杭州共享住宿入住影響因素分析及預(yù)測*
——基于Airbnb愛彼迎平臺數(shù)據(jù)

□薛潔 姚雨萌 吳霞

隨著全球化和自由化進(jìn)程的加快，越來越多的人熱衷于體驗(yàn)共享生活。繼滴滴出行打開共享交通出行市場之后，人們紛紛把目光投向了共享住宿。針對杭州市共享住宿問題，借助國際住宿分享平臺Airbnb愛彼迎，研究杭州市共享住宿的發(fā)展?fàn)顩r，并且利用XGBoost算法對杭州市共享住宿的入住率進(jìn)行預(yù)測。結(jié)果表明，杭州市共享住宿的入住率受入住時間、訪問量和評論數(shù)的影響較大，并且提出的基于機(jī)器學(xué)習(xí)算法XGBoost的預(yù)測模型對入住率的擬合效果較好，可以作為消費(fèi)者和共享住宿房東做決策的模型依據(jù)。

引言

隨著“互聯(lián)網(wǎng)+”和社會生產(chǎn)力水平的不斷發(fā)展，衍生了一種新的經(jīng)濟(jì)形態(tài)——共享經(jīng)濟(jì)。共享經(jīng)濟(jì)是利用互聯(lián)網(wǎng)等現(xiàn)代技術(shù)，實(shí)現(xiàn)資源優(yōu)化再配置，減少資源浪費(fèi)，降低成本的模式[1]。我國的共享經(jīng)濟(jì)相較國外雖然開展的較晚，但卻發(fā)展迅速，展現(xiàn)了良好的生機(jī)。2018年6月21日，國務(wù)院總理李克強(qiáng)主持召開國務(wù)院常務(wù)會議，部署促進(jìn)分享經(jīng)濟(jì)健康發(fā)展，推動創(chuàng)業(yè)創(chuàng)新便利群眾生產(chǎn)生活。據(jù)國家信息中心分享經(jīng)濟(jì)研究中心估計，我國共享經(jīng)濟(jì)保持高速增長，2017年我國共享經(jīng)濟(jì)市場交易額約為49205億元，比上年增長47.2%，到2020年中國的共享經(jīng)濟(jì)的總規(guī)模將占到中國GDP的10%左右，到2025年中國的共享經(jīng)濟(jì)的交易總規(guī)模將達(dá)到GDP的20%左右[2]。由此看出，共享經(jīng)濟(jì)在未來對我國的經(jīng)濟(jì)發(fā)展貢獻(xiàn)巨大。

隨著共享經(jīng)濟(jì)實(shí)踐與理論的不斷發(fā)展，國內(nèi)住房分享日漸普及，行業(yè)持續(xù)升溫，在市場交易規(guī)模、融資量、參與人數(shù)等方面都取得了重大突破。初步估算，2017年我國共享住宿市場交易規(guī)模達(dá)145.6億元，比上年增長70.6%，融資額約為5.4億美元，比上年增長約180%[3]。目前，國內(nèi)共享住宿市場整體處于起步階段，未來發(fā)展?jié)摿薮??！?018中國共享住宿發(fā)展報告》中提到2017年主要共享住宿平臺的房源數(shù)量約300萬套，參與者人數(shù)約為7800萬人，其中房客7600萬人。報告中還提到，我國共享住宿行業(yè)初具規(guī)模，業(yè)務(wù)創(chuàng)新不斷涌現(xiàn)，整體處于快速上升階段，頭部企業(yè)正在脫穎而出[3]。

目前對于共享住宿的研究，從概念、運(yùn)營模式、發(fā)展進(jìn)程到社會影響等各個方面都做了很多工作，成為了一個跨學(xué)科綜合性課題。國外JonesD.等人（2011）在調(diào)查中國香港游客對中國大陸分享住房的偏好時，發(fā)現(xiàn)年輕、接受中高等教育、中等收入水平的女性是大陸分享住房的主要目標(biāo)群體[4]；Chen L．等人（2013）對中國臺灣游客的調(diào)查發(fā)現(xiàn)，選擇分享住房的游客呈現(xiàn)出核心家庭、獲得良好教育及中低階層的特征[5]；ZhihuaZhang等（2017）利用地理位置加權(quán)法對影響Airbnb平臺房價的主要因素進(jìn)行了定量研究[6]。國內(nèi)的共享住宿研究主要以定性分析為主，顧彥（2017）指出目前住房分享市場成立較早、規(guī)模較大的活躍平臺大概可以分為三個梯隊(duì)：第一梯隊(duì)是小豬短租、途家網(wǎng)等；第二梯隊(duì)包括Airbnb、中國、木鳥網(wǎng)等；第三梯隊(duì)主要包括大量的、長尾的特色品牌和民宿聯(lián)盟等[7]。而王漪（2017）則指出現(xiàn)階段國內(nèi)住房分享平臺呈現(xiàn)途家、小豬、Airbnb三足鼎立的局面[8]。雖然共享住宿已經(jīng)廣受市場認(rèn)可，但其發(fā)展仍面臨諸多問題，如邱榕等（2016）從國情、房源及市場這些因素出發(fā)分析了Airbnb在我國發(fā)展存在的問題，其中信任缺失和房源質(zhì)量參差不齊這兩個問題最為嚴(yán)重[9]。

因此，針對國內(nèi)共享住宿定量研究的不足，本文以歷來有“上有天堂，下有蘇杭”美譽(yù)的杭州市作為研究對象，分析杭州市共享住宿的發(fā)展、入住率等影響因素，提出基于XGBoost算法的共享住宿入住率預(yù)測模型，從而為杭州共享住宿發(fā)展提供科學(xué)建議和決策支持。

數(shù)據(jù)來源

官方界定共享住宿主要指以互聯(lián)網(wǎng)平臺為依托，整合、分享海量的、分散的住宿資源，滿足多樣化住宿需求的各種經(jīng)濟(jì)活動的總和[3]。由此可見，互聯(lián)網(wǎng)平臺在共享住宿中的重要性。目前，國內(nèi)共享住宿業(yè)務(wù)開展較好的互聯(lián)網(wǎng)平臺有Airbnb、途家、小豬短租等。其中，Airbnb平臺作為共享住宿平臺的主力軍，占整個中國用戶群體的83%，其中房東平均年齡32歲，30歲以下房東占比45%[3]。

表1 各變量的具體描述

由于本案例研究對象的發(fā)展尚處起步階段，不利于開展問卷調(diào)查，因此本文以Airbnb作為研究共享住宿的數(shù)據(jù)平臺，獲取網(wǎng)站上展示的杭州市307個共享住宿信息，以及2018年第一季度的每日住房可訂情況，將每月的不可訂比例作為每月的入住率。

經(jīng)過數(shù)據(jù)收集及整理發(fā)現(xiàn)，評論數(shù)為空的房源在總房源中所占比例較低，且房源的入住率也較低，可以認(rèn)為，評論數(shù)為空是新房源的緣故，因此，直接刪除評論數(shù)為空的房源?；诖?，本文最終確定了281個不重復(fù)房源。通過對房源入住率的分析，發(fā)現(xiàn)約七成房源的入住率超過60%，如圖1所示。從圖中也可發(fā)現(xiàn)：入住率低于20%的房源僅占3.6%，整體而言，杭州市在線房源的入住率較好，說明現(xiàn)階段杭州市共享住宿的發(fā)展較為樂觀，從而研究杭州市房源的入住率具有重要的現(xiàn)實(shí)意義。

圖1 杭州市在線房源入住率餅圖

為了便于消費(fèi)者更加直觀的判斷房源，在接下來的模型構(gòu)建中，因變量入住率則根據(jù)計算出來的數(shù)值大小將其轉(zhuǎn)換成高、中、低三個程度，即入住率低于0.33設(shè)為低，0.33到0.66設(shè)為中，高于0.66則設(shè)為高。

而為了具體分析杭州市共享住宿入住的影響因素，本文利用網(wǎng)絡(luò)爬蟲技術(shù)獲取每個房源的特征信息作為自變量，共計22個。自變量大致分為兩類：一類為“硬件設(shè)施”，即描述房屋內(nèi)部特征，比如臥室數(shù)、床數(shù)、衛(wèi)生間數(shù)和最多可住人數(shù)；另一類為“軟件設(shè)施”，描述房屋的各性能，比如價格、評論數(shù)、圖片數(shù)等。具體描述如表1所示。其中，綜合評分取值為4、4.5和5三種，且以4.5和5居多，鑒于此，對于綜合評分變量采取隨機(jī)替換為4.5和5的隨機(jī)填補(bǔ)法；瀏覽數(shù)變量，采用均值填補(bǔ)法補(bǔ)充缺失值。

接下來，本文將基于XGBoost算法構(gòu)建多分類預(yù)測模型，具體分析上述因素對杭州市共享住宿入住率的影響，并對入住率進(jìn)行預(yù)測，評估模型的預(yù)測效果。

共享住宿入住率的多分類預(yù)測

由TianqiChen在2015年提出的XGBoost算法作為如今的新起之秀，在數(shù)據(jù)挖掘領(lǐng)域熠熠生輝。XGBoost全名 ExtremeGradient Boosting，作為監(jiān)督學(xué)習(xí)，可以處理回歸和分類兩類問題[10]。因此本文選用XGBoost算法作為預(yù)測模型。

XGBoost是在GBDT基礎(chǔ)上發(fā)展起來的，通常以決策樹或者回歸作為基學(xué)習(xí)器[11]。XGBoost是遞歸模型，每次建立模型都是在上一次的模型基礎(chǔ)上建立的，并且以損失函數(shù)（lossfunction）作為模型建立參考，損失函數(shù)越大，則說明模型越不穩(wěn)定。每一次建立模型的目的就是要減少誤差，如果建立的模型能夠讓損失函數(shù)不斷的下降，則說明模型性能在不斷的提高。

模型的目標(biāo)函數(shù)表示為：

其中，L(Θ)為訓(xùn)練誤差，Ω(Θ)為正則項(xiàng)。優(yōu)化誤差項(xiàng)，以便于減小誤差，提高模型的精度；優(yōu)化正則項(xiàng)是為了簡化模型，簡單模型往往未來變動較小，預(yù)測更加穩(wěn)定。但是沒有辦法同時訓(xùn)練很多樹，所以采取逐步增加的方式，先固定之前學(xué)習(xí)到的，再在其基礎(chǔ)上添加一顆新的樹[12]。

表2 Booster參數(shù)之分類模型參數(shù)

則目標(biāo)函數(shù)可以改寫成：

const表示常數(shù)項(xiàng)，對目標(biāo)函數(shù)進(jìn)行泰勒展開，如：

對泰勒展開的目標(biāo)函數(shù)，遍歷每個特征的分裂點(diǎn)，計算該分裂條件下的前后目標(biāo)函數(shù)變量值，最后確定目標(biāo)函數(shù)變化值最大的為分類條件。

（一）模型構(gòu)建

目前很多平臺可以實(shí)現(xiàn)XGBoost算法，常見的如R，python，Java等。本文選用Python作為實(shí)現(xiàn)工具，對Airbnb網(wǎng)站的共享住宿數(shù)據(jù)進(jìn)行模型構(gòu)建。模型的優(yōu)化選擇本質(zhì)上就是模型的參數(shù)選擇過程，為模型選擇最優(yōu)參數(shù)，才能不斷提高模型的性能。XGBoost算法的參數(shù)大致分為三種類型：通用參數(shù)，Booster參數(shù)和學(xué)習(xí)目標(biāo)參數(shù)[13]。其中Booster作為控制每一步迭代的參數(shù)，對模型的性能影響較大，對模型具體的參數(shù)解釋如表2所示。在建立模型之前將281條數(shù)據(jù)分為訓(xùn)練集和測試集，其中訓(xùn)練集為221條數(shù)據(jù)，測試集為60條數(shù)據(jù)。

上述參數(shù)中，對模型影響最大的參數(shù)為eta（學(xué)習(xí)速率）和n_eati-mators（迭代次數(shù)）。對模型而言，n_eatimators越大說明學(xué)習(xí)越充分，模型的性能也會提高，但是，過大的迭代次數(shù)會浪費(fèi)資源，也會導(dǎo)致過擬合現(xiàn)象。所以選擇合適的迭代次數(shù)顯得尤為重要，既可以讓模型處在一個良好的性能，同時，也可以達(dá)到最好的效率。eta參數(shù)的設(shè)置和n_eatimators的參數(shù)選擇有關(guān)，為了能夠快速的迭代找到其他最優(yōu)的參數(shù)，通常先將eta設(shè)置較大，當(dāng)其他參數(shù)確定了之后再盡可能的選擇較小的學(xué)習(xí)速率以獲得最優(yōu)的性能。

選擇最優(yōu)參數(shù)的過程，實(shí)際是參數(shù)的排列組合過程，不同的參數(shù)組合擬合程度也是不同的。為了找出最優(yōu)的參數(shù)組合，本文利用網(wǎng)格搜索法，通過遍歷所有的參數(shù)組合選定最優(yōu)的參數(shù)組合（調(diào)參過程如圖2所示），分別設(shè)置樹的最大深度、最小葉子節(jié)點(diǎn)樣本權(quán)重和、gamma值、類別數(shù)目、訓(xùn)練模型的子樣本占樣本的比例和每棵樹隨機(jī)采樣的列數(shù)的占比為[3，10]、[1，10]、[0，0.5]、[3，8]，[0.6，1]和[0.6，1]，搜索步長從大到小。對每一個參數(shù)進(jìn)行網(wǎng)格搜索法調(diào)參，最終獲得最佳參數(shù)如表3所示。

表3 模型最終確定參數(shù)

圖2 網(wǎng)格搜索調(diào)參流程圖

圖3 模型特征重要性排序

表4 模型混淆矩陣

（二）結(jié)果及分析

XGBoost模型作為預(yù)測模型，算法較為復(fù)雜，只能得到最終的預(yù)測結(jié)果，其中自變量和因變量之間的關(guān)系無從得知。因此，本文利用XGBoost包中的important函數(shù)來獲取各變量的重要性大小，從而得出各變量對預(yù)測結(jié)果所貢獻(xiàn)的權(quán)重比重。如圖3所示：

從圖中可以看出特征重要性依次為：入駐時間，訪問量，評論數(shù)，價格，圖片數(shù)，瀏覽數(shù)，服務(wù)費(fèi)，清潔費(fèi)，回復(fù)率，是否超贊房東，是否整套，是否有自我介紹，最多可住人數(shù)，衛(wèi)生間數(shù)，是否可以自助服務(wù)，床數(shù)，是否有交通介紹，星級評分，是否有助手，語言數(shù)，臥室數(shù)，是否有房屋介紹。

其中，入駐時間、訪問量、評論數(shù)、價格、圖片數(shù)、瀏覽數(shù)、服務(wù)費(fèi)、清潔費(fèi)、回復(fù)率和是否超贊房東，對入住率高低的影響較為重要，也體現(xiàn)出了房客選擇房源的著重點(diǎn)所在。而星級評分、是否有助手、語言數(shù)、臥室數(shù)和是否有房屋介紹這五個因素的重要性最低，不僅說明了這些變量對入住率高低的影響較低，也體現(xiàn)了如今Airbnb的主要客源還是國內(nèi)。

（三）模型評估

利用測試集對模型進(jìn)行檢驗(yàn)，可得混淆矩陣如表4所示：

1.總體模型評估。模型的總體準(zhǔn)確率為：p總=100%=86.67%，該模型的總體準(zhǔn)確率為86.67%，認(rèn)為該模型的預(yù)測效果較好。

Hammingloss（漢明損失）是描述多分類的評價指標(biāo)，表示所有分類中錯誤樣本的比例，所以該值越小則模型的分類能力越強(qiáng)。其中，|D|表示樣本總數(shù)，|L|表示標(biāo)簽總數(shù)，xi和yi分別表示真實(shí)結(jié)果和預(yù)測結(jié)果，xor表示異或運(yùn)算。根據(jù)公式得出模型的Hammingloss（漢明損失）為：HammingLoss(xi,yi)=

顯示模型的整體分類錯誤較低，模型的整體擬合程度較好。

2.各分類評估。研究了模型的整體效能之后，對每一個分類進(jìn)行討論。本文所研究的是三分類問題，對于多分類問題需要對二分類做類似推廣，將每個類別單獨(dú)視為“正”，其他類別視為“負(fù)”，得出每個類別的精確度、召回率，以及精確度與召回率的調(diào)和平均值F1，如表5所示：

表5 不同類別的精確度、召回率和F1

可以看出，入住率中和高的各項(xiàng)指標(biāo)都較高，顯示該模型對這兩類的擬合程度較好，而與入住率為中和高相比，入住率為低的召回率較低，但是F1值和精確度較高。由于F1值是對精確度和召回率的調(diào)和平均值，是綜合了兩個指標(biāo)的評判指標(biāo)，F(xiàn)1值越高，則說明模型較理想。入住率為低的F1值為1.96，較高。則說明XGBoost模型不僅在整體上表現(xiàn)優(yōu)異，在每個類別上也表現(xiàn)良好。

結(jié)論

本文基于Airbnb網(wǎng)站上281個房源信息，運(yùn)用XGBoost算法對杭州市的共享住宿進(jìn)行入住率預(yù)測。

考慮到共享住宿入住率目前研究的不足，提出使用XGBoost算法對入住率進(jìn)行多分類預(yù)測，從模型的各項(xiàng)評判指標(biāo)來看，模型的擬合效應(yīng)較好，可以作為判斷入住率高低的依據(jù)，從而為消費(fèi)者提前選擇合適的共享住宿提供參考。為了提高模型的性能，本文使用網(wǎng)格搜索法，尋找最優(yōu)參數(shù)組合，提高模型的預(yù)測準(zhǔn)確度。

從模型的特征重要性評估結(jié)果顯示：（1）重要性排名前三名的為入駐時間，訪問量和評論數(shù)，也說明了在共享住宿的選擇上價格并不是影響消費(fèi)者的重要因素，選擇共享住宿，是為了體驗(yàn)時下年輕人十分注重的社交體驗(yàn)機(jī)會。入駐時間可以體現(xiàn)房源的存在價值，時間越久，消費(fèi)者會更加傾向該房源。訪問量和評論數(shù)可以作為評判房源吸引力的直接指標(biāo)，是房源預(yù)訂與否的重要因素。（2）重要性排名后三名的是語言數(shù)，臥室數(shù)，是否有房屋介紹。其中，語言數(shù)直接體現(xiàn)了我國的國外市場沒有打開，為了讓我國的共享住宿事業(yè)有更好的發(fā)展，應(yīng)適當(dāng)?shù)耐卣箛饪蛻?，吸引國外消費(fèi)者的青睞；臥室數(shù)和是否有房屋介紹則顯示了消費(fèi)者對于房間的具體構(gòu)造關(guān)注度較低，人文情懷才是人們選擇共享住宿的著重點(diǎn)。

本文提出的共享住宿入住率預(yù)測模型有助于共享住宿房東針對不同時期的入住采取措施，制定對應(yīng)的策略，也可以查缺補(bǔ)漏，在有關(guān)方面采取針對性的提高策略，以更好的達(dá)到共享。另一方面，為消費(fèi)者提前制定出行計劃提供數(shù)據(jù)支持，致力于讓更多的消費(fèi)者可以選擇到滿意的共享住宿，讓出行更加便利。