Invisible Homes - Caso de estudio

El reto

El mercado inmobiliario londinense tiene una realidad poco conocida: el 22,3% de las transacciones residenciales se realizan fuera del mercado abierto (off-market). Invisible Homes identificó una oportunidad única en este segmento: crear una plataforma que conectara de forma inteligente a compradores, vendedores y agentes inmobiliarios en un marketplace trilateral, funcionando como una especie de “dating app” para propiedades.

El desafío técnico era doble. Por un lado, desarrollar un algoritmo de matching basado en inteligencia artificial capaz de aprender de las preferencias y el comportamiento de cada usuario para ofrecer recomendaciones cada vez más precisas. Por otro, diseñar una experiencia de usuario fluida que simplificara un proceso tradicionalmente complejo y opaco.

Nuestra solución

Desarrollamos la plataforma de Invisible Homes utilizando Next.js y React como base tecnológica, creando un marketplace trilateral que atiende las necesidades específicas de cada tipo de usuario.

Algoritmo de matching con IA

Motor de recomendación inteligente que aprende del comportamiento de navegación y las interacciones de cada comprador
Matching algorítmico personalizado que mejora progresivamente la precisión de las sugerencias de propiedades
Sistema de preferencias dinámico que se adapta en tiempo real a los cambios en los criterios de búsqueda

Arquitectura del motor de IA

El sistema de recomendación utiliza un enfoque híbrido que combina múltiples técnicas para maximizar la relevancia de las sugerencias:

Collaborative filtering: identifica patrones entre usuarios con preferencias similares (“compradores que vieron esta propiedad también se interesaron en…”) para descubrir propiedades que el usuario no habría buscado explícitamente
Content-based filtering: analiza los atributos de las propiedades (ubicación, superficie, tipología, rango de precio) y los cruza con el perfil de preferencias del comprador
Feature engineering: extracción de señales implícitas como tiempo de visualización, frecuencia de visitas a una zona, patrones horarios de búsqueda y ratio de interacción con propiedades similares
Score normalization y ranking: las puntuaciones de ambos modelos se normalizan y combinan con pesos ajustables, generando un ranking final de propiedades ordenado por afinidad
Feedback loop continuo: cada interacción del usuario (like, vista detallada, solicitud de visita, descarte) retroalimenta el modelo, refinando progresivamente la calidad de las recomendaciones

Experiencia del comprador

Proceso de 4 pasos simplificado para registrarse y comenzar a recibir propiedades off-market
Dashboard personalizado con las propiedades recomendadas, favoritos y estado de las solicitudes
Acceso gratuito para compradores, eliminando barreras de entrada al marketplace
Más de 80.000 compradores registrados validando la propuesta de valor

Herramientas para agentes inmobiliarios

Panel de gestión profesional para publicar y administrar propiedades off-market
Sistema de introducciones cualificadas que conecta agentes con compradores verificados y relevantes
Métricas de rendimiento para seguir el impacto de sus listados en la plataforma

Marketplace trilateral

Conecta compradores, vendedores y agentes en un ecosistema equilibrado donde cada parte obtiene valor
Exclusividad off-market que diferencia la plataforma de los portales inmobiliarios tradicionales
Cobertura centrada en Londres, con presencia en zonas prime como Covent Garden

Arquitectura técnica

Resultados

La plataforma ha consolidado a Invisible Homes como un referente en el mercado inmobiliario off-market de Londres. Con más de 80.000 compradores registrados, el algoritmo de IA genera introducciones de alta calidad entre compradores y propiedades, optimizando el proceso tanto para compradores como para agentes inmobiliarios.

80.000+ compradores registrados en la plataforma
Matching algorítmico que mejora su precisión con cada interacción del usuario
Marketplace trilateral operando con compradores, vendedores y agentes en el mercado londinense
SSR con Next.js garantizando tiempos de carga rápidos y SEO optimizado para captar tráfico orgánico
Tasa de conversión optimizada gracias al flujo simplificado de registro en 4 pasos

Decisiones técnicas clave

Next.js con SSR + ISR: el SEO es crítico para un marketplace inmobiliario; SSR garantiza que las páginas de propiedades sean indexables, mientras ISR permite actualizar contenido sin redeploy
Enfoque híbrido de IA (collaborative + content-based): un solo método no captura la complejidad de las preferencias inmobiliarias; la combinación permite descubrir tanto matches obvios como propiedades que el usuario no habría encontrado por sí mismo
Ant Design como sistema de componentes: aceleró el desarrollo del panel de agentes y los dashboards de comprador con componentes enterprise-ready
Feedback loop implícito: en lugar de pedir valoraciones explícitas (que generan fricción), el sistema aprende de señales naturales de navegación como tiempo en página, scrolls y clics
Arquitectura trilateral con roles: cada tipo de usuario (comprador, vendedor, agente) tiene su propio flujo, datos y permisos, manteniendo la coherencia del marketplace