Een vrijwillig AirBnb-prijsalgoritme heeft een reeds bestaande inkomstenkloof tussen blanke en zwarte hosts aanzienlijk verkleind, een nieuwe studie heeft dit gevonden, maar alleen wanneer zwarte gastheren het hebben geadopteerd.

De slimme prijstool, geïntroduceerd door het deeleconomieplatform in 2015, gebruikt een algoritme voor machine learning om AirBnb-hosts te helpen de prijzen voor hun eigendommen te optimaliseren op basis van schommelingen in de vraag van gasten. Gastheren kunnen kiezen of ze de gratis tool willen gebruiken door deze in te schakelen en hun nachttarieven automatisch aan te passen binnen de prijsparameters die ze hebben ingesteld.

Een groep onderzoekers ontdekte dat hosts die Smart Pricing gebruikten, een daaropvolgende daling van hun gemiddelde nachttarieven zagen, maar ook een toename van hun maandelijkse bezettingsstatistieken en een stijging van bijna 9% van de totale inkomsten.

Zwarte gastheren profiteerden het meest. Dat komt omdat ze begonnen met een 20% lagere vraag naar gelijkwaardige eigendommen in vergelijking met blanke hosts, wat neerkomt op een gat van $ 12,16 in de gemiddelde dagelijkse inkomsten. Na het toepassen van Smart Pricing, Zwarte gastheren verdienden $ 13,92 extra per nacht vergeleken met $ 5,22 voor witte gastheren.

Dat verkleinde de inkomstenkloof met 71%, maar het loste het niet op. En aangezien zwarte hosts 41% minder geneigd waren om Smart Pricing te gebruiken dan blanke hosts, ze kwamen zelfs nog meer benadeeld dan voordat Smart Pricing werd ingevoerd, algemeen.

"Het algoritme is goed in het verkleinen van de inkomstenkloof, maar het is niet onfeilbaar. " zei Nitin Mehta, een professor in marketing aan de Rotman School of Management van de Universiteit van Toronto. Hij was co-auteur van de studie met zijn voormalige afgestudeerde student, Shunyuan Zhang, nu aan de Harvard Business School, en Param Vir Singh en Kannan Srinivasan van de Carnegie Mellon University.

Het is in de VS illegaal voor machine learning-algoritmen om raciale onderscheidingen te maken in hun ontwerp. De onderzoekers stellen dat deze rassenblindheid, bedoeld om rassendiscriminatie te beperken, in de praktijk kunnen gemarginaliseerde races verder achterblijven door geen rekening te houden met unieke omstandigheden waardoor ze aan de onderkant van een ongelijk speelveld beginnen.

"Omdat het algoritme raceblind is, het produceert prijzen die dichter bij de optimale prijs van witte gastheren liggen dan de optimale prijs van zwarte gastheren. Het is blind, maar het is niet eerlijk, " zegt prof. Mehta, die niettemin waarschuwt dat de resultaten van het onderzoek AirBnb-gasten impliceren voor raciale discriminatie van door Black gehoste eigendommen in plaats van AirBnb of het algoritme.

Ontwikkelaars van algoritmen zouden de grenzen van de wet kunnen omzeilen door sociaaleconomische informatie op te nemen die verband houdt met ras, suggereren de onderzoekers. En AirBnb zou stappen kunnen ondernemen om zwarte hosts aan te moedigen Smart Pricing te gebruiken.

Ook, "de wet moet worden gewijzigd in sommige speciale gevallen waar kan worden aangetoond dat dat zal helpen, " voegt prof. Mehta toe.

De onderzoekers werkten met gegevens die beschikbaar waren via AirBnb en AirDNA, een analyseplatform van een derde partij. Ze richtten zich op iets meer dan 9000 Airbnb-woningen in zo'n 400 buurten in zeven grote Amerikaanse steden. Identificatie van de race van een host werd gemaakt met behulp van een deep learning-model dat werd toegepast op profielfoto's op de online eigendomspagina van elke host.

De studie verschijnt in Marketingwetenschap.