CRM Inmobiliario: Matching Cliente↔Propiedad + Gestión de Visitas

CRM inmobiliario custom resuelve lo que HubSpot y Pipedrive no pueden: matching automático propiedad↔interesado, pipeline específico del rubro, integración con catálogo de propiedades. Para inmobiliarias con 50+ propiedades activas + 200+ interesados activos, custom paga rápido. La implementación + costos.

Vinculados: sistema a medida para inmobiliarias y integración con portales inmobiliarios.

Por qué CRM genérico no alcanza

Limitaciones

CRMs genéricos manejan bien: lead → oportunidad → cliente. Inmobiliaria necesita más:

• Matching cliente ↔ propiedad (objeto + sujeto)
• Filtros complejos por preferencias
• Pipeline específico (visitas, ofertas, negociación)
• Integración con catálogo de propiedades
• Comisiones distribuidas entre corredores
• Acceso del propietario a estado de su propiedad

CRMs generic requieren customización compleja para soportar esto.

Modelo de datos

Esquema

Interesado
  ├─ id, nombre, contacto, fuente_lead
  ├─ tipo_operacion (alquiler, venta)
  ├─ preferencias (struct)
  │   ├─ zonas[] (CABA, GBA, etc)
  │   ├─ tipo_propiedad[] (depto, casa, ph, oficina)
  │   ├─ presupuesto_min, presupuesto_max
  │   ├─ ambientes_min, ambientes_max
  │   ├─ m2_min, m2_max
  │   ├─ amenities[] (pileta, cochera, balcon)
  │   └─ deal_breakers[] (sin balcón = no, mascotas = sí, etc)
  ├─ stage (pipeline)
  ├─ corredor_asignado
  ├─ score (calidad lead)
Propiedad
  ├─ id, datos completos
  ├─ tipo_operacion
  ├─ precio
  ├─ estado (disponible, reservado, vendido)
Match (relación interesado + propiedad)
  ├─ interesado_id, propiedad_id
  ├─ score (calidad match)
  ├─ estado (sugerido, mostrado, visitado, ofrecido, descartado)
  ├─ feedback_interesado
Visita
  ├─ propiedad_id, interesado_id, corredor_id
  ├─ fecha_propuesta, fecha_confirmada
  ├─ estado (programada, realizada, cancelada, no-show)
  ├─ feedback_post (texto + rating 1-5)

Algoritmo de matching

Filtros estrictos (must-have)

Aplicados primero, eliminan propiedades que no cumplen criterios duros:

• Tipo de operación (no mezclar alquiler con venta)
• Zona dentro de las preferidas
• Tipo de propiedad
• Presupuesto dentro de rango (con tolerancia ±15%)
• Ambientes mínimos cumplidos
• Deal breakers (si interesado dice "sin balcón = no", filtrar)

Scoring (nice-to-have)

Sobre las propiedades que pasan filtros, scoring 0-100 según:

• M² dentro de rango ideal: +20 pts
• Amenities preferidos presentes: +15 pts
• Antigüedad razonable: +10 pts
• Ubicación premium dentro de zona: +10 pts
• Tour 360 disponible: +5 pts
• Fotos de buena calidad (mínimo 8): +5 pts

Resultado: lista ordenada de top 20 matches por score.

IA para preferencias subjetivas

Cuando interesado describe en lenguaje natural ("busco un PH chico cerca de Belgrano que tenga vibra de barrio, no edificio nuevo"), IA convierte a criterios estructurados + busca semánticamente sobre descripciones de propiedades.

Más en 12 casos de uso de IA en pymes argentinas.

Para implementar el motor de matching dentro de un sistema a medida para inmobiliaria, ahí están los stacks y plazos típicos.

Trigger de matching automático

Cuando llega propiedad nueva

Sistema busca interesados activos cuyas preferencias matchean:

• Notificación automática al corredor asignado al lead
• Si interesado tiene opt-in: notificación al interesado vía WhatsApp/email
• Score de match visible en CRM

Cuando llega interesado nuevo

• Sistema busca propiedades activas que matchean
• Lista priorizada para el corredor
• Sugiere las top 5 para mostrar primero

Cuando cambian datos

• Cambio de presupuesto del interesado: re-matching
• Cambio de precio de propiedad: re-matching
• Nuevas zonas preferidas: re-matching

Gestión de visitas

Agendamiento

Con disponibilidad del corredor + propietario (si requerido) + interesado. Sistema sugiere slots compatibles. Confirmación automática.

Recordatorios

• 24h antes: WhatsApp + email a las 3 partes
• 2h antes: WhatsApp con dirección + acceso
• 30 min antes: notificación

Tracking

• Quién asistió, quién no
• Hora real de inicio + fin
• Notas del corredor durante/después
• Feedback del interesado capturado en formulario simple post-visita

Feedback post-visita

5 preguntas rápidas (escala 1-5):

• Te gustó la propiedad?
• El precio te parece justo?
• Estado general?
• Ubicación?
• Probabilidad de tomarla?

Además, comentario libre. Datos alimentan el score de matching futuro.

Pipeline de oportunidad

Stages típicos

1. Lead nuevo - sin contactar todavía
2. Contactado - primer contacto realizado
3. Cualificado - confirmaron interés y preferencias claras
4. Visitas programadas - agenda con propiedades específicas
5. Visitas realizadas - vio 1+ propiedades
6. Oferta presentada - propietario recibió oferta
7. Negociación - back-and-forth en términos
8. Cerrado ganado - operación firmada
9. Cerrado perdido - se cayó la operación

Cada stage tiene:

• Criterios de entrada/salida
• Tareas a hacer
• Alertas si stuck > X días
• Conversión esperada al siguiente stage

Reportes

• Conversion rate por stage
• Tiempo promedio en cada stage
• Top corredores por cierre
• Pipeline value en USD
• Forecasting de ingresos

Costos típicos

Implementación

• CRM básico (interesados + matching estricto): USD 3-5k incremental
• CRM full (matching + visitas + pipeline + IA): USD 5-9k incremental
• CRM enterprise (multi-sucursal + comisiones complejas + analytics avanzado): USD 9-15k incremental

Operativo

• Mantenimiento incluido en plan general
• Mercado Pago para reservas: comisión estándar
• WhatsApp Cloud API: USD 50-200/mes
• IA para matching semántico (opcional): USD 50-200/mes

ROI

Para inmobiliaria con 30 corredores + 800 leads/mes:

• Tiempo de matching manual: 2-3h/día/corredor → 30 min/día con sistema
• Conversion mejor por matching rápido + relevante
• ROI break-even: mes 4-7

Ejemplo del mercado

Inmobiliaria con 25 corredores + 1.000 propiedades activas + 600 leads/mes.

Diagnóstico:

• CRM en HubSpot con limitaciones para inmobiliario
• Matching manual = corredores buscaban en Excel propiedades para cada interesado
• 30% de leads se quedaban sin contactar por falta de tiempo
• Sin trazabilidad de visitas
• Comisiones distribuidas a mano

Solución:

• CRM custom con matching automático
• Workflow de visitas + recordatorios
• Pipeline específico inmobiliario
• Integración con catálogo de propiedades
• Comisiones automáticas

Resultado:

• Time-to-first-contact: 4 horas → 30 minutos
• Leads sin contactar: 30% → 5%
• Conversion lead → cierre: +25%
• Velocidad de operación: -30% en tiempo total

Inversión: USD 7.500 incremental + USD 250/mes mantenimiento.

ROI: mes 5.

Para llevarse

CRM inmobiliario custom paga inversión por matching automático + workflow específico que CRMs genéricos no soportan bien. Para inmobiliarias con 10+ corredores + 100+ propiedades activas, justifica claramente.

Stack: Postgres + Next.js + algoritmo de matching + integración con WhatsApp + IA opcional para preferencias subjetivas. Costos USD 4-9k típicos.

Si te toca, escribinos. Otras lecturas: sistema a medida para inmobiliarias, integración con portales inmobiliarios, cobranzas de alquileres con ICL/UVA.