Dopo aver notato come le proprietà in affitto temporaneo su Airbnb a Firenze crescono nel tempo, in questo post ci siamo posti la domanda: “quanto è diseguale la città in termini di chi possiede queste proprietà?” e abbiamo deciso di fare confronti con altre città, restando per ora all’interno dei confini nazionali.

L’indice di Gini

In economia, l’indice (o coefficiente) di Gini si usa per misurare la disuguaglianza nella distribuzione di ricchezza in una popolazione. È un classico indicatore, sotto forma di numero tra 0 e 1 - una società completamente egalitaria, dove cioè tutte le persone posseggono la stessa percentuale di ricchezza, ha un Gini pari a 0, che cresce quanto più invece si genera una separazione tra chi ha molto e chi poco. Our World in Data ha delle belle grafiche interattive sul Gini per paese e si vede che tra i casi più lampanti di disuguaglianza abbiamo il Sudafrica, per ovvi motivi dovuti a colonialismo e apartheid. L’indicatore prende il nome da Corrado Gini, che fu un economista (italiano) attivo nella prima metà del ‘900, noto per i suoi contributi in statistica economica e demografia.

Noi vogliamo usare l’indice di Gini per misurare quanto è diseguale una città in termini di chi possiede quante proprietà Airbnb - più gli alloggi turistici sono concentrati in mano a pochi ospiti e più questo indicatore si avvicinerà a 1. Nel seguito, per “ospite” intenderemo la persona o ente che figura sulla piattaforma Airbnb come referente della proprietà, vale a dire il cosiddetto “host” nell’originale.

I dati presentati in questo post, con i conteggi di alloggi Airbnb per ogni ospite, divisi per città e con indicazione della data della mandata di scraping, sono reperibili qui.

Come prima usiamo i dati di Inside Airbnb che fa uno scraping regolare di Airbnb e consideriamo le 8 città italiane di cui lì abbiamo i dati da: Milano, Firenze, Roma, Bologna, Venezia, Lecce, Napoli, Palermo. I dati esistono anche per Bergamo ma l’abbiamo esclusa perché preferiamo usare capoluoghi di regione e/o città che ci aspettiamo siano molto turistiche (e lo siano sempre state); da notare che mentre tutte le altre città sono fornite da Inside Airbnb come a se stanti, Palermo e Lecce si trovano nei file di (rispettivamente) “Sicilia” e “Puglia”, regioni che evidentemente vengono tirate giù in toto nello scraping, probabilmente perché le loro città singole non hanno molti dati ed è preferibile accorparli.

Useremo i dati dell’ultima mandata di scraping disponibile ad ora, che può avere una data leggermente diversa (di qualche giorno o mese) da città a città, ma non ci aspettiamo differenze sostanziali per la nostra analisi - i dati sono comunque tutti aggiornati all’estate 2025.

Calcoliamo, per ognuna di queste città, l’indice di Gini, considerando tutte le proprietà che ogni ospite ha in quella città (questo dettaglio è importante!).

Tutte le città sono diseguali, ma ognuna è diseguale a modo suo (semi-cit). Palermo appare come la meno diseguale, Milano la peggiore, anche se la differenza tra i loro Gini non è drammatica. Dobbiamo tener conto del fatto che si tratta ovviamente di città diverse in termini di taglia e popolazione, ma anche, probabilmente, di volumi turistici.

Ci aspettiamo che ovunque esistano agenzie che o gestiscono Airbnb per conto di singoli proprietari e quindi li raggruppano assieme, o ne detengono la proprietà direttamente, quindi molto probabilmente gli ospiti più grossi non sono degli individui; andiamo a vedere chi sono. Vale la pena notare che se di agenzie si tratta, non è detto che queste operino solo sul territorio della città in esame, potrebbero avere in inventario alloggi ovunque, e questa è una cosa che indagheremo più in là - i risultati di questo post si riferiscono solo alle proprietà che un ospite ha nella città stessa.

In tabella, il numero di proprietà in affitto su Airbnb per ogni città assieme alla percentuale che l’ospite più grosso ha in quella città. Si vede che ci sono belle differenze in termini di numero di alloggi totali ma si tratta comunque di varie migliaia in ciascuna città, e che le percentuali sono parecchio diverse, Bologna ha quasi il 4% degli alloggi in mano allo stesso ospite, Roma solo lo 0.7%. Vediamo ora chi sono questi ospiti!

Chi sono gli ospiti maggiori

Sono tutte agenzie (cioè non singoli proprietari), il che non sorprende, visti i numeri.

• Bologna: “Wonderful Italy Emilia-Romagna”, che si autodescrive come il gruppo di case vacanza più grosso in Italia, con un portfolio di 2400 case in diversi parti del territorio nazionale - a Bologna ne hanno 182
• Palermo: lo stesso gruppo nella sua branca regionale, “Wonderful Italy Sicily” - a Palermo ha 216 alloggi
• Lecce: “Barbarhouse SRL”, ancora un’agenzia che ha lì 49 alloggi (Lecce è la città con meno alloggi di tutte tra quelle che abbiamo, un numero nettamente minore delle altre)
• Milano: “Italianway”, che dichiara di operare su diverse parti d’Italia, a Milano ha ben 480 alloggi
• Firenze: “MMega Homes And Villas”, che lì ha 242 alloggi e pure dichiara di operare su diverse destinazioni
• Venezia: “Veniceapartment-com”, ha lì 142 alloggi e opera solo su Venezia
• Napoli: “Dimorra”, con 137 alloggi lì
• Roma: “IFlat”, con 244 alloggi lì

In un post successivo proveremo a guardare alla distribuzione territoriale dei gruppi più grossi. Un’altra cosa che proveremo poi a fare è misurare come cambiano le cose se separiamo i proprietari individuali dalle agenzie.

Le distribuzioni di alloggi per ospite più da vicino

Se raggruppiamo il numero di alloggi per ospite nelle categorie:

• 1 solo
• 2 o 3
• tra 4 e 10
• tra 10 e 100
• più di 100

e andiamo a contare il numero di ospiti che hanno questi numeri di alloggi, sempre per città, otteniamo i risultati qui in figura:

Le distribuzioni non cambiano in maniera drammatica, ma vediamo che che Milano è la città con la maggiore percentuale di proprietari di singolo immobile (quasi il 79%, che con tutta probabilità saranno degli individui e non gruppi) e che solo Lecce (come visto di sopra infatti) non ha alcun proprietario con più di 100 immobili.

Continueremo questo tipo di analisi in post successivi, alla prossima!