“Datos inmobiliarios en tiempo real” suena a un problema de latencia, y no lo es. La vivienda no tiene una cotización por segundo. Las transacciones son escasas, se negocian de forma individual y se registran en registros públicos semanas o meses después de completarse. Nada en el mercado subyacente se mueve en cuestión de segundos.
Lo que sí se mueve rápido es la superficie de anuncios: una propiedad aparece, su precio cambia, entra en oferta, se retira, vuelve a aparecer. Esos eventos ocurren a diario y se adelantan por un amplio margen al registro de transacciones. Un feed inmobiliario en tiempo real es, por tanto, un sistema de detección de eventos, y su función es detectar cambios en esa superficie con la suficiente rapidez para ser útil y con la suficiente consistencia para ser fiable.
Los dos problemas difíciles no son la velocidad de recopilación. Son la identidad de la propiedad y la estabilidad de la cobertura.
Modelar el ciclo de vida del anuncio como eventos
Almacenar una instantánea nocturna de cada anuncio te dice qué hay en el mercado. No te dice qué ha ocurrido, y lo que ha ocurrido es la señal.
Deriva eventos a partir de observaciones consecutivas y guárdalos como registros propios:
| Evento | Por qué importa |
|---|---|
| Nuevo anuncio | Nueva oferta, el indicador adelantado más temprano de la cadena |
| Reducción o aumento de precio | La profundidad y la frecuencia son la lectura más clara del impulso local |
| Cambio de estado a en oferta o vendido sujeto a contrato | Demanda, y mucho antes que el registro |
| Retirada | A menudo una señal de mercado débil, y fácil de confundir con una venta |
| Reanuncio | Con frecuencia la misma propiedad que vuelve a aparecer, que es donde falla la integridad de los datos |
| Vendido, según el registro público | El resultado autorizado, que llega tarde |
Cada evento necesita la observación que lo abrió, la observación que lo cerró y suficientes metadatos de confianza para indicar si el límite se observó realmente o solo quedó acotado por tu intervalo de muestreo. Si recopilas a diario, sabes que un precio cambió dentro de ese día, no cuándo cambió.
La identidad de la propiedad es todo el sistema
La misma propiedad aparece en varios portales, con distintos números de referencia, con direcciones formateadas de forma diferente, a veces con el identificador de unidad en un campo distinto o directamente ausente. Con el tiempo, vuelve a aparecer, meses después, como un anuncio nuevo.
Si la resolución de identidad falla, dos cosas se rompen a la vez. El inventario se infla, porque una propiedad cuenta como tres. Y los días en el mercado se desploman, porque una propiedad reanunciada parece nueva.
Ese segundo punto merece especial atención, porque reanunciar para reiniciar los días en el mercado es una práctica deliberada en algunos mercados. Un feed que trate cada reanuncio como oferta nueva subestimará sistemáticamente cuánto tiempo lleva el stock disponible, precisamente en los mercados donde ese dato importa más.
Una estrategia de identidad viable, en orden de fiabilidad: un identificador de parcela o título donde la jurisdicción exponga uno; una dirección normalizada más el identificador de unidad, geocodificada a una coordenada con una tolerancia estrecha; y luego el emparejamiento de atributos por superficie construida, número de dormitorios y tipo de propiedad para deshacer empates. Mantén vinculada la referencia propia de cada portal a tu propiedad canónica, y conserva un registro de episodio de anuncio para que una propiedad pueda tener varios episodios a lo largo del tiempo sin perder su historial.
Mide tu tasa de coincidencia revisando manualmente una muestra, y publícala. Una cifra de inventario sin una tasa de error de desduplicación conocida es un número que nadie puede dimensionar.
La estabilidad de cobertura vale más que la amplitud de cobertura
Un índice inmobiliario se lee como una serie temporal, lo que significa que cualquier cambio en lo que puedes ver se registra como un cambio en el mercado.
Añade un portal a mitad de serie y la oferta parece dispararse. Pierde uno por un bloqueo y la oferta parece caer. Empieza a recopilar páginas más profundas y el inventario sube. Nada de eso es el mercado inmobiliario, y todo se ve exactamente igual que si lo fuera.
Así que fija el panel antes de empezar: un conjunto definido de portales, una geografía definida, un conjunto de consultas definido y una profundidad definida por consulta, cada una recopilada por completo o marcada explícitamente como incompleta. Versiona el panel, marca la versión en cada fila, y trata cualquier cambio en él como una ruptura metodológica documentada en lugar de una mejora silenciosa.
Esta es la misma disciplina que rige cualquier panel web longitudinal, y el argumento completo está en datos de portales de empleo e inteligencia del mercado laboral. Se traslada directamente.
La geografía forma parte de la observación
Los portales localizan. Los resultados de búsqueda, las propiedades mostradas y, a veces, los campos que se muestran dependen de desde dónde parece originarse la solicitud, y los portales que sirven a varios países pueden devolver un sitio completamente distinto.
Para un feed que informa sobre mercados regionales, la recopilación tiene que provenir de las regiones sobre las que informa. Con la puerta de enlace de Shifter, el punto de vista y la sesión van en las credenciales frente a p.shifter.io:443:
customer-USERNAME-country-gb-city-manchester-sid-feed-mcr-04-ttl-600:PASSWORDcountry-gb usa el código ISO alfa-2, city-manchester acota al mercado, sid-feed-mcr-04 mantiene una salida a lo largo de una búsqueda completa incluyendo su paginación para que el conjunto de resultados sea internamente coherente, y ttl-600 conserva esa dirección durante diez minutos. Una sesión por consulta en lugar de por solicitud es lo que impide que la página cuatro pertenezca a un punto de vista distinto al de la página uno.
Mantén las señales de idioma coherentes con la salida, ya que una discrepancia cambia lo que devuelven algunos portales; eso se trata en hacer coincidir geo, zona horaria e idioma del proxy. Mantén las tasas de solicitud dentro de lo normal con un backoff real, como en limitación de tasa y regulación de solicitudes.
Cadencia por serie, no una configuración global única
La recopilación diaria es suficiente para casi todo en la superficie de anuncios, porque los anuncios no cambian cada hora y un pase diario te da detección de eventos al día siguiente.
Una cadencia más rápida se justifica en dos casos: una lista de seguimiento pequeña en un mercado activo donde el estado de en oferta cambia en cuestión de horas, y la ventana de lanzamiento de obra nueva. Los datos del registro público se actualizan según su propio calendario, y recopilarlos con más frecuencia de la que se publican solo produce duplicados.
Lo que importa más que la frecuencia es la regularidad. Recopila a la misma hora cada día, porque un pase que va deslizándose de la mañana a la tarde desplaza los límites de los eventos que estás midiendo.
Las métricas que resultan
Con los eventos y la identidad en su sitio, los resultados son sencillos, y cada uno necesita su advertencia expuesta en el producto.
Nueva oferta e inventario, ambos dependientes de la calidad de la desduplicación. Días en el mercado, con la política de reanuncio revelada, ya que el número cambia de forma significativa según si los episodios se encadenan. Frecuencia y profundidad de cambio de precio, la lectura de impulso más limpia disponible a partir de los anuncios. Tasa de retirada, útil pero fácil de confundir con las ventas. Índices de precio de salida, que no son índices de precio de transacción y nunca deben etiquetarse como si lo fueran. La distinción entre cifras observadas, tasadas, solicitadas y estimadas se expone en extracción de valoraciones, alquileres y datos hipotecarios. Ratio de precio de salida a venta y absorción, que necesitan los datos del registro y por tanto van con retraso.
Dos normas de publicación mantienen la credibilidad del feed. Publica la métrica de cobertura junto al índice, para que un lector pueda distinguir un movimiento de mercado de un movimiento de recopilación. Y suprime las celdas pequeñas: una mediana calculada sobre nueve anuncios en un código postal es ruido con un decimal, y es el número con más probabilidades de acabar en una captura de pantalla.
El contrato de frescura
Cada fila debe llevar su momento de observación, y cada consumidor debe aplicar su propio umbral de obsolescencia en lugar de confiar en que la tabla está actualizada. Esa única decisión de diseño es lo que impide que un rastreo retrasado se convierta silenciosamente en un cambio de mercado reportado. Es el mismo contrato descrito en construir un feed de precios competitivos en tiempo real, y se aplica sin cambios aquí.
Haz seguimiento de tu propia recopilación junto con los datos: tasa de éxito por portal y por mercado, y resultados devueltos frente a resultados esperados. Cuando la oferta parece caer, la primera pregunta es si el mercado cambió o si lo hizo tu cobertura. El método para establecer esa línea base está en probar la velocidad, la tasa de éxito y la precisión de ubicación del proxy.
Preguntas frecuentes
¿Qué tan en tiempo real pueden ser realmente los datos inmobiliarios?
La detección de eventos al día siguiente a partir de un pase diario es alcanzable y suficiente para casi cualquier uso. La cadencia intradía solo compensa para una lista de seguimiento pequeña. El registro de transacciones siempre irá con semanas o meses de retraso, sin importar cómo recopiles.
¿Por qué nuestro recuento de inventario supera las cifras propias de los portales?
Casi siempre por duplicación entre portales. Una propiedad anunciada con tres agentes es una sola propiedad. Mide tu tasa de coincidencia antes de confiar en cualquier cifra de inventario.
¿Deberían contar los reanuncios como oferta nueva?
Elige una regla, documéntala y aplícala en todo el historial. Encadenar episodios a una propiedad suele ser más honesto, ya que preserva el tiempo real en el mercado.
¿Podemos publicar un índice de precio de salida como un índice de precio de la vivienda?
No. Los precios de salida se adelantan y divergen de los precios de transacción, en particular cuando el mercado cambia de tendencia. Etiquétalo por lo que es y el índice será genuinamente útil.
La conclusión
Un feed inmobiliario en tiempo real es un pipeline de eventos sobre un mercado lento. La velocidad es la parte fácil. Lo que determina si alguien puede confiar en él es resolver las propiedades a una identidad estable, mantener el panel fijo para que los cambios de cobertura no puedan disfrazarse de movimientos de mercado, y etiquetar honestamente las señales de precio de salida frente a los datos de transacción que llegan tarde.
Recopila cada mercado desde ese mercado, mantén las sesiones coherentes a lo largo de un conjunto de resultados, adjunta un momento de observación a cada fila, y publica tu cobertura junto a tu índice. La vista de producto está en la página de pipelines de recopilación de datos, con tarifas en la página de precios.