Italiano
Dal punto di vista di chi guarda, l’algoritmo di raccomandazione di TikTok ha un compito: capire cosa vuoi vedere dopo, prima che tu sappia di volerlo. Apri l’app. In pochi minuti compare qualcosa che non avresti mai descritto come un tuo interesse e, non si sa come, stai guardando un uomo restaurare una cerniera da porta ottocentesca.
Il feed Per te può sembrare intuito meccanico. Ma un consiglio utile non dimostra che un’app capisca la tua personalità, legga la mente o sappia cosa ti fa bene. Sono affermazioni molto più grandi di «ha trovato con successo un’altra cerniera».
Cosa osserva davvero l’algoritmo
Nella spiegazione del giugno 2020, TikTok descriveva una combinazione di interazioni, informazioni sui video e impostazioni del dispositivo. Mi piace, condivisioni, account seguiti, commenti, didascalie, suoni e hashtag avevano tutti un ruolo. Finire un video lungo era un esempio di segnale d’interesse più forte che condividere il paese del creatore.
L’azienda diceva anche che il numero di follower e i precedenti successi dell’account non erano fattori diretti di raccomandazione. Non significa che i follower siano inutili: un pubblico già costruito può comunque portare spettatori. Né che un eccellente tasso di completamento garantisca un video virale.
La spiegazione non forniva una tabella universale secondo cui una ripetizione vale cinque mi piace o una condivisione tre commenti. I pesi esatti non sono una ricetta pubblica. Chi vende certezze in merito dovrebbe almeno includere una sfera di cristallo omaggio.
Il problema della partenza a freddo
Un account nuovo offre relativamente poco materiale al sistema. La spiegazione di TikTok descriveva un inizio basato sugli interessi selezionati, o su video popolari se non se ne indicavano, e l’adattamento alle interazioni successive. Descriveva anche l’inserimento deliberato di contenuti diversi per evitare ripetizioni infinite.
I ricercatori possono esaminare il processo senza accedere a ogni riga del codice della piattaforma. In un’analisi del 2022, Maximilian Boeker e Aleksandra Urman hanno usato account controllati per testare lingua, posizione, account seguiti, mi piace e comportamento di visione. Tutti influenzavano le raccomandazioni nei loro esperimenti. Seguire account aveva l’influenza misurata più forte, seguito dai mi piace e dalla quota di video guardata.
È il risultato di uno specifico esperimento, non una classifica permanente di ogni segnale per ogni utente. Mostra anche perché «i mi piace contano pochissimo» sia troppo sicuro. Uno studio può rilevare la personalizzazione senza fornire un conto alla rovescia di trenta minuti valido per tutti.
Il problema della tana del coniglio
La preoccupazione è facile da capire. Guardare qualcosa non significa sempre volerne di più. Si guarda per curiosità, irritazione, incredulità o perché si è temporaneamente smarrita la capacità di posare il telefono. Il solo coinvolgimento non spiega quale esperienza sia avvenuta.
Un feed che continua a servire un tema ristretto può essere comodo se quel tema è il lievito madre. Diventa più preoccupante quando il materiale è angosciante o fuorviante. I ricercatori hanno discusso bolle informative e contenuti problematici, ma l’esperimento non dimostra che ogni utente segua un percorso inevitabile verso video più estremi.
È anche per questo che le domande sulle raccomandazioni musicali e la ripetizione (in inglese) suonano familiari. La personalizzazione può aiutarci a trovare qualcosa che amiamo. Può anche rendere la prossima scoperta sospettosamente simile alla precedente.
Una previsione non è un ritratto psicologico
Ciò che un servizio può dedurre dai comportamenti solleva una questione di privacy significativa. Non trasformiamola però nell’affermazione non supportata che TikTok misuri gli stati emotivi con una precisione nota o raccolga dati comportamentali più rapidamente di ogni altra piattaforma per consumatori.
Un sistema può prevedere che guarderai un altro video senza sapere perché. Separare le due cose aiuta a porre domande utili su raccolta, accesso, conservazione dei dati e controllo indipendente. «Sa tutto» è un’efficace premessa horror e una pessima specifica tecnica.
Dal lato dei creatori
Per i creatori, le raccomandazioni offrono una strada verso persone che non li hanno mai seguiti. L’opportunità può anche sembrare instabile: un post riuscito non compra un pubblico permanente per tutto ciò che viene dopo. L’algoritmo non è un programma fedeltà, anche se a volte i creatori vorrebbero una tessera a punti.
Non serve trattare il feed Per te come magia o come un cattivo con un foglio di calcolo. È un potente sistema di distribuzione, costruito su segnali imperfetti e scelte commerciali. Capirne i limiti è più utile che memorizzare una presunta formula segreta, e potrebbe perfino aiutarti a uscire dai video di cerniere prima di cena.
Traduzione italiana dell’articolo originale in inglese del 2026-03-28. Tradotto il 30 ottobre 2026 con assistenza IA; i riferimenti temporali restano quelli dell’originale.
