estudio-mercado

Imported from JACarrasco7/importnex-saas (.claude/skills/estudio-mercado/SKILL.md). Install upstream with npx skills add JACarrasco7/importnex-saas --skill estudio-mercado. Copyright stays with the author.

Estudio de mercado de coches — JJ Import Motors (ES + DE)

Skill hermana de importacion-vehiculos. Esta skill NO busca coches para un cliente ni valora unidades: estudia el mercado y deja un mapa de datos persistente listo para que la otra skill decida QUÉ modelos merecen la pena ANTES de buscar nada.

Motivo (17-ago-2026): en las pruebas de stock, la skill de importación no tenía criterio de selección ("¿por qué no puse ningún Mercedes?"). El criterio debe venir de un estudio de mercado previo, no de leer anuncios al vuelo.

🎯 Qué resuelve

1. Criterio de selección explícito. Antes de buscar un coche, saber qué modelos tienen hueco real (diferencia de precio ES vs DE que cubre costes de importación) y cuáles son puro atractivo visual.
2. Datos reales, no solo anuncios. Oferta + precios (portales) + matriculaciones/parque (DGT/KBA) + demanda (Google Trends) + rotación (días publicados).
3. Eficiencia. El estudio se hace UNA vez y se refresca por categoría (showstoppers 2 sem · rotación 3 · gemas 4); N encargos de búsqueda lo reutilizan en vez de re-escaneo de cero.

🔗 Relación con importacion-vehiculos

Contrato de integración: importacion-vehiculos lee datos_mercado.json en su PASO 0 y en FIJAR MODELOS (PASO 3b) para:

• Decidir qué modelos candidatos proponer (con encaje ES/DE).
• Justificar el criterio ("Mercedes CLA entra porque hueco X% y demanda alta; Cupra no, porque paridad ES≈DE").
• No re-sondear lo que el mapa ya tiene fresco (según refrescar_antes_de_categoria de cada modelo).

📍 RUTA PACTADA del mapa (L2 · 17-ago-2026, dual desde 23-ago-2026): el archivo vive SIEMPRE en AMBAS rutas:

1. C:/Users/jacar/Desktop/JJImportMotors/datos_mercado.json (ruta principal — usuario la abre a diario)
2. C:/laragon/www/importnexcore/.claude/skills/datos_mercado.json (ruta espejo — workspace del proyecto)

El campo ruta_canonica del JSON lista ambas rutas separadas por |. Si importacion-vehiculos no encuentra el JSON en ninguna → NO fallback silencioso: avisa "mapa de mercado no encontrado en ninguna ruta; considera ejecutar estudio-mercado" y continúa con modelos-medidos.md declarándolo. Ambas skills escriben/leen en esas mismas 2 rutas.

Regla de sincronización: si una ruta está más actualizada que la otra (por mtime), Copilot (VS Code) la trata como fuente de verdad y copia a la otra. NUNCA divergir: la IA solo escribe en1 ruta y Copilot espeja.

🔁 Comunicación BIDIRECCIONAL — aprendizaje de cada encargo (17-ago-2026)

El mapa no solo se alimenta del estudio periódico: cada búsqueda concreta de la skill hermana lo enriquece.

① importación → mapa (feedback tras medir):

• Flujo A (URL evaluada) y Flujo B (modelo barrido con 7 fuentes) producen mediciones profundas reales (medianas DE/ES, nº anuncios, hueco). Al cerrar, esa medición se vuelca al mapa: nueva entrada o actualización con refrescar_antes_de_categoria = hoy + cadencia de su categoría (L7).
• Resultado: el mapa acumula conocimiento de CADA encargo — las búsquedas específicas hacen más listas las ambiguas.

② mapa → importación (contexto previo):

• Flujo A: contexto del modelo (mediana, hueco, rotación, veredicto) disponible ANTES de medir → comparables y veredicto más rápidos y sólidos. Si el modelo no estaba, esta evaluación lo añade.
• Flujo B: chequeo de veredicto ANTES del barrido → si el mapa marca 🔴 (hueco neto <0, ES mejor), avisar al usuario antes de gastar 15-50 peticiones.
• Flujo C/D/E: PASO 0 + FIJAR MODELOS (criterio de selección).

Regla de frescura: lo que el mapa tiene fresco NO se re-mide desde importación (PASO 0); lo caducado se re-estudia aquí o se refresca con la próxima medición de un encargo.

📊 Las 3 capas de datos (de gratis a pago)

Detalle completo en fuentes_datos.md. Resumen:

Capa 1 · Pública y gratuita (usar SIEMPRE):

• DGT (ES) — transferencias de vehículos de ocasión mensuales, por marca/modelo.
• KBA (DE) — matriculaciones, parque y bajas de Alemania.
• GANVAM / FACONAUTO / ANFAC (ES) — informes mensuales de precios VO y matriculaciones.
• Google Trends — demanda de búsqueda por modelo (ES vs DE).

Capa 2 · Portales (navegación real, como la skill hermana):

• mobile.de (DE) — precio de referencia DE, oferta, sellos "Sehr guter/Guter/Fairer Preis", días publicados.
• Coches.net (ES) — precio de referencia ES, oferta, sellos "Buen precio/Precio justo", rotación.
• AutoScout24.de — SOLO contar oferta (A8: NUNCA precio).
• Wallapop / Milanuncios / kleinanzeigen / AutoUncle — complemento (chollos, rotación).

Capa 3 · Pago (futuro, el salto a SaaS vendible):

• DAT / Schwacke (DE) — tasación profesional VO alemana.
• Eurotax / Glasses (ES) — tasación profesional.
• mobile.de / AS24 Market Insights — API de precios medios y tendencias.

Regla: empezar con Capa 1 + 2 (gratis). El esquema de datos_mercado.json deja hueco para la Capa 3 (tasacion_pro opcional) sin romper nada.

🎯 Criterios de selección POR CATEGORÍA (heredado de importación, regla 1c)

El veredicto de un modelo depende de la categoría a la que sirve. NO un único criterio (hueco %) para todos.

Umbrales de hueco objetivo (heredados, importacion-vehiculos SKILL §REFERENCIA):

• Nicho ≥10% · Rotación ≥10% · Tramo 8-14k ≥12% (objetivo)
• Mínimos (EXIT 3): Nicho 8% · Rotación 10% · Tramo 8-14k 10%

🎯 SEGMENTACIÓN del mercado (17-ago-2026)

Además de categoría (para qué sirve el coche) y origen, el mapa se segmenta por tipo de vehículo y banda de precio. Así se puede estudiar/filtrar por sub-mercado y cruzar veredictos con contexto.

2 dimensiones de segmentación:

Reglas:

1. Cada modelo lleva su segmento y rango_precio (una banda, en origen DE).
2. En FASE 0 se puede acotar el estudio a un segmento o banda ("estudia berlinas de 14-25k").
3. El veredicto de categoría se interpreta con el segmento: un deportivo de 25k+ es showstopper por atractivo (el hueco pesa menos); un urbano de 8-14k es gema por accesibilidad (el hueco pesa más).
4. En el refresco delta, priorizar por segmento si una banda se ha movido mucho.
5. El dashboard /mercado filtra por segmento y banda.

👤 TIPOS DE CLIENTE — tercera dimensión (17-ago-2026)

Perfil de comprador objetivo. Los 3 del prompt de stock (showstoppers / rotación / gemas) son tipos reales; se añaden más. Cada modelo lleva tipo_cliente (principal) + tipos_cliente_secundarios.

Reglas del tipo de cliente:

1. tipo_cliente es el perfil objetivo principal del modelo; tipos_cliente_secundarios los otros que aplican.
2. En FASE 0 se puede acotar por cliente ("estudia coches para primer coche").
3. El dashboard /mercado filtra por tipo de cliente.
4. Es complementario a categoría (para qué sirve el coche) y segmento (tipo de vehículo): un Astra OPC = showstopper + deportivo + deporte_ocio.

Modelos sugeridos por el usuario (18-ago-2026):

• VW Arteon (Solo Shooting Brake). "No se vende mucho pero es un coche atractivo, depende de motorización y equipamiento; solo vería el Shooting Brake." → segmento berlina, tipo impacto_showstopper/premium_imagen. Al estudiarlo: fijar versión SB y equipamiento alto (cuadro digital, techo, LED) — aplica la regla de máximo equipamiento.
• Revisar siempre si un modelo tiene variante SB/GT/Kombi que el usuario solo quiera (A13: no cambiar el filtro en silencio, pero tampoco asumir que quiere todas las carrocerías).

🎯 ESTUDIOS DIRIGIDOS (17-ago-2026) — construir la BBDD poco a poco

No hace falta el estudio masivo de 3 categorías para tener BBDD útil. Se puede estudiar por marca, por modelo, por segmento, por rango o por tipo de cliente, y cada pasada enriquece el mismo datos_mercado.json.

Disparadores: "estudia la marca Audi" · "estudia el Golf 8" · "estudia berlinas de 25k+" · "estudia coches para primer coche" · "estudia todos los Mercedes del segmento premium".

Cómo se ejecuta: mismo flujo (FASE 1 ES → FASE 2 DE → cruce → guardar), pero el ALCANCE está acotado:

• por_marca: todos los modelos relevantes de la marca (ej. Audi: A1, A3, A4, A5, A6, Q2...), con su segmento/categoría/tipo_cliente.
• por_modelo: un modelo concreto, en todas sus versiones/motorizaciones.
• por_segmento / por_rango / por_tipo_cliente: el sub-mercado completo que cumple el criterio (A19: explorar todo lo que cumple, no solo ejemplos).

Reglas:

1. Cada pasada hace MERGE por slug en datos_mercado.json (no borra entradas de otras pasadas) y recalcula el índice marcas.
2. tipo_estudio en la cabecera indica cómo se generó la última pasada.
3. Un modelo estudiado vía dirigida entra con fuente_medicion: estudio (mediana fiable) o se marca pendiente_fase2 si no se aisló la versión.
4. La caducidad (refrescar_antes_de_categoria) se asigna igual por su categoría; una pasada dirigida puede refrescar solo los modelos tocados.
5. El resultado alimenta también ../importacion-vehiculos/memoria/modelos-medidos.md (histórico compartido) y el SaaS vía market:import.

�️ EQUIPAMIENTO — comparar a MÁXIMO equipamiento por defecto (18-ago-2026)

Motivo (feedback usuario 18-ago): en el estudio hay que comparar la unidad alemana con el máximo equipamiento posible (suele venir full: techo, cuadro digital de instrumentos, LED, HUD...), NO contra la unidad española base. Un precio ES "3% más barato a igual año" NO es comparable si el alemán trae cuadro digital + techo y el español no. El equipamiento ES el argumento que más mueve a los jóvenes / compradores de coche moderno.

Regla por defecto (si el usuario no indica lo contrario): el estudio mide y compara la variante full / máximo equipamiento de cada modelo:

• En DE (mobile.de): filtrar por equipamiento real en la sección Ausstattung (checkbox): Schiebedach (techo) · Virtual Cockpit / Digitales Kombiinstrument (cuadro digital) · Sitzheizung (calefacción asientos) · Head-Up-Display · LED/MATRIX · Navi · ACC. Anotar cuáles vienen de serie en la versión.
  • ES/selectores estables (18-ago): la versión ES de mobile.de (/es/s/auto) usa data-testid estables para marcar los checkboxes (ver ../importacion-vehiculos/02-flujos/playbook_filtrado.md §Selectores ESTABLES). Para unidad "full" reproducible, marcar los 5: Interior → Panel de instrumentos digital (cuadro digital) + Pantalla Head-up + Calefacción de asiento · Extras → Techo panorámico + Faros LED.
• En ES (Coches.net): el filtro de equipamiento es MUY limitado — solo hay checkbox de techo (Techo solar), NO hay filtro de cuadro digital. Solución: filtrar por techo en ES como proxy + en DE por el conjunto full; o abrir 1-2 fichas de muestra por mercado (excepción puntual a A17) para confirmar equipamiento real del tramo de precio.

Cómo afecta al hueco: si ES es "más barato" pero básico y DE es full, el hueco REAL (a igualdad de equipamiento) es MAYOR que el bruto: el valor del equipamiento (techo +1.000-1.500 €, cuadro digital +500-1.000 €, LED +500 €, HUD +300 € — ver importacion-vehiculos/03-informes/comparables.md §Primas) se suma al lado DE como valor entregado, no como sobrecoste.

Reglas:

1. Anotar SIEMPRE el nivel de equipamiento de la mediana: equipamiento_nivel: "base" | "medio" | "full" por mercado (campo nuevo en el esquema) + lista de ítems clave (equipamiento_de / equipamiento_es).
2. Si ES y DE no comparan el mismo nivel (ES base vs DE full), NO dar el hueco como definitivo: ajustar el precio ES al alza con las primas de equipamiento de comparables.md y anotarlo en nota.
3. El veredicto de showstoppers (atractivo) ya valora equipamiento; en alta_rotación y gemas, el equipamiento full DE es argumento de venta aunque el hueco bruto sea menor.
4. La query_reejecutable incluye los filtros de equipamiento usados (p.ej. Schiebedach en mobile.de, techo en Coches.net) para poder re-medir igual.

🚫 REGLA SEAT/CUPRA — CORREGIDA (18-ago-2026)

Corrección crítica del feedback del usuario: la v1/v2 concluyó "nunca ofertar Seat/Cupra, España más barata (Martorell)". ESO ES INCORRECTO. El Cupra León más barato en España está a 19.500 €; en Alemania los más baratos están a 15-16.000 €. La conclusión errónea salió de la mediana con banda ≥20k en ambos mercados, que recortó la cola barata alemana (el mismo error de la banda que el propio estudio v2 identificó en Golf). La marca nacional NO invierte el arbitraje: el suelo DE es más bajo.

Regla nueva:

1. La nacionalidad de la marca NO es criterio. Seat/Cupra se fabrican en Martorell, pero el mercado alemán sigue teniendo unidades más baratas (mayor rotación, más parque, configuraciones distintas).
2. SIEMPRE mirar el precio_desde (suelo) SIN banda en ambos mercados antes de declarar "España más barata" — no solo la mediana con banda.
3. Medir Seat/Cupra sin banda de precio (o con banda solo ES) y recalcular el hueco con el suelo DE (15-16k) vs suelo ES (19,5k).
4. Actualizar los modelos seat-leon y cupra-leon del mapa con la medición corregida y nota explicando el cambio.
5. Mantener la regla metodológica "verificar el h1 del listado" (la trampa de versión sigue siendo válida) — lo que se corrige es la conclusión de negocio.

�🔀 Flujo de trabajo (una pasada de estudio)

FASE 0 — ALCANCE del estudio (con el usuario, **PREGUNTAR PRIMERO**):
  └─ **PREGUNTAR** antes de gastar peticiones (versión, año, km, precio, equipamiento). Formato en `informe_mercado.md` §CUÁNDO PREGUNTAR.
  └─ ¿Estudio COMPLETO por categorías o DIRIGIDO? (por marca / modelo / segmento / rango / tipo_cliente)
  └─ Si completo: ¿qué categorías? (showstoppers / rotación / gemas / todas)
  └─ Si dirigido: ¿qué marca/modelo/segmento/rango/cliente? (ej. "Audi", "Golf 8", "berlinas 14-25k", "primer coche")
  └─ ¿Rango de año/km/precio base? (si no, el mercado manda)
  └─ ¿Gastos fijos para "Puesto en Huelva"? (por defecto 1.500 €, preguntar al usuario)
  └─ ¿Qué profundidad? (rápido: solo hueco · completo: hueco + rotación + demanda)
  └─ ACK de 1 línea + OK del usuario — **NO empezar el estudio sin esto**

FASE 1 — ES (Coches.net, navegación real):
  └─ Por categoría → listados ordenados por precio → recoger por modelo:
       oferta_es, precio_desde_es, mediana_es, sello de precio, rotación ES (si visible)
  └─ Listado-first (A17): NO abrir fichas; solo 1-2 muestras para confirmar trim/potencia

**FASE 2 — DE (mobile.de, navegación real):**
  └─ Mismos modelos → oferta_de, precio_desde_de, mediana_de, sello "Sehr guter/..."
  └─ rotacion_dias_de (AutoUncle/días publicados) separado de ES (L9)
  └─ Doble pasada por kW para topes de gama (GTI/R/M/AMG/RS/OPC) — ver playbook

**🔴 REGLA DURA DE FILTRADO (23-ago-2026 v0.3.10):** en Coches.net **NUNCA** filtrar por el campo de texto libre `Versions[]`/`Version=` (depende del etiquetado del vendedor, mezcla generaciones). **SIEMPRE** usar filtros individuales estructurados por URL: `PowerHpFrom-To` / `MinYear` / `MaxKms` / `Fueltype2List` / `ArrBodyType` / `minDoors` / `TransmissionTypeId` + `fi=Price&or=1`. En mobile.de: filtros estructurados (`makeModelVariant1Ids`, `kwFrom`, `kmFrom-To`, `yearFrom-To`, `damageVehicle_damageUndecided=ONLY_DAMAGE_FREE`) + doble pasada por kW. **Si la IA usa el campo de versión de texto, el estudio entero es INVÁLIDO y hay que rehacerlo.** Detalle en `../importacion-vehiculos/02-flujos/playbook_filtrado.md`.

**🆔 IDs de portal — NUNCA inventarlos (13-sep-2026 v0.4.2):** las URLs de búsqueda llevan
IDs numéricos que **no son adivinables**: no van en orden alfabético simple (`BMW=7` pero
`Mercedes-Benz=28` y `Cupra=1400`) y **caducan**. Usar SIEMPRE el catálogo verificado
`references/mobile-de-ids.json` (marcas + modelIds de VW, Audi, BMW, Mercedes-Benz, Porsche,
Ford, Seat, Cupra, Skoda, Opel y Volvo — el **mismo fichero que usa Laravel**, para que las
URLs del estudio y las del panel admin coincidan). Si un modelo no está en el catálogo →
filtrar por texto (`q=`) **antes** que inventarse un ID.

| Portal | Filtro | Forma correcta |
|---|---|---|
| mobile.de | marca+modelo | `ms=<makeId>;<modelId>;;;` (**5 campos**, no 4) |
| mobile.de | potencia | `pw=<kWdesde>:<kWhasta>` — en **kW** = cv × 0,7355 ±4 (310 cv → `pw=224:232`) |
| mobile.de | año / km | `fr=<añoDesde>:<añoHasta>` · `ml=:<kmMax>` |
| coches.net | marca | `MakeIds[0]=` — VW=**47** · Audi=**4** · BMW=**7** · Mercedes-Benz=**28** · Opel=**32** · Seat=**39** · Skoda=**40** · Toyota=**46** · Volvo=**48** · Cupra=**1400** |
| coches.net | modelo | `ModelIds[0]=` si se conoce (Golf=**89**) — preferible a `Versions[]` |

> ⚠️ **Los IDs de mobile.de CADUCAN.** El `Golf Mk7.5 = 12603` que circulaba devolvía
> **0 anuncios** el 13-sep-2026; el vigente es `14` (**57.717**). Validar SIEMPRE por conteo
> (contador "X Angebote" > 0 + el `<h1>` nombrando el modelo correcto) antes de dar una URL
> por buena.
> ⚠️ Una tabla anterior de este ecosistema tenía IDs **inventados** que devolvían OTRA MARCA
> (`bmw=11` → CITROEN · `mercedes=12` → DAEWOO · `ford=24500` → TVR). No fiarse de IDs de
> memoria: mirar el catálogo. Procedimiento de refresco en el playbook de la skill hermana.

**🔴 REGLA DURA — LAS URLs DE CADA MEDICIÓN VAN EN EL INFORME (15-sep-2026, ampliada 28-sep-2026):** cada versión
medida lleva su **§8 FUENTES CONSULTADAS — re-ejecutables** con la URL exacta de 🇩🇪 mobile.de y de 🇪🇸
Coches.net, **sus parámetros escritos al lado** (marca=ID, modelo=ID, potencia en kW y en cv, año, km,
precio, país del vendedor, orden), el **conteo medido** y la **fecha de medición**. El usuario tiene que poder
**rehacer la búsqueda él mismo** y quedarse con los anuncios que quiera: guardar la query solo en
`datos_mercado.json` no basta (un número que no se puede reproducir con un clic no es un dato, es una opinión).
Se generan con `scripts/fuentes.py` de la skill hermana — **nunca a mano**, los IDs no se inventan.
**Todos los `--spec` del informe en UNA sola llamada** (no una sesión por versión):
`py .claude/skills/importacion-vehiculos/scripts/fuentes.py --seccion --fecha YYYY-MM-DD --precio-max 40000 --pais-de DE --spec "Marca|Modelo|Etiqueta|cv_min|cv_max|anio_desde|anio_hasta|km|carroceria|anuncios_de|anuncios_es|versions_es|q_de" --spec "..."`.
**Sin esta sección el informe NO se entrega.** Plantilla y ejemplo: `informe_mercado.md` §FUENTES CONSULTADAS.

**🔴 REGLA DURA — UNA SOLA PLANTILLA, CONCISA (28-sep-2026 v0.5.0):** TODOS los informes de
marca/segmento usan la MISMA plantilla (`informe_mercado.md`), **sin variantes por segmento**
(SUV, hatchback, familiar, berlina…). Es un **sondeo de mercado rápido**, NO un dossier: **no** se
incluyen fichas con "los 2 mejores anuncios", **no** desglose por variables (cambio / techo /
cuadro digital), **no** §3.b segmentación amplia, **no** verificación de fichas a posteriori.
El detalle de anuncios lo aporta el usuario abriendo las URLs de §FUENTES. Si el usuario pide esos
detalles expresamente, se añaden como anexo al final y se avisa en 1 línea.

**Ruta y nombre canónicos (obligatorio):**
`informes/<marca>/<marca>_<segmento>_<enfoque>_<YYYY-MM-DD>.md`
- `<marca>`: corto y en minúsculas (`vw`, `audi`, `bmw`, `mercedes`, `seat`, `cupra`…).
- `<segmento>`: valor del schema (`compacto|suv|berlina|deportivo|familiar|urbano`).
- `<enfoque>`: `deportivo|generalista|accesible|premium|mixto`.
- Estudio de un modelo concreto: `<marca>-<modelo>_<segmento>_<enfoque>_<YYYY-MM-DD>.md`.
- Ejemplo: `informes/vw/vw_compacto_deportivo_2026-09-27.md`.

> Los informes entregados ANTES del 28-sep-2026 **no se renombran**: la regla rige desde el próximo.

FASE 3 — CRUCE y veredicto:
  └─ hueco_pct (bruto) = (mediana_es − mediana_de) / mediana_es × 100  ← comparable con historial y umbrales
  └─ hueco_neto_pct = con costes de importación (fórmulas en §Cálculo)
  └─ Veredicto según categoría (tabla de criterios) + nota de mejor mercado (DE/ES)
  └─ Rotación (días en stock) + demanda (Google Trends, 1 consulta por modelo top)

FASE 4 — GUARDAR el mapa (estricta, sin decisiones libres):
  └─ RELEER el JSON actual y hacer MERGE por `slug` (no sobrescribir — E10). Sin esto, PARAR.
  └─ Asignar `slug` canónico + `alias` (L1).
  └─ Actualizar `refrescar_antes_de_categoria` POR CATEGORÍA (L7): showstoppers +2 sem, rotación +3, gemas +4.
  └─ Sincronizar `../importacion-vehiculos/memoria/modelos-medidos.md` con los 12 campos del modelo.

FASE 5 — GENERAR EL INFORME (estricta, la nube NO improvisa):
  └─ **Usar la plantilla `informe_mercado.md` AL PIE DE LA LETRA.**
  └─ **Respetar TODAS las filas de la tabla §ESTRUCTURA OBLIGATORIA de la plantilla, en ese
     orden** (no poner el número a mano: la tabla manda y cambia con las versiones).
  └─ **NO saltarse secciones.** Si falta muestra, poner 1 línea justificada y seguir.
  └─ **NO decidir formato.** SIEMPRE 1 .md. PDF solo si el usuario lo pide.
  └─ **NO decidir gastos.** Por defecto 1.500 € (ver regla "💶 GASTOS FIJOS").
  └─ **NO incluir jerga IA** (sincronizado, merge, volcado, fuente_medicion).
  └─ **Rellenar el CHECKLIST final** de la plantilla con ✅/❌ antes de entregar.
  └─ **Última línea del informe** (literal, sin cambios):
     *"Archivo: `informes/<marca>/<archivo>.md`. Pásale este MD a Copilot en VS Code y dile 'importa este MD al mapa'."*

⛔ **PROHIBIDO en FASE 5** (la nube NO puede):
  - Inventar datos que no están en el JSON.
  - Mezclar datos recordados de informes anteriores.
  - Cambiar el orden de las secciones.
  - Cambiar los nombres de las secciones (los emojis son parte del contrato).
  - Abreviar o fusionar secciones "porque el informe es largo".
  - Decir "sincronizado" o "volcado OK" si no ha verificado el JSON.
  - Generar PDF, ZIP, ni formatos extra.
  - Añadir un informe modelo separado si el usuario solo pidió completar mercado.

### ⚠️ Regla de confianza (17-ago-2026)
- Un veredicto 🟢 exige `confianza_precio ≥ 3` (precio de anuncio contrastado o tasación). Con confianza 1-2 (precio dudoso) el máximo permitido es 🟡.
- Si `precio_desde_de` está >15% bajo `mediana_de` con veredicto verde → `oportunidad: true` (chollo escondido).

Presupuesto objetivo: 1-2 peticiones por modelo y mercado (listados, no fichas). Un estudio de 3 categorías × 10 modelos ≈ 60-80 peticiones, UNA vez cada 2-4 semanas según categoría (el refresco en delta gasta mucho menos).

🔄 PIPELINE CONJUNTO con importacion-vehiculos (21-ago-2026) — UN MODELO POR PASADA

El problema (18-21 ago-2026): barrer un segmento entero ("Compactos deportivos" = GTI + Cupra + Astra OPC + Focus ST + i30N + Mégane RS...) en una sola sesión supera el límite de 5h, mezcla generaciones y devuelve unidades que NO encajan. La búsqueda a ciegas está PROHIBIDA.

Regla de oro: el estudio y la búsqueda trabajan modelo por modelo (marca + versión), NO por segmento. El segmento solo PRIORIZA.

① Segmentación (prompt maestro) → lista de modelos concretos por segmento
② ESTUDIO (esta skill): 1 modelo por pasada → veredicto + estado_cola=estudiado
   PARADA: mostrar resultado al usuario
③ BÚSQUEDA (importacion-vehiculos): 1 modelo por pasada (SOLO si 🟢/🟡 con hueco)
   → Flujo B → candidatos → estado_cola=buscado
④ Feedback: la búsqueda vuelca mediciones reales al mapa (fuente_medicion: flujo_b)

Reglas:

1. Al cerrar cada modelo en esta skill, actualizar cola_trabajo en datos_mercado.json: estado_cola (estudiado/descartado) + puntero siguiente_* (enrutador: ver schema_datos_mercado.md §Cola de trabajo).
2. Cada pasada = 1 modelo: ES (Coches.net) + DE (mobile.de) + cruce. ~5 min. Nunca más de 1 modelo por mensaje de resultado.
3. Si el modelo ya está pendiente_busqueda o buscado en la cola → NO re-medir (PASO 0 cache de la skill hermana).
4. Entre modelo y modelo: PARADA OBLIGATORIA para que el usuario valide encaje (ver formato de salida).
5. Documento maestro del flujo de trabajo: ../importacion-vehiculos/02-flujos/como_deben_ser_las_sesiones.md (obligatorio leerlo al inicio de sesión).

⚡ EFICIENCIA del estudio (17-ago-2026)

• Facetas de marca/modelo con conteo (como D1a de importación): enumerar el mercado sin abrir listados → solo los modelos con señal de interés pasan a lectura de listado.
• Reutilizar query_reejecutable de cada modelo en el refresco delta: NO redescubrir filtros/URLs del estudio anterior (ahorro ~50%).
• Estudio por lotes con checkpoint: en FASE 0 proponer partir por categoría (1 categoría por sesión si es grande) y confirmar antes de la siguiente, igual que el Flujo E.
• Sello de precio como primer filtro: priorizar las muestras con sello "Sehr guter"/"Buen precio" en el listado para el precio-desde sin abrir fichas.

🧮 Cálculo del hueco (2 métricas, 17-ago-2026 corregido)

⚠️ Compatibilidad: el histórico de modelos-medidos.md y los umbrales (Nicho ≥10% etc.) usan el hueco BRUTO. El campo hueco_pct del mapa usa la MISMA fórmula para que cache, umbrales y comparables sean coherentes. El neto (con costes) es una métrica ADICIONAL.

HUECO BRUTO (hueco_pct — compatible con historial y umbrales):
  hueco_pct = (mediana_es − mediana_de) / mediana_es × 100

  Verificación contra histórico: Astra OPC 2012 → (15200−10500)/15200 = 30,9% ✓ · Astra 2013 → (16400−12400)/16400 = 24,4% ✓

HUECO NETO (hueco_neto_pct — con costes de importación, para decidir negocio):
  coste_importacion = transporte 900 + ausfuhr 114 + ITV 115 + IEDMT_estimado   (sin honorarios)
  precio_puesto_huelva_de = mediana_de + coste_importacion
  hueco_neto_pct = (mediana_es − precio_puesto_huelva_de) / mediana_es × 100

  hueco_neto > 0 → comprar en DE y traer sale mejor
  hueco_neto ≈ 0 → paridad real (el bruto puede ser positivo pero sin negocio)
  hueco_neto < 0 → sale mejor ES

Uso: hueco_pct para comparar con umbral Nicho ≥10% (EXIT 1 si <8%) y con el histórico. hueco_neto_pct para el veredicto de negocio. Ejemplo real: Golf GTI bruto 11,3% pero neto ~5% — el bruto pasa umbral, el neto dice que la importación apenas deja margen. IEDMT según CO₂ y antigüedad: ver importacion-vehiculos/04-negocio/costes.md §IEDMT (coeficientes Anexo IV + tipos por emisiones). Para el estudio se usa un IEDMT estimado por segmento; el exacto se calcula en Flujo A cuando hay unidad concreta.

💶 GASTOS FIJOS ESTIMADOS PARA EL INFORME (23-ago-2026, regla del usuario)

El informe debe usar SIEMPRE una cifra redonda de 1.500 € de gastos fijos (1.000 € transporte + 200 € ITV + 300 € gestoría/ausfuhr) para calcular el "Puesto en Huelva" y el "Ahorro real" en las tablas y resúmenes. Esta es la cifra que el usuario ve y con la que decide — no el cálculo técnico del hueco_neto_pct.

Por qué: el estudio de mercado mira precios de compra. Los gastos de traer un coche son variables (CO₂, año, provincia). Para decidir si merece la pena importar un modelo, basta una cifra redonda. Cuando hay unidad concreta (Flujo A), se calcula IVA + IEDMT exacto.

Fórmula:

• puesto_huelva = precio_alemania + 1.500 €
• ahorro_real = suelo_es - puesto_huelva

IVA de importación + IEDMT NO se incluyen en el informe de estudio. Se mencionan en la sección "💶 DESGLOSE DE LOS 1.500 € DE GASTOS FIJOS" para que el usuario sepa qué falta.

Si el usuario dice "usa 2.000 € porque mis gastos son más altos", recalcular todas las tablas. Si dice "no sumes nada", dejar la columna "Puesto en Huelva" fuera pero mantener el resto.

📄 Métricas por modelo (qué se guarda)

Para cada modelo/versión, el mapa guarda (esquema completo en schema_datos_mercado.md):

1. slug + alias — clave canónica y variantes de lookup (L1).
2. categoria + categorias_secundarias — categoría principal única + secundarias (L5).
3. oferta_de / oferta_es — nº de anuncios (tamaño del mercado).
4. mediana_de / mediana_es — precio de referencia (mobile.de / Coches.net).
5. precio_desde_de / precio_desde_es — suelo verificado.
6. hueco_pct — hueco de importación BRUTO (compatible con historial/umbrales).
7. hueco_neto_pct — hueco con costes de importación (veredicto de negocio) + coste_importacion_estimado / iedmt_estimado.
8. rotacion_dias_de / rotacion_dias_es — días en stock SEPARADOS (L9; ES a menudo null) + rotacion_fuente.
9. demanda_trends — tendencia Google Trends (creciente/estable/decreciente).
10. transferencias_mes_dgt / matriculaciones_kba — estadísticas Capa 1 (L8).
11. veredicto — 🟢/🟡/🔴 según criterio de su categoría.
12. mejor_mercado — DE / ES / paridad.
13. fuente_medicion — estudio / flujo_b / flujo_a / flujo_e_delta / mini_estudio (L3).
14. confianza_precio (1-5) y oportunidad (chollo) — calidad del dato + alertas.
15. nota — matices (motorizaciones no comparables, pendiente de doble pasada...).
16. tasacion_pro — (Capa 3, opcional) precio de tasación DAT/Eurotax.
17. refrescar_antes_de_categoria — caducidad según su categoría (L7: +2/+3/+4 sem).

🔄 Cadencia de refresco

• Por categoría (L7), no global: showstoppers rotan rápido → 2 semanas · alta rotación → 3 semanas · gemas estables → 4 semanas.
• Delta: en el refresco, re-consultar SOLO lo caducado; los modelos estables se revalidan con 1 lectura, no 4.
• Trigger manual: el usuario pide "actualiza el estudio de mercado" o antes de una campaña de stock.
• Cruce con importacion-vehiculos: su PASO 0 mira refrescar_antes_de_categoria de cada modelo → si caducó, ofrece refresco antes de usarlo.
• Categoría sin datos: declararlo explícitamente ("categoría X sin estudio → ofrecer delta"), nunca dejarlo en silencio.

🔴 REGLA DURA DE CACHE (23-ago-2026 v0.3.10): antes de estudiar un modelo, RELEER datos_mercado.json y comprobar refrescar_antes_de_categoria. Si la fecha es FUTURA y confianza_precio ≥ 3 → NO re-medir, devolver el resultado cacheado con 1 línea: "Cache vigente (refresca el DD/MM, confianza N)". Si está caducado o confianza <3 → medir de cero. Si no hay entrada en el JSON → medir de cero. NUNCA gastar peticiones re-calculando un modelo cacheado — el estudio ya vale y los datos están en el mapa.

🧠 APRENDIZAJE AUTOMÁTICO (17-ago-2026)

La comunicación con la skill hermana debe volver la información más precisa con cada uso. Tres mecanismos automáticos:

1. Calibración de veredictos. Cuando importacion-vehiculos cierra un encargo, puede contrastar el veredicto del mapa con el resultado real (ej. mapa 🟢 pero la venta no cuajó, o al revés). Si hay desacuerdo: añadir nota de calibración en el modelo y, si se repite 3+ veces, proponer ajustar umbrales (hueco ≥10% / confianza).
2. Feedback de oportunidades (chollos). Si la skill hermana detecta en un anuncio real un precio_desde_de >15% por debajo de mediana_de con veredicto verde → marca oportunidad: true en el mapa al volcar la medición.
3. Recomendación de próximo estudio. Al refrescar, priorizar la categoría cuya caducidad es más inminente (la lista refrescar_antes_de por categoría lo indica): "la próxima pasada toca showstoppers (caduca 2026-08-31)".
4. Cross-trigger de modelos nuevos. Si importacion-vehiculos busca un modelo que NO está en el mapa (sin match de slug/alias), se registra como candidato pendiente de estudio en la nota del mapa (o se añade con fuente_medicion: flujo_a y medianas null) → la próxima pasada de estudio lo mide.
5. Bucle de veredicto humano ↔ SaaS (17-ago-2026). El admin de Laravel (/mercado/admin) permite corregir un veredicto y lo marca veredicto_fuente: humano. Al escribir/refrescar el mapa, RESPETAR esos veredictos corregidos (no sobrescribir) y conservar la fuente. El comando market:export devuelve el JSON actualizado (con veredicto_fuente) para que esta skill lo relea como base. La corrección humana es la calibración final: gana sobre la IA.

⛔ Reglas duras heredadas (de importacion-vehiculos)

• A2 mobile.de SIEMPRE para precio DE · A8 AS24 NUNCA para precio (solo contar).
• A11/A12 paginar o usar bandas; página 1 sola sesga hacia lo barato.
• A15 navegación real SIEMPRE; snippets de búsqueda web NO valen como sondeo.
• A17 listado-first; no abrir fichas en el estudio (solo 1-2 muestras).
• A19 no acotarse a los ejemplos: explorar TODO el segmento.
• A21 todo dato lleva su enlace/fuente.
• L6 · El mapa asesora, el usuario decide (17-ago-2026): si el veredicto del mapa es 🔴 pero el usuario quiere el modelo igual (ej. marketing visual), avisar en 1 línea y ejecutar. Nunca bloquear ni insistir.
• L3 · fuentes de medición: estudio (esta skill), flujo_b, flujo_a, flujo_e_delta, mini_estudio (skill hermana). Las medianas las escriben estudio / flujo_b / mini_estudio; flujo_a solo añade/nota/enlaces.

📤 Output

PLANTILLA OBLIGATORIA del informe (28-sep-2026 v0.5.0): usar informe_mercado.md (plantilla en esta carpeta). El informe está escrito para el usuario (Jacar), no para otra IA. Lenguaje de negocio, sin jerga técnica. Es un sondeo de mercado conciso: el número y las fuentes, no un dossier. Estructura fija (9 secciones):

1. 🏁 CONCLUSIÓN (4-6 líneas + tabla resumen por versión, lo primero) → lector decide en 1 minuto.
2. 🎯 VERSIÓN A VERSIÓN (2-3 líneas de matiz por versión; SIN tablas de anuncios).
3. 🧩 COMPARABLES con modelos ya estudiados antes.
4. ⚠️ TRAMPAS que pueden costar dinero.
5. 📋 RESUMEN PARA COPIAR (1 párrafo sin enlaces, listo para WhatsApp/nota).
6. 💶 DESGLOSE 1.500 € GASTOS.
7. 📋 COBERTURA Y METODOLOGÍA (+ 📁 ARCHIVO GENERADO) al final.
8. 🔗 FUENTES CONSULTADAS — re-ejecutables (obligatoria: URL + parámetros + conteo + fecha).
9. ✅ CHECKLIST de auto-verificación.

Lo que NO se incluye (eliminado en v0.5.0): fichas con los 2 mejores anuncios, desglose por variables (cambio/techo/cuadro), §3.b segmentación amplia, §3.c límites por ficha y verificación de fichas a posteriori.

Reglas de entrega (humano, no IA):

• SIEMPRE un único Markdown (.md). Los enlaces funcionan.
• PDF SOLO si el usuario lo pide explícito (en PDF se rompen los enlaces → copia la URL visible en la tabla).
• NUNCA duplicar el mismo informe. UN archivo por estudio.
• La nube NO escribe en C:/Users/jacar/Desktop/... ni en .claude/skills/... (no tiene acceso a tu disco). Al final, imprime: "Archivo: informes/<marca>/<archivo>.md. Pásale este MD a Copilot en VS Code y dile 'importa este MD al mapa de mercado (ambas rutas)'."

El datos_mercado.json es la fuente de verdad de criterio para la skill hermana y el origen de datos del SaaS Laravel (comando market:import). Mantenerlo al día es la misión de esta skill.

📚 Referencias

• Esquema del mapa: schema_datos_mercado.md
• Fuentes de datos (Capas 1/2/3): fuentes_datos.md
• Costes/IEDMT: importacion-vehiculos/04-negocio/costes.md
• Trampas de portales: importacion-vehiculos/memoria/trampas-encontradas.md
• Playbook de filtrado: importacion-vehiculos/02-flujos/playbook_filtrado.md

🚀 MEJORAS v2 — habilidades y bucle con el SaaS (17-ago-2026)

1. Informe de estudio por marca (plantilla). Cuando el estudio es por_marca, el informe sigue la plantilla informe_mercado.md (9 secciones: conclusión → versión a versión → comparables → trampas → resumen → gastos → cobertura → fuentes → checklist). Guardar en informes\<marca>\<marca>_<segmento>_<enfoque>_<YYYY-MM-DD>.md. La conclusión SIEMPRE arriba, las fuentes re-ejecutables SIEMPRE (obligatorias) y la metodología al final.
2. Priorización automática del estudio. En FASE 0, si el usuario no acota, recomendar estudiar lo más caducado primero (leer refrescar_antes_de por categoría del JSON): "la siguiente pasada toca showstoppers (caduca el 31-08)". No preguntar a ciegas.
3. IEDMT estimado por tramo de CO₂. Para el hueco neto, estimar IEDMT por segmento/motorización con la fórmula de importacion-vehiculos/04-negocio/costes.md §IEDMT (coef. Anexo IV + tipo por emisiones) y guardarlo en iedmt_estimado. El exacto se calcula en Flujo A con la unidad concreta.
4. Modo "solo validar". Para un modelo con cache reciente, refresco ultraligero: 1 lectura por portal (mobile.de/Coches.net), confirmar que mediana y hueco siguen en rango, actualizar refrescar_antes_de_categoria y NO re-buscar. Ahorro máximo en el delta.
5. Fotos de muestra por modelo. En FASE 4, recoger 1-2 URLs de foto reales (nunca capturas) por modelo top y guardarlas en foto_url → el catálogo del SaaS no arranca sin imagen. (Requiere abrir la ficha SOLO de esos modelos top — excepción puntual a A17.)
6. Tendencias. El comando market:export del SaaS devuelve historial (últimas 5 mediciones) por modelo. Al refrescar, comparar la mediana actual con la anterior: si sube/baja >8%, anotarlo en nota y en el informe (señal de mercado, no solo foto del día).
7. Consulta opcional al SaaS. Si el usuario tiene el SaaS conectado, importacion-vehiculos puede leer /api/market (token) en vez del JSON local como fuente del mapa. El JSON local sigue siendo la fuente por defecto.
8. Calibración con correcciones humanas. Los veredictos corregidos en /mercado/admin (veredicto_fuente: humano) son la señal de calibración: si la IA marca 🟢 y el humano lo corrige a 🔴 repetidamente en un segmento, ajustar el peso de ese criterio en futuras pasadas. Documentar cada ajuste en ../importacion-vehiculos/memoria/mejoras-aplicadas.md.