TikTok explica qué impulsa sus recomendaciones de videos

Tecnología

TikTok ha revelado que su algoritmo no prioriza seguidores ni reproducciones, sino la interacción y el tiempo de visualización para sugerir contenidos.

En los últimos días, la plataforma de videos cortos decidió abrir una ventana a su interior y describir, de forma pública, los principios que guían el flujo de recomendaciones que vemos al abrir la app. La decisión llega en medio de un debate constante sobre la opacidad de los algoritmos y su influencia en la exposición de contenidos.

Qué revela TikTok sobre su algoritmo

TikTok publicó un documento técnico en el que detalla que las sugerencias no se basan en la cantidad de seguidores que tiene un creador ni en el número total de reproducciones de sus videos. En su lugar, el motor de recomendación combina una serie de señales de comportamiento: cuánto tiempo pasa el usuario viendo cada clip, si lo ve completo o lo abandona a mitad, los “me gusta”, los comentarios, los compartidos y la frecuencia con la que vuelve a reproducir el mismo contenido. Además, el sistema tiene en cuenta la interacción con la descripción, los hashtags y la música utilizada. Todo ello alimenta modelos de aprendizaje automático que ajustan la lista de videos en tiempo real, intentando anticipar qué es lo que más probablemente mantendrá al espectador interesado.

Factores que realmente importan

Los criterios que aparecen como decisivos son varios. Primero, la tasa de finalización: los videos que se ven hasta el final reciben un impulso porque indican que el contenido captura la atención. Segundo, el tiempo de visualización relativo, es decir, cuánto de la duración total del video se consume. Tercero, los me gusta, comentarios y compartidos, que actúan como votos explícitos de valoración. Cuarto, la repetición, cuando un usuario vuelve a ver el mismo clip, lo que sugiere un alto grado de afinidad. Otros elementos incluyen la novedad del contenido, la diversidad de formatos y la geolocalización, que ayuda a presentar tendencias locales. El algoritmo también incorpora el feedback negativo – la opción de “No me interesa” – para filtrar rápidamente aquello que no encaja con el perfil del usuario. Todo este conjunto de señales permite que la recomendación se mantenga personalizada sin depender de métricas de popularidad superficial.

Esta apertura de TikTok busca dar mayor claridad a creadores y espectadores sobre cómo se decide qué videos aparecen en la página principal. La comunidad podrá debatir si estas explicaciones son suficientes o si aún quedan áreas opacas por explorar. Para seguir la conversación y compartir opiniones, entra en la sala de chat de Tecnología.