Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightBu bulgular, dijital itibar sistemlerinin platform pazarlarında ekonomik değerle nasıl ilişkili olduğuna dair anlayışı geliştirmekte ve ayrıntılı kalite sinyallerinin, toplu derecelendirmelere kıyasla daha verimli fiyat oluşumuyla ilişkili olduğunu göstermektedir.
📌 3 Maddede Bu Makale
Özet
Bu çalışma, turistik platformlar tarafından oluşturulan güven sinyallerinin, kişiler arası konaklama pazarlarında fiyatlara nasıl yansıtıldığını incelemektedir. On büyük Avrupa şehrindeki 51.448 Airbnb ilanından oluşan bir veri seti kullanarak, temizlik derecelendirmelerinin, konuk memnuniyet puanlarının ve Süper Ev Sahibi statüsünün marjinal fiyat ilişkilerini tahmin etmek için hedonik fiyatlandırma modelleri ve makine öğrenme yöntemleri kullanılmıştır. Sonuçlar, temizliğin en ekonomik açıdan önemli güven sinyali olarak işlev gördüğünü ve standart sapma artışı başına ortalama %3,64'lük bir fiyat primi ile ilişkili olduğunu, genel memnuniyetin ise belirli kalite boyutları kontrol edildiğinde minimum fiyatlandırma etkisi gösterdiğini ortaya koymaktadır. Güven primleri, konaklama formatına göre önemli ölçüde değişmekte olup, özel odalar %6,29 ile en yüksek temizlik primine sahipken, tüm evler için bu oran %2,69'dur; bu da oda tipleri arasında algılanan hijyen risklerindeki farklılıkları yansıtmaktadır. Şehirlerarası analiz, temizlik primlerinin Lizbon'da %1,3'ten Atina'da %5,2'ye kadar değiştiğini ve güvenin paraya dönüştürülmesinin yerel pazar koşullarına ve rekabet dinamikleriyle ilişkili olduğunu gösteren önemli coğrafi heterojenliği ortaya koymaktadır. Rastgele Orman algoritması güven sinyallerinin, operasyonel özelliklerin üzerinde, ancak konum ve yapısal özelliklerin gerisinde kalarak listeleme fiyatlarının en önemli belirleyicileri arasında yer aldığını doğrulamaktadır. Bu bulgular, dijital itibar sistemlerinin platform pazarlarında ekonomik değerle nasıl ilişkili olduğuna dair anlayışı geliştirmekte ve ayrıntılı kalite sinyallerinin, toplu derecelendirmelere kıyasla daha verimli fiyat oluşumuyla ilişkili olduğunu göstermektedir.
Abstract
This study examines how trust signals generated by tourism platforms are reflected in prices within peer-to-peer accommodation markets. Trust signals including cleanliness ratings, guest satisfaction scores, and platform-designated quality certifications serve as digital reputation indicators that help guests evaluate service quality in the absence of traditional hotel brand guarantees. Using a dataset of 51,448 Airbnb listings across ten major European cities, hedonic pricing models and machine learning methods were employed to estimate the marginal price associations of these trust dimensions. The results revealed that cleanliness functions as the most economically significant trust signal, being associated with an average price premium of 3.64% per standard deviation increase. Overall satisfaction shows minimal pricing impact once specific quality dimensions are controlled for. Trust premiums vary substantially by accommodation format. Private rooms exhibit the highest cleanliness premium at 6.29%, while entire homes show a premium of 2.69%, reflecting differential perceived hygiene risks across room types. Cross-city analysis reveals considerable geographic heterogeneity, with cleanliness premiums ranging from 1.3% in Lisbon to 5.2% in Athens, indicating that trust monetization is associated with local market conditions and competitive dynamics. Machine learning analysis confirms that trust signals rank among the most important determinants of listing prices, outpacing operational attributes but lagging behind location and structural characteristics. These findings advance understanding of how digital reputation systems are associated with economic value in platform markets and demonstrate that detailed quality signals are associated with more efficient price formation than aggregate ratings..