Cómo funciona Unitrank

Nota técnica sobre fuentes de datos, modelado y límites conocidos. Última actualización: mayo 2026.

Unitrank ordena cada departamento por cuánto de tu vida cuesta. No solo el alquiler: el viaje, el ruido, el acceso a supermercados, la calidad del espacio de trabajo y cada actividad diaria. El departamento que te cuesta menos minutos por día queda primero.

Los resultados son personalizados según tu ubicación de trabajo, composición del hogar, ingresos y estilo de vida. Al agregar todas las plataformas principales, el modelo compara un Airbnb en Palermo contra un alquiler directo en Argenprop, un alquiler temporal en Zonaprop y un departamento de dueño directo en MercadoLibre en igualdad de condiciones: mismo modelo de costos, mismo cálculo de transporte, mismo puntaje de ruido.

1. Por qué esto es más difícil de lo que parece

Los datos de departamentos no son un dataset limpio. Son un entorno hostil que se degrada continuamente.

Los anuncios se vuelven obsoletos. Los precios cambian. Las fotos se reemplazan, a veces con imágenes de unidades anteriores o producciones que no representan lo que realmente encontrarías al entrar. La misma unidad aparece en dos o tres plataformas con precios distintos, cantidades de ambientes distintas y, a veces, coordenadas distintas. Las categorías se usan de forma laxa: “1 dormitorio”, “monoambiente”, “temporario”, “amoblado” y “dueño directo” significan cosas distintas según la fuente, e incluso dentro de una misma fuente. Comisiones, expensas, supuestos de servicios y costos de garantía muchas veces están ocultos, suavizados o aparecen recién después del primer contacto.

Incluso las comparaciones básicas fallan si no se corrigen. Un anuncio que parece barato puede terminar siendo más caro que uno vecino cuando se suman expensas, servicios, garantía amortizada y comisión inmobiliaria. Un anuncio que parece similar a otro en papel puede representar un departamento, edificio o situación de vida muy distinta en la realidad.

Por eso buscar departamento no es un problema de base de datos. Es un proceso continuo de ingesta, deduplicación, normalización, extracción de atributos faltantes, validación y corrección contra un mercado ruidoso, estratégico y activamente cambiante.

2. Por qué las preferencias no son filtros literales

Los portales tradicionales tratan las preferencias como filtros binarios limpios. La intención real de un inquilino no es tan simple.

Cuando alguien dice que tiene un “presupuesto de $1.200”, puede querer decir alquiler publicado máximo, costo total real máximo, un objetivo cómodo que se estira si el departamento es claramente mejor, o un número que cambia si mejora el viaje o el amoblamiento. Cuando alguien dice “cerca del trabajo”, puede querer decir caminando, un viaje corto en subte, o simplemente “que no me agote al final de la semana”. “Amoblado” puede ir desde listo para mudarse hasta “tiene una cama”. “Seguro” puede significar baja criminalidad, calles más tranquilas, mejor mantenimiento o un barrio que simplemente se siente más calmo.

Dos inquilinos pueden dar los mismos datos y querer resultados muy distintos. Dos departamentos idénticos pueden ser la elección correcta para un hogar y la incorrecta para otro. La razón es que las preferencias son expresiones comprimidas de compensaciones (tiempo contra dinero, conveniencia contra precio, calidad contra fricción), y esas compensaciones no quedan capturadas por una etiqueta literal.

Por eso Unitrank trata muchas preferencias como señales interpretadas. El ranking evalúa compensaciones contra el hogar, duración de estadía, ingreso y estilo de vida específicos, no solo contra las palabras escritas en un filtro.

3. Qué medimos

Cada departamento se evalúa en 21 aspectos de vida. Cada uno es una actividad diaria o semanal que tu departamento hace más fácil o más difícil.

Ningún aspecto domina el ranking. El departamento que gana es aquel donde los 21 aspectos combinados cuestan menos.

Para cada aspecto, múltiples estrategias compiten. Un departamento con pileta puede saltear el viaje al gimnasio para cardio. Uno sin escritorio incluye el costo de coworking. Cocinar, comer afuera o pedir delivery: las tres opciones compiten para cada comida, y la más barata gana.

Para aspectos con múltiples opciones cercanas, los viajes se distribuyen entre locales según distancia y calidad. Un supermercado más cercano y mejor surtido captura más de tus compras que un kiosco lejano. Desayuno, almuerzo y cena se modelan por separado con diferentes preferencias de local y escala por hogar.

4. Qué detecta el modelo

Cuatro decisiones que el ranking toma diferente a una persona navegando anuncios.

Ruido dentro del mismo edificio

Un departamento a la calle y uno al patio en la misma dirección pueden diferir en 15-20 dB. Eso es la diferencia entre dormir con tapones y dormir en silencio. Ambos publican el mismo alquiler. Ninguna plataforma los distingue. El ranking sabe qué lado del edificio da a la avenida.

El triángulo del viaje

Un inquilino que trabaja en Microcentro, va al gimnasio en Belgrano y tiene hijos en un colegio en Núñez tiene tres viajes, no uno. "Palermo es céntrico" es verdad en general pero incorrecto para este hogar. El ranking encuentra el departamento que minimiza el triángulo de los tres destinos. Elegir Palermo porque todos dicen Palermo cuesta 20-40 minutos extra por día.

La trampa de las expensas

Dos departamentos a $800/mes de alquiler. Uno tiene $50/mes de expensas, el otro $250. El departamento de $800+$250 es más caro que uno de $900 con $80 de expensas. Los inquilinos filtran por alquiler. El ranking ordena por costo total.

Amoblado vs sin amueblar: la comparación real

La mayoría de las plataformas etiquetan departamentos como "amoblado" o "sin amueblar" pero nunca los comparan en igualdad de condiciones. El ranking sí. Calcula el costo real de un departamento sin amueblar incluyendo compra de muebles, envío, armado y disposición al salir. Para estadías menores a 12 meses, los departamentos sin amueblar frecuentemente cuestan más que los amoblados una vez incluidos estos costos ocultos. Cada usuario ve la comparación basada en su duración de estadía real.

5. Cálculo del costo total

La mayoría de las plataformas muestran el alquiler base. Nosotros mostramos lo que realmente pagás cada mes.

6. Modelo de transporte

Las distancias a pie y en auto usan ruteo real sobre datos viales de OpenStreetMap. Son rutas reales de caminata, no distancias en línea recta.

Las distancias están precalculadas para 428 categorías y 465k+ puntos de interés: supermercados, estaciones de subte, parques, gimnasios, colegios, coworkings y más. Para ubicaciones personalizadas como tu trabajo o escuela, se calculan rutas exactas en tiempo real.

7. Modelo de ruido

Cada departamento recibe un puntaje de impacto de ruido de 0 (silencioso) a 100 (exposición severa).

Ruido exterior: 5 fuentes

• Tráfico: Modelo de ruido vial CoRTN usando geometría de OpenStreetMap con volúmenes de tráfico calibrados. Las vías principales contribuyen más.
• Aviación: Atenuación puntual desde Aeroparque. Afecta principalmente a Palermo, Belgrano y Núñez.
• Vida nocturna: Boliches y bares dentro de 200m. Relevante para Palermo Soho, San Telmo y zonas de entretenimiento.
• Paradas de colectivo: Paradas en líneas de alta frecuencia sobre avenidas principales.
• Combinado: Las 5 fuentes se suman en dominio de potencia vía adición acústica.

Atenuación interior

El ruido exterior se reduce por la envolvente del edificio. Ventanas cerradas con AC atenúan 14 dB. Ventanas abiertas sin AC atenúan 10 dB. La antigüedad del edificio agrega 0-3 dB, el doble vidrio agrega 5 dB y la insonorización agrega 3 dB. Valores de ventana abierta de Locher et al. 2018, estudio de 102 residencias suizas.

Puntaje de impacto

Fórmula: (dB_interior - 35) / 30 × 100, limitado 0-100. La línea base de 35 dB se ubica entre la guía de sueño OMS de 30 dB y el estándar ASHRAE oficina de 35 dB. El techo de 65 dB es el umbral de "preocupación mayor de salud pública" de la OMS.

8. Conversión de dinero a tiempo

Todos los costos se convierten a minutos por día usando una fórmula que considera tanto el poder adquisitivo como el peso psicológico del gasto:

minutos_por_dólar = √(tasa_laboral × tasa_percepción)

9. Validación estadística

Validamos nuestro modelo de costos contra precios de mercado usando regresión hedónica, un método estadístico que aísla la prima de precio por cada característica individual.

• Método: Regresión semi-logarítmica con efectos fijos de grilla hexagonal, controlando por ubicación a nivel de manzana (~460m de resolución)
• Características: 60+ amenidades probadas simultáneamente: pileta, estacionamiento, lavarropas, ascensor, AC, espacio de trabajo, lavavajillas y más
• R²: 0,51, explicando el 51% de la variación de precios. Consistente con estudios hedónicos publicados
• Observaciones: 6.046 anuncios con datos completos

Donde nuestro modelo coincide con el mercado, tenemos confirmación. Donde diferimos, el modelo encuentra valor que otros pasan por alto.

Cada oportunidad de arbitraje es personalizada. La ventaja del espacio de trabajo solo aparece cuando indicás trabajo remoto. La del parque canino solo cuando indicás que tenés perro. El modelo se adapta a tu vida, no a las preferencias promedio del mercado.

10. Fuentes de datos

Se agregan nuevas fuentes regularmente. Cada nueva plataforma aumenta la cobertura y fortalece la comparación entre plataformas.

11. Frecuencia de actualización

La actualidad de los datos afecta directamente la calidad del ranking. Los anuncios desactualizados te hacen perder tiempo.

• Rastreos de búsqueda: Continuos por fuente. Descubrimiento de más recientes primero y barridos completos rotativos. Los anuncios nuevos suelen aparecer dentro de horas de publicarse.
• Verificación de disponibilidad: Sincronización de calendario y recarga de detalles ante señales de antigüedad o ausencia en búsqueda. La disponibilidad vacía elimina anuncios del ranking.
• Priorización ponderada por nivel: Barrios de nivel A (Palermo, Recoleta, Belgrano, Núñez, Vicente López y similares) se refrescan antes que barrios B y C.
• Enriquecimiento LLM: Procesamiento continuo por lotes con división premium/economía. Los anuncios nuevos suelen enriquecerse dentro de horas desde su descubrimiento.
• Reconstrucción de ranking: Actualizaciones incrementales con cada cambio de anuncio. Reconstrucción completa nocturna.
• Puntajes de confianza: Actualizados con feedback de usuarios, antigüedad del anuncio y señales de verificación.
• Cálculo del ranking: Resultados personalizados en menos de 41 ms (p95), típicamente 32 ms (p50). Evalúa los 21 aspectos de vida en todo el inventario, selecciona la estrategia óptima para cada aspecto por unidad y expone cada decisión con un desglose completo de costos. Se computa por solicitud, no desde un precálculo.

12. Límites conocidos

El ranking es un modelo, no un oráculo. Cinco áreas donde la señal es más débil que el resto del sistema y los lectores deben interpretarlas con esa advertencia.

• La detección de amoblado se basa en fotos. Alrededor del 61% de las unidades tienen capacidad de camas detectable por análisis de fotos con LLM. El 39% restante se trata como desconocido, no como sin muebles. Es la mejor señal disponible cuando el texto del anuncio no es confiable, pero pierde unidades cuyos muebles no están en cámara.
• Las señales de confianza no son uniformes entre fuentes. Airbnb tiene conteo de reseñas, superhost y favorito de huéspedes. Argenprop, Zonaprop y MercadoLibre no. Los puntajes de confianza en fuentes no-Airbnb usan antigüedad del anuncio, volumen de la inmobiliaria, precio vs mercado y feedback de usuarios: un conjunto más limitado.
• La estimación de expensas tiene tres niveles de respaldo. Se usan las expensas reales cuando el anuncio las publica. Si no, el modelo usa la mediana de otras unidades del mismo edificio, luego el promedio del barrio por metro cuadrado, luego un porcentaje del alquiler. Cada nivel es menos preciso que el anterior. Alrededor del 40% de los alquileres directos caen al menos un nivel.
• El modelo de ruido omite la orientación interna. Una unidad al contrafrente suele ser 10–20 dB más silenciosa que una al frente en el mismo edificio. El modelo tiene campos para esto (bedroom_faces, faces_street) pero se extraen de fotos con solo 14% de cobertura. Para el 86% restante el puntaje de ruido refleja la exposición exterior sin ajuste por orientación, así que unidades al frente en edificios silenciosos parecen mejores de lo que son, y unidades al contrafrente en edificios ruidosos parecen peores.
• El R² hedónico es 0,51. El modelo de precios explica el 51% de la variación observada en 6.046 anuncios. El otro 49% es ruido, características no observadas y particularidades del anuncio (estado, historial de disputas, motivación del propietario). El ranking usa regresión hedónica para validación, no para fijar precios, así que este techo no limita el puntaje final. Pero quienes lean "R² = 1" en estimaciones de precio deben moderar las expectativas.

Cada uno de estos límites se está reduciendo activamente. Los datos crudos son abiertos. Los errores son bienvenidos: [email protected].

13. Cómo citar este trabajo

Los datos de Unitrank se publican bajo Creative Commons Atribución-CompartirIgual 4.0. Pueden citarse cifras, embeberse tablas o republicarse conjuntos de datos con atribución. El uso comercial está permitido bajo los mismos términos de licencia.

Publicamos los datos porque preferimos que nos citen antes que quedar ocultos detrás de un muro de pago. Las cifras del mercado de alquileres de Buenos Aires valen más en circulación (en periodismo, política pública, investigación académica y herramientas de socios) que encerradas. La regla es simple: atribuir la fuente y mantener los derivados bajo la misma licencia.

Cita sugerida

Unitrank (mayo 2026). Datos del mercado de alquileres de Buenos Aires. Recuperado de unitrank.com/methodology. Licencia CC BY-SA 4.0.

Para periodistas e investigadores

• Entidad nombrada: Unitrank en Wikidata (Q138792840).
• Datos masivos: instantáneas mensuales en github.com/unitrank/public-data.
• Consultas a medida: cortes por barrio, duración de estadía o composición del hogar disponibles a pedido.
• Verificación previa a publicación: chequeo de datos en menos de 24 horas para notas con fecha de cierre.
• Línea de atribución: "Fuente: Unitrank, datos del mercado de alquileres de Buenos Aires, mayo 2026".

Consultas sobre metodología: [email protected].