El desafío
Tu equipo lanza un producto de listados. Funciona durante tres semanas. Luego Zillow cambia su DOM, Rightmove endurece sus comprobaciones de TLS y tu scraper deja de funcionar en cuatro de cada seis fuentes en un solo fin de semana.
La agregación inmobiliaria tiene un problema específico que el monitoreo de precios y el seguimiento de SERP no comparten. No estás extrayendo datos estructurados de una API limpia. Estás uniendo listados de portales que utilizan diferentes stacks anti-bot, diferentes diseños, diferentes geografías y diferentes frecuencias de actualización. Zillow en EE. UU., Redfin para datos respaldados por MLS, Rightmove en el Reino Unido, realestate.com.au en Australia, Immobilienscout24 en Alemania. Cada portal es su propio proyecto de ingeniería.
Según la investigación de Scrapfly de 2026, los principales portales inmobiliarios inspeccionan las huellas dactilares TLS y rechazan a los clientes que no imitan los handshakes de nivel de navegador. Su guía de Rightmove detalla cómo el JSON incrustado en variables de JavaScript cambia de estructura cada pocos meses. Redfin fragmenta los datos de las propiedades en docenas de nodos DOM, por lo que un solo ajuste de diseño puede hacer que pierdas la mitad de tus campos a la vez. Y los portales regionales ofrecen contenido diferente según el país del visitante, lo que significa que un scraper basado en EE. UU. no ve nada útil en realestate.com.au.
El resultado: la frescura de tus listados se degrada silenciosamente. Un tercio de tus propiedades quedan desactualizadas en 48 horas. Tus usuarios ven precios de la semana pasada. Tu equipo de ventas comienza a recibir quejas y tus tickets de soporte se disparan los lunes porque los diseños de los portales tienden a cambiar los fines de semana.
El enfoque
Agregar listados a escala no es un problema de scraping. Es un problema de confiabilidad disfrazado de uno. Por qué tu scraper se sigue rompiendo cubre el caso general. El sector inmobiliario amplifica cada parte de él.
Cualquier plataforma que maneje esto bien necesita cuatro elementos trabajando juntos. Primero, huellas dactilares TLS que coincidan con navegadores reales (no solo una cadena de User-Agent con forma de navegador, sino el orden real de cifrado y las extensiones ClientHello que Zillow y Rightmove usan para separar a los bots de los humanos). Segundo, IPs residenciales con precisión geográfica en cada mercado objetivo, porque un agregador alemán no puede enviar tráfico de centros de datos de EE. UU. a Immobilienscout24 y esperar respuestas útiles. Tercero, enrutamiento de proxy por host, porque la estrategia que funciona en Zillow falla en realestate.com.au. Cuarto, renderizado de navegador como respaldo para los portales que envían todo al lado del cliente.
Una request de ejemplo contra Rightmove a través del producto Proxy de FourA se ve algo así:
curl -X POST https://api.foura.ai/api/proxy/ \
-H "x-api-key: YOUR_KEY" \
-H "Content-Type: application/json" \
-d '{
"maxTries": 5,
"timeout_ms": 45000,
"request": {
"method": "GET",
"url": "https://www.rightmove.co.uk/properties/123456",
"unblocker": true,
"followRedirects": 5,
"validate": {
"status": {"accept": [200]},
"data": {"fail": ["blocked", "access denied"]}
}
}
}'
La bandera unblocker inyecta un conjunto completo de headers de navegador junto con la huella dactilar TLS correspondiente. maxTries: 5 le indica al administrador de proxy que rote hasta cinco IPs hasta que una tenga éxito. Las reglas de validación detectan bloqueos silenciosos: las respuestas 200 que devuelven una página de bloqueo suave en lugar de los datos del listado. De este modo, tu tasa de éxito refleja lo que realmente funcionó, no lo que afirmó el estado HTTP.
Los portales que sirven todo a través de JavaScript (Redfin es el ejemplo obvio) necesitan renderizado de navegador real. Nuestro producto Browser maneja estos casos con una instancia real de Chromium, no con un emulador ligero que es detectado en el primer handshake. La detección de bots se volvió conductual en 2026, y cualquier cosa que no sea un navegador real es cada vez más visible.
Resultados
¿Qué sucede cuando un agregador inmobiliario cambia de un stack de scraping personalizado a un enfoque API-first? Los patrones que vemos en operaciones reales (escenario ilustrativo basado en puntos de referencia de la industria):
- La frescura de los listados mejora de "actualizado en 48 horas" a "actualizado en 2 horas" para mercados activos
- El tiempo de ingeniería en el mantenimiento de scrapers disminuye un 70%. Un ingeniero en rotación en lugar de un equipo dedicado
- La cobertura de portales se expande de 6 sitios a más de 20 sin un aumento proporcional en la infraestructura
- Las tasas de bloqueo silencioso caen por debajo del 3% en portales protegidos una vez que las reglas de validación detectan los bloqueos suaves
Un patrón de los equipos que utilizan nuestra plataforma: una vez que se comparte la capa de confiabilidad, agregar un nuevo mercado se convierte en un cambio de configuración en lugar de un sprint. Las preguntas interesantes pasan de ser "¿por qué se rompió esto otra vez?" a "¿qué portal deberíamos agregar ahora?".
La limitación honesta: los portales inmobiliarios que requieren sesiones con inicio de sesión (algunos sistemas MLS, ciertas vistas exclusivas para agentes) necesitan gestión de cuentas además de la infraestructura de request. Ese es un problema aparte que no resolvemos, y no deberías confiar en nadie que diga que lo hace sin explicar cómo.
Conclusión clave
El sector inmobiliario es una de las pocas industrias donde los datos desactualizados no son solo una molestia. Es una falla del producto. Un precio de hace una semana en un sitio de moda es una ligera vergüenza. Un listado de hace una semana en un mercado activo significa que tu usuario acaba de preguntar por una casa que se vendió el martes.
But los equipos que ganan en esto no son los que tienen más fuentes. Son los que han dejado de reconstruir la misma infraestructura de proxy y anti-bot para cada nuevo portal. Una vez que se comparte esa capa, comienza el trabajo interesante: calidad de datos, SLAs de frescura, deduplicación entre portales, análisis de tendencias de precios. Ese es el producto. Todo lo que está debajo simplemente debería funcionar.