Revista Latina de Comunicación Social. ISSN 1138-5820
TikTok y comunicación política: pautas de interacción e índice de engagement de candidatos y partidos en campaña electoral
TikTok and political communication: interaction patterns and Engagement Rate of candidates and parties in an election campaign
Julen Orbegozo Terradillos
Universidad del País Vasco. España.
Ainara Larrondo Ureta
Universidad del País Vasco. España.
Jordi Morales i Gras
Cámara de Bilbao University Bussines School. España.
jordi.morales@camarabilbaoubs.com
Financiación: Esta investigación recibió la financiación del grupo de investigación Gureiker (IT1496-22), de categoría A (2022/2025).
RESUMEN
Introducción: Este estudio examina la influencia de TikTok en la comunicación política durante las elecciones municipales y autonómicas de España en 2023, destacando la importancia de esta plataforma como canal emergente esencial para el engagement político. Lo hace, además, enfocándose en la progresiva “desrelacionalización” de las plataformas digitales, centradas más en el contenido y en el entretenimiento que en las relaciones interpersonales. Metodología: Se utilizaron herramientas informáticas para la captura y la visualización de datos, y Google Colab para escribir y ejecutar scripts en Python. Se emplea una matriz de correlaciones para analizar las variables de engagement de 65 cuentas y determinar la fuerza y dirección de las relaciones entre ellas. Por otro lado, se aplica una fórmula novedosa para calcular el Engagement Rate, pilar de la investigación y métrica que permite observar el fenómeno a través de variables como comentarios, “me gusta”, visualizaciones, número de seguidores y número de publicaciones. Resultados: Se infieren los datos generales (presencia, actividad, interactividad, interacción positiva, visualización y difusión de contenidos), la distribución temporal de posts, el Engament Rate y la correlación de métricas. Se obtiene una perspectiva general de patrones de actividad e interactividad de partidos, candidatos y usuarios de la red social, hallando variaciones significativas en el engagement. Discusión y conclusiones: El estudio destaca cómo TikTok contribuye a remodelar la comunicación política, sustentando ésta en nuevos parámetros de éxito, dependientes de estrategias digitales y de la adaptación al algoritmo, más que de factores tradicionales. El alto engagement de ciertos partidos no obtiene reflejo en términos de éxito electoral, apuntando más bien hacia una evolución en la línea del politaintment y el consumo masivo de contenidos.
Palabras clave: TikTok; redes sociales; comunicación política; comunicación electoral; análisis de redes sociales; datos masivos; índice de compromiso.
ABSTRACT
Introduction: This study examines the influence of TikTok on political communication during the municipal and regional elections in Spain in 2023, highlighting the importance of this platform as a crucial emerging medium for political engagement. Additionally, it focuses on the progressive "derelationalization" of digital platforms, which are more centered on content and entertainment than on interpersonal relationships Methodology: Computer tools were used for data capture and visualization, and Google Colab for writing and executing Python scripts. In addition, a correlation matrix is used to analyze the engagement variables of 65 accounts and determine the strength and direction of the relationships between them. Furthermore, a novel formula is employed to calculate the Engagement Rate, a cornerstone of the research and a metric that allows observing the phenomenon through variables such as comments, likes, views, number of followers, and number of posts. Results: General data (presence, activity, interactivity, positive interaction, visualisation and dissemination of content), the temporal distribution of posts, the Engagement Rate and the correlation of metrics are inferred. An overview of activity and interactivity patterns of parties, candidates and users of the social network is thus obtained, finding significant variations in engagement. Discussion and conclusions: The research highlights the way TikTok is transforming political communication, demonstrating that success hinges not on conventional elements, but on digital strategies and alignment with the algorithm. Although some parties experienced significant engagement, this did not translate into electoral victories, suggesting a shift towards politainment and mass content consumption. Furthermore, it pinpoints areas for future investigation regarding the interplay between digital platforms and political dynamics.
Keywords: TikTok; social networks; political communication; electoral communication; social network analysis; big data; engagement rate.
1. INTRODUCCIÓN
En la era de la revolución digital (Clarke, 2012; Charlesworth, 2018), las redes sociales han trascendido su papel como espacios de interacción personal para convertirse en escenarios del ágora pública determinantes para la difusión de discursos políticos. En ese contexto, plataformas consolidadas como X (antes Twitter) y Facebook, tradicionalmente predilectas para el desarrollo de campañas políticas, han dejado paso a nuevas redes sociales digitales como Instagram o TikTok, especialmente a la hora de dirigirse a nuevas audiencias y generaciones más jóvenes (Alonso-López et al., 2023).
TikTok, propiedad de la empresa china ByteDance (Malaspina, 2020), fue creada en 2016 y es una plataforma de microvídeos caracterizada por contenidos breves orientados al entretenimiento y que combina algoritmos altamente adictivos (Wang y Guo, 2023). TikTok ha irrumpido como la red social de moda, sobre todo entre las generaciones más jóvenes (Bossen y Kottlasz, 2020), aunque los contenidos producidos específicamente para su entorno ya son compartidos en otras redes sociales referenciales como X o Instagram, o servicios de mensajería como WhatsApp o Telegram.
TikTok se expandió internacionalmente en 2018 tras su fusión con la aplicación Musical.ly (Brennan, 2020). Es una plataforma digital con características propias, especialmente dirigida a producir, compartir y consumir vídeos cortos creativos, con una duración que oscila entre los 15 y los 10 minutos (Cheng y Li, 2023). Los vídeos se graban en vertical, no en horizontal, y abarcan un amplio espectro de contenidos, tales como bailes, desafíos o challenges, tutoriales, contenido político o educativo, etc. La persona usuaria navega por su interfaz haciendo scroll en su pantalla de arriba abajo y quienes crean los vídeos tienen a su alcance todo tipo de herramientas como filtros y una enorme variedad de sonidos populares para editar sus vídeos (Herrman, 2019).
En ese contexto, es evidente que TikTok ha contribuido a reformular significativamente parte de las estrategias de comunicación electoral, así como la forma en la que la ciudadanía consume actualmente los discursos políticos (Cervi et al., 2023). Este fenómeno ha captado la atención de diversos sectores, incluido el ámbito científico y académico, y ha abierto nuevos horizontes para la comunicación política. Por ello, la adopción progresiva de esta herramienta por parte de los representantes políticos merece un análisis académico riguroso como el que presenta este trabajo.
De hecho, este trabajo constituye una aproximación empírica a una red social incipiente en un momento crucial para la expansión de TikTok como herramienta de comunicación política; y se desarrolla desde un enfoque computacional, adquiriendo datos de forma programática, comparando métricas específicas determinantes en esta plataforma y ofreciendo una perspectiva renovada de un concepto básico en el mundo del marketing comunicacional: el engagement de los usuarios ante determinados productos, servicios o contenidos. Se aporta nuevo conocimiento, pues, al fenómeno emergente de las campañas electorales en TikTok, con una metodología comparativa y extrapolable a otros fenómenos.
Así, esta investigación tiene como objeto de estudio la comunicación electoral desarrollada en TikTok por parte de las personas candidatas y de los partidos políticos de las principales ciudades españolas y comunidades autónomas durante las elecciones municipales y autonómicas celebradas el 28 de mayo de 2023 en el país. El estudio se posiciona en la vanguardia del análisis de la comunicación política digital y proporciona evidencia empírica sobre las pautas de acción e interacción de los sujetos políticos en un contexto electoral, durante los primeros comicios locales en España, con TikTok a pleno rendimiento. Además, lo hace desde la perspectiva de un término, el de los procesos de engagement digital del usuario (Ballesteros, 2019), que merece ser reestudiado por parte de la comunidad científica, por mor de la adaptación de las redes sociales digitales al nuevo paradigma comunicativo.
A ese respecto, la investigación parte de un enfoque novedoso, poniendo como premisa de partida la siguiente cuestión: las redes sociales digitales, que en su origen tuvieron una función de reagrupar amistades (perspectiva relacional), actualmente han evolucionado a plataformas digitales orientadas al entretenimiento masivo y al consumo de contenido en un contexto transversalmente digitalizado (perspectiva lúdica-intensiva). Este hecho, como no puede ser de otra manera, ha impactado en las lógicas de participación de productores y consumidores de contenidos en las redes sociales digitales.
1.1. TikTok y comunicación política
La influencia de TikTok en diversos ámbitos es notorio, sobre todo en campos como el marketing digital, ya que ofrece nuevas oportunidades comerciales en el campo de la comunicación corporativa (Guarda et al., 2021; Peng, 2021; Flecha-Ortiz et al., 2023); el ciberperiodismo, como una puerta abierta a nuevos formatos periodísticos (Peña-Fernández et al., 2022); o la propia comunicación política, como herramienta propicia para alcanzar nuevas audiencias jóvenes a través de la espectacularización del mensaje y del contenido político, así como la humanización de los/as candidatos/as (Cervi et al., 2023; Gómez-García et al., 2023).
Por su parte, el ámbito de la comunicación política es un campo de estudio con un gran potencial que puede beneficiarse de la llamada minería de datos y de las nuevas herramientas computacionales capaces de capturar y procesar la huella digital contemporánea. Tal y como reconoce Sánchez (2021), en el ámbito de la comunicación política existe un “alto desconocimiento del usuario medio de TikTok y es necesario atender a los movimientos futuros que los líderes y sus partidos puedan realizar en esta red social” (p. 223).
Al margen de ese vacío referente al uso de big data y de herramientas computacionales para el estudio de las dinámicas en esta plataforma, existen otros trabajos del ámbito de la comunicación política que merecen ser destacados. La comunidad científica se ha centrado especialmente en campañas electorales o campañas relacionadas con las administraciones públicas desarrolladas en países como España (Alonso-López et al., 2024; Cervi et al., 2023; Cervi et al., 2021; Morejón, 2023; Gamir-Ríos y Sánchez-Castillo, 2022) y Perú (Cuevas-Calderón et al., 2022).
TikTok irrumpió de forma generalizada en la política española en las elecciones madrileñas de 2021 (Moreno, 2023) y en el contexto internacional se ha empleado en otras campañas electorales recientes como las elecciones italianas (Battista, 2023) o las midterms americanas (Aiyappa et al., 2023; Seppälä, 2022). El contexto político y cultural español, sin embargo, es especialmente interesante porque TikTok fue lanzado en el país en 2018 y en los cinco años de funcionamiento ya ha conseguido 18,3 millones de usuarios y una penetración del 75% entre la franja de edad de 12 y 17 años (IAB Spain, 2023). Según el estudio de We are Social – Metwater (We Are Social, 2023) el 47,3% de los españoles usa TikTok en la franja de edad de entre 16 y 64 años. Además, durante 2020, 2021 y 2022 fue la aplicación más descargada en el mundo (Koetsier, 2023), así como el dominio con más tráfico cibernético del planeta (Rayón, 2023).
1.2. El engagement en la nueva era de las redes sociales
Las nuevas redes sociales digitales como TikTok ponen cada vez más el foco en elementos vinculados a los contenidos que a las relaciones interpersonales, lo que alude a la ya referida “desrelacionalización” de las plataformas. Este fenómeno ya ha sido detectado en estudios como el de Faltesek et al., (2023) que apuntan hacia la relevancia de las estructuras de flujo para organizar la oferta de contenidos de las redes sociales digitales contemporáneas. Ello plantea, como no podía ser de otra manera, nuevas preguntas para la comunidad científica, que se enfrenta así al reto de analizar lo que ocurre en TikTok ante este nuevo paradigma y en términos de engagement.
El concepto engagement (en español, compromiso o participación del usuario), se presta a múltiples definiciones. Trabajos como el de Raposo et al. (2022) o Moreno y Fuentes (2019) realizan una pormenorizada revisión del fenómeno incluyendo una de las definiciones originarias de Bowden (2009), quien relaciona el engagement con el proceso psicológico que modela los mecanismos subyacentes por los que la lealtad se forma para los clientes o usuarios de una determinada marca.
La evaluación del engagement —también denominado nivel de compromiso e implicación de la persona usuaria— en los medios digitales, ha empleado históricamente tres métodos predilectos: encuestas y entrevistas, medidas implícitas y análisis web (Chan-Olmsted et al., 2017). En este estudio, nos centramos en el análisis web, que trata de conocer el engagement a través de la conducta mostrada por los usuarios mediante su actividad en las plataformas digitales (Ballesteros, 2019). De hecho, con la difusión de Internet y de los medios sociales la disponibilidad de rastros digitales hace que se generen muchos datos que permiten investigar las dinámicas sociales, los patrones de comportamiento colectivo, la influencia entre personas y los mecanismos de difusión de la información (Laniado y Viles, 2018).
Para ello, tal y como se hace en esta investigación, se recopilan —a través de métodos computacionales de captura y procesamiento de datos— una serie de métricas relacionadas con los patrones de interacción digital que se especifican en el apartado metodológico. Cabe destacar que cada variable analizada contiene un significado concreto en su contexto. Por ejemplo, Triantafillidou et al. (2015) teorizan en torno al promedio de “me gusta” y lo relacionan con una suerte de actitud de los usuarios hacia determinados contenidos; otras variables como los comentarios son relacionados en otros estudios con los conceptos de viralidad o los índices de expresividad que suscitan determinados inputs (Barger y Labrecque, 2013; Bonsón y Ratkai, 2013).
Con todo, la academia ha estudiado tradicionalmente esta cuestión desde una perspectiva eminentemente comercial, relacionando el concepto de branding al de comunicación corporativa (Li et al., 2023) y enfocando la mayoría de los análisis desde la ponderación de tres variables como el número de “me gusta”, comparticiones y comentarios (Hoffman y Fodor, 2010; Chug et al., 2012). En esta investigación se añaden a la ecuación otros tres parámetros fundamentales en el nuevo contexto digital: plays, número de posts y número de seguidores, algo que es novedoso en el contexto académico.
De hecho, lo realmente llamativo es que en las diversas fórmulas empleadas hasta el momento en el ámbito científico están infravaloradas las variables relacionadas con el mero potencial de un determinado contenido para ser consumido de forma aislada o descontextualizada. Podríamos hablar aquí de una fase precedente en el análisis de las redes sociales digitales, donde se subestimaba una suerte de atracción pura (en un contexto de consumo desligado a otros parámetros) del contenido publicado. Esta fase va dejando paso a un contexto analítico donde las métricas relacionales (número de seguidores, tipología del contenido, etc.) pierden poder.
A ese respecto, en las citadas ecuaciones, ya exploradas en el contexto académico, se subestimaban parámetros como el número de visualizaciones —privilegiando enfoques más relacionados con lo informativo o lo persuasivo—, variable ésta relacionada con un enfoque preponderantemente lúdico que se atribuye a las redes sociales en el contexto contemporáneo. Así, la variable visualizaciones sí es incluida en la fórmula empleada en esta investigación, así como el número de seguidores con los que cuenta una cuenta. Esta evolución en la ponderación del Engagement Rate reflejada en este estudio es una aportación tan necesaria como novedosa en el nuevo contexto de las redes sociales digitales contemporáneas.
2. OBJETIVOS Y PREGUNTAS DE INVESTIGACIÓN
El objetivo de esta investigación, ubicada en la intersección entre la tecnología digital y los procesos políticos, es examinar y comprender la dinámica de la comunicación política en la plataforma de TikTok durante las elecciones ya citadas. Específicamente, el estudio analiza las lógicas de actuación, los patrones de viralización y el engagement en TikTok en un contexto electoral, además de medir la eventual profesionalización de la actividad política con parámetros relacionados con la frecuencia de “posteo” o el léxico empleado en las cuentas digitales.
Las preguntas de investigación que guían el estudio son las siguientes:
- A través de su actividad en TikTok, ¿muestran las cuentas individuales y de partidos pautas de actuación profesionalizadas en cuanto a cuestiones como la frecuencia regular de “posteo”, la distribución temporal equilibrada de sus mensajes o el léxico específico e intencionado empleado? (RQ1).
- ¿Existe alguna correlación entre el nivel y las formas de participación y variables como el género, la implantación social del partido, la ideología del sujeto político o el ámbito de influencia territorial? (RQ2)
- ¿Cuál es el engagement de cada cuenta analizada y con qué variables (comentarios, “me gusta”, shares, número de seguidores/as, etc.) se relaciona esta métrica? (RQ3).
3. METODOLOGÍA
3.1. Contexto, muestra seleccionada e hipótesis
Este estudio se desarrolla durante las elecciones municipales y autonómicas celebradas en España el 28 de mayo de 2023. El periodo monitorizado abarca desde el 1 de mayo de 2023 al 31 del mismo mes, y coincide con los últimos días de precampaña electoral, los días de campaña y los tres días posteriores al día de las votaciones. Los datos son recogidos el 10 de junio de 2023, dos semanas después de la jornada electoral.
La muestra seleccionada es intencionada y no probabilística, y representativa con relación a su objetivo de estudio. Para su obtención se fijan los siguientes pasos y criterios:
- Se definen dos tipos de cuentas: perfiles individuales (de candidatos y de candidatas a las elecciones municipales) y perfiles de partido (de carácter nacional y regional).
- Posteriormente, se comienza a monitorizar la red social digital para obtener la muestra, comenzando por el criterio de las capitales y las comunidades autónomas más pobladas de España (y que celebren elecciones). Así, la muestra garantiza cuentas de partidos y candidatos/as pertenecientes a Andalucía, Cataluña, Comunidad de Madrid, Galicia, Castilla y León y País Vasco, regiones más pobladas que celebraron elecciones. Evidentemente, se excluyen de la muestra las candidaturas que, pese a ser cabeza de lista en sus respectivos municipios, no cuentan con perfiles oficiales en TikTok o que, contando con un perfil, no hubieran publicado ningún contenido.
- Finalmente, la muestra se compone de 65 cuentas, 24 cuentas de partidos políticos y 42 de candidatos o candidatas de capitales de provincia (ver tablas 1 y 2), que representa el total de la población de cuentas de partidos y candidatos/as de los territorios seleccionado para este estudio.
Tabla 1. Listado de cuentas analizadas pertenecientes a partidos políticos.
|
Partidos |
Ámbito de actuación |
Cuenta |
|
PSOE |
Nacional |
@psoe |
|
PP |
Nacional |
@partidopopular |
|
Ahora Podemos |
Nacional |
@ahorapodemos |
|
VOX |
Nacional |
@vox_espana |
|
Pacma |
Nacional |
@partidopacma |
|
Adelante Andalucía |
Andalucía |
@adelante_andalucia |
|
Aragón Existe |
Aragón |
@aragonexiste |
|
Barcelona en Comú |
Catalunya |
@barcelonaencomu |
|
Esquerra Republicana |
Catalunya |
@esquerrarepublicana |
|
Junts Per Cat |
Catalunya |
@juntspercat |
|
Compromis |
Comunidad Valenciana |
@compromis_net |
|
Euskal Herria Bildu |
Euskadi y Navarra |
@ehbildu |
|
Foro Asturias |
Asturias |
@foroasturias |
|
Más Madrid |
Madrid |
@mas_madrid |
|
VOX Madrid |
Madrid |
@madrid.vox |
|
Bloque Nacionalista Galego |
Galicia |
@obloque |
|
Podemos Madrid |
Madrid |
@podemosmadrid |
|
PP Madrid |
Madrid |
@ppmadrid |
|
PSOE Madrid |
Madrid |
@psoemadrid |
|
Recupera Madrid |
Madrid |
@recuperamadrid |
|
Soria Ya |
Castilla y León |
@soria_ya |
|
Teruel Existe |
Aragón |
@teruelexiste.oficial |
|
Valents |
Catalunya |
@valents_cat |
|
Union del Pueblo Navarro |
Navarra |
@upn_navarra |
Fuente: Elaboración propia.
Tabla 2. Listado de cuentas analizadas pertenecientes a partidos políticos.
|
Candidato/a |
Género |
Ámbito de actuación |
Cuenta |
Partido[1] |
|
Ada Colau |
Mujer |
Barcelona |
@adacolau |
BEC |
|
Jaume Collboni |
Hombre |
Barcelona |
@jaumecollboni |
PSC |
|
Anna Grau |
Mujer |
Barcelona |
@annagraucs |
C´s |
|
Eva Parera |
Mujer |
Barcelona |
@evapareraescrichs |
Valents |
|
Daniel Sirera |
Hombre |
Barcelona |
@danielsirera |
PP |
|
Basha Changuerra |
Mujer |
Barcelona |
@bashachanguerra |
CUP |
|
Gonzalo de Oro |
Hombre |
Barcelona |
@gonzalo.de.oro |
VOX |
|
J. L. Martínez Almeida |
Hombre |
Madrid |
@martinez_almeida |
PP |
|
Reyes Maroto |
Mujer |
Madrid |
@marotoreyes |
PSOE |
|
Rita Maestre |
Mujer |
Madrid |
@ritamaestre |
MM |
|
Javier Ortega Smith |
Hombre |
Madrid |
@ortega_smith |
VOX |
|
Roberto Sotomayor |
Hombre |
Madrid |
@robertosotomayorm |
Podemos |
|
Isabel Díaz ayuso |
Mujer |
C. Madrid |
@ayusopresidenta |
PP |
|
Juan Lobato |
Hombre |
C. Madrid |
@juanlobato_es |
PSOE |
|
Mónica García |
Mujer |
C. Madrid |
@monicagarciag_ |
MM |
|
Aruca Gómez |
Mujer |
C. Madrid |
@arucagomez |
C´s |
|
Alejandra Jacinto |
Mujer |
C. Madrid |
@alejandrajacintouranga |
Podemos |
|
Joan Ribó |
Hombre |
Valencia |
@joanribovlc |
Compromís |
|
Sandra Gómez |
Mujer |
Valencia |
@sandragomezvalencia23 |
PSOE |
|
Pilar Lima |
Mujer |
Valencia |
@pilar_lima |
Podemos |
|
Carlos Mazón |
Hombre |
C. Valenciana |
@carlos_mazon |
PP |
|
Hector Illueca |
Hombre |
C. Valenciana |
@hector_illueca |
U. Podem |
|
Joan Baldoví |
Hombre |
C. Valenciana |
@joan_baldoví |
Compromís |
|
Antonio Muñoz |
Hombre |
Sevilla |
@antoniomunozsev |
PSOE |
|
José Luis Sanz |
Hombre |
Sevilla |
@jlsanzalcalde |
PP |
|
Sandra Heredia Ferná |
Mujer |
Sevilla |
@sahefe |
Adelante A. |
|
M. Ángel Aumesquet |
Hombre |
Sevilla |
@miguelangelaumesquet |
C´s |
|
Lola Ranera |
Mujer |
Zaragoza |
@lolaranera |
PSOE |
|
Natalia Chueca |
Mujer |
Zaragoza |
@nataliachueca_ |
PP |
|
Clemente Sánchez |
Hombre |
Zaragoza |
@clementesanchezgarnica |
P. Aragonés |
|
Chuaquín Bernal |
Hombre |
Zaragoza |
@chuaquinbernal |
Chunta |
|
Raúl Burillo |
Hombre |
Zaragoza |
@raulburillo |
A. Existe |
|
Ángel Victor Torres |
Hombre |
Canarias |
@angelvictorcan |
PSOE |
|
Manuel Domínguez |
Hombre |
Canarias |
@manueldominguez_pp |
PP |
|
Noemí Santana |
Mujer |
Canarias |
@noemisantanaperera |
Podemos |
|
Emiliano García Page |
Hombre |
C. L. Mancha |
@garciapage |
PSOE |
|
Carmen Picazo |
Mujer |
C. L. Mancha |
@yoconcarmenpicazo |
C´s |
|
J. L. García Gascón |
Hombre |
C. L. Mancha |
@jlgarciagascon |
Podemos |
|
Fernando López Miras |
Hombre |
Murcía |
@lopezmirasfernando |
PP |
|
José Vélez |
Hombre |
Murcía |
@pepevelez_ |
PSOE |
|
José Ángel Antelo |
Hombre |
Murcía |
@antelini |
VOX |
|
Mª José Ros Olivo |
Mujer |
Murcía |
@mjrosolivo |
C´s |
Fuente: Elaboración propia.
La muestra definitiva, diversa en términos generales, aglutina las siguientes características en base a su tipología (persona individual o cuenta colectiva), al género, a la ideología y al reparto geográfico:
- 24 cuentas de 20 partidos políticos de 11 ámbitos de influencia geográfica distinta.
- 42 cuentas individuales pertenecientes a personas candidatas, 18 mujeres y 24 hombres (42,8% y 57,2%, respectivamente), de 15 partidos distintos y 10 ámbitos de influencia geográfica distinta.
Las hipótesis que guían este estudio son las siguientes:
- H1. Los partidos y las candidaturas más significativas y con mayor representatividad política, mostrarán una mayor actividad en la red y una frecuencia más regular de “posteo”, y obtendrán mejores resultados en términos de interactividad, visualizaciones, etc. (en adelante, “compromiso digital” y “patrones de interacción”).
- H2. Los partidos con mejores datos en términos de compromiso digital y patrones de interacción obtendrán un mejor Engagement Rate, concepto que no se relacionará de forma predilecta con las variables de número de seguidores de una cuenta y sus followers.
3.2. Enfoque, apartados del estudio y herramientas metodológicas
Este artículo utiliza la metodología de investigación del estudio de caso (Fidel, 1984), desde una perspectiva eminentemente cuantitativa, basada en un número determinado de observaciones descriptivas y explicativas a través de técnicas estadísticas (Martínez-Carazo, 2006).
Para la consecución de los objetivos se fijan las siguientes categorías de análisis:
- Datos generales sobre actividad en TikTok: presencia, actividad, interactividad, interacción positiva, visualizaciones y difusión. De forma exploratoria, en este apartado se analizan algunos patrones significativos que definen las pautas de actividad de los actores analizados y se observan los parámetros derivados de dicha actuación (compromiso digital y patrones de interacción).
- Distribución temporal de posts. Se ofrece una cronología de publicaciones durante el mes analizado, para observar las lógicas de “posteo” de personas candidatas y partidos políticos.
- Engagement Rate y correlación de métricas relacionada con parámetros como “me gusta” o diggs, seguidores o followers, visualizaciones o plays, compartidos o shares, comentarios o comments, etc. El objetivo de este apartado es comprender mejor el funcionamiento de TikTok y sus lógicas de reconocimiento.
En cuanto a las herramientas empleadas, los mensajes o los datos son capturados a través de la herramienta facilitada por Ensemble Data, que permite acceder a la actividad en redes sociales digitales como TikTok de forma indirecta o no oficial. Ensemble Data es una empresa fundada en 2020 por ingenieros y matemáticos especializados en inteligencia artificial, dedicada a permitir a las empresas aprovechar datos de redes sociales a gran escala a través de una API (Aplication Programming Interface). La plataforma emplea “TikTok API”, por ejemplo, para realizar web scrapping (o raspado web, en español) en código Python y recopilar datos (Lawson, 2015; Zhao, 2017).
Así, se obtiene un data set de inputs e interacciones en TikTok[2], que posteriormente se ha procesado ordenando y agrupando los datos en función de determinadas variables. Se realizan, pues, agrupaciones por autores o cuentas y se construyen indicadores unificados para cada una de ellas. Durante la fase de análisis de datos, se emplea Google Colaboratory (Colab) como plataforma de codificación para escribir y ejecutar scripts en Python, lo cual facilita una colaboración efectiva y un acceso eficiente a recursos computacionales avanzados. Google Colab permite trabajar de manera dinámica con grandes conjuntos de datos y realizar análisis estadísticos complejos. A través de este entorno, se desarrollan y prueban códigos para el cálculo de correlaciones y la generación de visualizaciones interactivas.
Tal y como se ha explicado anteriormente, en este trabajo se emplea una fórmula novedosa para calcular el Engagement Rate, que incluye las siguientes variables relacionadas con las redes sociales digitales:
- Número de comentarios (comments, en terminología anglosajona), métrica que en este estudio se ha relacionado con el concepto de interactividad.
- Número de “me gusta” (diggs), métrica relacionada con el concepto de interacción positiva.
- Número de visualizaciones (plays), métrica que refleja el nivel de exposición y alcance del contenido.
- Número de comparticiones (shares), métrica que alude a la difusión de un determinado contenido, a su relevancia y viralidad.
- Número de seguidores (followers), métrica que alude al tamaño de la audiencia o comunidad de una cuenta.
- Número de publicaciones (posts), métrica que afecta a la frecuencia y consistencia de la interacción con la audiencia.
A ese respecto, el índice de compromiso es calculado sumando el número de comments, de digs, de plays y de shares, y dividiendo el resultado por el número de posts, obteniendo así el promedio de engagement por post; a su vez, este resultado se divide por el número de followers (ver figura 1). De esta forma se obtiene una medida unificada (que refleja el rendimiento de cada cuenta en datos) que permite comparar perfiles con distintos niveles de followers o seguidores. Así, se obtienen unas cifras absolutas a través de métricas agregadas, para ofrecer una visión general de la actividad en TikTok por parte de las cuentas y, después, se acude al detalle comparando el Engagement Rate de los perfiles, analizando las correlaciones entre las mencionadas variables.
Figura 1. Fórmula empleada para calcular el Engagement Rate o índice de compromiso.
Fuente: Elaboración propia.
Por último, para determinar la naturaleza y la intensidad de las interacciones entre las diversas métricas de engagement, se implementó una matriz de correlaciones. Esta herramienta de análisis estadístico permite examinar y cuantificar las asociaciones lineales entre las variables seleccionadas. Los coeficientes de correlación, que oscilan entre -1 y 1, se calculan utilizando el coeficiente de correlación de Pearson, proporcionando una medida de la relación lineal entre cada par de variables. La visualización de estos coeficientes se efectúa a través de una matriz de calor, donde el color y la intensidad de cada celda reflejaban la fuerza y dirección de la correlación, permitiendo una interpretación intuitiva y directa de los datos. Así, se identifican patrones significativos y dinámicas subyacentes, ofreciendo una perspectiva más detallada de los factores que potencialmente influyen en el éxito de estas interacciones digitales.
4. RESULTADOS
4.1. Datos generales: presencia, actividad, interactividad, interacción positiva, visualización y difusión
Según el análisis realizado, se observa que la mayoría de los partidos, independientemente de su tamaño o influencia social y geográfica, tienen una cuenta oficial en TikTok. En la población objeto de estudio, solo el Partido Nacionalista Vasco (PNV) y el Partido Andalucista (PA), ambos de ámbito regional y orientación nacionalista, no cuentan con dicho perfil en la red social digital.
En referencia a las candidaturas unipersonales, se verifica que atravesamos una suerte de etapa inicial de políticos y políticas en TikTok, ya que en la mayoría de los casos el número de seguidores se ubica en una horquilla de 23 a 6.248 seguidores (el 75% de la muestra), un número relativamente bajo para esta red social digital y para el contexto político electoral profesionalizado contemporáneo. A ese respecto, sólo una candidata, Ada Colau (Barcelona en Comú), supera los 100.000 seguidores (121.315). Además, cuanto mayor es la capital en términos poblacionales, mayor es la presencia de candidatos y candidatas en TikTok. En las cinco capitales analizadas (Madrid, Barcelona, Valencia, Zaragoza y Valencia), de las 24 candidaturas presentadas por diferentes partidos, 13 contaban con un perfil en la plataforma. Si en Barcelona el 77% de las personas candidatas tenían presencia en TikTok, en Zaragoza y Sevilla la mitad de las candidaturas se encontraban ausentes.
En cuanto al índice de actividad (número de posts), no se observa un patrón ideológico, de influencia geográfica o de presencia institucional que explique nítidamente la forma en el que aparecen ordenados los partidos en la tabla 3, donde se plasma la actividad digital de cada formación. El dato más destacable es que la media de publicaciones es de 17 en el periodo analizado (algo más de un post cada dos días) y que casi la mitad de la muestra se ubica por debajo de ese registro. Cabe destacar la escasa participación de formaciones de ámbito regional como Foro Asturias, Podemos Madrid o Adelante Andalucía. Este hecho contrasta con la “hiperactividad” que demuestran otras marcas regionales como Recupera Madrid y PP Madrid (más de dos posts al día), Compromís, BNG o PSOE.
En algunos partidos minoritarios, regionales o locales y de reciente creación como plataformas electorales —caso de la ya citada Recupera Madrid, Aragón Existe, Teruel Existe o Soria Ya!, creados en 2021, 2022, 2019 y 2022 respectivamente—, se constata que postean más contenido en la nueva red social digital que la media de los partidos (17 posts durante el periodo analizado).
Tabla 3. Índice de actividad y Top-10 de perfiles con mayor presencia digital.
|
|
Partido |
N.º de posts |
|
|
Candidato/a |
N.º de posts |
|
1 |
Recupera Madrid |
66 |
|
1 |
Ada Colau |
84 |
|
2 |
PP Madrid |
60 |
2 |
Antonio Muñoz |
54 |
|
|
3 |
Compromís |
35 |
3 |
Juan Lobato |
49 |
|
|
4 |
PSOE Madrid |
33 |
4 |
Sandra Gómez |
49 |
|
|
5 |
BNG |
33 |
5 |
Reyes Maroto |
44 |
|
|
6 |
TeruelExiste_ |
31 |
6 |
Sanz Alcalde Sevilla |
41 |
|
|
7 |
VOX España 🇪🇸 |
31 |
7 |
Natalia Chueca |
40 |
|
|
8 |
Barcelona en Comú |
30 |
8 |
Mónica García |
29 |
|
|
9 |
Aragón Existe |
27 |
9 |
Roberto Sotomayor |
28 |
|
|
10 |
PACMA |
24 |
10 |
M.J. Ros Olivo |
27 |
|
|
|
Más Madrid |
23 |
|
Joan Ribó |
27 |
|
|
Podemos |
22 |
|
Manuel Dominguez |
27 |
||
|
Junts per Catalunya |
20 |
|
Aruca Gómez |
26 |
||
|
Esquerra Republicana |
19 |
|
Rita Maestre |
24 |
||
|
Cuenta oficial de PSOE |
15 |
|
|
Javier Ortega Smith |
22 |
|
|
Euskal Herria Bildu |
15 |
Gonzalo de Oro |
21 |
|||
|
Partido Popular |
14 |
Fernando López Miras |
21 |
|||
|
SORIA ¡YA! |
13 |
Ángel Víctor Torres |
19 |
|||
|
Unión del Pueblo Navarro |
12 |
Jaume Collboni |
19 |
|||
|
Valents |
11 |
C. Sánchez-Garnica |
18 |
|||
|
VOX Madrid |
11 |
Eva Parera |
18 |
|||
|
Adelante Andalucía |
5 |
Alejandra Jacinto |
18 |
|||
|
Podemos Madrid |
3 |
Daniel Sirera |
13 |
|||
|
FORO Asturias |
1 |
Anna Grau |
13 |
|||
|
* 17 posts de media para partidos políticos y 22 (21,9) para candidatos/candidatas (en el caso de los perfiles individuales, cuatro candidatos/as de Aragón y Murcia no muestran actividad: @lolaranera, @nataliachueca, @raulburillo, @pepevelez_).
|
Ayusopresidenta 🇪🇸 |
12 |
||||
|
Pilar Lima |
10 |
|||||
|
J.L. Martínez Almeida |
9 |
|||||
|
Sandra Heredia Ferná |
7 |
|||||
|
Héctor Illueca |
7 |
|||||
|
J.L. García Gascón |
7 |
|||||
|
Chuaquín Bernal |
6 |
|||||
|
Noemí Santana |
5 |
|||||
|
Joan Baldoví |
5 |
|||||
|
Carmen Picazo |
4 |
|||||
|
Emiliano García-Page |
3 |
|||||
|
Miguel Ángel Aumesquet |
2 |
|||||
|
Carlos_Mazón |
2 |
|||||
Fuente: Elaboración propia.
En cuanto a las variables que aluden al compromiso digital y a los patrones de interacción (interactividad, interacción positiva, visualización y difusión), en la tabla 4 se ofrece la relación de los 5 partidos y 5 cuentas individuales con mejores datos en cada apartado, con el fin de obtener una visión general de los resultados.
Tabla 4. Variables de compromiso digital y patrones de interacción.
|
INDICADORES PARTIDOS |
|
INDICADORES CUENTAS INDIVIDUALES |
||||
|
Comentarios (Interactividad) |
|
Comentarios (Interactividad) |
||||
|
1 |
VOX |
14.136 |
1 |
Ada Colau |
3.825 |
|
|
2 |
Recupera Madrid |
11.526 |
2 |
Joan Ribó |
2.929 |
|
|
3 |
PP Madrid |
5.711 |
3 |
Mónica García |
2383 |
|
|
4 |
Podemos |
2.361 |
4 |
Javier Ortega Smith |
2283 |
|
|
5 |
PSOE |
2.264 |
5 |
Eva Parera |
2178 |
|
|
Me gusta (Interacción positiva) |
Me gusta (Interacción positiva) |
|||||
|
1 |
Recupera Madrid |
410.971 |
1 |
Mónica García |
96.774 |
|
|
2 |
VOX |
344.136 |
2 |
Joan Ribó |
69.893 |
|
|
3 |
PP Madrid |
130.251 |
3 |
Javier Ortega Smith |
59.622 |
|
|
4 |
Barcelona en Comú |
33.417 |
4 |
Ada Colau |
49.294 |
|
|
5 |
Podemos |
31.592 |
5 |
J. L. Martínez Alm. |
44.935 |
|
|
Plays (visualización) |
Plays (visualización) |
|||||
|
1 |
Recupera Madrid |
9.316.897 |
1 |
Mónica García |
1.299.527 |
|
|
2 |
VOX |
5.892.703 |
2 |
Eva Parera |
949.069 |
|
|
3 |
PP Madrid |
2.718.895 |
3 |
Ada Colau |
921.479 |
|
|
4 |
Barcelona en Comú |
757.907 |
4 |
Javier Ortega Smith |
863.976 |
|
|
5 |
Podemos |
613.435 |
5 |
J. L. Martínez Alm. |
727.984 |
|
|
Shares (Difusión) |
Shares (Difusión) |
|||||
|
1 |
Recupera Madrid |
67.420 |
1 |
Joan Ribó |
7.845 |
|
|
2 |
VOX |
46.745 |
2 |
Javier Ortega Smith |
5.673 |
|
|
3 |
PP Madrid |
36.990 |
3 |
J. L. Martínez-Alm. |
5.491 |
|
|
4 |
Barcelona en Comú |
3.006 |
4 |
Mónica García |
5.037 |
|
|
5 |
PSOE |
1.887 |
5 |
Eva Parera |
3.808 |
|
Fuente: Elaboración propia.
Por un lado, en el lado de las formaciones políticas —que obtienen registros de actividad más altos que los perfiles individuales—, cabe destacar la especial relevancia que registran dos partidos, relativamente antagonistas en cuanto a cuestiones como su orientación ideológica y ámbito geográfico de acción: Recupera Madrid, partido de fundación reciente, transversal y local; y VOX, en funcionamiento desde 2013, de ideología nacionalista española conservadora y de implantación nacional. Ambos partidos copan las primeras posiciones en cada uno de los índices; a ese respecto, es llamativo que, en el ámbito de las visualizaciones, Recupera Madrid casi doble a su sucesor (VOX) y quintuplique a quien ostenta el tercer lugar (PP Madrid). Este dato indica que, al margen de ser la formación más activa, el contenido que publica se adapta al registro de TikTok y obtiene buenos resultados. En cuanto a VOX, los datos apuntan hacia la existencia de un contenido que invita al público a expresarse e interactuar con él a través de los comentarios.
Además, cabe destacar que la mayor parte de la actividad digital en términos globales gira en torno a cuestiones relacionadas con las dos capitales más pobladas de España: Madrid y Barcelona. El grupo que podría denominarse “Big-6” en cada categoría (las seis cuentas que aparecen al menos una vez en el Top-5 de alguno de los indicadores) está compuesto por VOX, Recupera Madrid, PP Madrid, Podemos, PSOE, para los partidos; y Ada Colau, Joan Ribó, Mónica García, Javier Ortega Smith, Eva Parera y José Luis Martínez Almeida, para las candidaturas personales. Solo Joan Ribó se circunscribe a un ámbito geográfico regional.
En el bloque de las candidaturas individuales, la mayoría de los perfiles en el Top-5 son copados por políticos y políticas consolidadas, con una trayectoria dilatada. Los datos evidencian que Mónica García se acercó de forma más exitosa al público, ofreciendo un contenido atractivo (líder en “me gusta” y “visualizaciones”) y trascendiendo los límites de sus acérrimos partidistas y detractores (desciende en la tabla en los apartados de “comentarios” y “shares”). A ese respecto, en el lado opuesto se ubican líderes como Javier Ortega Smith o Joan Ribó, que con un menor número de seguidores obtienen mejores registros en cuestiones como “me gusta” o “shares”, aludiendo a un contenido que moviliza digitalmente mejor a sus partidarios.
Además, destaca que una figura local como Eva Parera (Valents) centrara su campaña en redes sociales digitales como TikTok, probablemente buscando notoriedad entre el público general, ofreciendo publicaciones llamativas a un receptor potencial que va más allá de los votantes y los simpatizantes de su propio partido.
Igualmente, hay un dato científicamente muy relevante: algunas de las candidaturas con más seguidores no copan los primeros puestos del ranking, tales como Isabel Díaz Ayuso, Alejandra Jacinto o Rita Maestre (todas en el Top-10 de seguidores). Por último, desde una perspectiva más geográfica, cabe apuntar que hay candidatos o candidatas como Joan Ribó que no tienen rival en su ámbito de influencia, lo cual destapa, ante dicha ausencia de competencia, una clara ventaja de determinadas candidaturas a la hora de acceder al público potencial congregado en TikTok.
4.2. Distribución temporal de posts
Otro de los indicadores significativos a la hora de describir las pautas de actuación de los actores políticos se relaciona con la distribución temporal de “posteo”. En este caso, en la figura 2 se pueden identificar ciertos patrones:
- Las candidaturas personales se activan antes que las cuentas de los partidos y lo hacen con anterioridad a la campaña (aludiendo al concepto de “campaña permanente” en comunicación política). Para el 12 de mayo, día en el que comienza el proceso electoral, todas las candidaturas tienen uno o más mensajes activos en TikTok.
- En dichas cuentas individuales, la frecuencia habitual es de uno o dos posts por día, aunque hay excepciones como las de Jaume Collboni (ocho días sin generar contenido). Ningún candidato crea más de cuatro inputs en el mismo día.
- Un ejemplo de distribución temporal proporcionada lo ofrece Ada Colau, que comienza su actividad el primer día de la secuencia y la alarga hasta el 29 de mayo, “posteando” uno o dos contenidos por día. En el lado contrario se ubica Daniel Sirera, que ofrece una dinámica más errática, comenzando tarde (6 de mayo), atravesando largos periodos de inactividad (hasta 6 días) y terminando su campaña digital antes que la mayoría de candidatos y candidatas (descuidando los últimos días de campaña).
- Un dato significativo es que solo 5 candidatos alargan su dinámica de posteo digital más allá de la noche electoral.
La dinámica de “posteo” de los partidos revela la estrategia electoral de cada formación: apostar por el perfil individual del candidato o de la candidata, o bien enfocar la campaña digital en la cuenta corporativa. A ese respecto, observamos ejemplos paradigmáticos como el de Recupera Madrid, que no cuenta con cuentas personales y que comienza su actividad tarde (dos días después de iniciarse oficialmente la campaña electoral), condensando su acción digital en apenas dos semanas, “posteando” la mayoría de las jornadas entre 3 y 4 contenidos. Otro de los casos significativos lo representa Podemos Madrid, cuyos datos sugieren una suerte de “desierto digital”, probablemente fundamentado en la apuesta decidida por ceder toda la portavocía a su candidatura personal.
Figura 2. Cronología de posts de los 25 autores/as más activos/as.
Fuente: Elaboración propia.
Por otro lado, llaman la atención los registros de formaciones como Soria ¡Ya! o Foro Asturias, que denotan una ausencia de estrategia digital definida. En el primero de los casos, pasan 18 días sin publicar contenido; en el segundo, la formación solo divulga un mensaje en todo el mes analizado. Otro de los indicios que se derivan de los datos capturados son que todavía existen partidos que, pese a su incidencia e implantación, hacen un uso coyuntural de la herramienta digital, sumándose a la actividad digital de forma tardía. Tal es el caso del BNG, la cuenta madrileña del PP, UPN o Podemos.
Por último, hay un detalle llamativo, y es que en ambas categorías (partidos y cuentas individuales), en muchos perfiles se opta por clausurar la actividad el 26 de mayo, dos días antes del día electoral.
4.3. Engament Rate y correlación de métricas
El Engament Rate o la tasa de participación es un indicador estandarizado para evaluar la efectividad y la relevancia del contenido, así como para entender la participación de la audiencia. En ese sentido, a toda la serie da clasificaciones presentadas anteriormente en función de determinados parámetros, se le añade un conjunto de variables para medir la interacción y participación de los usuarios con el contenido político electoral: número de seguidores y número de posts publicados durante el periodo analizado.
La tabla 5 ofrece una clasificación de los sujetos y las entidades políticas analizadas, ofreciendo un dato relevante: los puestos de cabeza son copados por candidatos o candidatas con métricas significativamente bajas en alguno de los parámetros de la ecuación: Miguel Ángel Aumesquet (únicamente dos posts publicados), Clemente Sánchez Garnica (sólo 23 seguidores), Sandra Heredia Fernández (tres shares y ningún comentario), etc. En el apartado de los partidos, el fenómeno se replica con formaciones como Foro Asturias (un solo post en toda la campaña) y Aragón Existe (un comentario y cinco shares).
Esta información indica que el algoritmo de TikTok está orientado a facilitar la entrada en la red social de sujetos o perfiles de reciente creación, con poca actividad o con escasos seguidores. Este hecho podría suponer una estrategia inteligente de la plataforma digital, para atraer a nuevos usuarios/as y acompañarles en sus primeros pasos (ver tabla 5).
Tabla 5. Engagement Rate de partidos y de cuentas individuales (subrayados, cuentas más representativas en cuanto a los variables de interacción en tabla 4).
|
Engagement Rate (Indicadores de partidos) |
|
Engagement Rate (Indicadores de cuentas ind.) |
||||
|
1 |
FORO Asturias |
10,40 |
|
1 |
M.A. Aumesquet |
15,25 |
|
2 |
Aragón Existe |
9,041 |
2 |
C. Sánchez Garnica |
15,11 |
|
|
3 |
SORIA ¡YA! |
6,84 |
3 |
Sandra Heredia |
14,88 |
|
|
4 |
UPN |
5,958 |
4 |
Gonzalo de Oro |
11,61 |
|
|
5 |
Teruel Existe |
5,335 |
5 |
Daniel Sirera |
7,666 |
|
|
6 |
PSOE |
3,976 |
|
6 |
Fernando López Miras |
5,085 |
|
7 |
Recupera Madrid |
3,93 |
|
7 |
J. L. Martínez-Alm. |
4,934 |
|
8 |
Valents |
2,801 |
|
8 |
Pilar Lima |
4,022 |
|
9 |
EH Bildu |
1,796 |
|
9 |
Emiliano García Page |
3,634 |
|
10 |
PSOE Madrid |
1,507 |
|
10 |
Noemí Santana |
3,612 |
|
11 |
VOX |
1,204 |
|
… |
||
|
12 |
Pacma |
1,204 |
|
18 |
Eva Parera |
2,317 |
|
13 |
Adelante Andalucía |
1,056 |
|
… |
||
|
14 |
Podemos Madrid |
0,954 |
|
20 |
Javier Ortega Smith |
2,099 |
|
15 |
Compromís |
0,775 |
|
28 |
Joan Ribó |
0,811 |
|
16 |
PP Madrid |
0,73 |
|
29 |
Sandra Gómez |
0,769 |
|
17 |
VOX Madrid |
0,595 |
|
30 |
Manuel Domínguez |
0,488 |
|
18 |
Barcelona en Comú |
0,538 |
|
31 |
Mónica García |
0,399 |
|
19 |
Más Madrid |
0,503 |
|
32 |
Alejandra Jacinto |
0,388 |
|
20 |
Junts per Catalunya |
0,351 |
|
33 |
Rita Maestre |
0,373 |
|
21 |
Esquerra Republicana |
0,337 |
|
34 |
Ada Colau |
0,363 |
|
22 |
Partido Popular |
0,17 |
|
35 |
Carmen Picazo |
0,362 |
|
23 |
Bloque Nac. Galego |
0,146 |
|
36 |
Jaume Collboni |
0,189 |
|
24 |
Podemos |
0,066 |
|
37 |
Isabel Díaz Ayuso |
0,113 |
Fuente: Elaboración propia.
En ese contexto, el Engagement Rate podría servir para inferir otro ranking de actores políticos electorales con mayor impacto, si dicho índice se referenciara a los indicadores o a las variables de interacción citadas anteriormente (comentarios, “me gusta”, plays, shares). A ese respecto, en la tabla 5 se subrayan los seis actores más significativos durante la campaña electoral analizada (cuentas inferidas de la tabla 4), y cabe destacar que ninguno de ellos se ubica entre los primeros cinco puestos del ranking.
Esta visualización de los resultados sirve también para ubicar los actores mencionados que mejor rendimiento obtienen de su esfuerzo digital en términos de impacto. En ese sentido, la cuenta oficial del PSOE y la del candidato de Madrid, José Luis Martínez Almeida, serían aquellas que logran mayor impacto en términos de interacción y engagement con un menor esfuerzo.
Una de las aportaciones más significativas de este estudio es analizar el grado de correlación de las diversas variables seleccionadas, y fijarse especialmente en su relación con el ya mencionado Engagement Rate (Figura 3). Para el caso de las cuentas individuales (sucede algo similar en la matriz de relaciones para cuentas de los partidos), por ejemplo, se observa que todas las variables introducidas en este estudio correlacionan de forma negativa con el Engagement Rate[3]. De las siete categorías (posts, “me gusta”, comments, plays, shares, followers y Engagement Rate) hay un cuarteto de valores que marca una zona en el gráfico de una alta significación y una correlación intensa entre ellas (valores cercanos a 1 o -1): diggs o “me gusta”, plays o visualizaciones, shares o compartidos, y en menor medida, seguidores o followers.
Por otro lado, el número de posts es una variable que pierde “poder” frente al resto, y que ofrece un grado menor de intensidad en término de capacidad de correlacionarse con los otros parámetros. Es decir, el número de mensajes publicados podría no ser determinante a la hora de mejorar el grado de visibilidad o los “me gusta” que obtiene un determinado contenido.
Figura 3. Correlación de métricas de compromiso en TikTok.
Fuente: Elaboración propia.
Se infiere, así, que el número de posts publicados o el número de seguidores de una cuenta no son las variables más determinantes y que, sin embargo, el núcleo poderoso se centra en el tridente que configuran las variables de “me gusta”, plays y shares. Por otro lado, lo relevante del Engament Rate es que mantiene un vínculo negativo con el resto de las variables, especialmente con el número de publicaciones y con la cantidad de seguidores que tiene una cuenta: a menos posts o seguidores, mayor Engagement Rate. Este dato podría indicar que la red social no privilegia tanto una eventual red de contactos de un perfil concreto o su actividad, sino las métricas más relacionadas directamente con el poder de atracción directa de un determinado contenido.
5. DISCUSIÓN Y CONCLUSIONES
Ante la escasez de estudios centrados en el uso e influencia de nuevas herramientas de comunicación política como TikTok en contextos electorales de ámbito municipal y autonómico, esta investigación se centra en clarificar por qué esta red de moda promueve una evolución de la comunicación política electoral a partir de nuevas variables de análisis. Con ello, se va más allá del avance promovido por anteriores plataformas que han demostrado ser decisivas en la esfera pública digital (Casero-Ripollés, 2020).
TikTok, es la red social digital del momento, un canal que influye significativamente en la producción y el consumo cultural contemporáneo, lo que se relaciona directamente con las implicaciones de su estudio empírico en comunicación y política (Sánchez, 2021; Cervi et al., 2023; Gómez-García et al., 2023), así como sobre las implicaciones metodológicas que implica su abordaje empírico (Barger y Labrecque, 2013; Laniado y Viles, 2018; Ballesteros, 2019).
Por lo que se refiere a las pautas de actuación de los/las líderes y partidos políticos (RQ1), los resultados del estudio apuntan a un panorama de grandes contrastes: mientras determinados líderes y partidos muestran pautas profesionalizadas de uso de TikTok en el marco de una estrategia de comunicación política digital definida, otros evidencian usos ciertamente limitados. Estas pautas profesionalizadas vendrían determinadas por acciones específicas —como la publicación regular y frecuente a partir de tempos adaptados, o el uso de terminología específica— y no responde a patrones tradicionales como el género, la ideología del partido, el alcance territorial o la representatividad política (RQ2). Cabe concluir, por tanto, que la comunicación política, al menos en el contexto examinado, se sitúa en una suerte de fase inicial de adopción y adaptación a esta plataforma digital. Estos resultados relativos al uso aún limitado de TikTok coinciden con estudios anteriores, como el elaborado por Karimi y Fox (2023) sobre las elecciones norteamericanas de 2020 o por Zuykina y Krinitsyna (2023) con relación a las elecciones a la Duma Estatal de Rusia en 2021.
En esta investigación se identifica que las cuentas relacionadas con las grandes capitales acaparan la atención de gran parte de la comunidad internauta (Gamir-Ríos y Sánchez-Castillo, 2022). Sin embargo, se observa que los buenos resultados obtenidos por partidos o candidatos/as que concentran un gran esfuerzo de su campaña digital en TikTok (casos de Recupera Madrid o Eva Parera, de Valents) en términos de compromiso digital, patrones de interacción y Engagement Rate, no se relaciona directamente con los propios resultados durante las elecciones analizadas (Recupera Madrid no obtuvo representación en su circunscripción, por ejemplo) (RQ2). Este dato podría abrir nuevas líneas de investigación para tratar de trazar correlaciones entre los partidos políticos, su comunicación digital y sus resultados electorales.
Este hecho apunta a que la actividad y la interactividad en redes sociales como TikTok no prescribe o moviliza a los potenciales votantes, sino que está orientado a ofrecer entretenimiento de forma lúdica y masiva, sin ejercer una influencia persuasiva directa en el ámbito político. En este contexto, la plataforma se convierte más en un espacio de distracción y ocio, que en un medio efectivo para la movilización política o el cambio de opiniones electorales. Esta idea viene avalada por las características inherentes de esta red social y por el tipo de algoritmos que utiliza. En otros términos, según se ha señalado en la introducción, TikTok sustenta su funcionamiento en un tipo de formulación algorítmica diferente a la de plataformas como Facebook, X (antes Twitter) o Instagram, consiguiendo una gran influencia en el funcionamiento del nuevo paradigma o de la nueva etapa de las redes sociales digitales contemporáneas.
A ese respecto, las métricas de cada cuenta analizada permiten concluir que ni la hiperactividad en TikTok ni el gran número de seguidores aseguran buenos datos de engagement, que podría traducirse en términos de éxito digital. Los datos sugieren que el algoritmo de TikTok está diseñado para promover la inclusión de cuentas nuevas o perfiles con actividad limitada o pocos seguidores en la plataforma. Tal enfoque podría representar una táctica de gratificación inmediata astuta por parte de la red social para captar y guiar a los usuarios noveles en sus primeros pasos. Por otro lado, se corrobora que la capacidad de “enganche” o el poder de atracción de un contenido es determinante.
Concretamente, las variables que más inciden en el “éxito” digital son aquellas relacionadas con el mero poder de atracción de un determinado contenido (frecuentemente descontextualizado de otras variables más “politizadas” en términos tradicionales): “me gusta”, plays o visualizaciones y shares o veces compartido. Quedan relegados indicadores como seguidores, comentarios o número de posts. Este dato es, en sí mismo, un hecho significativo que caracteriza la nueva fase de las redes sociales digitales, que abandonan progresivamente su época más “relacional” (algoritmos que ofrecían contenidos en función de determinadas redes de contactos, por ejemplo) y avanzan hacia el entretenimiento y el consumo masivo de contenidos atractivos para todo tipo de usuarios/as.
Este estudio reconoce sus limitaciones, particularmente en cuanto a su alcance temporal y en cuanto al carácter incipiente del fenómeno. Futuros estudios podrían confirmar lo apuntado en esta investigación analizando otros casos, ampliando el conjunto de actores analizados y obteniendo data-sets más voluminosos. Dada la velocidad a la que evolucionan tanto la plataforma como sus prácticas de uso, así como la implementación de cambios en los algoritmos, nuestros hallazgos reflejan una realidad que puede transformarse rápidamente, destacando la necesidad de investigaciones continuas y actualizadas, también desde la perspectiva de la comunicación política.
La política de datos relativamente abierta de TikTok sugiere un futuro prometedor para la proliferación de estudios científicos en este campo. A ese respecto, el “Análisis de Redes Sociales” emerge como un campo especialmente fértil para la exploración futura, ofreciendo un abanico de opciones investigadoras que pueden abarcar desde el análisis de sentimientos de determinados fenómenos, hasta la creación de redes de imágenes y el estudio detallado y desde una perspectiva cualitativa del contenido publicado. Estas metodologías no solo permitirán descubrir patrones de interacción entre usuarios y contenidos, sino que también abrirán caminos para comprender cómo se construyen y mantienen las comunidades dentro de TikTok.
Asimismo, una de las cuestiones a desentrañar en esa ya apuntada tendencia a la “desrelacionalización” de las plataformas digitales, se relaciona con la despolitización progresiva de las redes sociales, asunto que merece una atención crítica en investigaciones futuras. La posibilidad de que TikTok, como otras plataformas digitales, esté contribuyendo a una esfera pública menos politizada, con interacciones más superficiales y menos enfocadas en el debate sustantivo, plantea preguntas importantes sobre el rol de estas tecnologías en la democracia y la participación ciudadana.
6. REFERENCIAS
Aiyappa, R., DeVerna, M. R., Pote, M., Truong, B. T., Zhao, W., Axelrod, D. y Yang, K. C. (2023). A multi-platform collection of social media posts about the 2022 US Midterm Elections. En L. Yu-Ru, C. Meeyoung, D. Quercia (Eds.), Proceedings of the International AAAI Conference on Web and Social Media (Vol. 17, pp. 981-989). https://doi.org/10.1609/icwsm.v17i1.22205
Alonso-López, N., Sidorenko-Bautista, P. y Apablaza-Campos, A. (2023). TikTok and active audiences in processes for political and structural change. An exploratory study based on the Scottish referendum. Communication & Society, 36(3), 87-101. https://doi.org/10.15581/003.36.3.87-101
Alonso, N., Sidorenko, P. y Ferruz, S. A. (2024). Administraciones públicas en TikTok. Comunicación, narrativa y frecuencia de publicación de los perfiles de los ministerios de España. Revista de Comunicación, 23(1). https://doi.org/10.26441/RC23.1-2024-3451
Ballesteros, C. (2019). La representación digital del engagement: hacia una percepción del compromiso a través de acciones simbólicas. Revista de comunicación, 18(1), 215-233. https://bit.ly/3z93H0r
Barger, V. A. y Labrecque, L. (2013). An integrated marketing communications perspective on social media metrics. International Journal of Integrated Marketing Communications, 64-67. https://ssrn.com/abstract=2280132
Battista, D. (2023). For better or for worse: politics marries pop culture (TikTok and the 2022 Italian elections). Society Register, 7(1), 117-142. https://doi.org/10.14746/sr.2023.7.1.06
Bonsón, E. y Ratkai, M. (2013). A set of metrics to assess stakeholder engagement and social legitimacy on a corporate Facebook page. Online Information Review, 37(5), 787-803. https://bit.ly/45kZl2q
Bossen, C. y Kottasz, R. (2020). Uses and gratifications sought by pre-adolescent and adolescent TikTok consumers. Young consumers, 21(4), 463-478. https://doi.org/10.1108/YC-07-2020-1186
Bowden, J. L. H. (2009). The process of customer engagement: A conceptual framework. Journal of marketing theory and practice, 17(1), 63-74. https://doi.org/10.2753/MTP1069-6679170105
Brennan, M. (2020). Attention factory: The story of TikTok and China's ByteDance. China Channel.
Casero-Ripollés, A. (2020). Introduction. Political influencers in the digital public sphere. Communication & Society, 33(2), 171-173. https://doi.org/10.15581/003.33.2.171-173
Cervi, L., Tejedor, S. y Blesa F. (2023). TikTok and political communication: the latest frontier of politainment? A case study. Media and communication, 11(2), 203-217. https://doi.org/10.17645/mac.v11i2.6390
Cervi, L., Tejedor, S. y Marín-Lladó, C. (2021). TikTok and the new language of political communication. Cultura, Lenguaje y Representación, 26, 267-287. https://doi.org/10.6035/clr.5817
Chan-Olmsted, S., Wolter, L. C. y Wang, R. (2017). Toward a multidimensional framework of media engagement: Conceptualizing consumer experience and connection with media content in a digital environment. Emma conf 2017. European Media Management Associafion, 885.
Charlesworth, A. (2018). Digital marketing: A practical approach. Routledge.
Cheng, Z. y Li, Y. (2024). Like, comment, and share on TikTok: Exploring the effect of sentiment and second-person view on the user engagement with TikTok news videos. Social Science Computer Review, 42(1), 201-223. https://doi.org/10.1177/08944393231178603
Clarke, M. (2012). The digital revolution. En M. Clarke (Ed.), Academic and professional publishing (pp. 79-98). Chandos Publishing. https://doi.org/10.1016/B978-1-84334-669-2.50004-4
Cuevas-Calderón, E., Dongo, E. Y. y Kanashiro, L. (2022). Conservadores en TikTok: polarización social en el Perú. Revista Prisma Social, 39, 156-182. https://dialnet.unirioja.es/descarga/articulo/8665242.pdf
Faltesek, D., Graalum, E., Breving, B., Knudsen, E., Lucas, J., Young, S. y Varas Zambrano, F. E. (2023). TikTok as Television. Social Media+Society, 9(3), https://doi.org/10.1177/20563051231194576
Fidel, R. (1984). The case study method: A case study. Library and Information Science Research, 6(3), 273-288.
Flecha-Ortiz, J. A., De Los M. Santos Corrada, M., Lopez, E., Dones, V. y Lugo, V. F. (2023). Don't make ads, make TikTok’s: media and brand engagement through Gen Z's use of TikTok and its significance in purchase intent. Journal of Brand Management, 30(6), 535-549. https://n9.cl/yu4xy
Gamir-Ríos, J. y Sánchez-Castillo, S. (2022). The political irruption of short video: Is TikTok a new window for Spanish parties? Communication & Society, 35(2), 37-52. https://doi.org/10.15581/003.35.2.37-52
Gómez-García, S., Zamora, R. y Berrocal, S. (2023). New Frontiers for Political Communication in Times of Spectacularization. Media and Communication, 11(2), 109-112. https://doi.org/10.17645/mac.v11i2.7069
Guarda, T., Augusto, M. F., Victor, J. A., Mazón, L. M., Lopes, I. y Oliveira, P. (2021). The impact of Tiktok on digital marketing. En R. J. Howlett y L. C. Jain (Eds.), Marketing and Smart Technologies. Smart Innovation, Systems and Technologies (Vol. 205, pp. 35-44). Springer.
Herrman, J. (10 de marzo de 2019). How TikTok is rewriting the world. The New York Times. https://www.nytimes.com/2019/03/10/style/what-is-tik-tok.html
Hoffman, D. L. y Fodor, M. (1 de octubre de 2010). Can you measure the ROI of your social media marketing? MIT Sloan Management Review. https://bit.ly/4bUraRO
IAB Spain (2023). Estudio de redes sociales 2023.
Karimi, K. y Fox, R. (2023). Scrolling, simping, and mobilizing: TikTok’s influence over Generation Z’s political behavior. The Journal of Social Media in Society, 12(1), 181-208.
Koetsier, J. (4 de enero de 2023). 10 Most Downloaded Apps Of 2022: Facebook Down, Spotify Up, TikTok Stable, CapCut Keeps Growing. Forbes. https://bit.ly/3VBXjI3
Laniado, D. y Viles, N. (2018). Big data i social media (Recursos Educativos UOC Abiertos). Universitat Oberta de Catalunya (UOC). https://openaccess.uoc.edu/handle/10609/144371
Lawson, R. (2015). Web scraping with Python. Packt Publishing Ltd.
Li, F., Larimo, J. y Leonidou, L. C. (2023). Social media in marketing research: Theoretical bases, methodological aspects, and thematic focus. Psychology & Marketing, 40(1), 124-145. https://doi.org/10.1002/mar.21746
Malaspina, L. (agosto 2020). La era de TikTok: Política, guerra y nuevo lenguaje de masas. Nueva Sociedad. https://nuso.org/articulo/la-era-de-tiktok/
Martínez-Carazo, P. C. (2006). El método de estudio de caso: estrategia metodológica de la investigación científica. Pensamiento & Gestión, 20, 165-193. https://www.redalyc.org/pdf/646/64602005.pdf
Morejón, N. (2023). Política española en TikTok: Del aterrizaje a la consolidación de la estrategia comunicativa. Prisma Social: revista de investigación social, 40, 238-261. https://dialnet.unirioja.es/descarga/articulo/8911447.pdf
Moreno, Á. y Fuentes, C. M. (2019). ‘Engagement’ y redes sociales. Análisis bibliométrico desde el ámbito científico de las relaciones públicas. Trípodos, 45, 49-72. https://dialnet.unirioja.es/servlet/articulo?codigo=7287860
Moreno, P. (3 de abril de 2023). TikTok como herramienta política para hacer campaña y llegar a los votantes jóvenes. Maldita.es. https://bit.ly/3KDwcWP
Peng, L. (2021). Impact of TikTok on digital marketing based on case studies and SWOT analysis. En Association for Computing Machinery, IC4E 2021: The 2021 12th International Conference on E-Education, E-Business, E-Management, and E-Learning (pp. 337-340). Association for Computing Machinery.
Peña-Fernández, S., Larrondo-Ureta, A. y Morales-i-Gras, J. (2022). Current affairs on TikTok. Virality and entertainment for digital natives. Profesional de la Información, 31(1). https://doi.org/10.3145/epi.2022.ene.06
Rayón, A. (29 de octubre de 2023). La 'tiktokización' de las redes sociales. El Correo. https://bit.ly/3VkeEE2
Sánchez, S. (2021). La construcción del liderazgo político y la identidad escenográfica en TikTok. En J. M. Muntané y C. Sánchez (Eds.), Cosmovisión de la comunicación en redes sociales en la era postdigital (pp. 215-227). McGraw-Hill/Interamericana de España. https://www.academia.edu/download/67344170/Libro_01_v3_HIGH_REV.pdf#page=215
Seppälä, M. (2022). Creative political participation on TikTok during the 2020 US presidential election. WiderScreen. https://bit.ly/4ehrSKr
Raposo, R., Cheung, C. M., Coelho, P. S. y Rita, P. (2022). Consumer engagement in social media brand communities: A literature review. International Journal of Information Management, 63. https://doi.org/10.1016/j.ijinfomgt.2021.102457
Triantafillidou, A., Lappas, G., Yannas, P. y Kleftodimos, A. (2015). Facebook engagement and Greek local municipal governments. En CeDEM15 Conference for E-Democracy and Open Government (pp. 39-52), Danube University Krems, Austria.
Wang, X. y Guo, Y. (2023). Motivations on TikTok addiction: The moderating role of algorithm awareness on young people. Profesional de la información, 32(4). https://doi.org/10.3145/epi.2023.jul.11
We Are Social (2023). Digital Report 2023 España.
Zhao, B. (2017). Web scraping. En L.A. Schintler y C.L. McNeely (Eds.), Encyclopedia of Big Data (pp. 1-3). https://bit.ly/3VGaTsT
Zuykina, K.L. y Krinitsyna, N.A. (2023). Tiktok in Electoral Communication: The Case of Russian State Duma Elections 2021. Political Expertise: POLITEX. http://hdl.handle.net/11701/43897
CONTRIBUCIONES DE AUTORES/AS, FINANCIACIÓN Y AGRADECIMIENTOS
Contribuciones de los/as autores/as:
Conceptualización: Orbegozo Terradillos, Julen. Software: Morales i Gras, Jordi. Validación: Larrondo Ureta, Ainara. Análisis formal: Orbegozo Terradillos, Julen y Larrondo Ureta, Ainara. Curación de datos: Morales i Gras, Jordi. Redacción-Preparación del borrador original: Orbegozo Terradillos, Julen y Larrondo Ureta, Ainara. Redacción-Revisión y Edición: Orbegozo Terradillos, Julen y Larrondo Ureta, Ainara. Visualización: Morales i Gras, Jordi. Supervisión: Larrondo Ureta, Ainara. Administración de proyectos: Larrondo Ureta, Ainara. Todos los/as autores/as han leído y aceptado la versión publicada del manuscrito: Orbegozo Terradillos, Julen; Larrondo Ureta, Ainara y Morales i Gras, Jordi.
Financiación: Esta investigación recibió la financiación del grupo de investigación Gureiker (IT1496-22), de categoría A (2022/2025).
AUTORES:
Julen Orbegozo Terradillos
Universidad del País Vasco.
Licenciado en Periodismo y Publicidad y Relaciones Públicas. Profesor de Dirección de la Comunicación Pública y Comunicación Interpersonal (UPV/EHU). Principal área de especialización: Comunicación Política. Líneas de investigación: activismo en redes sociales, comunicación y género, y campañas electorales. Ha publicado en revistas de impacto trabajos relacionados con debates electorales, el hashtivismo, las fake news y las nuevas narrativas electorales con perspectiva de género. Cuenta con más diez años de experiencia en el ámbito profesional. Ha trabajado como periodista en diversos medios y como asesor de comunicación en el Parlamento Vasco, participando en numerosas campañas electorales de ámbito vasco y español.
Índice H: 6
Orcid ID: http://orcid.org/0000-0002-2959-4397
Google Scholar: https://scholar.google.com/citations?user=8ZFDUb0AAAAJ&hl=es
ResearchGate: https://www.researchgate.net/search.Search.html?type=researcher&query=julen%20orbegozo
Scopus ID: https://www.scopus.com/authid/detail.uri?authorId=57199685036
Ainara Larrondo Ureta
Universidad del País Vasco.
Profesora Titular de Universidad en el Departamento de Periodismo de la Universidad del País Vasco (UPV/EHU). Sus principales líneas de investigación son la comunicación digital, política y con perspectiva de género. Es investigadora principal del grupo de investigación consolidado Gureiker (IT1496-22), financiado por el Gobierno Vasco.
Índice H: 23
Orcid ID: https://orcid.org/0000-0003-3303-4330
Scopus ID: https://www.scopus.com/authid/detail.uri?authorId=56507340200
Google Scholar: https://scholar.google.es/citations?user=tEpzyvwAAAAJ&hl=es
ResearchGate: https://www.researchgate.net/profile/Ainara-Ureta
Jordi Morales I Gras
Cámara de Bilbao University Bussines School.
Doctor en Sociología por la Universidad del País Vasco (UPV/EHU). Su área de especialización es la Ciencia Social Computacional, con un fuerte énfasis en el Análisis de Redes Sociales y en la Inteligencia Artificial. Colabora como docente en el Máster de Modelos y Áreas de Investigación Social de la UPV/EHU, en el máster de Social Media de la UOC y en el Postgrado de Analítica de Datos del Col·legi de Professionals de la Ciència Política i la Sociologia de Catalunya. También es fundador y CEO de Network Outsight, empresa consultora especializada en el análisis sociológico de Big Data.
jordi.morales@camarabilbaoubs.com
Índice H: 9
Orcid ID: https://orcid.org/0000-0003-4173-3609
Scopus ID: https://www.scopus.com/authid/detail.uri?authorId=57212511634
Google Scholar: https://scholar.google.com/citations?hl=es&user=3KwU0SEAAAAJ
ResearchGate: https://www.researchgate.net/scientific-contributions/Jordi-Morales-i-Gras-2189273512