Plataforma de generación B2B que aprende de resultados reales. Cada contacto viene con coste conocido, score explicable y trazabilidad completa.
Estas son métricas operativas reales de nuestra infraestructura en producción. No proyecciones, no estimaciones.
Cada lead tiene un coste marginal de adquisición calculado: proxy + computación + tiempo. Cada entrega registra outcomes reales. El sistema aprende qué funciona mediante correlación matemática, no suposiciones.
Contactabilidad × Oportunidad × Confianza. Tres vectores independientes que combinan señales técnicas (teléfono validado), semánticas (intención comercial), y temporales (frescura). Sin cajas negras.
El sistema ajusta prioridades de scraping y pesos de scoring basándose en ROI observado por categoría y ciudad. Si algo no convierte, deja de priorizarlo. Sin intervención manual.
Cada lead es trazable a su job de origen, ciudad, categoría, timestamp, coste, y score. Cada entrega registra quién recibió qué, cuándo, y bajo qué reglas de exclusividad. Auditable por defecto.
Planes shared con cooldown (30 días entre entregas al mismo cliente) o exclusive con lock de inventario. Saturación por ciudad/categoría para proteger el inventario. No vendemos el mismo lead 50 veces.
FPSF (L0) elimina franquicias, spam y desvíos geográficos. AIMA (L1) enriquece con intención comercial B2B mediante análisis semántico. Solo 0.67% de ruido llega al almacén.
LeadCompass no es un scraper con base de datos. Es una refinería industrial de datos B2B con 8 módulos coordinados.
Workers Python con Playwright. Ejecuta jobs priorizados, extrae leads, emite métricas de coste y tiempo real. No decide qué scrapear.
Barrera de ruido. Detecta franquicias, spam, desvíos geográficos. Produce noise_score + flags explicables. Determinista y rápido.
Cerebro semántico. Infiere intención comercial B2B, señales de compra, complejidad. Produce aima_intent [0..1] + features JSONB.
Fuente única de verdad. Deduplicación robusta (place_id > phone > domain). Upsert inteligente que mejora sin destruir. Resurrección controlada.
Calcula C·O·F (Contactabilidad × Oportunidad × Confianza). Score global + adaptación por cliente (CAP). Cache inteligente.
Gestiona exclusividad, cooldowns, saturación. Perfiles adaptativos por cliente. Multi-tenant con RLS. Entrega controlada.
Registra costes marginales por lead (AC) y outcomes reales del cliente. Calcula ROI por categoría/ciudad. Sin outcomes no hay aprendizaje.
Ajusta pesos de scoring y prioridades de scraping según ROI observado. Governor evita oscilaciones. Exploration floor mantiene diversidad.
Sin sorpresas. Sin letra pequeña. Pagas por lo que usas, con visibilidad total del coste.
Esto es lo que realmente hace el sistema. Sin marketing, sin humo.
Backend: Python 3.12 (Hydra workers) + Node.js 20 (Scraper CLI)
Base de Datos: PostgreSQL 17 (Supabase)
Scraping: Playwright + Chromium headless
Infraestructura: VPS Contabo + systemd para orquestación
Código: 8 módulos independientes, ~15K líneas documentadas
• Cobertura: 178 ciudades españolas, 134 categorías B2B activas
• Capacidad: ~5K-20K leads/día según demanda y priorización ASMO
• Latencia intake: 2-15 minutos (depende de inventario cached)
• Recency: leads ≤60 días (promesa comercial)
• No cubrimos: C2C, marketplace, ecommerce puro
S_final = w_c × C + w_o × O + w_f × F
C (Contactabilidad): 0.7×phone_valid + 0.2×has_website + 0.1×has_address
O (Oportunidad): 0.5×aima_intent + 0.3×recency + 0.2×category_fit
F (Confianza): 1 - min(1, noise_score + 1/(attempts+1))
Los pesos w_c, w_o, w_f se ajustan semanalmente según correlación con outcomes reales (α=0.1, regularización L2).
• Datos: procedentes de fuentes públicas (directorios de empresas y sitios web corporativos)
• Almacenamiento: EU (Frankfurt), encriptado en reposo
• No revendemos datasets agregados; entregamos contactos bajo condiciones de uso acordadas
• Cliente puede solicitar exclusión de leads específicos (GDPR Art. 17)
• Logs de entrega: 24 meses de retención por auditoría
Agenda una demo técnica y te mostramos el sistema en acción.
info@getleadcompass.com