Por qué los promedios de rentabilidad de Airbnb engañan

La ocupación "promedio" que muestran muchas calculadoras de Airbnb esconde outliers, estacionalidad y sesgos de medición. Te mostramos por qué.

Cuando una calculadora online te dice que tu comuna tiene 55% de ocupación, esa cifra casi nunca significa lo que crees. Puede ser un promedio que incluye departamentos recién publicados sin una sola reserva, comprimiendo el número hacia abajo. Puede ser una mediana en vez de un promedio (son cosas distintas). Puede estar calculada con datos de hace seis meses. Y casi siempre esconde una distribución donde un puñado de propiedades muy exitosas suben el promedio de cientos de propiedades mediocres. El número en sí no miente, pero rara vez te dice lo que necesitas saber para tu propiedad específica.

Un ejemplo real de nuestros propios datos: en Las Condes, con ocupación general de 74% en julio, encontramos que 9,7% de los departamentos analizados calificaban como outliers estadísticos — quedaban fuera del rango normal de noches vendidas al mes. En un mercado tan ocupado, la distribución se comprime contra el techo físico de 30 noches posibles, y el método estadístico estándar (rango intercuartílico) empieza a marcar como atípico lo que en realidad es competencia normal cerca del límite. En el sentido contrario, en mercados de baja ocupación como Pucón o Villarrica en invierno, vimos el efecto espejo: la distribución se comprime contra el piso de cero noches, y ahí también aparecen más outliers de los que uno esperaría. Ambos casos son reales, no errores de medición — pero un promedio simple no distingue entre "esta es la norma del mercado" y "esto es un caso especial".

Otro problema clásico: el precio limpio versus el precio con todos los cargos. Airbnb muestra un precio por noche que en la práctica reparte tarifa de limpieza y cargos de servicio de formas distintas según cada anuncio — comparar el precio bruto que aparece en la búsqueda entre dos propiedades puede llevar a conclusiones equivocadas si una reparte esos cargos distinto a la otra. Para calcular rentabilidad real hay que aislar el precio de la noche en sí, no el total que paga el huésped.

También existe un sesgo estructural en cómo se mide la ocupación "final" de cualquier scraper o herramienta de terceros, incluida la nuestra: la observación más cercana al día real casi nunca es del mismo día — es de 24 a 48 horas antes, como mínimo. Eso importa porque las reservas de último minuto (más comunes viernes y sábado que el resto de la semana) todavía no habían ocurrido cuando se hizo esa última observación. En la práctica, esto significa que la ocupación real de fin de semana en cualquier comuna probablemente sea un poco más alta que la que muestra cualquier medición automatizada — el sesgo va sistemáticamente hacia abajo, nunca hacia arriba.

La estacionalidad agrava todo esto cuando se compara mal. Si alguien te muestra "la rentabilidad promedio anual" de una comuna turística sin descomponerla por mes, esa cifra mezcla enero (temporada alta) con julio (temporada baja) en un solo número que no representa ningún mes real. Nosotros mismos corregimos ese error una vez: comparar el mercado nacional completo entre junio y julio daba un crecimiento de apenas 2%, porque mezclaba comunas urbanas de invierno (que suben fuerte) con comunas costeras de verano (que bajan en esos mismos meses). Aislado por tipo de comuna, el número real era mucho más alto para el segmento urbano. Un promedio nacional sin ese filtro habría llevado a subestimar seriamente el mercado correcto.