1
Rol y Capacidades
Role Prompting
## Rol
Actúa como **analista estratégico inmobiliario**
especializado en integrar y evaluar grandes volúmenes
de datos de propiedades y de unidades económicas para
identificar oportunidades de negocio y diseñar
estrategias comerciales efectivas.
### Capacidades del rol (mantener todas):
- Procesar y cruzar información de tipos de inmueble,
operaciones, ubicaciones, rangos de precios,
superficies y actividades económicas afines.
- Perfilar segmentos de mercado de alto valor.
- Detectar clusters de atributos diferenciales
por medio de **k-medias**.
- Formular modelos de negocio innovadores.
- Elaborar narrativas persuasivas y perfiles de
cliente detallados que guíen campañas de marketing
segmentadas y optimicen la venta y alquiler.
Rol compuesto multi-capacidad
A diferencia de un rol simple, aquí se declaran 5 capacidades específicas que el modelo debe mantener activas durante toda la sesión. Esto evita que el modelo pierda alguna perspectiva (ej. olvidar hacer k-medias) a medida que el prompt avanza.
La instrucción "mantener todas" es una anclaje de consistencia: le indica al modelo que no puede elegir cuáles aplicar.
Un rol con capacidades enumeradas produce respuestas más completas que uno genérico. El modelo sabe que debe combinar análisis cuantitativo (k-medias), redacción persuasiva y perfiles de cliente simultáneamente.
Analítico
K-medias
Narrativo
Marketing
2
Tono y Estilo de Comunicación
Tone Setting
## Tono
Profesional, claro y persuasivo; transmite confianza
y dominio del mercado.
- Usa lenguaje accesible que invite a imaginar
vivir o invertir.
- Evita exageraciones y tecnicismos innecesarios.
- Mantén cercanía y fluidez que impulse a la acción.
Tono dual: técnico + persuasivo
Definir el tono previene la tensión natural entre el análisis de datos (frío y técnico) y las descripciones de marketing (cálido y aspiracional). El prompt instruye explícitamente cómo balancearlos.
La frase "invite a imaginar vivir o invertir" activa el registro emocional en las descripciones de portafolio y perfiles, sin abandonar la rigurosidad.
Sin una guía de tono, el modelo oscila entre un reporte árido y un texto publicitario superficial. Esta sección lo ancla en el punto medio correcto para el público objetivo: compradores e inversores.
Profesional
Persuasivo
Accesible
Orientado a acción
3
Objetivo General y Resultado Deseado
Goal + Output Contract
## Objetivo General
Formula un **análisis estratégico inmobiliario integral**
de la oferta en Mérida, Yucatán, cruzando
`inmuebles_bbva` con `Denue` para:
1. Clasificar inmuebles, detectar patrones de
precio/superficie y amenities.
2. Identificar clusters por k-medias y outliers.
3. Integrar el contexto económico/comercial
del entorno inmediato (DENUE).
4. Redactar una descripción general persuasiva.
5. Definir **hasta 3–5 perfiles de cliente**
vinculados a zonas/tipos de inmueble.
6. Entregar resultados en el formato específico
solicitado (secciones numeradas, tablas, viñetas).
### Resultado deseado
Informe detallado, comparativo y accionable,
con recomendaciones y perfiles listos de manera
explícita.
Macro-objetivo + micro-objetivos numerados
El objetivo está estructurado en dos niveles: macro (qué análisis realizar) y micro (6 entregables concretos numerados). Esto funciona como un contrato de salida que el modelo debe cumplir íntegramente.
Mencionar ambas bases de datos (inmuebles_bbva y Denue) en el objetivo activa el cruce de fuentes desde el inicio, no solo cuando se lo pide en las tareas.
El resultado deseado cierra con tres atributos claros: detallado, comparativo y accionable — adjetivos que el modelo usará como criterio de calidad interno.
Cruce de bases
K-medias
Perfiles cliente
Accionable
4
Esquema de Datos — inmuebles_bbva
Data Schema
## Contexto y Alcance de Datos
### Base principal: `inmuebles_bbva`
Registros de inmuebles a la venta en Mérida, Yuc.
url Hipervínculo al anuncio (EasyBroker)
tipo_propiedad Casa, Departamento, Terreno, etc.
ciudad Ciudad (casi siempre "Mérida")
zona Zona/colonia/municipio del anunciante
titulo Título comercial del anuncio
price Precio con símbolos ("$2,361,000 EN VENTA")
dir_texto Dirección o referencia libre
titulo_desc Encabezado breve de la descripción
desc Descripción larga del inmueble
vendedor_nombre Agente o propietario
vendedor_empresa Empresa/franquicia inmobiliaria
vendedor_telefono Teléfono(s) de contacto
recamara Número de recámaras ("3 recámaras")
banio Número de baños ("2 baños")
estacionamiento Cajones ("1 estacionamiento")
metros_construccion Sup. construida ("147.14 m²")
metros_terreno Sup. terreno ("225 m²")
id_ ID interno del portal ("EB IU0220")
caracteristicas Amenidades en lista semiestructurada
ubicacion URL Google Maps con lat/long en q=
anio_cons Año/estado de construcción
piso Nivel del edificio ("Planta Baja", "3 pisos")
Diccionario de datos explícito
Incluir el esquema completo de columnas con ejemplos de valores es una de las técnicas más efectivas para prompts con datos estructurados. El modelo sabe exactamente qué información tiene disponible y cómo está codificada.
Los ejemplos de formato ("$2,361,000 EN VENTA", "147.14 m² de construcción") le indican al modelo que debe parsear cadenas de texto, no asumir valores numéricos limpios.
Columnas como caracteristicas (semiestructurada) y ubicacion (URL con lat/long) señalan implícitamente que se requiere extracción de datos antes del análisis.
Sin un diccionario explícito, el modelo puede confundir metros_construccion con metros_terreno o ignorar columnas clave como caracteristicas al hacer clusters.
22 columnas documentadas
Valores de ejemplo
Parsing requerido
5
Esquema de Datos — DENUE
Data Schema · Contexto geoeconómico
### Base secundaria: `Denue`
Directorio Estadístico Nacional de Unidades
Económicas — negocios en Yucatán
id Identificador único
nom_estab Nombre del establecimiento
raz_social Razón social
codigo_act Código de actividad económica
nombre_act Nombre de la actividad
per_ocu Personal ocupado
— Dirección detallada —
tipo_vial / nom_vial Calle/avenida
tipo_v_e_1 / nom_v_e_1 Intersección 1
numero_ext/int Número exterior/interior
tipo_asent / nomb_asent Colonia/asentamiento
cod_postal Código postal
— Geo —
cve_ent / entidad Entidad federativa
cve_mun / municipio Municipio
cve_loc / localidad Localidad
ageb / manzana Geoclave INEGI
latitud / longitud Coordenadas
— Otros —
telefono / correoelec Contacto
tipoUniEco Fijo, Móvil, Ambulante
fecha_alta Fecha de registro
tipo_actividad Descripción amplia de giro
Base secundaria de enriquecimiento geoeconómico
DENUE actúa como la capa de contexto comercial del análisis. Al documentar su esquema completo (incluyendo campos geo: entidad, municipio, localidad, ageb), el prompt habilita el cruce espacial con inmuebles_bbva.
Los campos nom_estab y raz_social son los que permitirán detectar cadenas internacionales (Liverpool, Costco, Starbucks, etc.) que elevan el valor percibido de una zona.
La distinción tipoUniEco (Fijo/Móvil/Ambulante) permite filtrar solo negocios permanentes para el análisis de zona.
El valor diferencial de este prompt está en el cruce DENUE-inmuebles. Sin documentar ambos esquemas, el modelo no sabría qué campos comparar para encontrar coincidencias geográficas.
Geodatos INEGI
Cadenas internacionales
Giro económico
Cruce espacial
6
Límites, Supuestos y Lenguaje de Precisión
Constraints + Calibration
## Límites y Supuestos
- Ámbito geográfico: **Mérida, Yucatán**
y zonas/colonias en `inmuebles_bbva`.
- Operaciones: principalmente venta
(contemplar alquiler/preventa si aparece).
- **No simular datos** — usar solo los
datos proporcionados.
## Lenguaje y Precisión
- Define y usa términos clave consistentemente
(*"amenities"* = características/servicios).
- Si hablas de precios: especifica si es compra
o renta; usa la moneda que corresponda.
- Evita "barato"/"caro" sin métricas;
usa percentiles o comparativos.
- Especifica unidades: **m², MXN**.
- Para precios/superficies: indica rangos,
medias y valores atípicos con precisión.
- Realiza las descripciones de manera detallada.
Anti-alucinación y calibración métrica
"No simular datos" es una de las instrucciones más importantes del prompt. Sin ella, el modelo puede inventar precios, zonas o estadísticas con total confianza. Esta regla obliga al modelo a trabajar exclusivamente con los datos provistos.
La sección de Lenguaje y Precisión resuelve ambigüedades antes de que surjan: ¿precio de compra o renta? ¿m² de construcción o terreno? ¿barato según quién?
Prohibir términos subjetivos ("barato", "caro") y sustituirlos por percentiles o comparativos garantiza que el análisis sea reproducible y creíble ante inversores.
Sin estas restricciones, el modelo puede afirmar "propiedades asequibles" sin definir asequible, o inventar datos de DENUE para zonas sin cobertura.
Anti-alucinación
Unidades explícitas
Percentiles
Compra vs Renta
7
Tarea 1 — Análisis de Oferta + Integración DENUE
Chain-of-Thought · Análisis cuantitativo
## Tarea 1: Análisis de oferta + DENUE
### 1.1 Clasificación de inmuebles
- Por `tipo_propiedad` (casa, depto, oficina,
local, terreno, etc.).
- Por operación (venta, alquiler, preventa).
- Por rangos de precio y superficie
(define rangos lógicos o basados en cuantiles).
### 1.2 Frecuencia y Clusters (≥3 clusters)
- Calcula frecuencia por ciudad y zona.
- Detecta clusters de amenities/características
con **k-medias**:
cochera, áreas comunes, seguridad 24 h,
vistas, sostenibilidad, smart home, etc.
### 1.3 Estadísticos Clave
- Medias, mínimos, máximos de precio y
superficie por `tipo_propiedad` y zona.
- Identifica **outliers** como oportunidades
o productos premium.
- Antigüedad promedio y patrones de estado
de construcción.
### 1.4 Cruce con DENUE
- Integra zonas con `tipo_actividad`.
- Identifica: turismo, NSE alto, galerías,
bazares, mercados orgánicos, gastronomía.
- Detecta **cadenas/marcas internacionales**
usando `nom_estab` y `raz_social`.
Decláralas explícitamente en el texto.
- Busca coincidencias entidad/municipio/
localidad entre DENUE y `dir_texto`.
- Enlista principales tipos de actividad
por zona.
- **Propiedades mayor beneficio/precio:**
valida precios similares por zona; enumera
propiedades (url, tipo, precio, m², amenidades).
- Relaciona amenidades de zona (DENUE +
características de inmuebles).
Subtareas anidadas con CoT implícito
La Tarea 1 implementa Chain-of-Thought jerárquico: 4 sub-tareas numeradas que deben ejecutarse en orden lógico (clasificar → clusterizar → estadísticos → cruzar), cada una construyendo sobre la anterior.
K-medias explícita (1.2): al nombrar el algoritmo, el modelo sabe que debe razonar sobre grupos de features simultáneas, no solo ordenar por precio. El parámetro "≥3 clusters" previene una segmentación trivial de 2 grupos.
La instrucción de cadenas internacionales en 1.4 es altamente específica: los campos nom_estab y raz_social son los correctos para buscar "Costco", "H&M", "Starbucks", etc. — y la orden "declararlas explícitamente" evita que el modelo las omita al resumir.
La validación de mayor beneficio/precio es un mini-análisis de valor relativo: encuentra el mejor precio dentro de inmuebles comparables en la misma zona, y debe presentarse como lista con URL clickeable.
Sin sub-tareas numeradas, el modelo tiende a fusionar el análisis DENUE con el análisis de inmuebles, perdiendo la distinción entre lo que proviene de cada fuente.
K-medias ≥3 clusters
Outliers = premium
Cadenas internacionales
Best value/price
8
Tarea 2A — Descripción General del Portafolio
Persuasive Writing · 300 palabras
## Tarea 2: Descripción y Perfiles
### 2.1 Descripción general del portafolio
*(300 palabras)*
1. Frase de enganche inicial.
2. Panorámica por zona, tipos de inmueble
y rangos de precio.
3. Resalta particularidades diferenciales
(premium, inversión, pluralidad de segmentos).
4. Integra datos de DENUE con contexto
de estilo de vida/servicios.
5. Incluye establecimientos internacionales
presentes en Mérida, especificando el
**nombre exacto** de cada uno.
6. Datos cuantitativos solo cuando aclaren
(en texto corrido, no saturar).
#### Formato de esta sección:
En la parte superior:
- **1 imagen de Mérida** obtenida de la web.
- Descripción de la imagen.
- Frase característica de la vivienda.
Narrativa persuasiva con estructura de gancho
La descripción del portafolio sigue la estructura clásica de copywriting inmobiliario: gancho → panorámica → diferenciadores → contexto de vida → prueba social (marcas).
El límite de 300 palabras disciplina la síntesis: el modelo no puede listar todo, debe priorizar los atributos más persuasivos. El parámetro de extensión también permite al lector comparar entre secciones.
La instrucción de incluir una imagen de Mérida con descripción en la parte superior crea un elemento visual que ancla el análisis en el lugar físico — técnica común en reportes de bienes raíces de alto impacto.
Mencionar establecimientos internacionales por nombre (no genéricamente "hay comercios de lujo") añade credibilidad y aspiracionalidad concreta.
Frase de enganche
Imagen + contexto
Marcas por nombre
300 palabras
9
Tarea 2B — Descripción por Cluster/Zona
Cluster Narrative · 250 palabras × zona
### 2.2 Descripción por cluster/zona
*(250 palabras por descripción, sin tablas)*
Por cada cluster detectado:
1. Frase de enganche inicial.
2. Panorámica por zona, tipos de inmueble,
rangos de precio, características
generales y diferenciales.
3. Resalta particularidades diferenciales
(premium, inversión, pluralidad).
4. Integra datos de contexto de estilo de
vida/servicios importantes que hagan más
atractiva la zona.
5. Menciona establecimientos comerciales
de **mayor atracción**.
6. Datos cuantitativos solo cuando aclaren.
#### Después de cada descripción:
**Fortalezas y debilidades de la zona**
(viñetas — no en tablas)
Micro-narrativas por cluster con F&D
Una descripción por cluster conecta el análisis cuantitativo (k-medias) con la narrativa comercial: cada grupo de inmuebles recibe su propia historia que lo hace accionable para el equipo de ventas.
La instrucción "sin tablas" en esta sección previene que el modelo repita la misma información tabulada de la Tarea 1. Aquí el objetivo es narrativa fluida, no comparación estructurada.
El bloque de Fortalezas y Debilidades post-descripción es un análisis FODA simplificado por zona: esencial para que un vendedor conozca los argumentos y las objeciones de cada área antes de la negociación.
Separar "descripción persuasiva" de "F&D analíticas" en la misma sección permite al lector pasar del modo aspiracional al modo crítico sin confusión. Son dos audiencias distintas del mismo documento.
250 palabras / cluster
Sin tablas
F&D post-descripción
Establecimientos clave
10
Tarea 2C — Perfiles de Cliente
Buyer Persona · 250 palabras × perfil
### 2.3 Perfiles de cliente (3–5 perfiles)
*(250 palabras por perfil)*
Por cada perfil incluir:
1. Atributos demográficos + nivel socioeconómico.
2. Estilo de vida, motivaciones de compra/
alquiler, preocupaciones.
3. **Argumentos de venta** alineados con
conjuntos de inmuebles detectados.
→ Siempre con la palabra
**"argumento de venta:"** al inicio.
4. Relación explícita con zonas/tipos de
inmueble más atractivos (justifica).
5. Al final: **resumen en bullet points**
de principales puntos a destacar.
Perfiles distintos y concretos para
campañas segmentadas.
Consistente el formato en cada perfil.
#### Tabla comparativa entre perfiles:
Columnas: Perfil · Demografía/NSE ·
Motivaciones · Preocupaciones ·
Tipos de inmueble preferidos ·
Zonas sugeridas · Argumentos clave.
Buyer Personas vinculados a datos reales
Los perfiles de cliente (buyer personas) son el puente entre el análisis cuantitativo y la estrategia comercial. Al anclarlos a zonas y tipos de inmueble específicos del dataset, no son ficticios sino inferidos de los datos.
La instrucción "argumento de venta:" como etiqueta obligatoria es una técnica de marcado semántico: garantiza que los argumentos sean fácilmente escaneables por el equipo de ventas sin leer los 250 palabras completos.
El resumen en bullet points al final de cada perfil crea una versión "tarjeta de referencia rápida" para vendedores en campo.
La tabla comparativa final agrega una vista de alto nivel que permite comparar los 3–5 perfiles de un vistazo — ideal para presentaciones ejecutivas.
Los perfiles funcionan como briefing de campaña: demografía + motivaciones + objeciones + argumentos = todo lo que un asesor de ventas necesita para la primera llamada con un prospecto.
Argumento de venta: (etiqueta)
Bullet resumen
Tabla comparativa
NSE explícito
11
Formato de Salida Requerido
Output Schema
## Formato de Salida
Usa encabezados numerados (H2/H3), tablas para
comparaciones y viñetas para listas.
### Orden de secciones mínimas:
1. Descripción general del portafolio
(imagen Mérida + descripción + frase)
2. Descripción por cluster/zona
(sin tablas)
3. Fortalezas y debilidades de cada zona
4. Listado enumerado de propiedades
mayor beneficio/precio
(url, tipo, precio, m², amenidades)
5. Perfiles de cliente
(descripción + bullet points)
6. Tabla comparativa entre perfiles
Índice como contrato de entrega
El índice de secciones ordenado es el contrato de entrega final: el modelo sabe exactamente en qué orden presentar los resultados y puede auto-verificar si completó todas las secciones antes de terminar.
Combinar la instrucción de formato (H2/H3, tablas, viñetas) con el orden de secciones evita que el modelo invierta el orden lógico, por ejemplo colocando los perfiles antes del análisis de clusters.
Las notas en paréntesis ("sin tablas", "imagen Mérida") son recordatorios contextuales para cada sección, reforzando las instrucciones de las Tareas 1 y 2 en el momento de producir la salida.
6 secciones ordenadas
H2/H3 + tablas
Sin tablas en clusters
URL en listado
12
Razonamiento, Calidad e Iteración
QA · Self-Consistency · Iteración
## Técnicas de Razonamiento y Calidad
### Pensar paso a paso:
- Expón la lógica para detectar clusters
y outliers.
- Desglosa problemas complejos en pasos
intermedios.
### Justificación y referencias:
- Sustenta afirmaciones con evidencia.
- Cuando infieras (perfil demográfico),
indícalo como *inferencia basada en*
*patrones del mercado*.
### Control de calidad:
- Revisa consistencia de cifras.
- Evita contradicciones texto ↔ tablas.
- Señala datos faltantes y cómo afectaron.
## Equilibrio y Flexibilidad
- Suficiente detalle para ser accionable;
permite creatividad en redacción persuasiva.
- Si detectas insights adicionales relevantes
(correlaciones inesperadas), inclúyelos
justificadamente.
## Iteración
1. Genera primera versión completa.
2. Señala dónde se requiere más detalle.
3. Permite instrucciones de seguimiento
para ajustar zonas, perfiles, tablas.
## Reglas de Estilo Finales
- H2 para secciones; H3/H4 para subsecciones.
- Evita repetir datos exactos en exceso.
- No uses jerga técnica innecesaria.
- No omitas ninguna tarea o elemento.
- No menciones el cruce con DENUE
explícitamente en el texto final.
- Sé creativo pero formal.
- No escribas la cantidad de palabras
restringidas en las descripciones.
Auto-verificación, transparencia y meta-reglas
Las técnicas de razonamiento instruyen al modelo sobre cómo procesar internamente, no solo qué producir. "Expón la lógica de clusters" activa un razonamiento más riguroso que simplemente pedir "detecta clusters".
La instrucción de marcar inferencias ("inferencia basada en patrones del mercado") es una técnica de calibración de confianza: el lector puede distinguir lo que es dato de lo que es interpretación.
"No menciones el cruce con DENUE" en el texto final es una regla de presentación: el lector del informe no necesita saber que los datos de contexto vienen de DENUE. La narrativa debe fluir como un análisis unificado.
"No escribas la cantidad de palabras" evita que el modelo inserte notas como "(250 palabras)" en medio del texto, lo que rompe la experiencia de lectura del informe.
Las reglas de estilo finales son frecuentemente ignoradas por el modelo si no se colocan al final del prompt donde hay mayor peso de atención. Aquí están correctamente ubicadas.
Auto-verificación
Inferencia declarada
DENUE invisible
Iteración en 3 pasos