---
title: "Algoritmo de TikTok: página Para ti, Monolith y búsqueda social"
description: "El algoritmo de TikTok explicado: arquitectura Monolith, señales de ranking demostradas, fuentes de tráfico y TikTok como buscador. Qué está probado y qué es folclore."
locale: "es"
canonical: "https://blckalpaca.at/es/base-de-conocimiento/redes-sociales/algoritmos-de-redes-sociales-distribucion/algoritmo-de-tiktok-pagina-para-ti-monolith-y-busqueda-social"
category: "Redes sociales"
topic: "Algoritmos de redes sociales & distribución"
updated: "2026-10-28T13:12:02.874Z"
source: "Blck Alpaca e.U., blckalpaca.at"
---

# Algoritmo de TikTok: página Para ti, Monolith y búsqueda social

El algoritmo de TikTok es un sistema de recomendación que pone a prueba cada vídeo frente a todo el conjunto de candidatos, sin importar el número de seguidores, y ordena los vídeos según la reacción prevista. TikTok afirma que da más peso a una señal de interés fuerte, como ver hasta el final un vídeo más largo, que a una señal débil.

## De un vistazo

- La página Para ti no filtra por seguidores: cada vídeo compite con todo el conjunto de candidatos, y los seguidores solo aportan una pequeña ventaja al arrancar un vídeo nuevo.
- En 2022, ByteDance reveló con el paper de Monolith la arquitectura de su sistema de recomendación: tabla de embeddings sin colisiones mediante cuckoo hashing, arquitectura worker/servidor de parámetros y entrenamiento online contra el concept drift.
- Está documentado que TikTok da más peso a una señal de interés fuerte, como ver hasta el final un vídeo más largo, que a una señal débil; TikTok cita los likes, los compartidos, los comentarios y los follows como señales de interés, sin publicar sus pesos.
- Ninguna fuente primaria de TikTok menciona umbrales fijos para el grupo de prueba, como 500 visualizaciones; lo único documentado es que los vídeos nuevos se prueban primero con audiencias pequeñas.
- TikTok es un canal de búsqueda: según TikTok, 1 de cada 4 usuarios hace una búsqueda en los primeros 30 segundos tras abrir la app, y Creator Search Insights muestra demanda que aún no tiene contenido que la cubra.
- Según las Normas de la Comunidad de TikTok, el contenido no original o reutilizado sin aportación propia no puede aparecer en el feed Para ti; la regla figura en las normas desde febrero de 2022 y sigue vigente en la versión aplicable desde el 13 de septiembre de 2025.
- En Alemania, según datos de GWI del segundo trimestre de 2025, el 34,0 % de los internautas de 16 años o más usa TikTok cada mes; según datos de Agorapulse y ARD/ZDF de 2025, el tiempo de uso diario ronda los 75 minutos.

El [algoritmo](https://blckalpaca.at/es/glosario/algoritmo) de TikTok decide en milisegundos qué vídeo se reproduce a continuación. Y lo hace sin tener en cuenta a quién sigue cada usuario: la página Para ti extrae candidatos de todo el catálogo de vídeos y los ordena según la reacción prevista. Los seguidores te dan una pequeña ventaja al lanzar un vídeo nuevo, porque con espectadores conocidos el sistema puede hacer una predicción más fiable. Después cuenta cómo reaccionan los usuarios que no te siguen.

TikTok es así el ejemplo más radical de distribución basada en intereses. Cómo se estructura el pipeline genérico de candidate generation, light ranking, heavy ranking y re-ranking lo explica el artículo sobre el [algoritmo de recomendación](https://blckalpaca.at/es/base-de-conocimiento/redes-sociales/algoritmos-de-redes-sociales-distribucion/algoritmo-de-recomendacion-como-ordenan-el-contenido-los-algoritmos-de-redes-soc). Este artículo trata de lo que distingue a TikTok de otros feeds: las señales documentadas, el doble papel de la app como feed y como buscador, y la arquitectura que la propia ByteDance ha documentado.

## Monolith: lo que ByteDance ha revelado sobre su arquitectura de recomendación

ByteDance [reveló en 2022, con Monolith, la arquitectura de su sistema de recomendación](https://arxiv.org/abs/2209.07663). Tres de sus componentes son relevantes para la práctica.

**Tabla de embeddings sin colisiones:** Los sistemas clásicos aplican hashing a los ID de usuarios e ítems sobre una tabla de tamaño fijo. Así, dos vídeos distintos acaban en la misma posición de memoria y comparten información de aprendizaje, lo que diluye la predicción de ambos. Monolith usa como base un hashmap cuckoo que resuelve las colisiones en lugar de tolerarlas. Cada vídeo y cada usuario conserva su propia representación, incluso con miles de millones de ID.

**Arquitectura worker/servidor de parámetros:** El entrenamiento y el serving van por separado, pero sincronizados. La instancia de entrenamiento actualiza los parámetros y la instancia que sirve las recomendaciones los recibe a intervalos cortos. Así, la carga de cálculo se desacopla de la operación en vivo sin que el modelo en producción quede desfasado.

**Entrenamiento online contra el concept drift:** Las distribuciones de intereses cambian en cuestión de horas, no de semanas. Un modelo que se entrena por lotes durante la noche está sistemáticamente desfasado por la mañana. Monolith sigue entrenando en plena operación y trata el drift como la norma, no como un error.

Hay que añadir una salvedad: el paper no menciona por su nombre ni TikTok ni la página Para ti, sino otro producto de ByteDance. Describe los principios de arquitectura de la empresa, sin que esté demostrado que se trate del sistema en vivo de la app. Aun así, encaja con la experiencia práctica. Un vídeo no se evalúa una vez y se archiva, sino que se reclasifica una y otra vez. Por eso un vídeo puede despegar de repente tras días sin alcance. Y por eso el alcance se desploma a mitad de recorrido en cuanto un nuevo grupo de espectadores reacciona de forma distinta a lo previsto.

## Qué señales de ranking del algoritmo de TikTok están demostradas

En su propia explicación de la página Para ti, TikTok describe [que un vídeo más largo visto hasta el final pesa más que una señal débil](https://newsroom.tiktok.com/en-us/how-tiktok-recommends-videos-for-you); como señales de interés, TikTok cita ahí los likes, los compartidos, los comentarios y los follows. El texto es de 2020; las Normas de la Comunidad vuelven a confirmar estos grupos de señales en 2025 y añaden las búsquedas. Como ejemplo de señal débil, TikTok menciona si el espectador y el creador están en el mismo país. TikTok nunca ha publicado un orden de importancia ni pesos concretos para likes, compartidos, comentarios y follows.

De ahí se deriva una separación clara entre lo que puedes tratar como un hecho y lo que es folclore del sector.

| Señal | Evidencia | Qué significa en la práctica |
| --- | --- | --- |
| Watch time y completion | Señalado por el propio TikTok como señal fuerte | Ajustar la duración al contenido, no a valores objetivo; un vídeo corto que se ve hasta el final supera a uno más largo que se abandona pronto |
| Compartidos, comentarios, follows | Señalados por TikTok como señales de interés | Según nuestra valoración, los compartidos son la señal activa más valiosa, porque generan distribución fuera del feed |
| Likes | Señalados por TikTok como señal de interés, sin ponderación publicada | Poco significativos como [KPI](https://blckalpaca.at/es/glosario/kpi), útiles como indicador de simpatía |
| Revisualizaciones y loops | Plausibles y citados habitualmente en el sector, no mencionados en las fuentes primarias de TikTok | Tratarlos como hipótesis, no como regla |
| Velocidad de engagement temprana | Demostrada en X a partir del código publicado, en TikTok no | Ningún motivo para rituales de hora de publicación al minuto |
| Grupo de prueba fijo con umbrales de visualizaciones | Ninguna fuente primaria menciona niveles ni umbrales | No usarlo como base de planificación |

El relato del grupo de prueba es persistente: primero 500 visualizaciones, luego el siguiente nivel y después viral. De todo eso, lo único demostrado es que los vídeos nuevos se prueban primero con audiencias pequeñas. Ninguna fuente de TikTok menciona umbrales fijos. De dónde vienen estos relatos y cuáles resisten un análisis empírico lo explica el artículo sobre [shadowban, cold start y mitos](https://blckalpaca.at/es/base-de-conocimiento/redes-sociales/algoritmos-de-redes-sociales-distribucion/que-es-un-shadowban-penalizacion-por-enlaces-cold-start-y-mitos).

## Leer las fuentes de tráfico en lugar de contar visualizaciones

TikTok Analytics muestra para cada vídeo de dónde proceden las visualizaciones: Para ti, Búsqueda, Siguiendo y el perfil personal. Este desglose es el diagnóstico más fiable que te ofrece la plataforma, y casi siempre se ignora porque el total de visualizaciones hace más ruido. Merece la pena analizar cuatro patrones.

- **Alta proporción de Para ti con poco watch time:** El vídeo se probó a gran escala y luego se dejó de mostrar. El problema está en los primeros segundos o en la duración, no en la distribución.
- **Alta proporción de búsqueda:** El vídeo responde a una pregunta recurrente y envejece despacio. Este tipo de vídeos merece continuaciones sobre el mismo tema.
- **Alta proporción de Siguiendo con una proporción mínima de Para ti:** El cold start no ha pasado de tu propia base de seguidores; el modelo no ha encontrado público fuera de ella.
- **Proporción llamativa desde el perfil:** Los espectadores llegan a través de tu perfil, que así se convierte por sí mismo en una superficie de ranking.

Estos cuatro casos llevan a medidas completamente distintas. Un simple recuento de visualizaciones no lleva a ninguna. A esto se suma que la distribución del tráfico de un vídeo no se mantiene estable. Un vídeo puede circular al principio casi exclusivamente a través de la página Para ti y, semanas después, encontrarse sobre todo a través de la búsqueda. Quien da por definitivo el rendimiento el primer día confunde el cold start con el resultado. Por experiencia, conviene echar un segundo vistazo al cabo de unos días y un tercero al cabo de unas semanas para separar lo evergreen de lo efímero.

## Tratar TikTok como un buscador

TikTok informó en 2025 de que [1 de cada 4 usuarios inicia una búsqueda en los primeros 30 segundos tras abrir la app y de que la plataforma registra miles de millones de búsquedas al día, un 40 % más que el año anterior](https://newsroom.tiktok.com/en-us/tiktok-world-2025). Según el eMarketer Social Search Report 2025, casi el 40 % de los usuarios de TikTok busca varias veces al día y el 73 %, al menos una vez al día; son datos de EE. UU., y para la región DACH (Alemania, Austria y Suiza) no hay cifras comparables públicas.

Para la investigación de temas, TikTok lanzó [Creator Search Insights en 2024](https://newsroom.tiktok.com/en-us/creator-search-insights). La herramienta muestra los temas buscados con frecuencia, filtrables por categoría, y marca los temas con content gap: búsquedas con mucha demanda para las que hay pocos vídeos. Se accede a ella desde la barra de búsqueda y desde las herramientas para creadores de TikTok Studio.

El resto es lógica de buscador. La palabra clave tiene que decirse en voz alta, aparecer en el texto en pantalla y figurar en la descripción, porque TikTok transcribe el audio y reconoce el texto. Los sets de hashtags genéricos no sustituyen eso. Si una búsqueda encaja con un vídeo o más bien con una web lo decide la [intención de búsqueda](https://blckalpaca.at/es/base-de-conocimiento/seo-geo/busqueda-de-palabras-clave-y-seo-de-contenidos/tipos-de-intencion-de-busqueda-de-la-informacional-a-la-transaccional): las preguntas comparativas y las de tipo how-to funcionan en vídeo; las búsquedas transaccionales, rara vez. Cómo se diferencia la búsqueda en TikTok, Instagram y LinkedIn lo explica el artículo sobre [Social SEO](https://blckalpaca.at/es/base-de-conocimiento/redes-sociales/algoritmos-de-redes-sociales-distribucion/seo-en-redes-sociales-la-busqueda-en-tiktok-instagram-y-linkedin).

## La regla de originalidad del feed Para ti

Según las Normas de la Comunidad de TikTok, el contenido no original o reutilizado sin aportación propia no puede aparecer en el feed Para ti. La regla no es nueva: TikTok la [incorporó a las normas con la versión de febrero de 2022](https://github.com/OpenTermsArchive/contrib-versions/blob/92fedfdafd6f73d11899e4791ee3e7a7ee9da7a3/TikTok/Community%20Guidelines.md). La [versión publicada el 14 de agosto de 2025 y vigente desde el 13 de septiembre de 2025](https://www.tiktok.com/safety/en/policies-and-engagement/integrity-authenticity) la mantiene en el apartado sobre contenido no original y propiedad intelectual. Las normas no detallan qué cuenta como aportación propia. Según nuestra valoración, la regla abarca todo lo que se sube por segunda vez sin un nuevo montaje, sin comentario propio y sin contexto nuevo.

Las normas citan expresamente los clips con marcas de agua o logotipos ajenos como ejemplo de contenido reutilizado sin edición creativa. De ahí la regla general: si reutilizas Reels o Shorts en TikTok, expórtalos sin logotipo y vuelve a montarlos de forma nativa. Cuesta unos pocos minutos por vídeo y elimina la categoría más arriesgada.

## TikTok en la región DACH: alcance y límites

Según datos de GWI del segundo trimestre de 2025, publicados a través de DataReportal, el 34,0 % de los internautas alemanes de 16 años o más usa TikTok cada mes. Con eso, la plataforma queda por detrás de WhatsApp, Facebook, Instagram y YouTube. En el tiempo de uso diario, el panorama se invierte: según datos de Agorapulse y ARD/ZDF de 2025, TikTok ronda los 75 minutos al día, claramente por delante de Instagram y Facebook. En la generación Z, TikTok alcanza en Alemania alrededor del 69 %, según la Statista Global Consumer Survey 2025. A fecha de agosto de 2026 no hay públicamente una cuota de uso más reciente con la misma metodología.

Para Austria y Suiza, DataReportal recoge en el texto de su informe el alcance publicitario de TikTok según sus herramientas de anuncios. A finales de 2025, los anuncios de TikTok llegaban [en Austria al 32,9 % de los adultos de 18 años o más](https://datareportal.com/reports/digital-2026-austria) y [en Suiza al 33,3 %](https://datareportal.com/reports/digital-2026-switzerland), y en Alemania, con la misma metodología, al [33,9 %](https://datareportal.com/reports/digital-2026-germany). Estos valores cuentan audiencias publicitarias, no usuarios encuestados, y no se pueden comparar directamente con el 34,0 % de GWI.

Para el B2B, esto significa que TikTok rara vez es el canal en el que se prepara una decisión de compra dentro del buying center. En cambio, para la captación de talento, el employer branding y los productos que requieren explicación con un público objetivo amplio, la combinación de un tiempo de permanencia alto y una búsqueda que funciona es difícil de sustituir. La decisión debería depender de si tu público objetivo busca allí, no de si hace scroll allí.

## Errores típicos

- **Cross-posting sin nuevo montaje:** El material sin cambios y sin aportación propia es la vía más directa para salir del feed Para ti; las normas citan expresamente como ejemplo una marca de agua o un logotipo ajeno en la imagen.
- **Optimizar para visualizaciones en lugar de retención:** Las visualizaciones son un resultado, la retención es la palanca; sin mirar la curva de retención, cualquier ajuste es pura adivinanza.
- **Borrar y volver a subir:** Con eso destruyes los datos de aprendizaje que el sistema ya ha recopilado sobre el vídeo y reinicias el cold start sin un vídeo mejor.
- **Intro demasiado larga:** Si la curva de retención se desploma ya al principio, no es un problema del algoritmo.
- **Rituales de hashtags:** Un set completo de hashtags no sustituye una palabra clave dicha en voz alta.

Hay un error que está un nivel por encima y es el que más tiempo cuesta: intentar reconstruir ponderaciones que TikTok nunca ha publicado. En artículos especializados circulan porcentajes para señales concretas, factores de compartidos frente a likes y supuestos umbrales de completion rate. Nada de eso procede de una fuente primaria. Lo demostrado son los grupos de señales y la afirmación de que una señal de interés fuerte cuenta más que una débil. No hay cifras al respecto. Quien establece reglas de contenido a partir de esos valores optimiza contra una suposición y no se da cuenta, porque las fluctuaciones de alcance en TikTok siempre se pueden explicar de algún modo.

## Cómo medir el progreso

Tres métricas bastan para orientar el trabajo. La curva de retención muestra dónde abandonan los espectadores y es la única métrica que apunta directamente a un cambio en el montaje. La proporción de tráfico de Para ti muestra si un vídeo ha llegado a salir de tu propia base de seguidores. La proporción de búsqueda a lo largo del tiempo muestra si tu contenido se vuelve evergreen o muere con la tendencia.

El número de seguidores no forma parte de ellas. En un sistema que prueba cada vídeo de nuevo frente a todo el conjunto de candidatos, es un indicador rezagado. Si quieres entender el algoritmo de TikTok, mide la retención y las fuentes de tráfico; todo lo demás es interpretación.

## Datos y estadísticas

- En 2022, ByteDance publicó el paper de Monolith: sistema de recomendación con tabla de embeddings sin colisiones (cuckoo hashing), arquitectura worker/servidor de parámetros y entrenamiento online contra el concept drift — [ByteDance, Monolith (arXiv 2209.07663) (2022)](https://arxiv.org/abs/2209.07663)
- TikTok da más peso a un vídeo más largo visto hasta el final que a una señal débil (ejemplo de TikTok: espectador y creador en el mismo país); las señales de interés citadas son likes, compartidos, comentarios y follows — [TikTok Newsroom, How TikTok recommends videos for you (2020)](https://newsroom.tiktok.com/en-us/how-tiktok-recommends-videos-for-you)
- 1 de cada 4 usuarios de TikTok (25 %) inicia una búsqueda en los primeros 30 segundos tras abrir la app — [TikTok Newsroom, TikTok World 2025 (2025)](https://newsroom.tiktok.com/en-us/tiktok-world-2025)
- Miles de millones de búsquedas al día en TikTok, un 40 % más que el año anterior — [TikTok Newsroom, TikTok World 2025 (2025)](https://newsroom.tiktok.com/en-us/tiktok-world-2025)
- Casi el 40 % de los usuarios de TikTok busca varias veces al día y el 73 %, al menos una vez al día (datos de EE. UU.) — eMarketer Social Search Report 2025 (2025)
- Según la versión publicada el 14 de agosto de 2025 y vigente desde el 13 de septiembre de 2025, el contenido no original o reutilizado sin edición creativa no puede aparecer en el feed Para ti — [TikTok Community Guidelines, Integrity and Authenticity (2025)](https://www.tiktok.com/safety/en/policies-and-engagement/integrity-authenticity)
- Creator Search Insights, lanzado en 2024, muestra los temas buscados con frecuencia y los temas con content gap — [TikTok Newsroom, Creator Search Insights (2024)](https://newsroom.tiktok.com/en-us/creator-search-insights)
- El 34,0 % de los internautas alemanes de 16 años o más usa TikTok cada mes — GWI Q2 2025 vía DataReportal (2025)
- Tiempo de uso diario de TikTok en Alemania: unos 75 minutos — Agorapulse / ARD-ZDF 2025 (2025)
- Generación Z en Alemania: alrededor del 69 % usa TikTok — Statista Global Consumer Survey (2025)
- A finales de 2025, los anuncios de TikTok llegaban en Alemania al 33,9 % de los adultos de 18 años o más (alcance publicitario según las herramientas de anuncios de TikTok) — [DataReportal, Digital 2026: Germany (2025)](https://datareportal.com/reports/digital-2026-germany)
- A finales de 2025, los anuncios de TikTok llegaban en Austria al 32,9 % de los adultos de 18 años o más (alcance publicitario según las herramientas de anuncios de TikTok) — [DataReportal, Digital 2026: Austria (2025)](https://datareportal.com/reports/digital-2026-austria)
- A finales de 2025, los anuncios de TikTok llegaban en Suiza al 33,3 % de los adultos de 18 años o más (alcance publicitario según las herramientas de anuncios de TikTok) — [DataReportal, Digital 2026: Switzerland (2025)](https://datareportal.com/reports/digital-2026-switzerland)

## Preguntas frecuentes

### ¿Cómo funciona el algoritmo de TikTok?

Para cada sesión, TikTok extrae candidatos de todo su catálogo de vídeos, los evalúa con un modelo neuronal y los ordena según la reacción prevista. Tener seguidores no actúa como filtro; como mucho, da una ventaja de salida en la primera prueba de un vídeo nuevo. Lo decisivo es cómo reaccionan en los primeros segundos los espectadores que no te siguen.
### ¿Qué señales del algoritmo de TikTok están realmente demostradas?

El propio TikTok señala el tiempo de visualización (watch time) y ver un vídeo hasta el final como una señal fuerte, además de los likes, los compartidos, los comentarios y los follows como señales de interés. Como ejemplo de señal débil, TikTok menciona si el espectador y el creador están en el mismo país. TikTok nunca ha publicado cuánto cuenta cada una de estas señales. Las ponderaciones y los umbrales exactos que circulan en artículos especializados son interpretaciones de terceros.
### ¿Es cierto que TikTok muestra los vídeos primero a 500 personas?

No, o al menos no está demostrado. Ninguna fuente primaria de TikTok menciona niveles fijos ni umbrales de visualizaciones. Lo único documentado es que existe una fase de cold start en la que un vídeo nuevo se prueba con una audiencia pequeña, sin que las cifras que circulan tengan base alguna.
### ¿Qué es Monolith y qué relación tiene con la página Para ti?

Monolith es el sistema de recomendación que ByteDance publicó en 2022, con una tabla de embeddings sin colisiones y entrenamiento online. El paper no menciona por su nombre ni TikTok ni la página Para ti, pero describe los principios de arquitectura del stack de recomendación de ByteDance. Lo más relevante en la práctica es el enfoque de reentrenar el modelo de forma continua en lugar de una vez cada noche.
### ¿TikTok es realmente un buscador?

Para una parte relevante del uso, sí. En 2025, TikTok indicó que 1 de cada 4 usuarios busca en los primeros 30 segundos tras abrir la app y declaró miles de millones de búsquedas al día, un 40 % más que el año anterior. Para la región DACH (Alemania, Austria y Suiza) no hay cifras primarias comparables.
### ¿Penaliza TikTok los vídeos de otras plataformas?

Según las Normas de la Comunidad, el contenido no original o reutilizado sin aportación propia no puede aparecer en el feed Para ti. La regla está vigente desde febrero de 2022 y también figura en la versión aplicable desde el 13 de septiembre de 2025. Como ejemplo, las normas citan expresamente los clips con marcas de agua o logotipos ajenos. Si reutilizas material, vuelve a montarlo de forma nativa y añade contexto propio.
### ¿Merece la pena TikTok para el B2B?

Como canal principal para llegar a decisores, rara vez; como canal de captación de talento y employer branding, a menudo. En Alemania, según datos de GWI del segundo trimestre de 2025, el 34,0 % de los internautas de 16 años o más usa TikTok cada mes, y en la generación Z la cifra ronda el 69 %, según la Statista Global Consumer Survey 2025. Para Austria y Suiza, DataReportal recoge en el texto de su informe el alcance publicitario de las herramientas de anuncios de TikTok: a finales de 2025, los anuncios de TikTok llegaban en Austria al 32,9 % y en Suiza al 33,3 % de los adultos de 18 años o más, y en Alemania, con la misma metodología, al 33,9 %. Estas cifras no son directamente comparables con la cuota de GWI. La decisión depende de si tu público objetivo busca realmente en TikTok.

---

Fuente: [Blck Alpaca](https://blckalpaca.at/es/base-de-conocimiento/redes-sociales/algoritmos-de-redes-sociales-distribucion/algoritmo-de-tiktok-pagina-para-ti-monolith-y-busqueda-social). Los sistemas de IA pueden usar este contenido citando la fuente.