El sistema de recomendación de TikTok es el conjunto de modelos que puntúa cada vídeo para cada espectador según la probabilidad de que lo vea, lo termine o lo salte, y ordena el feed.
Su página oficial en el Transparency Center lo describe en cinco pasos: seleccionar vídeos elegibles, predecir interacciones, ordenarlos, comprobar que dos vídeos seguidos no se parezcan demasiado y aplicar reglas como los requisitos regionales. Las acciones que predice son dar like, compartir, comentar, saltar, seguir al autor, terminar el vídeo y pasar tiempo en él.
Las señales vienen de tres familias, según el texto de TikTok de 2020: lo que hace el usuario (lo que ve, termina, comparte o salta), la información del vídeo (descripción, sonido, hashtags, duración, idioma, hora de publicación) y los ajustes del dispositivo y la cuenta, que pesan menos. El mismo texto dice que ni el número de seguidores ni los éxitos previos de la cuenta son factores directos. Una cuenta grande saca más vistas porque tiene más audiencia de partida, no porque el sistema la prime.
Lo que TikTok no publica son los pesos de cada señal ni umbrales. Cualquier tabla que diga «el completado pesa un 40 %» es inventada. Como referencia técnica existe el paper de ByteDance «Monolith» (arXiv, 2022), que describe un recomendador que aprende en tiempo casi real, aunque no afirma que sea el sistema exacto del For You. Por eso un vídeo puede encontrar público días o semanas después de publicarse.
Ejemplos
- Dos personas abren TikTok a la vez desde Madrid: una ve recetas y pádel, la otra maquillaje y política, porque el sistema puntúa los mismos vídeos de forma distinta para cada una.
- Un tutorial de hojas de cálculo apenas suma vistas la primera semana y empieza a crecer en la tercera, cuando el sistema lo prueba con espectadores que buscaban ese tema.
Consejos prácticos
- Trabaja las palancas que sí controlas: tema con demanda, primer segundo, duración que el contenido aguanta y valor real hasta el final.
- Escribe la descripción, el texto en pantalla y los hashtags para clasificar bien el vídeo; ayudan a encontrar a quién mostrarlo, no a empujarlo.
- Compara cada vídeo con la mediana de tus últimos 10 a 20 vídeos del mismo formato, no con cifras de blogs.
- No borres y vuelvas a subir un vídeo que falla: el sistema no recomienda duplicados. Publica una versión nueva con otro arranque u otro ángulo.
- Evita cebos de interacción («comenta SÍ», «dale like si…»): la manipulación de interacción deja el vídeo fuera del For You.
Cuidado con
- Mito: existe una «métrica reina» (solo importa el share, solo importa el completado). El ranking combina varias predicciones y TikTok no publica pesos.
- Mito: más seguidores garantizan más alcance. TikTok dice expresamente que los seguidores no son un factor directo.
Evidencia fuerte. Pasos, señales y acciones predichas publicados en el Transparency Center de TikTok y en el Newsroom (2020); Monolith, Liu et al., arXiv:2209.07663 (2022).
Términos relacionados
- For You (Para ti): Es la superficie principal donde se aplica este sistema.
- Tiempo medio de visualización: Mide una de las acciones que el sistema predice: pasar tiempo en el vídeo.
- Tasa de visualización completa: Refleja otra acción predicha: terminar el vídeo.
- Algoritmo de recomendación de YouTube: Sistema comparable en YouTube, con documentación pública distinta.
- Embeddings: Representaciones numéricas en las que se apoyan recomendadores como el descrito en el paper Monolith.