En el competitivo panorama de la hostelería en Airbnb, optimizar las estrategias de precios para las propiedades es un desafío complejo que requiere maximizar los ingresos con altas tasas de ocupación. Esta investigación tuvo como objetivo introducir una solución que aproveche los grandes datos y las técnicas de aprendizaje automático para ayudar a los anfitriones a mejorar el rendimiento de mercado de sus propiedades. Nuestro objetivo principal era presentar una solución que pudiera aumentar la comprensión de los propietarios sobre el valor de mercado de sus propiedades dentro de su contexto urbano, optimizando así tanto la utilización como la rentabilidad de sus anuncios. Empleamos un enfoque multifacético con diversos modelos, incluyendo regresión de vectores de soporte, XGBoost y redes neuronales, para analizar la influencia de factores como la ubicación, las características del anfitrión y las reseñas de los huéspedes en el rendimiento financiero de un anuncio. Para refinar aún más nuestros modelos predictivos, integramos técnicas de procesamiento de lenguaje natural para un análisis profundo de las reseñas de los anuncios, centrándonos en la frecuencia de términos-inversa frecuencia de documentos (TF-IDF), bolsa de palabras y análisis de sentimientos basado en aspectos. La integración de tales técnicas permitió un análisis profundo de las reseñas de los anuncios, proporcionando información matizada sobre las preferencias y la satisfacción de los huéspedes. Nuestros hallazgos demostraron que los anfitriones de Airbnb pueden utilizar de manera efectiva tanto algoritmos de aprendizaje automático de vanguardia como tradicionales para comprender mejor las necesidades y preferencias de los clientes, evaluar con mayor precisión el valor de mercado de sus anuncios y centrarse en la importancia de las estrategias de precios dinámicos. Al adoptar este enfoque basado en datos, los anfitriones pueden lograr un equilibrio entre mantener precios competitivos y asegurar altas tasas de ocupación. Este método no solo mejora el potencial de ingresos, sino que también contribuye a una mayor satisfacción de los huéspedes y al creciente campo de decisiones basadas en datos en la economía colaborativa, especialmente adaptado a los desafíos de los alquileres a corto plazo.