Airbnb-priser kan till viss del förklaras av AI-genererade grannskapsbeskrivningar

Airbnb-boenden Manhattan, New York.
Med AI:s intåg kan klassiska bostadsvariabler som storlek, läge och standard utökas med digitalt skapade attribut som ger målande beskrivningar av grannskapen, som till exempel ”livfulla”, ”historiska” och ”rika”. En ny studie visar att forskarnas AI-genererade grannskapsbeskrivningar bidrar till att förklara pris på boende på samma sätt som fysiska egenskaper.
Under det senaste decenniet har Airbnb vuxit till en global plattform som inte bara förändrat turism och boende, utan också blivit en rik datakälla för forskning om städer. I den nya studien som har publicerats i tidskriften Computers, Environment and Urban Systems visas hur Airbnb-priser inte bara kan förklaras av bostadens läge och egenskaper, utan också genom beskrivningar av grannskapet som forskarna har låtit AI-verktyg som ChatGPT, Grok och Copilot generera fram.
Studien är genomförd av IBF:s gästprofessor John Östh tillsammans med en internationell forskargrupp från Holland och Turkiet. Forskarna kombinerar storskaliga digitala data över stora mängder Airbnb-boenden med AI-genererad information om miljöerna. Analysen utgår från en så kallad hedonisk prissättningsmodell, som är en metod som används för att bättre förstå hur priser på varor och tjänster (som Airbnb-boenden) varierar beroende på deras olika egenskaper. I bostadssammanhang kan det handla om att uppskatta hur mycket faktorer som boyta, läge, standard eller närhet till service bidrar till priset. I den aktuella forskningen utvidgas metoden genom att även inkludera AI-genererade stadsdelsbeskrivningar som variabler som kan förklara priset på en bostad.
I studien analyseras ett stort antal Airbnb-annonser i flera amerikanska storstäder. Resultaten visar att AI-genererade variabler – exempelvis beskrivningar av stadsdelars livfullhet, historiska prägel eller kreativitet – förklarar upp till tolv procent av priset.
– Det innebär att det inte bara är bostadens faktiska attribut som spelar roll, utan också hur platsen beskrivs och uppfattas. Eftersom AI tränas på allt från sociala medier till böcker och offentliga texter kommer AI att spegla dessa bilder av staden. Det innebär att sanningar och lögner och allt däremellan som präglar vår syn på omvärlden inkluderas och värderas. Nu fortsätter vi våra studier med att undersöka om vi även kan använda AI-genererade prissättningsmodeller för att titta på den reguljära europeiska bostadsmarknaden, säger John Östh, gästprofessor i kulturgeografi vid IBF.
Artikel

Artikeln i Computers, Environment and Urban Systems finns tillgänglig som Open Access.
Hedonic price models, social media data and AI – An application to the AIRBNB sector in us cities