Día 4 (jueves) — ¿Se alquilan, o solo se miran?

### «La fecha de respuesta vacía no es un hueco»: el día que la frase de Diego cobra sentido

El lunes, Diego te lanzó un aviso que sonaba a detalle técnico: «cuando la fecha de respuesta está vacía no es que falte el dato, es que la agencia no contestó; no lo borres, que ahí hay algo gordo». El martes tomaste la decisión de hacerle caso: en vez de tirar esas filas, creaste la bandera respondido y, para los que sí tenían respuesta, guardaste cuántas horas tardó la agencia. Aquel gesto, que parecía de limpieza, era en realidad la llave del caso. Hoy la giras. Ayer descubriste que el destacado convierte peor y descartaste el canal, la ciudad y el anunciante. Solo queda una variable por mirar, y es la que Diego llevaba años señalando sin que nadie le hiciera caso: qué hace la agencia con el contacto cuando le llega.

La idea es sencilla de enunciar y demoledora de comprobar: quizá lo que decide que un inquilino acabe firmando no sea lo llamativo que era el anuncio, sino lo rápido que alguien le contestó cuando escribió. Piénsalo desde tu propia experiencia buscando piso: mandas cinco mensajes un domingo por la noche, y al que te responde en veinte minutos con «sí, sigue disponible, ¿cuándo lo ves?» le haces caso; a los que contestan tres días después, cuando ya has visto otros dos pisos, ni les respondes. La velocidad de respuesta no es cortesía: es la diferencia entre pillar al inquilino caliente o perderlo. Vamos a medir si los datos dicen lo mismo que tu intuición.

### Por qué nadie lo había visto en años

Antes de calcular, para un segundo a pensar por qué este hallazgo llevaba años escondido a la vista de todos, porque entenderlo te enseña dónde buscar en el próximo caso. No estaba oculto por falta de datos: los sellos de tiempo del chat llevan ahí desde siempre. Estaba oculto por tres capas que se reforzaban entre sí. La primera: el total parecía sano, así que nadie tenía motivo para escarbar. La segunda: cada área miraba su escalón —Comercial las visitas, nadie el tiempo de respuesta—, y el tiempo de respuesta no era el escalón favorito de nadie. Y la tercera, la más sutil: la información clave vivía en un nulo, y los nulos son invisibles por diseño; una columna vacía no llama la atención, no aparece en una media, no salta en un gráfico. El 41% sin responder era literalmente un montón de huecos que nadie había contado.

Esto te deja una lección que vale para cualquier análisis futuro: los hallazgos importantes suelen esconderse justo donde a nadie le apetece mirar. En un total que tranquiliza, en un escalón del que nadie es dueño, en un nulo que parece ausencia de dato. El instinto del buen analista es ir precisamente a esos sitios: desagregar el total que todos dan por bueno, mirar el paso del que nadie habla, y preguntarse qué significa cada hueco en vez de borrarlo. Diego llevaba años oliéndolo —«ahí hay algo gordo»— pero nunca tuvo el tiempo de demostrarlo; tú tienes hoy ese tiempo, y las tres capas que lo escondían se caen en cuanto haces la pregunta correcta. El dato estaba; faltaba alguien que mirara donde no se miraba.

### Construir el tramo de respuesta con los sellos de tiempo

Tienes dos sellos de tiempo en cada contacto: fecha_contacto (cuándo escribió el inquilino) y fecha_respuesta (cuándo contestó la agencia, o vacío si no contestó). La diferencia entre ambos es el tiempo de respuesta. Para analizarlo no hace falta el minuto exacto: basta con agrupar los contactos en tramos —respondido en menos de 2 horas, entre 2 y 24 horas, más de 24 horas, y sin respuesta—. Eso se hace con un CASE, que es la forma de SQL de decir «según el valor, pon esta etiqueta». Y para medir la diferencia de tiempo se usa date_diff, que resta dos fechas en la unidad que le pidas (minutos, horas, días).

1CASE
2    WHEN fecha_respuesta IS NULL THEN 'sin_respuesta'
3    WHEN date_diff('minute', fecha_contacto, fecha_respuesta) < 120  THEN '<2h'
4    WHEN date_diff('minute', fecha_contacto, fecha_respuesta) <= 1440 THEN '2-24h'
5    ELSE '>24h'
6END

Agrupar los contactos en tramos de tiempo es un caso de una técnica más general que vas a usar en muchos análisis: convertir una variable continua (los minutos exactos hasta responder, que van de cero a miles) en unos pocos grupos con sentido de negocio. A esto se le llama binning, «hacer cajones». Podrías analizar el minuto exacto, pero no te diría nada accionable: nadie va a fijar como objetivo «responder en 47 minutos». En cambio, «menos de 2 horas, ese día, o al día siguiente» son categorías que una agencia entiende y sobre las que puede actuar. Elegir bien los cortes de los cajones es una decisión de negocio disfrazada de decisión técnica: los pones donde el comportamiento cambia y donde la acción es posible, no en números redondos porque sí.

Y hay un parentesco entre esto y una idea que quizá reconozcas de otros análisis: las cohortes, esos grupos que sigues juntos para compararlos. Aquí, en vez de agrupar por cuándo entró la gente, agrupas por cómo de rápido se la atendió, y comparas la suerte de cada grupo. Es el mismo gesto mental: en lugar de mirar a todos los contactos revueltos en una media, los partes en grupos comparables y ves si su destino difiere. Cuando difiere tanto como aquí —del 14% al 0,5%—, has encontrado una variable que de verdad manda. Cuando apenas difiere —como pasó ayer con el canal y la ciudad—, has descartado una que no. Comparar grupos es, una y otra vez, el motor del análisis.

### Restar dos fechas: date_diff y por qué la unidad importa

La herramienta que hace posible todo esto es date_diff, que resta dos fechas y te da la diferencia en la unidad que le pidas: minutos, horas, días. Parece trivial y esconde una decisión importante: la unidad que eliges cambia lo que puedes ver. Si midieras el tiempo de respuesta en días, todos los contactos respondidos el mismo día caerían en «0 días» y no distinguirías al que respondió en diez minutos del que respondió en diez horas, cuando esa diferencia es justo la que importa. Por eso aquí se mide en minutos y luego se agrupa en tramos: los minutos conservan el detalle fino de las primeras horas, que es donde se juega la conversión. Elegir la unidad correcta de una resta de fechas es como elegir el aumento de un microscopio: demasiado poco y no ves lo que buscas, demasiado y te pierdes en el ruido.

Un detalle técnico que ahorra disgustos: para restar dos fechas, las dos tienen que ser de verdad fechas, no texto. Si la fecha de contacto o la de respuesta se hubieran quedado como texto —como llegaban en crudo—, date_diff daría error o basura. Por eso la limpieza del martes, cuando convertiste los sellos de tiempo a fechas reales con to_datetime, es lo que hace posible el cálculo de hoy. En las tablas limpias sobre las que trabajas en SQL, esos sellos ya son marcas de tiempo con hora, así que date_diff funciona; pero recuerda que eso no es gratis, es el fruto de haber limpiado bien antes. Cada cosa elegante que puedes hacer hoy en SQL se apoya en una decisión de limpieza que tomaste ayer.

### El insight: la conversión se desploma con el tiempo de respuesta

Calculas la tasa contacto→contrato dentro de cada tramo, y aparece el hallazgo de la semana, el que nadie había mirado: un contacto respondido en menos de dos horas convierte al 14%; entre 2 y 24 horas, al 7%; más tarde de 24 horas, al 2,5%; y un contacto nunca respondido, al 0,5%. Léelo otra vez: responder en menos de dos horas convierte veintiocho veces más que no responder. No es una mejora del 10% ni del doble: es un abismo. La velocidad de respuesta de la agencia no es un factor más entre muchos; es, con diferencia, el que más manda sobre si un piso se alquila.

Este hallazgo no es una rareza de NidoHogar: es una de las regularidades más estudiadas en cualquier negocio que trabaje con contactos comerciales. Hay estudios clásicos sobre lo que se llama el tiempo de respuesta al lead que encuentran justo esto: la probabilidad de cerrar una venta se desploma en cuanto pasan los primeros minutos u horas, porque el interesado está caliente al escribir y se enfría rapidísimo —mientras espera tu respuesta, contacta a otros, encuentra otra cosa, o simplemente se le pasa la urgencia—. Un lead contactado en la primera hora tiene muchísimas más probabilidades de convertir que uno contactado un día después, y esa curva de desplome es universal: la verás igual en seguros, en coches, en software y, como acabas de comprobar con tus propios datos, en el alquiler de pisos. Que tu número coincida con lo que dice la literatura del sector es una señal tranquilizadora de que no te has equivocado: has redescubierto, con los datos de tu empresa, una ley conocida del comportamiento humano.

Piénsalo desde el lado del inquilino, que es lo que hay detrás de la estadística. Alguien que busca piso un domingo por la noche no manda un mensaje: manda cinco, a cinco pisos que le gustan. El primero que le contesta con «sí, sigue libre, ¿lo vemos mañana?» se lleva su atención entera; para cuando los otros cuatro responden el martes, ya ha visto ese piso y quizá firmado. No es que los otros cuatro anuncios fueran peores: es que llegaron tarde a un inquilino que ya no estaba disponible. La velocidad de respuesta no compite contra la calidad del piso; compite contra el reloj y contra las otras agencias. Por eso responder en dos horas no es «buena atención al cliente»: es, literalmente, la diferencia entre pillar al inquilino o regalárselo a la competencia.

Y ahora el dato que ata el nudo. Ya mediste el martes que el 41% de los contactos no recibe respuesta. Pero cuando partes ese porcentaje por tipo de anuncio, aparece la pieza que faltaba: los destacados tienen el 50% de contactos sin responder, y los normales el 33%. Los destacados, al recibir el doble de contactos, inundan a la agencia de más mensajes de los que puede atender, así que la mitad se quedan sin contestar. Y como no responder convierte al 0,5%, esa montaña de contactos ignorados es lo que hunde la tasa del destacado. No es que el destacado sea malo: es que genera más contactos de los que la agencia da abasto a responder, y los contactos sin responder no alquilan.

Esta idea del cuello de botella es la que convierte el hallazgo en una historia que Álvaro entiende sin números. Imagina un restaurante que se gasta el presupuesto en un cartel enorme y luminoso para atraer más clientes a la puerta, pero solo tiene un camarero. El cartel funciona: entra el doble de gente. Y el resultado es que ahora hay el doble de mesas esperando a que alguien las atienda, muchas se cansan y se van, y el restaurante no vende más comidas, solo tiene más gente enfadada en la puerta. El Destacado Premium es un cartel más grande para un restaurante con un solo camarero. El problema nunca fue que entrara poca gente; fue que a la que entra no se la atiende. Gastar en atraer más, sin arreglar la atención, empeora el problema en vez de resolverlo.

Y aquí es donde el análisis se cruza con el dinero de una forma que a Álvaro le va a doler y a la vez le va a convencer. NidoHogar iba a cobrar a las agencias por meter más contactos en un sistema que ya deja la mitad sin responder. Es decir, iba a venderles la herramienta para agravar su propio problema, y encima cobrándoles por ella. No por mala fe: porque nadie había bajado a mirar qué pasaba con los contactos después de generarlos. Este es el tipo de hallazgo que justifica un puesto de analista entero: no un número más bonito, sino evitar que la empresa gaste esfuerzo y credibilidad en un producto que va en la dirección contraria a lo que dice querer.

### El control que blinda el hallazgo: ¿y si son agencias distintas?

Antes de cerrar, queda la objeción que Irene te va a lanzar y que Gonzalo lanzará el viernes: «¿y no será que las agencias que compran destacado son distintas de base, y por eso convierten distinto?». Es la pregunta de la tercera variable, y hay que responderla con datos, no con palabras. La forma de hacerlo es elegante: comparar destacado y normal dentro del mismo tramo de respuesta. Si la diferencia fuera del destacado en sí, seguiría apareciendo aun comparando contactos que se respondieron igual de rápido. Si la diferencia es del tiempo de respuesta, entonces dentro de un mismo tramo destacado y normal deberían convertir casi igual.

Y eso es exactamente lo que sale: dentro del tramo de menos de 2 horas, destacado convierte al 13,99% y normal al 14,01% —idénticos—. En el de 2 a 24 horas, 6,97% y 7,01%. En «sin respuesta», 0,51% y 0,49%. Iguales en todos los tramos. La conclusión es contundente: el tipo de anuncio no cambia la conversión; lo único que cambia es el tiempo de respuesta. El destacado solo influye en cuántos contactos entran, no en lo que se hace con ellos. Es un control de confusión de manual, y convierte tu hallazgo de «probablemente» a «demostrado».

Se lo llevas a Irene y cierra el caso en una frase: «Ahí está, y es UNA sola historia, no dos. El destacado no vende porque el problema no es que el piso se vea poco: es que cuando el inquilino escribe, la mitad de las veces no le contesta nadie. Gonzalo quiere vender más visibilidad a toda la red. Con estos datos, eso solo va a generar más contactos que se van a quedar sin responder. La comisión por contrato, que es lo que quiere Álvaro, no se mueve. La palanca es responder rápido. Ese es tu titular, y ahora aguanta.»

### Qué NO dice tu hallazgo: los límites de lo que has demostrado

Un análisis honesto sabe lo que ha demostrado y también lo que no, y decir los límites en voz alta no debilita tu hallazgo: lo hace más creíble. Has demostrado que la velocidad de respuesta va fuertemente asociada a la conversión, y con el control por tramo has descartado que sea el tipo de anuncio disfrazado. Pero seamos precisos sobre lo que eso es y no es. No has hecho un experimento controlado: nadie asignó al azar qué contactos se responden rápido y cuáles no, así que, con todo el rigor, tienes una asociación muy fuerte y bien blindada, no una prueba de laboratorio. Podría quedar alguna tercera variable que no has mirado. Es enormemente improbable que explique un abismo de 14% a 0,5%, y la recomendación se sostiene de sobra, pero un analista serio conoce la diferencia entre «lo he demostrado más allá de toda duda» y «la evidencia apunta con mucha fuerza a esto».

Decir esto en la demo, lejos de restarte autoridad, te la da: demuestra que has pensado en las objeciones antes que nadie en la sala. La forma profesional de plantearlo es «la evidencia es muy sólida y apunta claramente a la respuesta; la manera definitiva de confirmarlo sería una prueba: elegir un grupo de agencias, ponerles un aviso de respuesta, y medir si suben sus contratos». Eso convierte tu hallazgo en un plan: no solo «esto es lo que pasa», sino «y así lo confirmamos y empezamos a arreglarlo». Un analista que conoce los límites de su evidencia y propone cómo cerrarlos vale mucho más que uno que vende certezas absolutas que luego no aguantan.

### De la causa a la acción: qué se hace con este hallazgo

Un hallazgo solo vale si sugiere qué hacer, y aquí la traducción a acción es directa, que es parte de por qué es un buen hallazgo. Si lo que decide un contrato es responder rápido, y el 41% de los contactos se queda sin respuesta, la palanca de negocio está clara: conseguir que las agencias respondan, y respondan pronto. Eso no es un producto de visibilidad más caro; es otra cosa. Puede ser un aviso automático a la agencia cuando entra un contacto («tienes un interesado esperando»), un compromiso de tiempo de respuesta —lo que en el sector se llama un SLA, un acuerdo de nivel de servicio, la promesa de contestar en menos de X horas—, un ranking que premie con más visibilidad a las agencias que contestan rápido en vez de a las que pagan, o una herramienta de gestión de leads que no deje caer ningún contacto. Todas atacan el cuello de botella real; ninguna es vender más carteles a un restaurante con un solo camarero.

Fíjate en el giro de negocio que propone tu análisis, porque es elegante: en vez de cobrar por meter más contactos (visibilidad), NidoHogar debería premiar a quien mejor los aprovecha (respuesta). Eso alinea por fin las tres patas del negocio con el inquilino: un ranking que sube a las agencias que responden rápido mejora la experiencia del que busca, hace que se firmen más contratos, y hace crecer la comisión que quiere Álvaro, todo a la vez. El Destacado Premium optimizaba solo el lado de la oferta; premiar la respuesta optimiza el encuentro, que es donde de verdad vive la salud de un marketplace. Este es el tipo de recomendación que un analista sueña con poder hacer: no «arregla este número», sino «cambia lo que premias y todo lo demás se mueve solo».

### Bajar al detalle sin dejar de ser fiable: cuidado con los denominadores pequeños

Cuando bajas del hallazgo general a las agencias concretas —para señalar quién deja morir sus contactos— aparece un peligro nuevo: los grupos pequeños. Una agencia con solo tres contactos que no respondió a dos saldría con un «67% sin responder», una cifra escandalosa que no significa nada, porque tres contactos son ruido, no un patrón. Con tan pocos casos, cualquier porcentaje es un accidente: basta que uno cambie para que salte veinte puntos. Por eso, cuando ordenas agencias (o zonas, o cualquier grupo) por una tasa, tienes que exigir un mínimo de volumen antes de fiarte del porcentaje. En SQL eso se hace con HAVING, que filtra los grupos después de agregarlos: «solo agencias con al menos 100 contactos». Sin ese filtro, tu ranking de las peores agencias estaría encabezado por las que tienen cuatro contactos, no por las que de verdad tienen un problema.

### La cadena de razonamiento, del principio al final

Da un paso atrás y mira el camino entero que has recorrido, porque la forma de esta investigación es la forma de casi todas las buenas. Empezaste con lo que todos creían, lo confirmaste donde era cierto, encontraste una grieta al desagregar, descartaste las explicaciones fáciles, y solo entonces, mirando la variable que nadie miraba, apareció la causa, que además pudiste blindar con un control. Ninguno de esos pasos era espectacular por sí solo; el hallazgo emergió de encadenarlos con disciplina. Un analista no es alguien que tiene corazonadas geniales: es alguien que sigue esta cadena hasta el final, sin conformarse con la media respuesta ni con el primer sospechoso.

El caso está resuelto: el Destacado Premium que Comercial da por hecho no hará crecer los contratos, porque el cuello de botella no está arriba del embudo (la visibilidad) sino abajo (la respuesta). Lo que queda no es análisis, es la parte que decide si tu trabajo cambia algo o se queda en tu cuaderno: convertir estos números en tres o cuatro gráficos limpios y una recomendación que Álvaro entienda en veinte minutos. Un hallazgo que no se sabe contar es un hallazgo que no ocurre.