Un analista quiere saber si los precios de oferta en los distritos centrales de una ciudad empezaron a bajar antes de que lo diga el índice oficial. El índice llega cada mes, con retraso y para toda la ciudad; los portales inmobiliarios cambian cada día, a medida que las viviendas reciben rebajas, desaparecen y vuelven con anuncios nuevos. Esa brecha entre las cifras oficiales lentas y los anuncios públicos rápidos es la razón por la que las empresas recopilan datos inmobiliarios de la web.
Este artículo explica qué son esos datos, qué campos y señales importan, quién los usa y de dónde deberían salir; después, el pipeline, las trampas de calidad, los límites legales y dónde encajan los proxies y las API de scraping gestionadas. Sin código y sin recetas para portales concretos.
¿Qué es el scraping de datos inmobiliarios?
El scraping de datos inmobiliarios es la recopilación automatizada y repetida de anuncios de inmuebles visibles públicamente y su transformación en una única tabla limpia de registros. Una página de anuncio está escrita para un comprador; un conjunto de datos necesita la misma información como campos tipados con unidades, así que el trabajo consiste menos en descargar páginas que en convertir texto en números comparables y seguir el mismo inmueble a lo largo del tiempo.
¿Qué campos del anuncio y qué señales derivadas importan?
Los campos útiles son los que hacen comparable una vivienda con otra y permiten seguirla en el tiempo:
- Precio de oferta y moneda, alquiler o venta.
- Superficie útil o construida, en metros cuadrados o pies cuadrados.
- Habitaciones en la notación local: «2+1» en Türkiye, «3 Zimmer» en Alemania, dormitorios (bedrooms) en Estados Unidos.
- Planta, número de plantas del edificio y antigüedad del edificio.
- Ubicación al nivel que muestra el portal: ciudad, distrito, barrio.
- Fecha del anuncio, tipo de vendedor (particular, agencia, promotora) y número de fotos.
A partir de ellos, un modelo deriva lo que la página nunca dice: el precio por metro cuadrado; los días en el mercado, desde el primer hasta el último día en que viste el anuncio; las rebajas, a partir del historial de precios de oferta que registraste; la retirada, que significa vendido, alquilado o retirado del mercado sin que la página pueda decirte cuál; y la republicación, el mismo inmueble con un ID nuevo, a menudo para reiniciar su antigüedad.
Un registro normalizado (valores ficticios):
{
"listing_id": "example.com:48213977",
"first_seen": "2026-10-02",
"last_seen": "2026-11-09",
"asking_price": 4250000,
"currency": "TRY",
"area_net_m2": 95,
"area_gross_m2": 118,
"price_per_m2_net": 44737,
"rooms": "2+1",
"floor": 3,
"building_age_years": 12,
"district": "Bornova",
"seller_type": "agency",
"photo_count": 14,
"price_history": [
{ "date": "2026-10-02", "price": 4450000 },
{ "date": "2026-10-24", "price": 4250000 }
],
"days_on_market": 38,
"duplicate_group": "dg_7f3a"
}No contiene el nombre, el teléfono ni el correo del propietario, y es a propósito; la sección legal explica por qué.
¿Quién usa los datos inmobiliarios y para qué?
Los inversores y los fondos leen los datos de anuncios como un indicador adelantado: el inventario, las rebajas y los días en el mercado se mueven semanas antes que un índice de transacciones. Para ellos son un tipo más de datos alternativos, con la misma exigencia de historial limpio y origen documentado.
Las empresas proptech alimentan con los registros sus modelos de valoración automatizada, los bancos contrastan con ellos las garantías hipotecarias, las agencias y promotoras fijan el precio de los nuevos encargos según el distrito, y los investigadores y los municipios estudian los alquileres, la oferta y el cambio de los barrios.
¿De dónde deberían salir los datos inmobiliarios?
Primero las estadísticas oficiales, después los feeds con licencia y, por último, las páginas públicas de anuncios. El orden sigue la fiabilidad y la claridad legal, y los conjuntos de datos serios combinan los tres.
Estadísticas oficiales. Para Türkiye, el Banco Central de la República de Türkiye publica el Konut Fiyat Endeksi (índice de precios de la vivienda) como serie temporal mensual, y el Instituto de Estadística de Türkiye (TurkStat) publica un boletín mensual de ventas de viviendas y locales con recuentos de primera y segunda mano por provincia. Esas son las cifras contra las que se contrasta un modelo.
Para la UE, el índice de precios de la vivienda de Eurostat sigue cada trimestre los precios de transacción de las viviendas compradas por los hogares, nuevas y de segunda mano, junto a un indicador de ventas de viviendas. Como se construye a partir de transacciones reales, muestra por cuánto se vendieron las viviendas, no lo que pedían los vendedores.
Para Estados Unidos, el FHFA House Price Index es un índice de ventas repetidas construido a partir de transacciones hipotecarias sobre viviendas unifamiliares compradas o titulizadas por Fannie Mae o Freddie Mac, publicado cada mes y cada trimestre hasta el nivel de código postal (ZIP).
Feeds y API con licencia. En Estados Unidos, los anuncios viven en los servicios de listado múltiple (MLS) y llegan a los usuarios con licencia a través de la RESO Web API, un estándar de la Real Estate Standards Organization; cada MLS local concede el acceso bajo su propia licencia de datos. Algunos portales tienen programas de datos o publican series agregadas. La vía con licencia entrega registros estructurados con cambios de estado.
Páginas públicas de anuncios. El nivel del scraping tiene dos puertas: las condiciones de uso del portal y su robots.txt. La mayoría de los grandes portales prohíbe el acceso automatizado en sus condiciones, así que este nivel es para los casos en que existe permiso o las condiciones lo permiten. También es el único nivel con precios de oferta y detalle a nivel de anuncio en todos los portales a la vez.
| Fuente | Qué obtienes | Actualidad | Limitación |
|---|---|---|---|
| Estadísticas oficiales | Índices de precios, recuentos de ventas por región | Mensual o trimestral, con retraso | Solo agregados, sin anuncios individuales |
| Feeds con licencia (MLS, programas de portales) | Anuncios estructurados con cambios de estado | Casi en tiempo real | Licencia, tarifas, restricciones de uso |
| Páginas públicas de anuncios | Precios de oferta, atributos, fechas, número de fotos | Tan a menudo como recopiles | Condiciones de uso, robots.txt, datos personales, cambios de diseño |
| API de scraping gestionada | Registros normalizados entregados a ti | Según tu calendario | Condiciones del proveedor; el cumplimiento sigue siendo tuyo |
¿Cómo funciona un pipeline de datos inmobiliarios?
Siete pasos, y el primero es el que más equipos se saltan:
- Define el esquema. Cada campo, tipo y unidad antes de recopilar nada. El registro de arriba es un esquema; una carpeta de archivos HTML no lo es.
- Elige la geografía. Una ciudad, un grupo de distritos o un país; decide qué páginas de resultados necesitas.
- Recopila con un calendario. A diario en mercados de venta activos, cada semana en los lentos. Cada ejecución registra qué vio y cuándo; los días en el mercado y el historial de precios salen de esas marcas de tiempo.
- Normaliza. Pies cuadrados a metros cuadrados, superficie útil y construida en campos separados, moneda guardada junto al precio, notación de habitaciones convertida en un número.
- Deduplica. La misma vivienda aparece a través de dos agencias, en tres portales o con un ID nuevo. Empareja por ubicación, superficie, planta, antigüedad y número de fotos, y agrupa las coincidencias para que cada inmueble cuente una vez.
- Deriva las señales. Rebajas a partir del historial, días en el mercado a partir de la primera y la última vez que se vio, retirada tras un número fijado de ejecuciones sin aparecer, republicación cuando un inmueble agrupado reaparece.
- Controla la calidad. Recuento de filas por ejecución, proporción de campos vacíos, distribución del precio por metro cuadrado. Una caída repentina de filas suele significar un cambio de diseño, no un desplome del mercado.
¿Qué trampas de calidad distorsionan los datos de vivienda?
Los precios de oferta no son precios de transacción: los vendedores anclan alto, los compradores negocian y la brecha varía según el mercado y la temporada. Las demás trampas son mecánicas:
- Republicar para reiniciar la antigüedad. Sin agrupación de duplicados, los días en el mercado salen demasiado cortos.
- Precios de relleno. Un precio de 1, 0 o una cifra redonda muy alejada del mercado significa «consultar»; filtra por precio por metro cuadrado.
- Duplicados entre portales y agencias, que inflan el inventario y sesgan las medias.
- Alquileres amueblados y sin amueblar mezclados, que desplazan el alquiler por metro cuadrado de un distrito.
- Unidades mezcladas: superficie útil frente a construida, pies cuadrados frente a metros, precios con o sin comisiones e IVA.
- Retirada leída como venta, cuando puede ser un alquiler, una retirada del mercado o un cambio a otra agencia.
¿Es legal el scraping de datos inmobiliarios?
Recopilar datos públicos de anuncios no es ilegal en sí mismo, pero tres reglas se aplican a todo proyecto: los datos personales, las condiciones de uso del portal y los derechos sobre bases de datos.
Datos personales. El nombre, el teléfono y el correo del propietario que aparecen en un anuncio son datos personales según el RGPD y la KVKK de Türkiye; que se publiquen en un portal no elimina la necesidad de una base jurídica. Nunca recopiles esos campos; nuestra guía sobre datos personales en conjuntos de datos de scraping muestra cómo filtrarlos en el momento de la recopilación.
Condiciones de uso. La mayoría de los grandes portales prohíbe el acceso automatizado en sus condiciones, a menudo junto a una prohibición de reproducir la información de los anuncios en otro lugar; hasta qué punto esas condiciones vinculan a un visitante que nunca se registró varía según el país.
Derechos sobre bases de datos. En la UE, la Directiva 96/9/CE concede al fabricante de una base de datos que acredite una inversión sustancial en la obtención, verificación o presentación de su contenido el derecho a impedir la extracción o reutilización de la totalidad o de una parte sustancial durante quince años, y prohíbe la extracción repetida y sistemática de partes no sustanciales que sea contraria a su explotación normal. La recopilación diaria de una gran parte de los anuncios de un portal es exactamente el acto para el que se escribió ese derecho. Fuera de la UE las reglas son distintas.
¿Dónde encaja un proxy en la recopilación de datos inmobiliarios?
Algunos portales adaptan la página a la ubicación del visitante: región por defecto, moneda, idioma y, a veces, qué anuncios aparecen primero, así que un recolector en una región de nube en el extranjero puede registrar una página distinta de la que ve un comprador local. Los Proxies residenciales te permiten elegir el país y la ciudad desde los que sale la solicitud, para que la página registrada coincida con el mercado que mides.
Recorrer las páginas de una lista de resultados es una secuencia de solicitudes cuyo orden, filtros y número de página un portal puede ligar al visitante. Con los Proxies de sesión fija, la sesión mantiene la misma dirección de salida durante un número fijado de minutos, de modo que un recorrido por un distrito se hace desde una única identidad coherente.
Un proxy cambia de dónde viene una solicitud y nada más: las condiciones, el robots.txt y los límites de solicitudes se aplican a todas las direcciones, y una página de verificación es una respuesta que respetar, no un obstáculo que rodear.
¿Cuándo tiene más sentido una API de scraping gestionada?
Cuando el trabajo del equipo es el modelo, no el parser. Una API de scraping gestionada devuelve registros normalizados en lugar de páginas, así que el esquema, la conversión de unidades y los cambios de diseño se resuelven del lado del proveedor y tus analistas empiezan en el paso cinco. También encaja con equipos que necesitan varios países y portales a la vez.
Las preguntas de cumplimiento siguen siendo tuyas: las condiciones, las reglas de datos personales y los derechos sobre bases de datos se aplican a los registros que recibes. Proxynet ofrece una Web Scraping API para la extracción de páginas gestionada a través de su equipo de ventas; pregunta a cualquier proveedor por su esquema de campos, su calendario de actualización y sus fuentes.
Errores comunes en proyectos de datos inmobiliarios
- Recopilar antes de definir el esquema. Las páginas guardadas no pueden responder el próximo trimestre a una pregunta sobre el precio por metro cuadrado.
- Guardar los teléfonos de los propietarios «por si acaso». Añaden riesgo y ninguna señal.
- Recopilar a un ritmo que el portal notaría. Bastan capturas diarias a un ritmo moderado.
- Guardar solo el precio actual. Sin historial, las rebajas son invisibles.
Guía de decisión
| Necesidad | Vía |
|---|---|
| Tendencia mensual de precios de un país o región | Estadísticas oficiales: TCMB, Eurostat, FHFA o el equivalente nacional |
| Precios a nivel de transacción para valoración | Feeds con licencia o los registros públicos de transacciones de un país |
| Precios de oferta de una ciudad esta semana | Páginas del portal, tras revisar condiciones y robots.txt, a ritmo bajo |
| Anuncios de muchos países y portales | API de scraping gestionada que devuelva registros normalizados |
| Scraper propio, páginas distintas según la ubicación del visitante | Salidas residenciales en la ciudad objetivo, una sesión fija por recorrido |
| Cualquier conjunto de datos con nombres o teléfonos de propietarios | Descarta los campos al recopilar; son datos personales |
Preguntas frecuentes
¿Es legal hacer scraping de portales inmobiliarios?
Depende de las condiciones del portal, de los campos que tomes y del país. La mayoría de los grandes portales prohíbe el acceso automatizado en sus condiciones; los datos sobre un inmueble no son datos personales, pero los datos de contacto del propietario sí; y en la UE un portal puede invocar los derechos sobre bases de datos contra la extracción de una parte sustancial de sus anuncios. Las estadísticas oficiales cubren las tendencias de precios sin ningún scraping.
¿Es legal hacer scraping de Zillow?
Las condiciones de uso de Zillow, actualizadas el 28 de octubre de 2025, incluyen entre las cosas que los usuarios se comprometen a no hacer cualquier consulta automatizada, incluido el scraping de pantalla y de base de datos, arañas, robots y rastreadores, así como eludir CAPTCHA o precauciones similares; y prohíben por separado reproducir la información de los anuncios en otros sitios web salvo donde esté permitido de forma explícita. Para las tendencias de precios en Estados Unidos, el índice FHFA y los feeds MLS con licencia no plantean ninguna de estas cuestiones.
¿Qué diferencia hay entre precio de oferta y precio de venta?
El precio de oferta es el que publica el vendedor; el precio de venta es el que paga el comprador, normalmente menor tras la negociación. Los datos de portales solo contienen precios de oferta, así que miden las expectativas de los vendedores y cómo cambian. Los índices de transacciones de los institutos de estadística miden por cuánto se vendieron realmente las viviendas.
¿Con qué frecuencia hay que actualizar los datos inmobiliarios?
A diario para anuncios de venta y alquiler en mercados activos, cada semana donde los anuncios permanecen meses publicados. Los días en el mercado y la detección de rebajas dependen del intervalo entre ejecuciones: un calendario semanal no puede ver una rebaja que se revirtió a los tres días.
¿Cómo se detectan los anuncios de inmuebles duplicados?
Empareja los anuncios que comparten distrito, una superficie dentro de una tolerancia pequeña, planta, antigüedad del edificio y número de habitaciones, y después compara el número de fotos y las primeras palabras de la descripción. Las coincidencias se agrupan como un solo inmueble. Un ID de anuncio nuevo que coincide con un grupo anterior es una republicación, y sus días en el mercado continúan desde la primera aparición.
¿Qué campos de un anuncio importan más?
El precio de oferta con su moneda, la superficie con su unidad y su base útil o construida, el número de habitaciones, la planta, la antigüedad del edificio, el distrito y las fechas en que viste el anuncio por primera y por última vez. Esos ocho campos producen el precio por metro cuadrado, los días en el mercado y el historial de precios. El número de fotos y el tipo de vendedor ayudan a deduplicar.
En resumen
El scraping de datos inmobiliarios convierte los anuncios públicos en una tabla normalizada y con marcas de tiempo de la que se derivan el precio por metro cuadrado, los días en el mercado, las rebajas y las republicaciones. Las estadísticas oficiales van primero y siguen siendo la referencia, los feeds con licencia después y las páginas de anuncios al final, detrás de las condiciones del portal, su robots.txt y la regla de no recopilar nunca los datos de contacto de los propietarios. Si tu equipo está dimensionando un mercado de esta forma, nuestra página de investigación de mercado muestra cómo se organiza la parte de la recopilación.
