Corpus de reseñas — Airbnb (Inside Airbnb), CDMX

Fecha: 2026-09-14 · Proyecto: ~/nef/estado_turismo/spab-retrieval Tesis: Places para cuánto vale; el corpus de qué se dice viene de donde el texto es público. Aquí, Airbnb (Inside Airbnb publica el corpus completo).

Fuente y método

https://data.insideairbnb.com/mexico/df/mexico-city/2026-06-15/data/reviews.csv.gz (167 MB gz). Columnas: listing_id, id, date, reviewer_id, reviewer_name, comments. Descubrimiento del snapshot: insideairbnb.com/get-the-data. Script reproducible: scripts/reviews_airbnb.py (streaming, no guarda corpus).

Corpus obtenido (CDMX)

• 1,719,730 reseñas · 25,931 listings · 2011-02 → 2026-07.
• Texto completo (325 M caracteres), con fecha → permite tópicos en el tiempo.

Señales (¡sí las da, y no las da ninguna fuente oficial!)

• Volumen de reseñas = proxy de demanda STR: 172k (2022) → 235k (2023) → 320k (2024) → 436,667 (2025). La curva del short-term rental en CDMX.
• Tópicos por año (% de reseñas del año que mencionan):

  grupo	2016	2020	2026
  precio	3.2%	2.7%	3.3%
  seguridad	0.3%	0.2%	0.2%
  ruido	3.9%	3.4%	5.8%
  limpieza	7.3%	11.4%	11.2%
  ubicación	18.0%	23.1%	22.0%

• Insight: el ruido sube 3.9% → 5.8% — la queja que crece con la presión turística sobre residentes (gentrificación/impacto comunitario, criterio 9). Ninguna fuente oficial lo mide.

Cobertura y límite

• Inside Airbnb publica solo algunas ciudades. Hoy México activo: CDMX (Puerto Vallarta intermitente). Tulum, Bacalar, Oaxaca, etc. NO están.
• Por eso ese corpus solo cubre un destino; el resto requiere otra fuente.

Siguiente: corpus social para los 9 restantes

Reusar los colectores de ~/nef/surtido (YouTube comentarios+transcripción, Reddit, RSS/prensa, X/Bluesky) para Tulum, Bacalar, Oaxaca, Pto Escondido, Acapulco, Pto Vallarta, Playa del Carmen, Cancún, San Miguel. Es donde vive la narrativa (“sargazo”, “ya no vale”, “está llenísimo”) y cubre los 9.

Alternativa con menor esfuerzo: TripAdvisor Terra (reseñas turismo-nativo, 1,000 llamadas gratis) — pendiente probar cobertura MX + límite.