幅に急増し、ピーク時には約180万件のレビューに達したことを示しています。

  • 2020年頃と2040年頃に2つの顕著なピークが観察されます。

  • これらのピーク時以外は、レビュー数は比較的少なく、ほぼゼロに近い状態です。

結論:

  • このトレンドは、2020年と2040年に非常に活発な時期があったことを示しており、特定のイベントや市場力学の変化によるものと考えられます。

  • これらのピーク時を除けば、一般的なトレンドは、年間レビュー数が低く安定していることを示唆しています。

リスティングの平均価格の時系列トレンド

観察結果:

  • リスティングの平均価格は、長年にわたりかなりの変動を示しています。

  • 2012年頃から平均価格の顕著な下落が見られ、その後一時的に安定したものの、最近になって急激な上昇を記録しています。

  • 価格は最低約185ドルから最高920ドルの範囲で変動しています。

結論:

  • リスティングの平均価格は、近年の急激な上昇に至るまで、全体として下落傾向にあるなど、変動を経験してきました。

  • これは、市場状況、経済的要因、または消費者の嗜好の変化が長年にわたり反映されている可能性があります。

視覚的洞察:

  • 提供された折れ線グラフは、レビュー数と平均価格の両方における指定された期間の急増とトレンドを明確に示し、観察結果を視覚的に裏付けています。

全体的なまとめ:

レビュー数と平均価格の時系列分析は、消費者行動や市場のダイナミクスに影響を与える様々な外的要因によって変動し得る、顕著な時間的変動があることを明らかにしています。

部屋タイプ

異なる部屋タイプの分布

  • 最も一般的な部屋タイプ: データセットには主に「まるまる貸し切り(Entire home/apt)」と「個室(Private room)」のタイプが含まれており、それぞれ53,701件と46,556件がカウントされています。これら2つのカテゴリが市場を支配しています。

  • 最も少ない部屋タイプ: 「シェアルーム(Shared room)」と「ホテルルーム(Hotel room)」は非常に少なく、それぞれ2,226件と116件のリスティングしかありません。

部屋タイプ間の価格変動

  • 最高平均価格: 「ホテルルーム」は平均価格が約668.47ドルと最も高く、より排他的またはプレミアムな宿泊施設を提供している可能性を示しています。

  • 同等の価格設定: 「まるまる貸し切り」と「個室」は平均価格が約625ドルと似ており、これらの一般的な部屋タイプ間で競争力のある価格設定戦略があることを示唆しています。

  • 中程度の価格: 「シェアルーム」は最低平均価格よりわずかに高く、約634.13ドルであり、ニッチな市場や、わずかに価格を押し上げる特定の条件を反映している可能性があります。

視覚的洞察

棒グラフ分析: 提供された棒グラフは、数値データを視覚的に補強し、「まるまる貸し切り」と「個室」の利用可能性における優位性、および「ホテルルーム」の高い価格設定を明確に示しています。

全体として、 このデータは、まるまる貸し切りと個室に大きく偏った市場を示唆しており、ホテルルームにはプレミアム価格が設定され、より一般的な宿泊タイプでは競争が激しい状況が価格に反映されています。

地理的洞察

ニューヨーク市におけるリスティングの地理的範囲

  • 緯度範囲: ニューヨーク市内のリスティングは、最低緯度40.4998から最高緯度40.917の範囲に分布しています。

  • 経度範囲: リスティングは、最低経度**-74.2498から最高経度-73.7052**の範囲に広がっています。

高価格帯リスティングの地理的クラスター

  • クラスター分析: リスティングは、地理的な位置と価格に基づいてクラスターにグループ化されています。

クラスターごとの価格分布:

  • クラスター0: 平均価格631.38ドル、緯度40.7287、経度**-73.9497**に位置。

  • クラスター1: 平均価格862.28ドルと高価格帯、緯度40.7276、経度**-73.9497**に位置。

  • クラスター2: 平均価格166.73ドルと最安値、緯度40.7281、経度**-73.9499**に位置。

  • クラスター3: 平均価格400.96ドルと中程度の価格帯、緯度40.7285、経度**-73.9497**に位置。

  • クラスター4: 平均価格1088.01ドルと最高価格帯、緯度40.7275、経度**-73.9493**に位置。

視覚的表現

  • リスティングの散布図: ニューヨーク市全体の緯度と経度にわたる広がりを示すことで、リスティングの地理的範囲が視覚的に表現されています。

  • 価格クラスターの色分けされた散布図: 高価格帯のリスティングの地理的クラスターが色分けされた散布図で示されており、色が異なる価格帯を表すことで、価格が異なる地域間でどのように変動するかを視覚的に簡単に理解できます。

全体として、 この分析は、ニューヨーク市におけるリスティングの地理的分布と価格変動について明確な見解を提供し、高価格帯のリスティングがある特定の地域と、市全体への広がりを強調しています。

サービス料金

価格帯別平均サービス料金

異なる価格帯における平均サービス料金の分析は、明確な傾向を示しています。価格帯が上がるにつれて、平均サービス料金も増加します。 これは、提供されたデータと棒グラフの視覚化から明らかです。サービス料金は「0-100」ドルの価格帯で低く始まり、徐々に増加し、「1101-1200」ドルの価格帯で最高値に達しています。

近隣地域別平均サービス料金

平均サービス料金は、近隣地域によって大きく異なります。棒グラフの視覚化とデータは、一部の近隣地域では平均サービス料金が高く、他の地域では比較的低いことを示しています。この変動は、立地の魅力、利用可能な宿泊施設のタイプ、および地元の価格戦略などの要因に影響される可能性があります。

主な観察結果:

  • 高価格帯は高額なサービス料金に対応: 宿泊料金が上がるにつれて、サービス料金も一貫して上昇します。

  • 近隣地域ごとの変動: 近隣地域間でサービス料金にかなりのばらつきがあり、複数の社会経済的要因に影響される可能性のある地域的な価格戦略を示唆しています。

今すぐ試す

今すぐPowerdrill AIを試して、より興味深いデータストーリーを効果的な方法で探求しましょう!