Entre 2014 y 2017, las búsquedas en internet relacionadas con la compra, la venta o el alquiler de inmuebles aumentaron más de un 44% anual. Actualmente, al menos 71% de los consumidores inicia el proceso de búsqueda de inmuebles por los sitios web o por las aplicaciones de varias empresas que actúan en este mercado. Adriano Nasser, ejecutivo de Google, dio a conocer estos datos durante «Conecta Inmobi 2017», un evento de marketing y tecnología realizado entre los días 2 y 3 de agosto pasado en São Paulo.
Con todo, los sitios web de búsqueda online aún no logran atender con rapidez las expectativas de la clientela, que en ocasiones se pierde en medio de una infinidad de opciones para la elección de inmuebles. EnterUp Tecnologia, una startup con sede en el municipio paulista de São José do Rio Preto, que ya prestaba servicios para empresas del sector inmobiliario, detectó esa distancia entre la demanda de los clientes y la oferta del mercado y propuso una solución utilizando la inteligencia computacional: un sistema de recomendación de inmuebles.
El desarrollo del sistema se concretó con el apoyo del Programa de Investigación Innovadora en Pequeñas Empresas (PIPE). El investigador responsable, Paulo Scarpelini Neto, máster en Ciencia de la Computación por la Universidade Estadual Paulista Júlio de Mesquita Filho (Unesp), aclara que el sistema de recomendación personaliza la búsqueda online, al efectuar sugerencias alineadas con los intereses del cliente.
Este sistema es bastante utilizado, por ejemplo, en servicios de streaming (transmisión instantánea de información multimedia) y en sitios de ventas de libros, para sugerir películas, músicas y libros con temas similares a los que el cliente adquirió. Pero aún constituye una novedad en el mercado inmobiliario.
Para desarrollarlo, EnterUp se valió de la tecnología de framework. En informática, un framework -que en inglés significa «estructura»- representa una aplicación o un conjunto de aplicaciones (programas) que dan soporte para el desarrollo de un software. La startup optó por un framework híbrido, «porque combina distintas técnicas», subraya Scarpelini.
El investigador explica que, aparte de dos técnicas bastante utilizadas en los servicios de recomendación existentes -el filtrado demográfico (que se vale de datos tales como el sexo, la edad y el lugar de residencia) y el filtrado colaborativo (búsqueda de personas con gustos similares)-, la empresa implementó una tercera técnica: el filtrado colaborativo espacial. «Personas que se interesan por inmuebles cercanos tienden a tener las mismas preferencias. Entonces buscamos gustos similares en las mismas zonas de interés.»
Según Scarpelini, la ventaja del filtrado colaborativo espacial reside en la ampliación de la gama de ofertas: un cliente que busca características específicas en un determinado barrio (un inmueble en las cercanías de un shopping center, por ejemplo) puede recibir la información de la existencia de otro barrio con las mismas características con base en las investigaciones registradas por los usuarios de igual perfil.
Durante las búsquedas virtuales, la propia interacción del cliente va aportando datos en forma no explícita. El sistema registra qué inmuebles visitó el cliente, cuánto tiempo permaneció en cada uno de ellos, si visualizó fotos o si observó detalles. El resultado de esto es un volumen masivo de datos conocidos como «conjuntos Big Data», que requieren de gestión con base en una estructura computacional dotada de herramientas de almacenamiento y procesamiento.
El sistema basado en inteligencia computacional es capaz de revelar conocimiento útil, aumentando la eficiencia del negocio. «Un ejemplo bastante mencionado en la literatura es el de una gran cadena minorista de Estados Unidos. El análisis de los datos mostró que muchas personas que compraban pañales descartables los viernes a la noche también compraban cervezas. Al disponer los pañales y las cervezas juntos en el supermercado, las ventas de estos productos aumentaron», afirma Scarpelini.
Cambio de planes
El trabajo con un gran volumen de datos constituyó un desafío tecnológico para el cual los socios de EnterUp -además de Scarpelini, Carlos Henrique El Hetti Laurenti y Rodrigo Cleir Castellon Rodrigues, todos especialistas en Ciencias de la Computación- ya estaban preparados. A lo largo de la Etapa 1 del PIPE, realizada entre febrero y octubre de 2016, desarrollaron un prototipo y arribaron a la conclusión, con base en las pruebas, de que el sistema de recomendación es efectivamente capaz de mejorar y estimular las ventas. Según los investigadores, la recomendación personalizada produce un aumento del 25% en la tasa de conversión de potenciales clientes en contratos sellados de compra o alquiler de inmuebles.
Y un reto aún mayor fue estructurar el modelo de negocio. Para esa tarea, los investigadores pudieron contar con una capacitación enfocada en emprendimientos: el «PIPE High-Tech Entrepreneurial Training», dictado en colaboración con la George Washington University (GWU), de Estados Unidos, entre marzo y abril de 2016. En el transcurso de siete semanas y tras más de 100 entrevistas con propietarios de inmobiliarias y empresas del sector de tecnología, los jóvenes empresarios revaluaron sus planes y arribaron a una conclusión que no sólo cambió su modelo de negocio, sino que arrojó las semillas de una nueva empresa.
«Pasamos por un shock de realidad. El modelo de negocio estaba lejos de lo que esperaba el mercado», afirma Scarpelini. Aunque la receptividad del software era buena, las empresas no estaban dispuestas a pagar por él. Según el investigador, el sector inmobiliario, tradicional y reacio a la tecnología, aún no está preparado para asumirla como producto.
La solución consistió en crear una nueva marca: «Sua Casa Online». «Cambiamos totalmente el modelo de negocio. Decidimos estructurar una inmobiliaria apoyados en la tecnología». Scarpelini comenta que la nueva startup del sector inmobiliario contará con un cuerpo de tecnología fijo, a ejemplo de lo que ya hacen algunos grandes portales del exterior, que llegan a tener hasta un 50% de especialistas en Ciencia de la Computación en su nómina salarial. «Fue una de las decisiones más difíciles que tuvimos que tomar, pero también fue nuestro mayor aprendizaje a lo largo del proceso. Como investigadores tenemos muchos anhelos, pero entendemos que nuestro rol como emprendedores consiste en resolver un problema del mercado.»
Paulo Scarpelini está entusiasmado. En la Etapa 2 del PIPE, espera instalar el sistema en un sitio web y llegar a los usuarios finales. Y afirma que, aun en medio de la crisis, el mercado de viviendas populares en el interior del estado de São Paulo en donde actúa está moviéndose bastante y cuenta con un público prioritariamente joven: entre el 60 y el 70% de los clientes en la franja situada entre los 20 y los 30 años adquiere su primer inmueble. Y para ese público que ya nació tecnológico, su producto no podría ser más propicio.