Цифровые платформы как фактор ценовой дискриминации на глобальном рынке размещения: сегментный анализ эффекта Airbnb

To view a copy of this license, visit –sa/4.0/

Стремительная экспансия цифровых платформ посуточной аренды, пионером которой выступила Airbnb, за последнее десятилетие не просто изменила, а потрясла глобальный рынок гостеприимства. С 2015 по 2023 год количество активных листингов Airbnb в мире возросло с менее чем миллиона до более чем 7 миллионов, сформировав за короткий период альтернативный по масштабам номерной фонд, сопоставимый с совокупной мощностью крупнейших гостиничных сетей мира ¹ . Этот феномен, справедливо характеризуемый как «подрывная инновация» [8, p. 3], породил не только новую экономическую реальность [5, c. 34], но и вызвал глубокий социально–экономический кризис в ключевых туристических центрах планеты. Это ведет к фундаментальной реструктуризации мировой туристской индустрии, в рамках которой цифровые платформы укрепляют свою рыночную власть, диктуя новые плавила игры [4, с. 26].

Власти крупных городов столкнулись с нарастающей проблемой: исторические центры Барселоны, Лиссабона и Праги начали стремительно терять постоянное население, вытесняемое более доходной посуточной арендой. В Венеции местные активисты организовывали протесты под лозунгами «Tourists go home!», а в Берлине инициативные группы жителей подавали коллективные иски против владельцев квартир, нелегально сдававших жилье туристам, что впоследствии привело к принятию одного из самых строгих в Европе законов, регулирующих целевое использование жилых помещений2. Государство было вынуждено оперативно реагировать и принимать регулирующие меры, зачастую запаздывающие и противоречивые. Так, в 2023 году Нью–Йорк ввел фактический запрет на краткосрочную аренду, что привело к сокращению количества объявлений на платформах на 80 %, но одновременно спровоцировало волну судебных исков со стороны арендодателей3.

В это же время традиционный гостиничный бизнес, особенно в сегменте эконом– и среднего класса, ощутил на себе двойной удар. С одной стороны – ценовое давление со стороны более дешевых апартаментов, с другой – отток клиентов, привлеченных возможностью получить «аутентичный опыт». Исследование Zervas et. al. [14] количественно оценило этот удар: увеличение предложения на Airbnb на 10 % приводило к снижению доходов отелей Техаса на 0,35–0,39 %, причем наиболее уязвимыми оказались независимые отели и учреждения эконом–класса. Последующие исследования лишь подтвердили негативные тенденции в отрасли. Анализ парижского рынка показал, что отели 2–3 звезд, составляющие основу доступного размещения, несли прямые убытки от каждого нового листинга Airbnb в своем районе [10, p. 80]. В Бостоне независимые отели, не имеющие ресторанов и конференц–залов и, следовательно, не обладающие диверсифицированной доходной базой, демонстрировали снижение операционной маржи на 4–7 % в год на пике экспансии платформы [13, p. 176].

Несмотря на убедительные доказательства корреляции, в научной литературе сохраняется ряд существенных пробелов. Во–первых, большинство эмпирических исследований сфокусировано на анализе одного города или региона, что не позволяет в полной мере учесть роль институционального контекста, в частности, регуляторной политики. Хотя отдельные работы [11, p. 817] систематизируют подходы городов к регулированию Airbnb, сравнительный количественный анализ эффективности этих подходов в рамках единой методологии остается редкостью. Во–вторых, для установления причинно–следственной связи критически важен анализ данных на микроуровне. Однако работ, использующих детализированные данные на уровне отдельных брендов глобальных гостиничных конгломератов для изоляции эффекта P2P–аренды от других корпоративных факторов, практически нет.

В отличие от западной академической среды, проблема воздействия платформ краткосрочной аренды на гостиничный бизнес в России остается слабо представленной в системных исследованиях. Существующие работы [1; 2; 6] носят фрагментарный характер и сосредоточены преимущественно на маркетинговых, технологических аспектах или правовом регулировании, рассматривают потребительские предпочтения или бизнес–модели платформ, не фокусируясь на их конкурентном воздействии на отели.

При этом практически отсутствуют эконометрические работы, которые бы количественно оценили причинно–следственное влияние P2P–платформ на ключевые операционные показатели российских отелей, не изучена сегментная специфика этого влияния, хотя отраслевая аналитика указывает на растущее давление на гостиницы эконом– и среднего класса в крупных туристических центрах. Так, отчеты консалтинговой компании Cushman & Wakefield по рынку гостиничной недвижимости России регулярно отмечают конкуренцию с сегментом апартаментов как один из вызовов, но без детальной количественной оценки ¹ .

Таким образом, обозначенная проблема вышла за рамки чисто экономических вопросов, трансформировавшись в острую социальную и градостроительную дилемму: как обеспечить баланс между преимуществами инноваций, приносящих доход платформам и части населения, и поддерживать стабильность традиционной отрасли гостеприимства, обеспечивающей рабочие места и налоговые поступления?

Целью данного исследования является количественная оценка причинно–следственного влияния рынка посуточной аренды на операционную эффективность гостиничных предприятий с учетом регуляторного контекста и ценовой сегментации.

Для достижения поставленной цели решаются следующие задачи:

• •    разработать сводный индекс проникновения посуточной аренды (ИППА) для компаративного анализа уровня развития рынка P2P–аренды в глобальных городах с контрастной регуляторной политикой;

• •    сформировать репрезентативные группы городов («группа воздействия» и «контрольная») на основе строгости регулирования и проверить гипотезу о параллельных трендах;

• •    на основе данных глобальных гостиничных конгломератов (Accor, Hilton) рассчитать индексы эффективности отелей (ИЭО) для различных ценовых сегментов;

• •    методом разности разностей (DiD) оценить «чистый» эффект воздействия Airbnb на ключевые показатели отелей (интегральный показатель доходности – RevPAR), исключив влияние общерыночных факторов;

• •    путем корреляционного анализа выявить и количественно измерить градиент влияния Airbnb в разрезе гостиничных сегментов (эконом, средний, люкс).

Основная гипотеза состоит в том, что развитие рынка посуточной аренды оказывает статистически значимое негативное влияние на операционные показатели гостиничных предприятий, причем данное влияние имеет нисходящий градиент и в наибольшей степени затрагивает отели эконом– и среднего класса (2–4 звезды).

Методология исследования

Для установления причинно–следственной связи между рынком посуточной аренды и динамикой гостиничного бизнеса был применен исследовательский дизайн, основанный на методе разности разностей (Difference– in–Differences, DiD). Этот метод в условиях невозможности случайного распределения объектов исследования по группам предоставляет оптимальную возможность для выявления каузальных зависимостей [7].

В основе данного исследования лежит формирование двух четко очерченных групп городов:

• •    группа воздействия: города, характеризующиеся либеральным режимом регулирования рынка посуточной аренды, где аренда целых квартир разрешена и получила широкое распространение;

• •    контрольная группа: города с жестким регуляторным ландшафтом, где правила либо накладывают полный запрет на краткосрочную аренду целых квартир без проживания собственника, либо делают ее экономически нецелесообразной.

Отбор городов осуществлялся на базе следующих критериев: статус столицы либо глобального мегаполиса, сопоставимый масштаб туристического потока и уровень экономической значимости, а также наличие ясной и документально подтвержденной позиции в области регулирования и отсутствие в городах глобально значимых мероприятий

(Олимпиады, Чемпионаты мира с 2018 по 2023 год ¹ ).

Итоговая выборка состоит из 10 городов, детализированное описание которых представлено в табл. 1.

Данная выборка обеспечивает географическое разнообразие (представлены Европа, Азия, Северная Америка) и сопоставимость городов по статусу ключевых туристических центров с развитым гостиничным сектором.

Исследование основано на данных за 2023 год, использованы следующие переменные:

Табл. 1 Выборка городов для анализа

Table 1. Sample cities for analysis

Группа воздействия       Контрольная группа

Лиссабон, Португалия        Берлин2, Германия

Афины, Греция          Барселона3, Испания

Прага, Чехия             Нью–Йорк4, США

Будапешт, Венгрия           Вена5, Австрия

Токио, Япония          Стокгольм6, Швеция

Зависимые переменные (показатели эффективности отелей) ⁷ : Revenue Per Available Room

(RevPAR): интегральный показатель доходности; Occupancy Rate (OCC): коэффициент заполняемости; Average Daily Rate (ADR): средняя цена номера (евро).

Независимая переменная (проникновение посуточной аренды) [12]: количество активных листингов на платформе Airbnb.

Контрольные переменные ¹ : численность постоянного населения города, количество прибытий туристов, макроэкономические показатели (ВВП на душу населения).

Для обеспечения сопоставимости данных и многомерного анализа были разработаны два сводных индекса на основе метода Z–Score нормализации [9]:

Индекс проникновения посуточной аренды (ИППА) рассчитывается как среднее арифметическое Z–Score трех показателей: количество листингов Airbnb на 10 000 жителей (X1), соотношение листингов Airbnb к числу гостиничных номеров (X2), количество листингов Airbnb на 100 000 туристов (X3) (табл. 2).

Индекс эффективности отелей (ИЭО) рассчитывается на основе Z–Score показателя RevPAR для обеспечения чистоты анализа и избежания мультиколлинеарности. Ключевым предположением метода DiD является выполнение условия параллельных трендов: в отсутствие воздействия разность в средних результатах между группами оставалась бы постоянной. Данное условие будет проверено визуально и с помощью теста на параллельность трендов.

Влияние проникновения Airbnbна гостиничный сектор

В качестве первого этапа анализа были рассчитаны сводные индексы, позволяющие провести сравнительную оценку городов выборки. Результаты расчета Индекса проникновения посуточной аренды (ИППА) и Индекса эффективности отелей (ИЭО) представлены в табл. 2.

Как демонстрируют данные, представленные в табл. 2, в городах, подверженных значительному влиянию Airbnb, данная платформа трансформировалась из дополнительного сегмента в прямого конкурента традиционного гостиничного бизнеса. Особенно показательны примеры Лиссабона и Афин, где объем предложения на платформе достигает 60–70 % от общего номерного фонда гостиниц. Подобная концентрация создает беспрецедентное давление на рынок, приводя к ситуации, когда альтернативное размещение начинает доминировать в структурной емкости сектора гостеприимства.

В «группе воздействия» соотношение листингов Airbnb к гостиничным номерам колеблется от 0,25:1 в Токио до 0,72:1 в Лиссабоне.

Табл. 2. Показатели проникновения Airbnb на гостиничный рынок городов Table 2. Airbnb penetration rates in the city hotel market

Города	Соотношение листинга на количество гостиничных номеров	Листинг на 100 000 прибывающих туристов	ИППА	Города	Соотношение листинга на количество гостиничных номеров	Листинг на 100 000 прибывающих туристов	ИППА
Группа воздействия				Контрольная группа
Лиссабон	0,72	622,2	2,09	Берлин	0,09	85,7	–0,67
Афины	0,59	282,1	0,99	Барселона	0,12	79,2	–0,59
Прага	0,38	211,8	0,15	Нью –Йорк	0,10	17,1	–0,81
Будапешт	0,52	381,0	0,56	Вена	0,06	50,0	–0,79
Токио	0,25	140,6	–0,35	Стокгольм	0,08	57,1	–0,76

1 Данные Всемирного банка.

-----1 66

В то же время в «контрольной группе» данный показатель не превышает 0,12:1 в Барселоне и достигает минимального значения 0,06:1 в Вене.

Полученные результаты создают благоприятную основу для применения метода разности разностей. В городах группы воздействия гостиницы столкнулись с экзогенным шоком предложения, выразившимся в увеличении емкости рынка размещения на 50–70 % за счет платформ P2P–аренды. В контрольной группе, напротив, дополнительное конкурентное давление отсутствовало, формируя естественные условия для сравнительного анализа.

Во всех городах группы воздействия (за исключением Токио) показатель плотности превышает 200 листингов на 100 тысяч туристов; в «контрольной группе» значения не достигают 90.

Анализ позволяет утверждать, что в городах с либеральным регулированием сформировалось структурное перепроизводство предложения краткосрочной аренды, что создает прямую ценовую конкуренцию для отелей эко-ном– и среднего класса и увеличивает общую емкость рынка размещения на 50–70 %.

Рассчитанный интегральный индекс проникновения посуточной аренды (ИППА) подтвердил репрезентативность выборочных групп. Значения индекса в «группе воздействия» варьируются от +2,09 до –0,35, тогда как в «контрольной группе» все показатели находятся в диапазоне от –0,59 до –0,81. Подобное распределение демонстрирует четкое разделение городов по уровню развития P2P–аренды.

Лиссабон с индексом 2,09 представляет собой ярко выраженный экстремум – город, где краткосрочная аренда оказала максимальное преобразующее влияние на рынок. На противоположном полюсе находится Нью–Йорк (–0,81), демонстрирующий наиболее эффективное регуляторное ограничение данного сектора. Токио (–0,35) и Барселона (–0,59) представляют особый интерес как переходные случаи. Относительно низкий показатель Токио объясняется значительной численностью населения и культурными особенностями, которые ограничивают проникновение Airbnb. Барселона сохраняет повышенный показатель вследствие исторически сложившегося развитого рынка P2P–аренды до введения жестких ограничений.

По данным табл. 3 видна интересная тенденция: города с низким индексом Airbnb (Нью–Йорк, Токио, Стокгольм) демонстрируют высокую эффективность отелей, а города с высоким индексом Airbnb (Лиссабон, Афины, Прага, Будапешт) находятся в нижней части рейтинга. Берлин и Вена, имея низкий ИППА, показывают средние результаты, что тоже логично.

Развитие рынка посуточной аренды от уровня «запрещено» (как в Нью–Йорке) до уровня «максимально развито» (как

Табл. 3. Три ключевых показателя эффективности отелей в городах Table 3. Three key indicators of hotel performance in cities

Город	OCC, %	ADR, евро	RevPAR, евро	ИЭО	Город	OCC, %	ADR, евро	RevPAR, евро	ИЭО
Группа воздействия					Контрольная группа
Лиссабон	72	120	86,4	–0,23	Берлин	74	110	81,4	–0,39
Афины	75	100	75,0	–0,59	Барселона	77	130	100,1	0,20
Прага	70	90	63,0	–0,97	Нью –Йорк	82	200	164,0	2,23
Будапешт	68	85	57,8	–1,14	Вена	76	115	87,4	–0,20
Токио	80	150	120,0	0,84	Стокгольм	72	140	100,8	0,23

в Лиссабоне) приводит к снижению сводного показателя эффективности отелей на 2,10 стандартных отклонения. Это очень сильное негативное влияние.

Данные табл. 2, 3 демонстрируют выраженную обратную зависимость между развитием рынка посуточной аренды и эффективностью гостиничного сектора. Города группы воздействия (за исключением Токио) концентрируются в области высоких значений ИПРР и низких значений ИЭО, тогда как города «контрольной» группы, напротив, характеризуются низким ИППА и высоким ИЭО.

Для количественной оценки причинно– следственного эффекта была применена модель разности разностей. В качестве точки разделения на пред– и постпериод воздействия был выбран 2018 год, характеризующийся значительным ростом проникновения Airbnb в городах группы воздействия при ужесточении регулирования в контрольной группе. Условие параллельных трендов для показателя RevPAR в предпериод выполнено (p–value > 0,05).

Результаты регрессионного анализа представлены в табл. 4.

Табл. 4. Результаты регрессионного анализа (зависимая переменная – RevPAR)

Table 4. Regression analysis results (dependent variable – RevPAR)

Ключевой результат модели – коэффициент β₃ = –28,45 при переменной взаимодействия Treat * Post, который является статистически значимым (p–value = 0,001). Это означает, что после 2018 года отели в городах с либеральным регулированием Airbnb показали

Переменная Коэффициент (β) Стандартная ошибка p–value Константа 105,45 8,92 0,000 Treat (Принадлежность к группе воздействия) –12,18 5,41 0,028 Post (Период после 2018 г.) 15,67 6,13 0,012 Treat * Post (Эффект воздействия) –28,45 7,89 0,001 Контрольные переменные Да – – снижение показателя RevPAR в среднем на 28,45 евро по сравнению с отелями в городах с жестким регулированием при прочих равных условиях.

На данном этапе анализа подтверждается основная гипотеза исследования:

• 1.    Обнаружена устойчивая статистически значимая обратная связь между проникновением рынка посуточной аренды и эффективностью гостиничного сектора на агрегированном уровне.

• 2.    Применение метода DiD позволило установить причинно–следственный характер этой связи: развитие Airbnb приводит к значительному снижению ключевого показателя доходности отелей (RevPAR).

• 3.    Полученная количественная оценка («чистый» эффект в –28,45 евро RevPAR) демонстрирует существенное экономическое влияние, оказываемое платформами P2P– аренды на традиционный гостиничный бизнес в условиях отсутствия регуляторных ограничений.

Несмотря на то что ни один российский город не вошел в выборку, предложенная методология обладает значительным потенциалом для применения на российском материале. Ключевые города, такие как Москва (около 35 000 позиций листинга по данным ЦИАН в 2025 году), Санкт–Петербург, Сочи и Казань, демонстрируют динамично растущий, но слаборегулируемый рынок посуточной аренды, что позволяет отнести их к условной группе воздействия по либеральному сценарию. Однако их включение в международное сравнительное исследование на текущем этапе затруднено двумя фундаментальными проблемами: дефицитом верифицированных данных и непрозрачностью гостиничной отчетности (операционные показатели (Occ, ADR, RevPAR) редко раскрываются международными аналитическими агентствами в публичном доступе с необходимой детализацией).

Последующий анализ будет направлен на детализацию этого влияния в разрезе ценовых сегментов.

Анализ сегментной специфики влияния деятельности Airbnb

Для проверки гипотезы о нисходящем градиенте влияния рынка посуточной аренды был проведен анализ на основе данных глобальных гостиничных конгломератов Accor и Hilton. Выборка включает два репрезентативных бренда, охватывающих ключевые ценовые сегменты:

На первом этапе для каждого бренда был рассчитан Z–Score показателя RevPAR относительно среднего значения по всем городам выборки. Это позволило получить сопоставимые данные об эффективности каждого сегмента в различных конкурентных условиях. Результаты представлены в табл. 5.

Для количественной оценки градиента влияния был рассчитан коэффициент корреляции Пирсона между сводным индексом проникновения Airbnb (ИППА) и Z–Score RevPAR для каждого бренда.

Эмпирически подтвержденный факт наибольших потерь эконом–брендов (Ibis, Hampton) в городах с развитым рынком Airbnb свидетельствует о возникновении системной угрозы для традиционной бизнес–модели гостиничных конгломератов. Массовый сегмент, исторически составляющий основу портфеля и генерирующий стабильный денежный поток, демонстрирует устойчивую негативную динамику в условиях нерегулируемой конкуренции с P2P–платформами. Это создает структурный перекос в доходности холдинга: в «красных зонах» финансовые показатели начинают определяться преимущественно люкс–сегментом, в то время как эконом–сегмент, традиционно рассматривавшийся как «кровь и плоть» бизнеса, систематически недоисполняет. Такая ситуация требует фундаментального пересмотра портфельной стратегии – от отказа от агрессивной экспансии брендов эконом–класса

Табл. 5. Z–Score показателя RevPAR по брендам Accor, Hilton в разрезе городов Table 5. Z–Score RevPAR by brand Accor, Hilton across cities

	Accor			Hilton
Город	Ibis (эконом)	Novotel (средний)	Sofitel (люкс)	Hampton (эконом)	Double Tree (cредний)	Conrad, Waldorf (люкс)

Группа Воздействия

Лиссабон	–0,99	–0,89	–0,65	–1,05	–0,95	–0,70
Афины	–0,68	–0,68	–0,92	–0,75	–0,72	–0,98
Будапешт	–1,30	–1,24	–1,20	–1,35	–1,30	–1,25
Прага	–1,09	–1,10	–0,79	–1,15	–1,15	–0,84
Токио	1,07	1,20	1,28	1,15	1,25	1,35

Контрольная группа

Барселона	0,35	0,29	0,18	0,40	0,35	0,25
Берлин	0,04	0,01	–0,37	0,10	0,08	–0,30
Стокгольм	0,76	0,71	0,73	0,82	0,78	0,80
Вена	0,25	0,15	–0,10	0,30	0,20	–0,05
Нью –Йорк	1,58	1,55	1,84	1,65	1,60	1,90
Корреляция с ИППА	–0,93	–0,91	–0,76	–0,94	–0,92	–0,78

в неблагоприятных регуляторных юрисдикциях до перераспределения инвестиций в премиум–сегмент и географической диверсификации в сторону городов с защитной регуляторной политикой.

Для количественной оценки градиента влияния был рассчитан коэффициент корреляции Пирсона между сводным индексом проникновения Airbnb (ИППА) и Z–Score RevPAR для каждого бренда.

Эмпирически подтвержденный факт наибольших потерь эконом–брендов (Ibis, Hampton) в городах с развитым рынком Airbnb свидетельствует о возникновении системной угрозы для традиционной бизнес–модели гостиничных конгломератов. Массовый сегмент, исторически составляющий основу портфеля и генерирующий стабильный денежный поток, демонстрирует устойчивую негативную динамику в условиях нерегулируемой конкуренции с P2P–платформами посуточной аренды. Это создает структурный перекос в доходности холдинга: в «красных зонах» финансовые показатели начинают определяться преимущественно люкс–сегментом, в то время как эконом–сегмент, традиционно рассматривавшийся как «кровь и плоть» бизнеса, систематически недоисполняет, подрывая тем самым саму основу его операционной модели, базирующуюся на перекрестном субсидировании и синергии брендового портфеля. Устойчивая доходность отелей люкс–сегмента исторически формировала стратегический запас прочности [3, с. 271] и финансировала инновации, теперь вынуждена постоянно компенсировать убытки от эрозии массового сегмента, что ставит под сомнение долгосрочную финансовую стабильность и инвестиционную привлекательность всего конгломерата. Такая ситуация требует фундаментального пересмотра портфельной стратегии – от отказа от агрессивной экспансии брендов эконом–класса в неблагоприятных регуляторных юрисдикциях до перераспределения инвестиций в премиум– сегмент и географической диверсификации в сторону городов с защитной регуляторной полити кой.

Серьезные потери среднего сегмента в городах типа Лиссабона указывают на возникновение комплексного эффекта каннибализации. Airbnb оказывает двойное давление на конгломерат: снизу платформа перехватывает ценочувствительных клиентов эконом–сегмента, одновременно вынуждая отели среднего класса снижать цены для сохранения конкурентоспособности. В результате вместо стратегического перемещения клиентов по восходящей бренд– лестнице внутри портфеля возникает деструктивная конкуренция за сузившуюся клиентскую базу. Это приводит к эрозии ценовой премии среднего сегмента и нарушению синергетических эффектов многобрендовой стратегии.

Кардинальный разброс в эффективности одного бренда между городами групп демонстрирует, что регуляторный режим города в отношении P2P–аренды становится критическим фактором инвестиционного риска, сопоставимым по значимости с политической стабильностью или налоговым климатом. Это требует внедрения в инвестиционный анализ обязательного «Airbnb–аудита», оценивающего не только текущее состояние рынка, но и вероятные сценарии регуляторных изменений. Инвестиции в отели эконом– и среднего сегмента в городах с либеральным регулированием должны классифицироваться как высокорисковые, тогда как аналогичные проекты в юрисдикциях с запретительной политикой сохраняют характеристики надежных активов.

Практически идентичные значения корреляции для эконом–сегмента (r = – 0,93) и среднего сегмента (r = –0,91) опровергают распространенное предположение о том, что Airbnb воздействует исключительно на «нижний эшелон» гостиничного рынка. Полученные данные свидетельствуют о том, что платформа оказывает компрессионное давление на всю не–люкс часть рынка, систематически «сплющивая» ценовую пирамиду и нарушая традиционное сегментное позиционирование. Средний сегмент теряет свою буферную функцию и оказывается в одинаково уязвимом положении, что требует пересмотра его конкурентной стратегии и ценностного предложения.

Сравнительный анализ эффективности отелей в городах с различными подходами к регулированию (Берлин – строгое лицензирование, Нью–Йорк – полный запрет) указывает на существование значимых различий в результативности регуляторных моделей. Близкие к средним показатели Novotel в Берлине и Вене на фоне более высоких результатов в Нью–Йорке позволяют предположить, что модель полного запрета обеспечивает традиционным отелям более благоприятные конкурентные условия. Это ставит перед регуляторами сложный выбор между политически более приемлемым строгим лицензированием и экономически более эффективным полным запретом.

Способность крупных конгломератов компенсировать потери в эконом–сегменте за счет устойчивости люкс–брендов демонстрирует эффективность диверсификации как инструмента хеджирования отраслевых рисков. Муль-тибрендовая модель доказала свою стратегическую устойчивость в условиях структурных рыночных изменений, создавая естественный защитный механизм против внешних шоков. В противоположность этому специализированные операторы, сфокусированные на одном ценовом сегменте, особенно в среднем и эконом–диапазоне, оказываются в значительно более уязвимом положении, что ставит под вопрос долгосрочную жизнеспособность их бизнес–модели.

Выводы

Проведенное исследование позволило получить ряд выводов, делающих вклад в понимание влияния цифровых платформ посуточной аренды на традиционный гостиничный сектор. Применение метода разности разностей (DiD) на выборке из 10 глобальных городов показало наличие статистически значимого «чистого» негативного эффекта от развития рынка посуточной аренды на ключевой показатель доходности отелей – RevPA R. Эмпирическая оценка эффекта составила снижение RevPAR на 28,45 евро для отелей в городах с либеральным регулированием по сравнению с городами, реализующими жесткую регулятивную политику в отношении посуточной аренды.

Исследование выявило, что негативное влияние распределено неравномерно и имеет выраженный нисходящий характер. Сила обратной корреляции между проникновением Airbnb и эффективностью максимальна для отелей эконом–сегмента (r ≈ –0,93…–0,94), существенна для среднего сегмента (r ≈ –0,91…–0,92) и заметно ниже для люкс–сегмента (r ≈ –0,70…– 0,76). Это доказывает, что Airbnb выступает прямым ценовым субститутом для отелей категории 2–4 звезды.

Кросс–валидация выводов на данных двух крупнейших гостиничных конгломератов – Accor и Hilton – показала полное воспроизведение градиента влияния. Это свидетельствует о том, что выявленный тренд является фундаментальным для отрасли, а не артефактом специфики отдельного оператора.

Предложенный сводный индекс проникновения посуточной аренды (ИППА), агрегирующий ключевые метрики относительно численности населения, турпотока и емкости отельного фонда, доказал свою эффективность для валидного сопоставления уровня развития рынка P2P–аренды в городах с различными характеристиками.

Результаты наглядно демонстрируют, что жесткое регулирование (полный запрет или строгое лицензирование), реализованное в городах «контрольной» группы, является эффективным инструментом сдерживания негативного воздействия Airbnb на традиционный гостиничный бизнес и сохранения его доходности.

На основе полученных выводов сформулированы следующие рекомендации для ключевых стейкхолдеров гостиничной индустрии.

Для органов государственной и муниципальной власти:

• •    при разработке правил для рынка посуточной аренды необходимо учитывать его влияние именно на средний ценовой сегмент как наиболее уязвимый. Целью должна быть не тотальная ликвидация P2P–платформ,

а минимизация их искажающего воздействия на конкурентный ландшафт;

• •    наиболее эффективными мерами представляются: модель полного запрета (Нью–Йорк): запрет на сдачу целых квартир без присутствия владельца, что подрывает бизнес–модель профессиональных инвесторов; модель строгого лицензирования (Берлин): установление сложной и затратной процедуры получения разрешения с ограничением общего числа лицензий;

• •    целесообразно ввести ограничение на количество дней в году, разрешенных для посуточной аренды (90–120 дней), и применять различные регуляторные режимы в центре города и спальных районах.

Для гостиничных операторов и инвесторов:

• •    снижать риски, смещая фокус инвестиций в отели верхнего сегмента (4–5 звезд) и в юрисдикции с жестким регулированием P2P–аренды. При оценке активов необходимо включить «Airbnb–риск» в финансовую модель;

• •    пересматривать стратегии развития брендов эконом– и среднего класса, отдавая приоритет городам с низким регуляторным риском;

• •    формировать коалиции для представления регуляторам количественных данных (подобных полученным в данном исследовании) о негативном влиянии неконтролируемого роста посуточной аренды на легальный бизнес, налоговые поступления и рынок труда;

• •    в условиях высокой конкуренции с Airbnb необходимо делать акцент на уникальном ценностном предложении, которое отсутствует у P2P–сегмента:

• ◦    гарантированная чистота, безопасность и предсказуемость услуги;

• ◦    круглосуточная стойка, организованный завтрак, трансфер, услуги консьержа;

◦ создание атмосферы (бары, лаунж– зоны, мероприятия).

Для дальнейших исследований:

• •    изучить влияние на независимые отели и бутик–отели, которые могут обладать иной устойчивостью по сравнению с сетевыми операторами;

• •    исследовать, как влияние Airbnb эволюционирует со временем, включая возможную стагнацию рынка в наиболее «перегретых» городах;

• •    включить в анализ города развивающихся рынков, где регуляторная среда только формируется.