Caso de estudio · Bots e integraciones
FlatScout: vigía del mercado inmobiliario
Un pipeline de 7 contenedores que vigila un marketplace inmobiliario las 24 horas, hace triaje de anuncios nuevos y avisa por un bot de Telegram antes de que los demás compradores despierten.
- Sector
- Inmobiliario
- Duración
- 2 semanas
- Año
- 2026
- Servicios
- Automatización, Bots, Infraestructura de scraping
El problema
En un mercado caliente de alquiler y compraventa, los buenos anuncios sobreviven horas, a veces minutos. Las notificaciones de los marketplaces son lentas, burdas y se saltan la mitad de los criterios que importan: precio por metro cuadrado, distritos concretos, planta, propietario directo o agencia. Gana quien refresca la web con más obsesión, y eso es trabajo para una máquina, no para un humano.
Qué construimos
Un vigía de mercado siempre encendido: un pipeline de scraping que consulta el marketplace a intervalos aleatorizados, normaliza y deduplica anuncios, aplica un filtro de scoring ajustado a los criterios reales del comprador y entrega los supervivientes directo a Telegram con fotos, cifras clave y botones de triaje de un toque. Una web UI complementaria muestra el tablero de triaje completo: nuevos, preseleccionados, rechazados, visitados.
- Educado por diseño. Retrasos aleatorios de 3 a 10 segundos entre peticiones, intervalos de polling sensatos y caché mantienen al scraper como buen ciudadano en lugar de un problema de carga.
- Deduplicación que sobrevive a los reposteos. Los anuncios reciben huellas basadas en contenido, así que el mismo piso republicado con un ID nuevo no avisa dos veces.
- Triaje asistido por LLM. Los anuncios ambiguos (¿es realmente de propietario directo? ¿“acogedor” significa 12 m²?) pasan por un LLM barato a través de nuestro gateway antes del scoring.
- Humano en el loop. El bot devuelve las decisiones: preseleccionar, rechazar, anotar. Esas decisiones alimentan el scoring, así que el filtro se afila con el uso.
Arquitectura
Siete contenedores bajo un solo archivo compose: API, worker de scraping, scheduler, bot de Telegram, PostgreSQL, Redis y una UI de triaje en React, todo detrás de un reverse proxy con la UI protegida por 2FA. Se despliega y actualiza con un git pull y un comando de compose.
Resultado
El retraso entre anuncio y notificación cayó a minutos, y las visitas empezaron a agendarse antes de que los anuncios llegaran a sus primeras cien vistas. El patrón (consultar, normalizar, puntuar, notificar, aprender del feedback) ya se ha cotizado para casos de monitoreo de precios y vigilancia de licitaciones; se transfiere a cualquier marketplace donde la velocidad gana.