From Ratings to Sentiment Analysis: Toward a Better Understanding of Online Reviews? The Airbnb Case[De la note au sentiment : mieux comprendre les effets des avis en ligne ? Une application à la plateforme Airbnb]

L'économie des plateformes s'appuie en grande partie sur la mise en place d'un système de génération de la confiance dans les relations, avec des mécanismes de notation et de réputation. Notre recherche vise à mieux comprendre la dynamique de réservation des biens disponibles sur la plateforme Airbnb en fonction des avis laissés (notes mais également commentaires). L'ensemble des offres disponibles à Paris en juin 2019 a été collecté ainsi que la totalité des avis en langue française (soit 282 057 avis). Le jeu de données utilisé comprend au final 30 variables et 31 090 annonces Airbnb. Différents modèles de régressions sont comparés, prenant en compte : les caractéristiques de l'annonce, la stratégie d'offre de l'hôte, les signaux de qualité liés l'hôte, les avis en ligne et l'analyse du sentiment. L'effet de la note comme signal de qualité est confirmé. De plus, la prise en compte des avis en ligne et des sentiments améliore sensiblement la qualité du modèle. A contrario, la positivité des commentaires ne réduit pas la disponibilité, ce qui suggère des prolongements afin de mieux comprendre les conditions sous lesquelles les avis enthousiastes influencent positivement l'attractivité d'une offre.