[PDF] Airbnb in Paris: quel impact sur lindustrie hôtelière?

View - Download Airbnb in Paris: quel impact sur lindustrie hôtelière?

Previous PDF

Next PDF

Working Paper

University of Rennes 1

University of Caen Normandie

Centre de Recherche en Économie et Management

Center for Research in Economics and Management

Airbnb in Paris : quel impact sur

l"industrie hôtelière?

Ewen GALLIC

Univ Rennes, CNRS, CREM - UMR 6211, F-35000 Rennes, France

Vincent MALARDE

Univ Rennes, CNRS, CREM - UMR 6211, F-35000 Rennes, France

July 2018 - WP 2018-07

Airbnb inP aris:quelimp act surl'industrie hôtelière?

EwenGallic

a,c, VincentMalardé*a,b a CREM, UMRCNRS 6211,7 PlaceHoche, 35065Rennes Cedex, Fr ance. b Universitéde Rennes1, 2rue du Thabor- CS 46510,35042RennesC edex,F rance. c Institut LouisBachelier ,PalaisBrongniart 28placedela Bourse75002 Paris, Fr ance.

9 juillet2018

Résumé

Dans ungr andnombredevilles àtr av ersle monde,les plateformesdelogement courtterme sont devenuesuneal ternativ eauxyeuxdestouristes.C esnouveaux acteurs,Airbnbentête, bouleversen tle

marché, suscitantdesinquiétudes dela partde l"industrie hôtelièreet despouv oirspublics. Enutilisant

des donnéesd"hôtels etd" Airbnbà Paris,cetarticle proposeune nouvelleméthodologie pourmesurer

la pressionconcurren tielleexercéeparAirbnb surl"ind ustriehôtelière. Lesrésul tats indiquentqu"une

augmentationdunombre d"o reurs Airbnbà proximitéd"un hôtelcond uitcel ui-cià diminuersonprix. Cete et estam plifiélessoirsde week -end.

Abstract

In manycitiesaround thew orl dshort -termhousingplatformshav ebecomeanalternativ ein theeyesof tourists. Thesenew play ers,ledbyAirbnb,aredisrupting themar ket, raising concernsfrom thehotel industryand publica uthorities.Using datafromhotels andAirbnb inParis,this paperproposes anew methodologyf ormeasuringthecom petitive pressureexerted byAirbnbonthehotelind ustry. Theresul ts indicatetha tanincreasein then umberof Airbnbhosts close toahotelleads thehotel tored uceits price.

This e

ect isam plifiedonweekend evenings.

JEL classication:D40, L81,R31

Keywords:peer-to-peerplatf orms;hotelindustry;Airbnb; competition ;spatialstatistics*

Auteurcorrespondan t:vmalarde@gmail.com. Nousremercions ArthurCharpen tieret ThierryPénardpour leurs

commentaireset sugg estions. 1

1 Introduction

L"émergencedel"économie collabora tiveetl" arrivéedenouvellesstructuresorganisa tion- nelles, lespla teformes,ontmodifiéle fonctionnementde marchésde servicescomme l"héberge-

mentde courted urée,le transport,ou lalivr aison.Enréduisantles coûtsd" entrée surcesmarchés,

et lescoûts derecherche, au moyen d"algorithmes, cesplateformes mettentenrelationdesparticu- liers o ff reurs avecdesconsommateurs. Ellespermetten tainsilamise enconcurrence deso ff reurs de cespla teformesavecdes acteurshistoriquesprofessionnelsd"unsecteur . En cequi concernel"héberg ement decourtedurée,l"arriv éede platef ormescollaborativ es a enquel quesannéesàpeine transf orméle marchédans ungrandnombredevilles àtr av ers le monde.Le succèsd"

Airbnb

, évaluéeàplusieurs milliardsde dollars,etlaf ortecroissance du nombre d"utilisateurstémoignent del"engouemen tdes voyageurspourcesplateformes 1. Cetteétude seconcen tresur l"impactd"Airbnb surle secteurhôtelier.Notre hypothèseest que pourune partieim portante delapopulation,Airbnbest deven ueune alternative sérieusea ux

hôtels, etque parconséquen tles opérateurshistoriques sont obligésdetenircompte dela présence

d"hôtes particuliersl orsqu"ilsprennentdes décisionsenmatière detarifica tion.

Le secteurhôtelier dénoncerégulièremen tla pressionconcurrentielleexercée parles parti-

culiers o ff reurs despla teformesd"hébergementde courtedurée,qualifiantsouv ent cetteconcur - rence de" déloyale"enraisond"unerèglemen tation oud"unefiscalitéasymétrique. Lesacteurs historiques dece secteurf ont ainsipressionenfav eurd"une règlementa tionet d"unetaxationdes plateformesd"hébergemen tentreparticuliers.Àtitre d"exemple,en janvier 2017,800 profession-

nels del"hôtellerie etd utourisme enFrance ont déposéune plaintepourdénoncerlespr atiques

de plateformesdeloca tionde courtedurée

2. Deleur côté,les platef ormesprétenden tnonseule-

mentpermettre aux consommateurstraditionnellemen texclusd umarchédebénéficierdeleur service, enr aisondeprixpl usbas, maiség alementdeproposer unemeilleure utilisation d"actifs sous-utilisés. Desurcroît ,ellesa ffi rmentque leurclien tèlen "estpasla mêmequecelledeshôtels, car recherchantuneexpérience di fférente,pl usauthentique, etnientavoir unim pactnégatif sur l"activitéd usecteurhôtelier.

Du côtéde lalittér ature académique,laquestionfaitég alement débat. Unepartie delalitté-1.Airbnbest évaluéeàplus de30 milliardsdedollars

isme-et-de-l 2

ratures'intéresse àlanécessitéet aux moyens d'encadrer l'activité deplateformes delogemen t

de courtterme. Edelman andGer adin(2015) abordentlarèglemen tation desplateformes.Ils

soulignentla nécessité demettrena uxrèglemen tations "protectionnistes"et d'identierlesdé-

faillancesd umarchéquipourr aient justierune interventionrèglementaire dansle casdes plate- formesde loca tiondecourtterme:externalités, asymétriesd'inf ormation etbiais cognitifs.P our

règlementerles activitésde loca tionà courttermedansuneville,Miller(2014) proposeun système

dans lequelchaque unitéd'habita tionobtiendr aitundroitde partage transférableet échangeablequi

permettraita upropriétairedes' engag erdans unelocationàcourttermepour unepériode de tempsdonnée. L' objectifdecetteétudeégalemen tproche decel uides travauxde Zervas,Proser - pio andBy ers(2016) etFarronatoandF radkin (2018). Lesa uteursdecepremier articleétudien t l'impactd udéveloppemen tdel'activitéd'Airbnb,dansun panelde villesauT exas.Ilstrouven t que laconcurrence exercéepar Airbnbest àl' origined'une baissede 8à 10%desreven usdes hôtels. Lesa uteursdecetteseconde étudeobtiennen tun e ffet plusfaible del'offre Airbnba ux

États-Unissur lesrev enus deshôtels.

Cetarticle contribue àcedébat enapportan tdes élémentsempiriques concernant laville de Paris.L' étudemetenparallèlela localisa tionet lesprixproposéspar prèsde 60000o ff reurs

présentssur Airbnbainsi quepar 1554 hôtelstr aditionnels.L 'anal ysese basesur desrégressions

appartenanta uchampde l'économétriespatiale.

Nos résultatsindiquentque laprésenced'o

ff reurs Airbnbexerce surles hôtelsune pression concurrentiellesignica tive,bienquemodérée.C ettepression concurrentielle di ffère selonleclas-

sement(en nombred' étoiles)de l'hôtel,leshôtelsnon classésétan tles plus touchéspar cette

concurrence. Pourleshôtels classés,la concurrences'in tensieles soirsde week -end. La section2présentela littéra turerelativeaux questionsdecetarticle,lasection 3introduit

les donnéesutilisées, lessections 4et5exposentla méthodologie etlastra tégied'iden tication

retenue,la section6présenteles résulta tsobtenus,lasection7reprend lesprincipa uxrésultats et

conclut. 3

2 Littérature

Concurrenceen treplateformes etindustriestraditionnellesLa concurrenceen treplateformes et industriestraditionnelles afaitl" objetde peudetra vauxthéoriques enéconomie. Uneexception notable estl" articled"

Einav,Farrona toandLevin

2015
);les auteurs étudientlaconcurrence entre les o ff reurs particuliers,actifs surune platef orme,et uneindustrietraditionnelle.Dans leurmo- dèle, lesparticuliers o ff reurs ontdescoûts marginaux plus élevésetne sontactifsque lorsquela

demande dépasseles capacitésinstallées desprof essionnels.Les auteurs constatentque laprod uc-

tion parles pairsest fa vorisée lorsquelademandefluctue.Plus importantencore, ilsnoten tque lorsqu"ily aune variabilité dela demande,ileste ffi cace d"avoirdesparticuliersquiopèren tune partie dutemps. Enfin,ilsrapporten tque lorsqu"une plateformeentresur lemarché, lesvendeurs

particuliers peuventbénéficierdecoûts publicitairespl usf aibleset gagner despartsdemarché

auxdépens desv endeursprof essionnelsspécialisés. Du côtéde lalittér ature empirique,l"ontrouve plusieurstra vauxvisan tàmesurerl"im pact de laconcurrence d"unepla teforme suruneindustrie.Seamans andZhu (2013) étudientl"e ffet de l"entréedeCr aigslist, unsitewebdepetites annonces,sur lapresse localeaux États-Unis. Lesa u- teurs trouventunebaissede 20 ;7% destarifs despetites annonces,et unea ugmenta tionde 3;3% des prixdes abonnements auxrevues.Kroft andP ope(2014) trouventquel"en tréede Craigslista causéune baissede 7%d unombre d"annonces d"emplois dansla pressepapier.Zervas,Proserpio and Byers(2016), étudientl"impact d"Airbnbsurl"ind ustriehôtelière.Ilsconsta tent unimpact

causalde l"activité d"Airbnbsurla baissedesrecetteshôtelières. Ilsnoten tque l"impact n" estpas

uniformémentréparti,les hôtelsà basprix étant lespl ustouchés. Ilsconsta tentquedans leszones

où Airbnbs" estleplus dével oppé,lesreven usdeshôtelslesplus vulnérables ontdiminuéd"en-

viron 810% surla période2010-2015. Gutiérrez etal. (2017) comparentlaconcentr ation de l"o ff re Airbnbà celled"hôtels, parquartier ,dans laville deBarcelone,et lesexpliquen tpar ladis- tance aucentre, ladistanceàla plage, desaménités, ainsiqu"une mesured upotentieltouristique d"un quartier(le nombrede photographies prisespar destouristes).Lesa uteurstrouv ent quela localisationdel" o ff re Airbnbn "estpasexpliquéeparles mêmesv ariablesque celledes hôtels,sug- gérantunesegmenta tionspa tiale/declientèledecesdeux marchés.Guttentagand Smith(2017) exploitentunéchan tillon d"utilisateursAirbnbettrouven tquelapla teforme estutilisée comme un substituta uxhôtels,maisprincipalemen tpour deshôtels dequalitémoyenne. Farronatoand 4 Fradkin( 2018) estimentl'impact del'ore Airbnbsur unpannel devilles aux États-Unis, àl' aide

d'un modèlestructurel, ettrouv ent quel'élasticitédel'o re Airbnbest plus élevéequecelle des

hôtels. Leursrésul tatsindiquentquela présenced'Airbnbn 'a qu'une et faiblesurles reven usdes hôtels. L'impactd'Airbnb surlesloy erset localisa tiongéographiquedel' o reLe développementra- pide del' activitéd'Airbnbpose égalementdes questionsen matièred'organisation desquartiers, de gestiondel' activitétouristique. Danscedomaine,Airbnb fait face aux critiquesde lapart de responsables politiquesde plusieurs grandesvillesainsi quedeshabitants desquartiers concernés. La plateformeestaccuséedans uncertain nombrede grandes villesd' accélérerl' embourgeoise- ment(ou gen trication)decertainsquartiersàcause del' augmen tation desl oyersdesl ogemen ts o

erts surle marchéde lal ocation del ongterme.Ducôtédela littéra tureacadémique,plusieurs

auteursse sont intéressésàces questions.Bienquele risqued' observer unea ugmenta tiondes loyerspourles résidents suiteà uneraréfaction del' o re del ogementauprotdela locationcourt terme aitété soulignédepuis déjàpl usieursannées (

Malhotraand Van Alstyne

,2014), lespremiers travauxempiriquesconv aincantsàce sujetsonttrèsrécents. Sheppard, Udellet al.(2016) trouventquelaprésence d'Airbnb augmen teles prixdeven te des biensimmobiliers, dansla villede NewY ork. Laméthode consisteà mettreenrelationlesprix individuelset ladensité d'o reurs Airbnbdans unr ayon autourdechaquepropriété.À Boston,

Airbnb apu a

ecter lav aleurdesbiensimmobiliers oerts àla ven te(Horn andMer ante,2017).

Segú(2018) meten évidencel' eet dela présenced' Airbnbsur lesloyers, àBarcel one.Ses résultats

suggèrentqueledév eloppemen tde l'activitéd'Airbnbseraitlaca used'une augmentation de4% des loyers. WachsmuthandW eisler(2017) étudientladynamique desl oyers àNew Yorketrelient leurs écarts àla présenced' Airbnb,et seconcentrent surles risquesde gentrication.Quattroneet al. 2016
) examinentlescar actéristiquessocio-économiques desquartierslondoniens quitiren tprot de laprésence d'Airbnb. Lesauteursconsta tent quel'ore etla demandeon tchang éaucours du temps.Ils soutiennent quelesrèglementa tionstr aditionnellesn 'ontpassus' adapteràladyna- mique dela demandeet del' o re etdéf endentl'idéed'une"régulation dynamique" ,c' est-à-dire une régulationquis' appuiesur degrandsensembles dedonnées pours' adapteràl'év olution en tempsréel dela demande.Coleset al.(2017) mettentenrela tionles caractéristiquessociodémo- 5 graphiquesdes quartierset l'intensité del' ore Airbnb,dans laville deNew Yor k.

Taricationdeshôtels Cetarticle contribue égalementà lalittératurerelativ eà latarica tion

des hôtels.Abrate,Fraquelli andViglia(2012) expliquentlatarica tiondes hôtels,ainsiquela dy- namique desprix. Lee andJ ang(2012) étudientl'e et dela concentr ationaucentred'uneville sur

le prixdes hôtels,à l'aide d'unmodèle d'économétriespatiale. Ilstrouv ent quedanslespériodes

où lademande estf orteles hôtelssituésau centre xent unprix plusélevé, maisdanslespériodes

où lademande estf aibleune concentration plus élevéesetraduitparune concurrenceplusf orte et desprix plus faibles. Avecl'arriv éedescomparateurs, commeBooking.com, l'industriehôtelièreaconnudesmodi- cations,soulev antdenouvellesquestions dont lalittérature économiques' estemparée.Hunold et al.(2018) etMantovani,Piga andReggiani(2017) évaluentl'eet dela suppressionde lacla use de paritétarif aire.

Taricationdesparticuliers o

reurs auseind'une platef ormeEnn cetarticle emprun teàla littératureempirique relativeà lataricationausein dela platef ormeAirbnb.Gutt andHerrmann 2015
) trouventqu'enmoy enne,unhôteAirbnb augmenteson prixa umomen toù laqualité(me- surée parle nombred' étoiles)devien tobservable.Li, Morenoand Zhang(2015) estimentqueles revenusobtenus auseind' Airbnbparleshôtes professionnels, déniscommeleshôtes proposant plusieursl ogements,sontplusélev ésqueceuxobten usparlesnon professionnels.Laouénan and Rathelot(2017) étudientl'év olutionduprixd'uneloca tionsurAirbnben fonction du nombrede commentaires.Les auteures trouventque leslocationsdequalité élevée ont tendanceàvoirleur prix augmenteravec lenombredecommentaires,puisque l'informa tionsur laqualité devientdis- ponible pourles consommateurs. Wangand Nicolau (2017) expliquentlesdéterminan tsd uprix d'une locationsurAirbnben fonction descar actéristiquesde l'o reur etde l'o re, pour33 villes.

Et plusgénér alementcetarticleemprunteà lalittér ature relativeàlatarica tiondes parti-

culiers auseinde platef ormesde partage(

Farajallah,Hammondand Pénard

,2016) etplaces de marché (

Jolivet,Jullienand Postel-Vina y

,2016;CabralandHortacsu ,2004). 6

3 Donnéeset statistiques descriptives

Cetteétude exploite desdonnéesdetrois catég oriesdi fférentes: (i) desdonnées surla lo- calisationet leprix desl ogemen tsAirbnb danslavilledeParis;( ii) desdonnées surles prix, caractéristiqueset lal ocalisation deshôtelsparisiens;( iii) desdonnées surles caractéristiques des quartiers àP aris.

3.1 Airbnb

Les donnéesAirbnb proviennent dusiteInside Airbnb

3, unesource désormaisbien connue

dumonde académique.Inside Airbnbcollecte desinf ormations publiquement observables surla plateformeAirbnbet lesmet ensuiteà dispositionlibremen t.La baserenseigne lal ocalisation géographiquedeso ff reurs particuliers,les prixpr atiqués, lenombredecommentaireslaissés par des clients,ainsique toutesles caractéristiques desl ogemen tsrenseignéesparles o ff reurs. Notons tout demême qu"afin degaran tirla sécuritédeso ff reurs, lescoordonnées desl ogemen tssont données avecuneprécisionde 500m.Les donnéesson tdisponibles pourpl usieursgr andesvilles

à traverslemonde,dont Paris. Celles utiliséesdanscetarticle ontétérécol téesaudébut du mois

de mars2018. Ony retrouve untotal de59945l ogemen ts,répartis surles 20arrondissemen ts

parisiens. Leurdistribution spatiale estrenseignéeparla cartede lafigure 1.3. http://insideairbnb.com/about.html

7 pour chaquejour du 5juin2018a u5 juillet2018. Ils' agitd'unmoisd uran tlequel l'activité concer- nantles nuitées d'a aires sesitue unpeu au-dessus desa moyenneannuelle, justea van tlecreux de juilletet d'août 5. L'extractionaétéf aitepour plusieurs datesdeséjour etpour lemêmetyped'héberg ements deschambres pourdeux personnes ande proposerune vueassez complète ethomog ènede l'o re hôtelière.4 Stars5 Stars

No Star2 Stars3 StarsSource

Figure2: Emplacementdeshôtelssur Booking.comen juin2018, parnombre d'étoiles.

On peutnoter quela répartitionspa tialede l'o

re d'hôtelsdépend deleur qualité.Al orsque

les hôtels2 et3 étoileson tune couverture étenduedela villede Paris,leshôtels 4étoilessont

nettementmoins présents àl'estet au norddeParis, eton tuneconcentr ation bienpl uscentrale.

Les hôtels5 étoilesson tquan tàeuxclairemen tconcentrésle long del' avenue desChamps-Élysées 5. Source: rapport ParisOce dutourismeet desC ongrès

9

et autourdela placeChar les-de-Gaulle (placede l'Étoile).Leshôtelsnonclassésson tl ocalisés

autourde Montmartre etdanslesarrondissemen ts2, 3et 4,ce quicorrespondaux endroitsoù l'o

re Airbnbest particulièrement dense.Deplus amples détailssur lescaractéristiquesdes hôtels

sontf ournisdansletablea uA.2présentéen Annexe.

3.3 Caractéristiquesdesquartiers

Les donnéesconcernan tlescaractéristiques desquartiers proviennentdu siteOpen data Pa- ris

6et del'INSEE. Ellespeuv ent êtredécomposéesentroisca tégories :(i) ladensité decommerces

pour 221secteurs d'activité etladensitéde lieuxde culture (théâtres, cinéma,salles deconcert) ;

ii) lesarrêts demétro, bus,et tram wa y; (iii) lesdonnées concernant lerevenu dela population,

par iris.C esdonnéesproviennent dela baseINSEE"Reven us,pa uvretéet nivea ude vieen2014 (IRIS)" 7. L'analysedelacorréla tionen trela densitédel'o re d'hôtelsou Airbnbdans unquartier et les caractéristiquesdece dernierpermet d'établir unerela tionen treledegréd' animation d'un quartier etl' o re d'hébergement. L'analysedutablea uA.3faitappar aitrequelquesdi érences notablesdans lal ocalisation géo- graphiquedes hôtelset del' o re Airbnb.Al orsquelaprésence d'hôtelsest corréléea vec lapré- sence decommerce del uxe,cela n'estpas lecas pourAirbnb.Laprésencedel' o re Airbnbest corrélée avecl'o re decommerces "alimen tation"et"alimentationdétail"al orsque cen'estpasle cas pourles hôtels.Les quartiersbien desservisen transports encomm unconnaissen tég alement une o re Airbnbpl usdense,alors quecette corrélationn' estpas observée pourladensitéde l'o re hôtelière. Enn,les quartiersles plus vivan tsencequi concernelenombredebarsson ta ussiceux où l'o re Airbnbest lapl usdense. 6. https://opendata.paris.fr/explore/dataset/commercesparis/

7. https://www.insee.fr/fr/statistiques/3288151

10

4 Identicationetméthodologie

La théorieéconomique nousenseigne quele prixdépend néga tivemen td unombre deconcur- rentsen tréssurunmarché ( Salop ,1979;Economides,1989). Ily adonc desr aisonsde penser

que laprésence d"o ffreurs Airbnbà proximitéd"un hôtelest susceptibled" exercerune pression

concurrentiellesur cedernier .Si cettepressionconcurrentielle estsignifica tive, unhôtel situé dans unezone oùla densitéd" o ff reurs Airbnbest forte devraitêtrecon traintde diminuer sonprix. Cettesection présente laméthodologieet lastr atégieempirique utiliséepour mesurerl" e ffet dela concurrence deso ff reurs Airbnbsur leshôtels parisiens.

4.1 Identicationetméthodologie

Cetteétude proposede mesurerl" e

ffet dela présenced" offreurs Airbnbsur lesstr atégies de

tarificationdes hôtels.L "étude développeunmodèleéconométrique surdonnéesencoupemettant

en lienles prixdes di fférentshôtels av ecladensitédel"o ffre Airbnba utourdechaquehôtel. Plus

précisément,lamodélisa tionreten ueconsidèrequele prixd"unhôtelide l"échantillonestexpli-

qué parses caractéristiques, sasituationg éographique, laprésencedeconcurren tsàproximité,et

la présenced"hôtes Airbnbdans lesen virons.La stra tégied"identification reposesur l"hypothèse

qu"une foispriseen compte l"a ttractivitédela localisationgéographiqued"unhôtel, àcar acté-

ristiques égales,lesdi fférences enprix s"expliquen tparlaconcurrenceexercéepar leso ffreurs

Airbnb.

La régressionprincipale, estiméepour chaqueca tégorie cd"hôtel (c"est-à-diresonnombre d"étoiles),prend laf ormesuiv ante: ln pci;t=+01Xi+02Ci+03Li+04Tt+"i;t(1)

où lesindices iettdésignentl"hôtel etla date pourlaquelle leprixestproposé, respectivemen t.

La variabledépendante pci;test leprix définipar l"hôtelide catégoriecpour lada tet. Lev ecteur

X iinclutles caractéristiques observablesdechaque hôtel:lenombre decommen taireslaissés par les clientssurBooking.com, lanote moyenne obtenue surcette plateforme,le typedechambre.Le vecteurCicontientlesv ariablesrela tivesàl" environnementconcurrentiela uquelf aitfacechaque 11 hôtel, àsa voirlenombred'hôtelsdans unr ayon de500m, ladistance etle prixmoyensdes10 hôtels lespl usproches,etenn lenombre d'hôtesAirbnb dansun ra yonde 500m(en distinguant les logementsentiersdesl ogementspartag és).Le vecteurLiinclutles variables représentatives de lal ocalisationgéographique: desmesuresdelarichessemoy ennedes habitants, lav aleurde l'emplacementsurleplan desaménités urbaines,la présencede zonesd' empl oia uxalen tours.Le vecteurTtinclutles variables indicatricesdu jourdelasemaine pourlequelleprix dela chambre est proposé,d ulundia udimanche.Lemodèle comprendégalemen tune inter actionen treune indicatricew eek-end(quicorrespondau vendredi eta usamedi)etle nombredelog ements Airbnb dans unr ayonde500m.

Le prixd'un hôtelet ladensité del' o

ff re Airbnbdépenden ttousdeuxde lasitua tiong éogra- phique. Aussi,pourisoler l'e ffet dela densitéde l'o ffre Airbnbsur leprix deshôtels, ilest crucial

de contrôlerparl'a ttractivité delalocalisationd'unl'hôtel.En l'absence decette information,la

densité del' o ff re Airbnbne serait qu'unemesuredel' attr activitéd'une localisa tiongéographique, et lemodèle échouerait àisolerl'e ffet dela pressionconcurren tielleassociée àunedensication de l'o ff re Airbnb.La méthodereten uepour pallierceproblèmeconsiste àutiliser l'informa tion disponible portantsurle nombred' équipements urbains,le nombred'établissementspublicsou

privésà proximité,ainsi queles caractéristiques sociodémographiques d'unel ocalisation.

L'o ff re "voyaged'a ffaires" d'Airbnbnereprésen tequ' entre10et 15%desonactivité.8Par ailleurs, lesv oyagesd'a ffaires vontplutôtconcerner desnuitsde semaineque desn uitsdeweek -

end;les réunions,conf érenceset congrèsayant plutôt lieuen semaine.Parconséquent, lessoirsde

week-end,lapart du tourismed' a ffaires dansl' activitédeshôtelsest bienpl usf aible,ces derniers seraientdoncmoins protégés dela concurrenced'Airbnbqu' ensemaine, puisqu'essa yant d'attirer la mêmeclien tèle.Touteschoses égalesparailleurs, laprésence d'o ff reurs Airbnba utourd'un hôtel devraitdonca voir une ffet plusélevé sursonprixun soirde week -endqu' ensemaine. À partirde cettein tuition,la stratégieem piriqueconsiste àintroduireunein teractionentre la variablemesuran tladensitédel'o ffre Airbnbet l'indicatrice week-end.La comparaisondes coe ffi cientsassociés àla présenced'hôtes Airbnbdevr aitpermettre dev érierque laprésence

d'hôtes Airbnbexerce unepression concurrentielle surles hôtels,particulièrementélev éele week -

end.8. source:Airbnb àla conquêted uv oyage d'affaires enF rance 12

5 Lav aleurdesaménitésen uneposition géogr aphique

L"attractivitéd"unelocalisation géogr aphiquedansParisdépendnécessairemen tdunombre et dela diversité deséquipementsurbains, " amenities " enanglais, présents auxalentours. Ilest

possible deconstruire unemesure decette attr activitéà partirde basesdedonnéesrépertoriant

l"ensembledes commercesprésen tssur leterritoiredela villede Paris, lal ocalisation deslieux culturelset del oisirs(par exemple,théâtres, sallesde concert,cinémas)et l"o re detr ansport(les arrêts demétro, buset tram wa y). La richessede labase dedonnées décrivan tles aménitésdisponibles dansParisposeuneques-

tion méthodologique.Lesaménités urbainesou commerces,individ uellement géol ocalisés,son t

classés enpl usde200ca tégories, posant unproblèmededimension.Ildevien talorsnécessaire de

se poserla questionde lasélection desv ariables.En e et,il apparait déraisonnabled"introd uire pour chaqueobserv ation(c"est-à-direchaque hôtel)autantdev ariablesqu"il ya d"équipements

urbains. Lescorréla tionsentreces variablesconduir aient àsous-estimerl"e et dela présencede

chaque typed" aménités.Dèslors, parmices dernières,quellessont cellesqui devraien têtre rete-

nues?Unepremière réponseà ceproblème serait deconstruire unscore "aménités" quitiendrait

comptede toutesces catég ories.Mais doit-onaccorderlamêmeim portanceà chaquecatégorie ou bien leura ttribuerdi érentespondér ations?Sil"onoptepour cettedernière proposition,comment déterminer lav aleurdespoids? La solutionproposéedans cetarticle viseà construireune mesureobjectiv ede lav aleurdes équipementsurbains, enlaissan tle moinsdeplacepossible aux décisionssubjectiv es.L "indica- teur hédoniquede l"a ttractivitéd"unelocalisationretenu danscette étudepermetd"attribuerune

valeurmonétaire àla présenced" aménités,en chaquepoin tdeParis. Laméthode s"inspirede la

littératureenéconomie urbaine(

Gaigne etal.

,2017;Lee andLin ,2017). Lereste decette section présenteprécisémen tladémarcheadoptée.

Les équipementsurbainscapturen tà lafoisl" attr activitéet l"accessibilitéd"unlieu. L"attrac-

tivité d"unel ocalisationgéographiquea uxyeuxd"untouristeest susceptibled"êtreune fonc-

tion dela présencede commercesde proximité,de restaur ants, debars, dethéâ tresetsallesde

concert...toutcequif aitqu"un quartierest vivant.C espoin tsd"in térêtsson tappelés"aménités

13 de consommation"

9. Demême, unel ocalisation géographiqueestattr activesielleestf acilement

accessible parles transports encommun,et s'ilest facilederejoindre n'im portequel autre endroit de Parisàpartir dece point. Enrev anche,un quartierestsusceptibled' êtremoins attractifsi ses habitantson tdefaibles reven us.

Indicateurhédonique dela valeur desaménités La méthodeproposée iciest emprun téea ux

travauxdeGaigne etal. (2017) etconsiste àconstruire unindica teurd' attr activitéquiprenden compte,pour chaquel ocalisation x, lenombre d'aménités deconsommation(regroupées parca-

tégories,présen téesplusl oin)accessiblesdansun rayonde 500m,ainsi quele nombred' arrêtsde

métro, buset tram waydansunrayonde500m.

La premièreétape nécessitede mesurerl' attr activitéd'une localisation,ousavaleurmoné-

taire, auxyeux destouristes.Évidemment ,il estexcl udemesurercetindiced' attr activitéen liant

le prixdes hôtelsa uxcar actéristiquesdelaposition géographique,puisqu'il s'agit précisément de

la variablequenous cherchonsà expliquerdans lasuite decet article.Il estnécessaire d'obtenir

une évaluation"indépendante", généréeparunmodèlereposantsur unevaleurmonétaire non

a

ectée parle prixdes hôtels.Une solution aur aitété d'utiliserlesvaleurs d'unéchantillonde

propriétés parisiennesmises àla ven te,ou lavaleurdesloy ers,an demesurer lapartdela valeur

dueà laprésence d'aménités urbaines.C ependant,il n' estpascertainquelesaménitésurbaines

apportentla mêmev aleura uxrésidentsl ocauxqu'a uxtouristes.Par exemple,lestouristespeuven t

valoriserlaprésence debars àproximité deleur lieude séjour, alors qu'unetrop forte concentr a-

tion debars pourrait êtreassociéeàdes externalitésnég ativ esde bruitpour desrésiden tslocaux.

Pourcette raison, lechoixaété fait demesurer lav aleurdes aménitésàpartirdes prixdes loca tions

Airbnb. L'idéeestde récupérerla partd uprix quiest due àlaprésenced' aménités,en l'estiman t

à l'aidedela régressionsuiv ante :

ln

pAirbnbi=ffi+01Ri+02Hi+03Ai+04Si+i;(2)9. "DécouvrirP arisenparcouran tses quartiersestlaprincipalemotiva tionde séjourpour lesvisiteurs interrog és

(60,9 %).C etteactivitéintéresse particulièrement lesRusses,les EspagnolsetlesF rançais. 53,8%destouristes citent

la visitede musées etdemonumen tscomme uner aisondeleurséjourparisien lesAméricains, lesA ustraliensetles

Japonaisson tparticulièrementa ttirésparcetteactivité. Leshoppingparisienf aitrêv erles Japonais, lesChinois etles

Néerlandais.La gastronomie etlavisitedes parcset jardins,spécicités françaises, interviennen tf ortement dansle

choix deséjour desAméricains etdes Brésiliens." Source: Letourisme àParisChi res Clés,P arisO ce dutourismeet des congrès 14 les variablespropresa uxcar actéristiquesdul ogementet del'hôte,respectivemen t

10. Lev ecteur

A iest composédev ariablescon tenantlesaménités deconsommation,regroupéesparca tégo- ries

11, accessiblesdans unr ayon de500mautourd'unl ogemen t, ainsiquelenombre d'arrêts de

métro, busou tram way.Parailleurs,Siest unv ecteurdevariables contenan tlescaractéristiques de lal ocalisation(richesseduquartier ,nombre d'établissementspriv ésetpublicsdans unr ayon de 500m).

Les valeursdespar amètresestimés

ˆ3sontensuite récupéréespour prédirela valeur desamé- nités den 'importequellelocalisation géogr aphiquex: a x) =ˆ3A(x);(3) où

¨a(x) estl'indica teurdelav aleurhédonique desaménités calculépourla localisa tionx. Un

indice prenantdesv aleurscom prisesentre0 et100estensuite construitàpartirde cesv aleurs,en procédantde lamanière suivan te: A x) =¨a(x)+jmin(¨a(x))jmaxquotesdbs_dbs48.pdfusesText_48

[PDF] airbnb france téléphone

[PDF] aircalin nc

[PDF] aircoach 700

[PDF] aircoach dublin airport

[PDF] aircoach o'connell street

[PDF] aire de depotage camion citerne

[PDF] aire de dépotage produits chimiques

[PDF] aires et volumes

[PDF] aivam statistiques 2016

[PDF] aix en bus plan des lignes

[PDF] aix en provence carte france

[PDF] aix en provence centre gare

[PDF] aix en provence charlotte

[PDF] aix en provence code postal

[PDF] aix en provence google map