Le taux d’occupation est calculé, divisant le nombre de jours réservés par le nombre total de jours pendant lesquels une annonce est disponible dans le mois. Les annonces sans réservations dans le mois sont exclues.

Lors du calcul du taux d’occupation d’une annonce saisonnière, il est essentiel de prendre en compte le nombre de jours où l’annonce était disponible à la réservation, car pas toutes les annonces sont disponibles toute l’année. Par exemple, une annonce aurait pu être disponible à la réservation pendant 150 jours au cours des 12 derniers mois et occupée 50% du temps. Ainsi, l’annonce a été occupée pendant 75 jours au total.

Un taux d’occupation élevé n’est pas toujours une bonne chose; cela pourrait avoir un effet négatif sur le revenu car l’hôte pourrait avoir appliqué un prix par nuitée trop bas, entraînant ainsi nombre élevé de réservations, mais ayant un impact négatif sur le revenu généré. Ayant la propriété occupée constamment peut aussi poser des défis pour le nettoyage, l’entretien et le changement de voyageurs.

Optimiser le taux d’occupation consiste en effet à trouver un équilibre entre un prix avantageux pour l’hôte et les voyageurs.

Le terme “days available’’ (jours disponibles) fait référence au nombre de jours au cours des derniers 12 mois pendant lequel les annonces étaient mis disponibles à la réservation par l’hôte.

Ce chiffre est important à prendre en compte lors de l’analyse des annonces saisonnières. Contrairement aux hôtels, les annonces saisonnières ne sont pas toujours disponibles pendant l’année entière. En effet, pour connaître le véritable taux d’occupation d’une annonce saisonnière, il est essentiel de prendre en compte le nombre de jours pendant lesquels la propriété était disponible à la réservation.

Dans l’exemple ci-dessous, l’annonce aurait pu être réservée pendant 357 jours des 365 de l’année. Pendant ces 357 jours, le taux d’occupation était de 85% pour cette annonce. Sachant cela, l’annonce était occupée pendant 303,5 jours au total pendant le cours des 12 derniers mois. À l'inverse, une annonce disponible à réservation pendant 50 jours, ayant un taux d’occupation de 85%, aurait été occupée pendant un total de 42,5 jours.

Il existe de nombreuses raisons qui expliquent les différences de jours disponibles lorsqu’on analyse les locations saisonnières. Certains hôtes utilisent leur logement comme résidence secondaire, l’annonce peut avoir été en travaux ou en rénovation, ou bien l’hôte peut bloquer certains jours pour le ménage.

Prendre en compte vos jours disponibles peut vous donner une idée du revenu global généré (moins de jours disponibles peuvent signifier un revenu total plus faible). Vous pouvez également consulter les jours disponibles de vos concurrents pour comprendre ce qui influence leur revenu global et voir comment vous vous positionnez par rapport à la concurrence.

Une annonce disponible qui a eu au moins un jour de disponibilité ou de réservation au cours du mois précédent.

Le nombre d’annonces disponibles est mis à jour chaque mois avec les données du mois précédent. Par exemple, si vous consultez l’outil en avril, les données les plus récentes disponibles seront celles du mois de mars.

Si une annonce a bloqué l’intégralité de son calendrier pendant le mois analysé, mais qu’elle est toujours visible sur Airbnb ou VRBO, nous ne la considérons pas comme réellement active, car ce n'était pas possible réserver durant cette période.

Lorsqu’on analyse le taux d’occupation des locations saisonnières, il est essentiel de bien comprendre la disponibilité réelle des annonces. AirDNA ne calcule le taux d’occupation que sur les jours où une annonce est disponible à la réservation, car cela reflète plus fidèlement sa performance. Beaucoup d’hôtes ne rendent pas leur logement disponible toute l’année. Ils peuvent bloquer certaines dates pour des raisons personnelles, ou en raison de régulations locales liées à la location saisonnière.

Par exemple, si une annonce a été disponible à la réservation 320 jours sur les 365 derniers jours et qu’elle a été réservée 52 % de ces 320 jours disponibles, cela signifie que l’hôte a bloqué le logement pendant 45 jours.

Les jours bloqués apparaissent comme non-disponibles dans le calendrier de l’annonce, tout comme les jours réservés. Lorsqu’on évalue les performances d’une annonce, il est essentiel de distinguer les jours effectivement réservés des jours bloqués, car seuls les jours réservés génèrent du revenu. Pour cela, AirDNA utilise une technologie avancée d’intelligence artificielle et de technologie d'apprentissage automatique, capable d’identifier les jours bloqués ou indisponibles sur Airbnb et VRBO. Nous analysons 16 signaux de réservation, tels que la durée du séjour, le délai de réservation, les avis, et bien d’autres, pour produire une analyse précise de la performance d’une annonce ou d’un marché.

Grâce à notre algorithme de déduplication, nous sommes en mesure de regrouper les annonces identiques présentes sur plusieurs plateformes, afin de garantir l’exactitude des données de performance affichées.

Beaucoup d’hôtes choisissent de publier leur logement à la fois sur Airbnb et Abritel (VRBO). Cela permet d’augmenter leur visibilité et, potentiellement, de générer plus de réservations.

Pour éviter de compter deux fois les revenus d'un même logement sur Airbnb et Abritel (VRBO), nous utilisons un algorithme de déduplication. Il repère les annonces identiques pour une seule propriété, en se basant sur 14 critères, comme l'emplacement, le titre, la description, le nombre de chambres ou encore le calendrier.

Vous pouvez savoir sur quelles plateformes un logement est publié grâce aux logos affichés sur la fiche propriété dans AirDNA. Lorsqu’une annonce est présente à la fois sur Airbnb et Abritel (VRBO), les deux logos s’affichent. Les données de performance affichées pour ces annonces correspondent à la performance combinée des deux plateformes sur les 12 derniers mois.

Nos données proviennent d’un ensemble de sources, dont le scraping des annonces Airbnb et VRBO, des partenariats avec des gestionnaires de biens et de canaux, ainsi que des données partagées par les hôtes eux-mêmes. Pour en savoir plus, consultez notre méthodologie de données.