Investigadores del instituto DaSCI de la Universidad de Granada, junto con científicos de la Universidad de Las Palmas de Gran Canaria, han desarrollado un sistema de apoyo a la toma de decisiones (DSS, por sus siglas en inglés) basado en el análisis de redes sociales y visualización de datos.
Aplicado al mercado de alojamientos vacacionales en Canarias, este modelo permite identificar patrones de diferenciación y rentabilidad en el sector P2P, proporcionando información valiosa para inversores y gestores turísticos, pero también para responsables políticos y sociales.
El estudio, publicado en la revista Socio-Economic Planning Sciences, analiza más de 9.000 alojamientos turísticos en las Islas Canarias con datos reales de Airbnb. La metodología empleada permite construir un mapa visual que posiciona cada alojamiento en función de su similitud con otros, facilitando así la identificación de patrones clave.
Principales hallazgos
Los investigadores han identificado nueve tipologías de alojamiento diferenciadas por características como la capacidad de huéspedes, el número de propiedades gestionadas por el anfitrión y las políticas de cancelación. Entre los resultados más relevantes, destacan que los alojamientos con mayores ingresos tienden a ubicarse en zonas periféricas del mapa visual, lo que indica que poseen características distintivas. En particular, tienen mayor capacidad de alojamiento y exigen estancias mínimas más largas.

Sin embargo, los alojamientos gestionados por grandes operadores muestran un rendimiento económico más bajo en comparación con las propiedades individuales. Más allá de la capacidad, los resultados sugieren que estrategias como modificar la política de cancelación y obtener la insignia 'Superhost' pueden mejorar la rentabilidad.
"La diferenciación es clave en el mercado de alquiler vacacional", explica Víctor A. Vargas Pérez, autor principal del estudio, perteneciente al Departamento de Ciencias de la Computación e Inteligencia Artificial de la UGR. "Nuestro sistema permite visualizar de forma intuitiva qué alojamientos tienen mayor éxito y cómo se distribuyen en el mercado, facilitando la toma de decisiones estratégicas".
Aplicaciones para inversores y gestores turísticos
Este modelo no solo ofrece información valiosa para inversores que buscan maximizar su rentabilidad, sino que también puede ser útil para gestores turísticos y responsables de planificación urbana. Al proporcionar una visión detallada del mercado, el sistema ayuda a identificar oportunidades de inversión y a diseñar estrategias para mejorar la competitividad del sector, así como políticas de vivienda compatibles con la población local.
El estudio enfatiza que la clasificación de alojamientos no está ligada a una ubicación específica dentro del archipiélago, sino que las distintas tipologías se distribuyen de manera homogénea en todas las islas. Este hallazgo refuerza la idea de que las estrategias de inversión deben centrarse en la diferenciación y las características de gestión, en lugar de depender exclusivamente de la ubicación.
El equipo de investigación espera que la metodología pueda aplicarse en otros destinos turísticos y plataformas de alquiler vacacional, contribuyendo al desarrollo de herramientas de análisis más sofisticadas para la industria del turismo.
DaSCI
El Instituto Andaluz Interuniversitario en Ciencia de Datos e Inteligencia Computacional, conocido como DaSCI, es una entidad de colaboración entre las universidades de Granada, Jaén y Córdoba. Se dedica a la investigación avanzada y la formación en el ámbito de la inteligencia artificial, con un enfoque particular en la ciencia de datos e inteligencia computacional.
El instituto reúne a un destacado grupo de investigadores e investigadoras que trabajan en proyectos conjuntos, promoviendo el desarrollo y la aplicación de tecnologías innovadoras en diversos sectores. Con el objetivo de convertirse en un referente en su campo, el DaSCI impulsa la transferencia de conocimiento científico al entorno socioeconómico, contribuyendo así al progreso tecnológico y a la digitalización de la industria.