[SPA] Introducción. El auge del turismo en la última década ha transformado profundamente el sector de los alojamientos, particularmente con el crecimiento exponencial del mercado de alquileres de corta estancia. Este fenómeno, impulsado por la economía colaborativa y plataformas P2P como Airbnb, ha redefinido el sector turístico urbano y litoral. España se sitúa a la vanguardia de esta transformación, con cifras récord de visitantes y una significativa presencia del turismo en su economía. Sin embargo, este auge también ha traído consigo desafíos como la gentrificación, el aumento del precio de la vivienda y tensiones regulatorias. Esta tesis doctoral se inserta en ese contexto, buscando aportar nuevas herramientas analíticas para comprender las dinámicas del mercado de alquileres vacacionales y ayudar a los propietarios, plataformas y clientes a mejorar la información existente relativa al servicio de alojamiento mediante técnicas novedosas de big data. Objetivos. El objetivo principal de la investigación es analizar el mercado de alquileres vacacionales de corta duración mediante técnicas de análisis de contenido y análisis de sentimiento aplicadas a datos generados por los usuarios. Específicamente, se busca: (1) comparar las evaluaciones tradicionales basadas en puntuaciones online de usuarios con aquellas derivadas del análisis textual y de sentimiento de sus reseñas, así como los aspectos que influyen en ambos tipos de evaluaciones de la experiencia de estancia vacacional (2) explorar la relación entre estas valoraciones y los precios de los alojamientos, y (3) ofrecer recomendaciones para hosts, plataformas y clientes sobre cómo mejorar la experiencia del usuario y la competitividad del sector. Metodología. Se adopta un enfoque mixto basado en big data, con técnicas de análisis semántico y de sentimiento aplicadas a reseñas de Airbnb en Madrid. Se utilizan técnicas estadísticas, junto a modelos econométricos de regresión, para estudiar las diferencias entre valoraciones del consumidor sobre la estancia turística a través de cuestionarios online y mediante análisis de contenido y sentimiento de sus reviews. La metodología aplicada permite comparar puntuaciones tradicionales en este segmento del mercado alojativo con aquellas extraídas del análisis textual, y observar si aparecen diferencias estadísticas significativas entre ambos instrumentos. Seguidamente, se utilizan las variables obtenidas del citado análisis big data para mejorar el conocimiento sobre el proceso de formación de precios y otros aspectos de la satisfacción del cliente en el mercado de alojamiento vacacional de corta duración. Hallazgos más importantes de la investigación Los resultados revelan que las métricas derivadas del análisis de sentimiento ofrecen una visión más rica y matizada de la experiencia del usuario que las puntuaciones tradicionales, a menudo sesgadas por la “vigilancia mutua”. Se observa una relación positiva entre sentimiento positivo y precios más altos, especialmente en segmentos de mercado premium. También se identifican factores contextuales —como ubicación o tipo de alojamiento— que influyen en las valoraciones y estrategias de precios. Conclusiones principales y su relevancia. La tesis demuestra que las herramientas de análisis de contenido y sentimiento representan un aporte valioso para la investigación en turismo, permitiendo mejorar la comprensión del comportamiento del consumidor y optimizar la gestión de precios. Además, proporciona recomendaciones útiles para anfitriones, usuarios, plataformas como Airbnb y responsables de políticas públicas, promoviendo un desarrollo más sostenible, competitivo y centrado en la experiencia real del usuario.

[ENG] Introduction. The tourism boom over the past decade has profoundly transformed the accommodation sector, particularly with the exponential growth of the short-term rental market. This phenomenon, driven by the sharing economy and P2P platforms such as Airbnb, has redefined both urban and coastal tourism landscapes. Spain stands at the forefront of this transformation, reporting record numbers of visitors and a significant reliance on tourism within its economy. However, this rapid expansion has also brought challenges, including gentrification, rising housing prices, and regulatory tensions. This doctoral dissertation is situated within this context, aiming to contribute new analytical tools for understanding the dynamics of the vacation rental market and helping property owners, platforms, and users to enhance existing information about accommodation services through innovative big data techniques. Objectives. The primary objective of this research is to analyze the short-term vacation rental market through content analysis and sentiment analysis techniques applied to user-generated data. Specifically, the study seeks to: (1) compare traditional user evaluation methods based on online rating scores with those derived from textual and sentiment analysis of written reviews, as well as identify the key factors influencing both types of assessments of the vacation stay experience; (2) explore the relationship between these evaluations and accommodation pricing; and (3) provide actionable recommendations for hosts, platforms, and users to improve the overall user experience and competitiveness of the sector. Methodology. A mixed-methods approach based on big data is employed, combining semantic and sentiment análisis techniques applied to Airbnb reviews in Madrid. Statistical methods and econometric regression models are used to investigate differences in consumer evaluations of tourism stays, comparing results obtained from traditional online surveys with those derived from content and sentiment analysis of user reviews. This methodology allows for the comparison of conventional rating systems within this accommodation market segment with those extracted from textual analysis, highlighting statistically significant differences between the two instruments. Subsequently, variables derived from the big data analysis are used to deepen the understanding of price formation processes and other factors influencing customer satisfaction in the shortterm vacation rental market. Main Findings of the Research. The results reveal that metrics derived from sentiment analysis provide a richer and more nuanced view of the user experience than traditional ratings, which are often biased due to “mutual surveillance” dynamics. A positive relationship is observed between sentiment positivity and higher prices, especially in premium market segments. Contextual factors—such as location or type of accommodation—are also identified as influencing both user ratings and pricing strategies. Main Conclusions and Relevance. The dissertation demonstrates that content and sentiment analysis tools offer significant value to tourism research, enhancing the understanding of consumer behavior and supporting price management optimization. Additionally, it provides practical recommendations for hosts, users, platforms like Airbnb, and policymakers, promoting a more sustainable, competitive, and user-centered development of the vacation rental market.

Escuela Internacional de Doctorado de la Universidad Politécnica de Cartagena

Programa de Doctorado en Ciencias Económicas, Empresariales y Jurídicas

Universidad Politécnica de Cartagena