Tony Wang5 Min. LesezeitUnsere Airbnb-Belegungsschätzung lag in zwei Richtungen falsch, die sich aufhoben
Reviewbasiertes Belegungsmodell: 60 % für Austin, nah an AirDNAs 54 %. Keine Validierung — Stichprobe & Modell hoben sich zufällig auf.
Jede Belegungsschätzung, die du je aus einem gescrapten Airbnb-Datensatz gesehen hast — unsere eingeschlossen, bis jetzt — hat dieselbe Form: aus der Häufigkeit, mit der Listings bewertet werden, ableiten, wie voll ein Markt ist, weil der Buchungskalender selbst nicht öffentlich ist. Wir haben genau dieses Modell gebaut, es auf Austin angewendet und eine Antwort erhalten, die nah genug an der branchenüblichen AirDNA-Zahl lag, dass es verlockend war, sie als validiert zu bezeichnen. War sie nicht. Hier ist, warum die Beinahe-Übereinstimmung der interessante Befund ist, nicht die Genauigkeit des Modells.
Die Zahl, die wie ein Sieg aussah
80 suchgerankte Austin-Listings
der branchenübliche Benchmark der bezahlten Stufe
~82 gebuchte Nächte pro Jahr
Eine Lücke von 6 Punkten zwischen einem Zwei-Stunden-Modell und einem bezahlten, kalendergestützten Branchenprodukt sieht wie ein stiller Sieg aus. Ist es nicht, aus einem konkreten, überprüfbaren Grund: Unsere Stichprobe und unser Modell liegen in entgegengesetzte Richtungen falsch, und sie haben sich zufällig teilweise aufgehoben.
Zwei separate Fehler, nicht ein kleiner
Fehler eins — die Stichprobe ist absichtlich stark gebucht. Airbnbs Such-Endpunkt gibt relevanzgerankte Ergebnisse zurück: Die Listings, die Menschen tatsächlich sehen, sind die mit mehr Buchungen und mehr Bewertungen, weil Ranking-Algorithmen genau das belohnen. Die Hälfte unserer 80 sampled Listings hatte in 6-11 Monaten 60 Bewertungen angehäuft — 5 bis 10 Bewertungen im Monat —, was ein echtes stark gebuchtes Listing ist und direkt in den 70 %-Deckel unseres Modells hineinstößt. AirDNA und Inside Airbnb rechnen über jedes Listing in einem Markt, einschließlich der Tausenden, die kaum je gebucht werden. Eine suchgerankte Stichprobe von 80 wird immer stärker gebucht wirken als der wahre Markt.
Fehler zwei — das review-basierte Modell zählt von sich aus zu wenig. Nicht jeder Aufenthalt erzeugt eine öffentliche Bewertung (unser Modell nimmt an, dass ungefähr die Hälfte das tut), und kurze/Nebensaison-Aufenthalte sind am ehesten unbewertet. Das drückt die aus Bewertungen abgeleitete Belegungszahl nach unten, relativ zu dem, was tatsächlich passiert ist.
Der Test ohne glückliche Aufhebung
Wenn Stichprobenziehung und Modellierung beide akkurat wären, sollte der Vergleich der Übernachtungspreise dieselbe „nah genug"-Geschichte erzählen. Tut er nicht — weil es keinen ausgleichenden Fehler gibt, der ihn rettet:
Median, aus Airbnbs Suchfeld
~2,5x niedriger als unsere rohe Zahl
Das ist der Verräter. Wenn eine Kennzahl (Belegung) validiert aussieht und eine eng verwandte Kennzahl (Preis) durch denselben Modellierungs-Kurzschluss offensichtlich daneben liegt, lautet die ehrliche Lesart „wir hatten einmal Glück", nicht „die Methode funktioniert".
Was wir als Nächstes gemacht haben
Wir haben inzwischen einen Backend-Fix ausgeliefert, der die tagesgenaue Verfügbarkeit zieht, die Airbnbs eigener Kalender-Endpunkt bereits zurückgibt (sie wurde zuvor auf einen Monats-Stub heruntergeparst). Das ersetzt die gesamte Schätzung über die Bewertungsgeschwindigkeit durch eine tatsächliche Pro-Tag-Zählung von gebucht/verfügbar — dieselbe Art von Fix, auf dem AirDNAs gesamtes Geschäft aufgebaut ist, nur über eine strukturierte API statt eine Browser-Automatisierungs-Pipeline. Ein Folgebeitrag wird dieselbe Austin-Stichprobe durch den echten Kalender laufen lassen und genau zeigen, wie weit die review-basierte Schätzung danebenlag, in beide Richtungen — der Vergleich, den dieser Beitrag noch nicht ehrlich anstellen konnte.
Echte Airbnb-Daten ziehen — inklusive tagesgenauer Kalenderverfügbarkeit
Suche, Zimmerdetails, Bewertungen und jetzt echte Pro-Tag-Kalenderverfügbarkeit als strukturiertes JSON — keine Browser-Automatisierung, abgerechnet nach Erfolg.
Häufig gestellte Fragen
Wie genau ist eine reviewbasierte Airbnb-Belegungsschätzung?
Unsere landete bei 60 % mittlerer Belegung für eine 80-Listing-Stichprobe aus Austin, gegenüber AirDNAs veröffentlichten 54 % (nachlaufende 12 Monate) — nah, aber nicht weil das Modell genau ist. Die Suchstichprobe ist zugunsten stark gebuchter, viel bewerteter Listings verzerrt (treibt die Belegung nach oben), während das review-basierte Modell Aufenthalte ohne Bewertung untererfasst (drückt sie nach unten); die beiden Fehler haben sich teilweise aufgehoben.
Warum zeigt der Vergleich der Übernachtungspreise nicht dasselbe 'nah genug'-Ergebnis?
Weil es keinen ausgleichenden Fehler gibt, der ihn rettet. Unsere rohe Suchpreis-Zahl kam bei 657 $ Median heraus, gegenüber AirDNAs 265 $ Übernachtungs-ADR und Inside Airbnbs 454 $ angezeigtem Preis — eine Aufblähung um etwa das 2,5-Fache, da Airbnbs Preisfeld in den Suchergebnissen Gebühren und Mehrnächte-Summen bündelt, statt einen sauberen Übernachtungspreis zurückzugeben.
Wurde das inzwischen behoben?
Ja — Crawloras Airbnb-API liefert jetzt echte tagesgenaue Kalenderverfügbarkeit zurück (ausgeliefert am 23.06.2026) und ersetzt die Schätzung über die Bewertungsgeschwindigkeit durch eine tatsächliche Pro-Tag-Zählung von gebucht/verfügbar — dasselbe zugrunde liegende Signal, auf dem AirDNAs eigenes Produkt aufgebaut ist.