Análisis: Robot de Búsqueda de Alquileres Corto Plazo (Airbnb)

📑 Índice

1. Definición del objetivo
2. Marco legal y ético
3. Qué dice robots.txt de Airbnb
4. Arquitectura del robot
5. Cómo consultar Airbnb
6. Desafíos técnicos
7. Datos extraíbles
8. Código y stack
9. Roadmap de ejecución
10. Recomendación final

1. Definición del objetivo

Antes de codear, hay que fijar para quién es el robot. Esto redefine todo el diseño:

Perfil	Enfoca en	Ejemplo de consulta
🧳 Huésped	Búsqueda conversacional + recomendación	"Apartamento 2 hab cerca del Parque Güell, bajo €100/noche"
💰 Inversor STR	Volúmenes + datos históricos + métricas	"ADR y ocupación promedio en barrios de Miami"
📊 Monitor de precios	Scraping recurrente + alertas	"Avísame si baja el precio de este depto"
🏨 Host	Análisis competitivo de su zona	"¿Cómo cobran mis competidores en Barcelona?"

⚡ Dato duro: Airbnb no tiene API pública para datos de mercado. Solo existe una API de "partner" para administradores que gestionan su propio inventario. Para research de competencia, vas a tener que consultar la web (scraping) o usar APIs de terceros.

2. Marco legal y ético

Lo que menos te enseñan pero lo más importante. El panorama varía por jurisdicción:

Aspecto	Situación
¿Legal extraer datos públicos?	Defendible en EE.UU. (hiQ v. LinkedIn, Meta v. Bright Data)
Términos de Airbnb	Prohíben explícitamente bots, crawlers y scrapers automatizados
robots.txt de Airbnb	Bloquea `/s/` (búsquedas), `/rooms/` y `/calendar/*`
GDPR / CCPA	Nombres de hosts, reviews y fotos son datos personales
Europa (Ryanair v. PR)	Los ToS tienen más peso contractual que en EE.UU.

⚠️ Reglas de oro (perfil bajo): datos públicos solo · sin iniciar sesión · respetar robots.txt · espaciá las peticiones (~100/h por IP) · preferí ratings agregados sobre textos/review individual · no revender datos ni replicar contenido protegido.

🚫 No extraer: direcciones exactas (están ocultas), emails de contacto, ni reutilizar fotos/descripciones protegidas por copyright.

3. Qué dice robots.txt de Airbnb

Airbnb pide a los bots que no accedan a estas secciones (y su propia API prohíbe explícitamente "disallowed crawling"):

Patrón bloqueado	Qué es
`/s//`	Resultados de búsqueda (el grueso de lo que se quiere)
`/rooms/*/amenities`	Páginas de detalle de anuncio
`/rooms/*/photos`	Fotos de anuncio
`/rooms/*/reviews`	Reseñas
`/calendar/`	Calendarios de disponibilidad (excepto iCal oficial)
`/users/*/profile`	Perfiles de usuarios

👉 O sea: las secciones más valiosas están marcadas como "no crawling". Esto confirma que scraping directo va contra las reglas declaradas del sitio.

4. Arquitectura del robot

La ruta moderna es un agente IA con MCP (Model Context Protocol). Así quedó el diseño que ya está funcionando en 2025–2026:

🧑‍💼 Usuario
(natural language)

➜

🧠 LLM
GPT-4o / Claude

➜

🔌 MCP Server
search_airbnb

➜

📊 Respuesta
ranking + recomendación

Tres componentes clave:

Componente	Función
NLU (Natural Language Understanding)	Convierte "quiero algo cozy cerca del Güell" en parámetros: ubicación, ~2 hab, presupuesto, amenidades
MCP Tools	Conexión real con la data de Airbnb (búsqueda, detalle, comparar precios)
Memoria conversacional	Recuerda preferencias entre búsquedas y personaliza resultados

Diagrama de flujo del buscador conversacional:
Usuario → ConversationService (extrae parámetros con LLM) → SearchService (consulta Elasticsearch/Api) → Ranking por relevancia + geo-radius → Resultados como tarjetas swipeables.

5. Cómo consultar Airbnb (4 opciones)

Opción	Cómo funciona	Esfuerzo	Mejor para
A. MCP Server listo RECOMENDADO	Usás un servidor MCP que ya habla con Airbnb. Ej: `makework36/airbnb-mcp-server` (Apify). Sin login ni API key.	Bajo	Arrancar en días, prototipos
B. Apify Actor	Actores preconstruidos que manejan anti-bot por vos. Devuelve JSON/CSV/Excel.	Bajo	Automatización recurrente sin código
C. API scraping + proxies	Bright Data (~98% éxito), Scrapfly (~99%), Oxylabs. Vos parseás el HTML renderizado.	Medio	Volúmenes, datos geo-específicos
D. DIY Playwright	Navegador headless + interceptar API GraphQL interna `StaysSearch`. Máximo control.	Alto	Control total, one-off, learning

💡 Recomendación de arranque: Empezá con la Opción A o B para validar la idea en días. Escalá a C/D recién si necesitás volúmenes, datos históricos o control total sobre el esquema.

6. Desafíos técnicos de Airbnb

Airbnb está clasificado como dificultad 4/5 para scraping. Planificá para:

Desafío	Detalle	Contramedida
Anti-bot agresivo	WAF propio + Akamai, fingerprinting TLS, detección de navegador	Proxies residenciales (no datacenter)
Precios dependientes de fecha	El precio no existe sin `checkin` + `checkout`	Cada combinación de fechas = una consulta
Selectores inestables	Las clases CSS cambian en cada despliegue	Usar `[data-testid]` o API GraphQL
Límite 270 resultados	Airbnb solo muestra ~270 listings por búsqueda	Dividir ciudad en barrios/códigos postales
Rate limits	~100 peticiones/hora por IP	Delay 3–10s, backoff exponencial

7. Datos extraíbles (campo por campo)

Campo	¿Extraíble?	Notas
Título, tipo de propiedad	✅	Básico y estable
Precio nocturno + fees	✅	Capturar desglose completo
Rating y nº de reviews	✅	Agregados, preferible a texto individual
Amenidades, reglas, políticas	✅	En página de detalle
Calendario de disponibilidad	⚠️	Difícil, requiere subpáginas
Coordenadas	⚠️	Son aproximadas (Airbnb las ofusca)
Nombre de host	✅*	Dato personal — con cuidado
Dirección exacta / email	❌	No extraíble ni deberías

🪤 Trampa #1 — El precio NO es lo que paga el huésped: un depto a $70/noche con fee de limpieza $90 cuesta $160 la primera noche pero ~$115/noche en 4 noches. Siempre capturá el desglose.

🪤 Trampa #2 — Las coordenadas son vecinales, no de calle. Bien para análisis de barrio, mal para decir "es la dirección X". Airbnb lo hace a propósito para proteger privacidad.

8. Stack técnico y código de arranque

🛠️ Tecnologías recomendadas

Python 3.10+

FastAPI (backend)

Next.js / React (frontend)

Elasticsearch (búsqueda híbrida)

Supabase (base de datos)

Claude / GPT-4o (LLM)

MCP (Model Context Protocol)

Playwright (si vas DIY)

🔌 Opción A: Conectar un MCP Server (más rápido)

__dirname = "~/.claude/mcp.json" (macOS) o %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "airbnb": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-streamable-http",
        "https://airbnb-mcp-server.apify.actor/mcp?token=TU_APIFY_TOKEN"
      ]
    }
  }
}

🔧 Opción D: Scraper DIY con Playwright (ejemplo)

pip install playwright playwright-stealth
playwright install chromium

import asyncio
from playwright.async_api import async_playwright

async def scrape_airbnb(url):
    async with async_playwright() as p:
        browser = await p.chromium.launch(
            headless=True,
            args=["--disable-blink-features=AutomationControlled"]
        )
        context = await browser.new_context(proxy="http://tu_proxy_residencial:puerto")
        page = await context.new_page()
        await page.goto(url, wait_until="networkidle")
        # Preferí interceptar la API GraphQL interna (StaysSearch) sobre el DOM
        listings = await page.query_selector_all("[data-testid='card-container']")
        await browser.close()
        return listings

💾 Exportar a JSON/CSV: pip install apify-client para la Opción B, o Pandas/SQLite para almacenamiento local.

9. Roadmap de ejecución (6 semanas)

Semana 1

Definir objetivo

¿Huésped / inversor / monitor? Marco legal básico.

Semana 2

Conectar datos

MCP Server o Apify → tener datos reales de Airbnb.

Semana 3

NLU + parámetros

LLM extrae ubicación, fechas, huéspedes, presupuesto.

Semana 4

Memoria + ranking

Recuerda preferencias entre búsquedas.

Semana 5

Interfaz o integración

Web/swipe, o entrega por email/Notion.

Semana 6

Pruebas y monitoreo

Rate limiting, caching, detección de roturas.

10. Recomendación final

🎯 La ruta óptima según tu caso:

Si querés...	Haz esto
Validar la idea rápido	Usá el MCP Server de Apify (`makework36/airbnb-mcp-server`). Sin código, sin login, ~$0.02/llamada.
Automatizar sin programar	Apify Actor + exportación CSV/Excel.
Tener volúmenes o datos geo	Bright Data / Scrapfly + proxies residenciales.
Máximo control / learning	Playwright + interceptar API GraphQL.
Datos históricos y confiables	Datos públicos (Inside Airbnb) o proveedores licenciados (AirDNA).

✅ Resumen de la ruta en 6 pasos:
1. Definí el objetivo · 2. Revisá el marco legal · 3. Armar arquitectura de agente · 4. Elegí cómo consultar Airbnb · 5. Preparate para el anti-bot · 6. Extraé los campos correctos.

⚖️ Descargo: Este análisis es informativo y no es asesoramiento legal. La legalidad del scraping depende de jurisdicción, tipo de dato y uso. Airbnb prohíbe explícitamente el scraping en sus ToS. Para uso comercial o redistribución de datos, consulta a un abogado y respetá siempre robots.txt, las políticas de la plataforma y la privacidad de las personas (GDPR/CCPA).

Robot que Consulta Plataformas de Alquiler Corto Plazo

1. Definición del objetivo

2. Marco legal y ético

3. Qué dice robots.txt de Airbnb

4. Arquitectura del robot

5. Cómo consultar Airbnb (4 opciones)

6. Desafíos técnicos de Airbnb

7. Datos extraíbles (campo por campo)

8. Stack técnico y código de arranque

🛠️ Tecnologías recomendadas

🔌 Opción A: Conectar un MCP Server (más rápido)

🔧 Opción D: Scraper DIY con Playwright (ejemplo)

9. Roadmap de ejecución (6 semanas)

Definir objetivo

Conectar datos

NLU + parámetros

Memoria + ranking

Interfaz o integración

Pruebas y monitoreo

10. Recomendación final

🎯 La ruta óptima según tu caso: