Cómo funciona LowHunt

1. Qué hace LowHunt y qué problema resuelve

LowHunt es una capa de inteligencia de compra que pone el precio actual de un producto en contexto. Un precio aislado dice muy poco: puede parecer atractivo porque tiene una etiqueta de descuento, aunque haya estado más barato durante semanas; también puede parecer normal y, sin embargo, ser el mejor precio observado durante meses. Por eso LowHunt no parte del mensaje comercial del vendedor, sino de observaciones históricas, reglas de calidad y una comparación reproducible. El objetivo es ayudar a responder una pregunta concreta: ¿el precio que veo ahora es realmente interesante frente a la evidencia disponible?

La plataforma monitoriza productos por mercado, porque un mismo ASIN o una misma familia de producto puede tener precios, impuestos, disponibilidad, moneda e historial distintos según el país. La señal se calcula para un marketplace específico y no se mezcla con otro mercado. Si estás en España, la experiencia prioriza Amazon España; si estás en Alemania, Amazon Alemania, y así sucesivamente para los mercados soportados. Esto evita comparaciones artificiales entre divisas o catálogos que no reflejan lo que el usuario puede comprar desde su contexto.

LowHunt no promete que una oferta vaya a durar, no inventa una fecha de fin y no convierte una ausencia de datos en una afirmación. Cuando la cobertura histórica permite una conclusión, la muestra con una ventana verificable —por ejemplo, mínimo observado en 90 días, 6 meses o 12 meses—. Cuando no existe evidencia suficiente para una afirmación fuerte, la interfaz utiliza una formulación más prudente o no muestra ese claim.

2. Del dato bruto a una oportunidad publicable

El proceso empieza con observaciones de precio y atributos de producto. Cada observación se asocia a un producto y a un marketplace concreto, conserva la marca temporal y alimenta ventanas históricas. A partir de esas observaciones se mantiene un estado de precio que incluye, cuando existe cobertura, mínimos recientes, precio anterior, precio actual, dirección del movimiento y referencias históricas. La arquitectura separa deliberadamente el dato del mensaje: primero se calcula el estado factual y después se decide qué puede mostrarse.

No todo precio bajo se convierte automáticamente en una señal pública. Antes de aparecer en la web o en un canal de publicación, el producto debe superar controles comerciales y de sanidad: precio válido, señal activa, producto habilitado, valoración conocida cuando es necesaria, volumen de reseñas suficiente, frescura de la observación y umbrales mínimos de LOWHUNT Score y LOWHUNT Rating. Estas reglas reducen el ruido y evitan llenar el catálogo con productos de baja evidencia sólo para aumentar el contador de ofertas.

La elegibilidad es independiente de la afiliación. El hecho de que un enlace pueda generar una comisión no aumenta el Score, no mejora el ranking y no convierte un producto en publicable. La compensación comercial está separada de la lógica de evaluación. Esta separación es importante para que la señal siga siendo explicable: una oferta debe poder justificarse por sus datos incluso si el enlace de afiliado desapareciera.

3. Cómo se interpreta el historial de precios

El historial no se reduce a buscar el número más pequeño de una lista. LowHunt trabaja con ventanas temporales porque la calidad de una afirmación depende de cuánto tiempo se ha observado el producto. Un mínimo de 30 días no equivale a un mínimo de 12 meses; por eso la interfaz indica la ventana cuando puede hacerlo. Si existe una historia suficientemente larga, la señal puede expresar un mínimo de 90 días, 6 meses o 12 meses. El sistema evita presentar un mínimo de ventana corta como si fuera un mínimo de toda la vida del producto.

También se diferencia entre precio actual y referencia. La referencia histórica representa el punto contra el que se contextualiza la oportunidad. Si el precio actual es inferior a una referencia válida, puede mostrarse un ahorro calculado. Si no lo es, el sistema no fuerza un porcentaje positivo. Esto explica por qué algunas oportunidades pueden estar en un mínimo reciente y, al mismo tiempo, no mostrar un descuento comercial material respecto a la última referencia: son conceptos distintos y se presentan por separado.

Las gráficas de LowHunt representan observaciones disponibles, no una promesa de continuidad ni una reconstrucción perfecta de cada segundo de mercado. Cuando faltan puntos, no se interpolan afirmaciones comerciales. El gráfico sirve para entender dirección, rango y contexto. La media observada, cuando se muestra, es la media de los puntos que LowHunt tiene registrados para esa ventana, no una media oficial de Amazon ni un precio recomendado por el fabricante.

4. Qué significa el LOWHUNT Score

El LOWHUNT Score es una puntuación propia de 0 a 100 que resume varias dimensiones de una oportunidad. En la versión actual combina Price Value, Discount Quality, Product Quality y Offer Quality cuando esta última dispone de evidencia suficiente. Cada dimensión tiene un peso y el cálculo se renormaliza si una dimensión no está disponible, en lugar de fabricar un dato. Después se aplican caps y penalizaciones de dirección para evitar que un producto con evidencia incompleta parezca mejor de lo que realmente sabemos.

La escala de color es absoluta. Los valores bajos comienzan en verde, continúan por azul, violeta y fucsia, y los valores más altos llegan al rojo. La barra no debe estirar todo el gradiente hasta cualquier puntuación: únicamente revela la parte de la escala comprendida entre 0 y el Score de esa oferta. Por ejemplo, una oferta con Score 42 debe terminar alrededor del inicio del tramo violeta; una con Score 68 llega al tramo fucsia; una con Score 92 alcanza el tramo rojo. La parte restante permanece neutra.

LOWHUNT Rating traduce el Score a una escala más compacta, pero no sustituye los datos subyacentes. Un usuario puede ver el Score, la clase semántica y las razones principales. El objetivo no es decir 'compra porque el algoritmo lo dice', sino sintetizar evidencia para que la decisión final siga siendo del usuario. Los límites y pesos pueden recalibrarse con datos reales de utilidad, clics y conversión, pero los cambios de fórmula deben versionarse y documentarse.

5. Mercado local, idioma y coherencia geográfica

Una de las reglas de producto de LowHunt es no mezclar en la misma experiencia ofertas de mercados incompatibles. Los precios de Canadá, España, Alemania o Estados Unidos no deberían convivir como si fueran alternativas equivalentes para un mismo usuario. El catálogo público se filtra por el marketplace relevante para la petición. Cuando la infraestructura entrega una cabecera de país fiable, LowHunt la utiliza para seleccionar mercado; si esa señal no está disponible, la interfaz usa el idioma/localización de la ruta como fallback determinista.

La localización cumple dos funciones: presentar moneda y marketplace coherentes, y seleccionar el idioma inicial más probable. El usuario mantiene el control del idioma mediante el selector; cambiar idioma no altera la evidencia histórica, pero la experiencia evita que una elección lingüística convierta automáticamente un precio de otro país en una oferta local. La disponibilidad de entrega a una dirección concreta sigue dependiendo de Amazon y puede variar incluso dentro de un mismo país; LowHunt no afirma una elegibilidad de entrega que no haya podido verificar.

Este enfoque también mejora la calidad del análisis. Comparar EUR con CAD o USD sin contexto distorsiona el ahorro, y usar el historial de un marketplace para justificar el precio de otro sería metodológicamente incorrecto. Por eso producto, mercado, moneda e historial permanecen vinculados a lo largo de toda la cadena.

6. Cómo se construyen las tarjetas de oferta

Las cards priorizan la información que permite decidir rápido: producto, precio actual, descuento material cuando existe, ahorro absoluto, claim histórico verificable y LOWHUNT Score. Después añaden contexto: marketplace, fecha de detección, categoría, valoración propia y acceso a Amazon. El diseño evita reservar grandes áreas vacías; cada bloque tiene una función y la jerarquía tipográfica hace que el precio y el dato histórico principal se puedan leer en pocos segundos, incluso en móvil.

Las imágenes proceden de referencias de producto permitidas y se resuelven únicamente desde hosts de Amazon incluidos en una allowlist. Si una imagen no se puede resolver de forma segura, la publicación no inventa una imagen alternativa del producto. En Telegram existe un fallback gráfico sin imagen para que un fallo puntual de media no interrumpa el ciclo de QA, pero la ausencia queda registrada como diagnóstico.

Los enlaces de Amazon incorporan el tracking ID aprobado cuando corresponde. El usuario ve disclosure de afiliación y la presencia del tag no afecta a la posición del producto. En una imagen raster de Telegram no existen regiones clicables independientes; por eso la acción real se expone mediante el enlace de la publicación y los controles nativos que se puedan adjuntar al mensaje. En web, los CTA son enlaces patrocinados explícitos al producto.

7. Frescura, ciclo de vida e idempotencia

Una oportunidad no debe permanecer visible para siempre. Las señales tienen ciclo de vida y sólo las activas se utilizan para el feed público y para candidatos de publicación. Además, el precio actual debe estar suficientemente fresco según la política de publicación. Si un producto deja de cumplir las condiciones, su señal puede terminar; las páginas históricas pueden seguir siendo navegables cuando su contexto sea factual, pero no se presentan como ofertas activas.

La publicación externa añade otra capa de seguridad: idempotencia. Cada oportunidad tiene una identidad basada en producto-marketplace, versión de Score y precio. El sistema evita publicar dos veces la misma oportunidad. El canary de producción está limitado a un solo intento externo y, si existe una publicación productiva pending o failed sin reconciliar, otro one-shot LIVE queda bloqueado. La razón es sencilla: un timeout puede significar que Telegram recibió el mensaje aunque el proceso local no obtuviera confirmación.

En esos estados inciertos se reconcilia antes de reintentar. Esta disciplina evita duplicados y permite que el sistema falle cerrado. El mismo principio se aplica a los despliegues: un cambio de código no se considera operativo sólo porque exista un commit; se valida CI, se despliega un SHA exacto y después se comprueban web, API, base de datos e imágenes.

8. Qué no significa una señal de LowHunt

Una señal no es una garantía de stock, entrega, duración de la oferta o idoneidad personal. Tampoco es una recomendación financiera. El precio puede cambiar después de la observación y Amazon puede modificar disponibilidad, vendedor o condiciones. LowHunt aporta contexto factual para una decisión de compra; el usuario debe revisar el destino final antes de completar el pedido.

Tampoco todos los porcentajes de descuento merecen el mismo énfasis. La interfaz oculta descuentos redondeados insignificantes para evitar badges engañosos de 0% o ahorros visualmente exagerados. Una oferta puede ser interesante por estar cerca de un mínimo reciente aunque el ahorro contra una referencia concreta sea pequeño. En ese caso se prioriza el claim histórico y se reduce el peso visual del descuento.

Finalmente, un Score alto no implica que el producto sea adecuado para todas las personas. Product Quality utiliza señales como rating y volumen de reseñas, pero no conoce necesidades individuales. El Score describe la calidad de la oportunidad observada, no la utilidad subjetiva del artículo para una persona concreta.

9. Cómo leer una oferta en menos de treinta segundos

Primero mira el precio actual y el claim histórico. Si la tarjeta dice mínimo observado en 90 días, interpreta exactamente eso: dentro de la cobertura disponible de esa ventana, ese precio está en el extremo inferior observado. Segundo, mira la referencia y el ahorro, si existen. Te dicen cuánto se separa el precio actual de un punto histórico válido; no son un PVP oficial. Tercero, revisa el LOWHUNT Score y la clase para conocer la calidad agregada de la oportunidad.

Después revisa la categoría, marketplace y fecha. Así confirmas que estás viendo el mercado que te corresponde y que la observación es reciente. En la ficha de detalle, la gráfica te permite entender si el precio ha caído de forma sostenida, si oscila con frecuencia o si el movimiento es excepcional dentro de la ventana. Por último, abre Amazon y comprueba vendedor, entrega, variante, impuestos y precio final antes de comprar.

Este orden reduce decisiones impulsivas basadas únicamente en una etiqueta roja o un porcentaje grande. LowHunt intenta que el usuario pueda explicar por qué una oferta es interesante con datos visibles: precio, ventana histórica, referencia, Score y contexto del producto.

10. Calidad de datos, límites y mejora continua

La calidad del sistema depende de la cobertura. Algunos productos llevan más tiempo monitorizados que otros y algunos mercados generan observaciones con distinta frecuencia. LowHunt conserva esta incertidumbre en lugar de ocultarla. Cuando la evidencia de una dimensión falta, la puntuación se ajusta o se limita; cuando un claim histórico no puede probarse con la ventana disponible, se utiliza una formulación más débil.

Los controles de regresión comprueban que no reaparezcan incoherencias como precio actual distinto del priceState, badges de 0%, enlaces de afiliación mal formados, imágenes rotas o mezcla de mercados. Los cambios importantes se verifican con pruebas automáticas, previews canónicos y comprobaciones de runtime. El objetivo es que una mejora visual no degrade la factualidad y que una ampliación del catálogo no rebaje silenciosamente los criterios mínimos.

A medida que exista evidencia real de uso, LowHunt podrá recalibrar Score, priorización y cadencia. Esa recalibración debe partir de resultados observados, no de intuiciones. La propuesta de valor se mantiene: encontrar y explicar oportunidades de compra útiles y confiables mediante Deal Intelligence.

Preguntas frecuentes