kkdemian | 12 de febrero de 2026
Musk cumplió su promesa y abrió el código de algoritmos de recomendación del núcleo de la plataforma X (anteriormente Twitter). Esto no solo es una victoria para la transparencia, sino también una mina de oro para los creadores de contenido: finalmente podemos entender desde el nivel de algoritmos 'qué tipo de tweets serán recomendados'.
Basado en el código del sistema de recomendación Phoenix de código abierto de X y el análisis profundo del equipo de tecnología publicitaria de Tencent, este artículo te proporcionará una guía de escritura impulsada por algoritmos para Twitter, ayudándote a maximizar la exposición del contenido y la interacción del usuario.
Uno, entender la lógica central del algoritmo de recomendación de X
1.1 Visión general de la arquitectura del algoritmo
El sistema de recomendación 'Para Ti' de X (código: Home Mixer) adopta una estructura clásica de recuperación- clasificación- filtrado en tres etapas:
Fase 1: Recuperación de candidatos (Candidate Sourcing)
Thunder (In-Network): extraer posts de cuentas que sigues
Phoenix Retrieval (Out-of-Network): búsqueda basada en similitud desde publicaciones globales
Fase 2: clasificación refinada (Scoring)
Phoenix Scorer: modelo de Transformer basado en Grok, predice 19 tipos de probabilidad de comportamiento de usuarios
Weighted Scorer: fusión ponderada de múltiples objetivos, obtiene la puntuación final
Author Diversity Scorer: ajuste de diversidad de autores
Fase 3: Filtrado y selección (Filtrado & Selección)
Filtrado previo: deduplicación, actualidad, palabras bloqueadas
Filtrado posterior: leídos, spam, contenido violento
1.2 Dimensiones clave de puntuación del algoritmo
Phoenix Scorer predice 19 tipos de comportamiento de usuarios y obtiene el puntaje final a través de la suma ponderada:
Comportamientos positivos (aumentar ranking):
❤️ Me gusta (Like): la señal de interacción más básica
🔁 Reenvío (Repost): señal de interacción fuerte, peso alto
💬 Respuesta (Reply): interacción profunda, peso extremadamente alto
🔗 Clic (Click): indicador de atractivo del contenido
📤 Compartir (Share): señal de difusión fuera de la plataforma
Comportamiento negativo (reduce el ranking):
🚫 Bloquear: retroalimentación negativa fuerte
🔇 Silenciar: retroalimentación negativa moderada
🚩 Reportar: retroalimentación negativa severa
Perspectiva clave: el algoritmo no calcula simplemente 'el número de Me gusta', sino que predice 'la probabilidad de que un usuario específico le dé Me gusta a este tweet'. Esto significa:
El contenido necesita ser optimizado para la audiencia objetivo
El contenido general no es tan valioso como el contenido profundo en nichos específicos
El comportamiento histórico del usuario determina si tu contenido será recomendado a él
Dos, principios de escritura de tweets amigables con el algoritmo
2.1 Principios clave: maximizar la 'probabilidad de interacción predicha'
Basado en un mecanismo de predicción de múltiples objetivos impulsado por algoritmo, tus tweets necesitan optimizarse en las siguientes dimensiones:
Principio 1: activar interacciones de alto valor (Respuesta > Reenvío > Me gusta)
El algoritmo asigna diferentes pesos a las interacciones. Según el diseño de Weighted Scorer:
Respuesta (Reply) tiene el mayor peso: porque la respuesta representa una participación profunda
Reenvío (Repost) tiene el segundo mayor peso: representa el valor de la difusión del contenido
Me gusta (Like) tiene un peso relativamente bajo: la barrera es baja, la señal es débil
Estrategia práctica:
✅ Diseñar preguntas abiertas: cerrar con '¿qué opinas?' o '¿te ha pasado?' para guiar respuestas
✅ Crear controversia pero no de forma extrema: un choque de opiniones moderadas puede generar más discusión que una unilateral
✅ Proporcionar valor que se pueda reenviar: datos, perspectivas, recomendaciones de herramientas, etc. contenido 'digno de compartir'
❌ Evitar oraciones puras de declaración: es difícil obtener altas puntuaciones con contenido sin ganchos de interacción
Ejemplo comparativo:
❌ Versión de baja interacción:
"Ethereum subió un 5% hoy."
✅ Versión de alta interacción:
"Ethereum subió un 5% hoy, pero las direcciones activas en la cadena cayeron un 12%.
¿Es esto una acumulación institucional o los minoristas están absorbiendo?
Fuente de datos: 【enlace】
¿Cuál es tu juicio? 👇"
Por qué es efectivo:
Proporcionar datos (valor de reenvío)
Crear conflictos cognitivos (provocar reflexión)
Llamado claro a la interacción ("¿cuál es tu juicio?")
Principio 2: evitar señales negativas (Bloquear/Mutar/Reportar)
El algoritmo penaliza severamente el contenido que activa retroalimentación negativa. Las siguientes acciones pueden hacer que tu tweet sea de menor rango:
A nivel de contenido:
❌ Características de sobreventa/spam (muchos emoji, todo en mayúsculas, texto repetido)
❌ Comentarios políticos extremos (incluso si tus seguidores están de acuerdo, serán denunciados por no seguidores)
❌ Lenguaje ofensivo (ataques personales, comentarios discriminatorios)
❌ Información engañosa (datos no verificados, títulos exagerados)
Aspecto conductual:
❌ Publicar grandes cantidades de contenido similar en poco tiempo
❌ Responder de manera inundante bajo tweets populares
❌ Utilizar herramientas de automatización para la interacción masiva
Estrategia práctica:
✅ Las citas de datos deben tener una fuente: evitar expresiones vagamente como 'se dice que', 'se rumorea que'
✅ Expresión de opinión que deja espacio: usar 'creo que', 'los datos muestran' en lugar de 'es seguro que'
✅ Temas controvertidos añaden aviso: como 'este artículo no constituye un consejo de inversión'
✅ Revisar periódicamente Twitter Analytics: ver qué tweets activaron retroalimentación negativa
Principio 3: Optimizar la 'coincidencia de secuencia de comportamiento' de la torre de usuarios
El modelo de recuperación de X es una estructura de doble torre:
Torre de usuarios: la entrada es 【características del usuario + secuencia de comportamiento reciente de 32 tweets】
Torre de contenido: la entrada es 【ID del post + ID del autor】
El algoritmo utiliza el mecanismo de Atención Causal, permitiendo que el comportamiento histórico del usuario influya en las recomendaciones. Esto significa:
Tu tweet será recomendado a usuarios 'cuyos comportamientos históricos son similares a tu contenido'
Estrategia práctica:
Segmentación de contenido vertical
❌ Hoy escribir sobre criptomonedas, mañana sobre fitness, pasado mañana sobre comida
✅ Producir continuamente contenido en el mismo campo (como 'análisis de datos en la cadena')
Razón: el algoritmo te etiquetará como un autor de un campo específico y te recomendará a usuarios activos en ese campo
Imitar la estructura de contenido de cuentas líderes
Analizar la estructura de tweets de las 10 cuentas principales en tu campo
Aprender de su introducción, presentación de datos, diseño de interacción
Razón: si los usuarios interactúan frecuentemente con cuentas principales, el algoritmo recomendará contenido de estructura similar
Utilizar el peso de 'ID del autor'
La entrada de la torre de contenido es 【ID del post + ID del autor】
Esto significa que 'quién lo envió' y 'qué se envió' son igualmente importantes
Estrategia: construir una marca personal, hacer que los usuarios recuerden tu nombre de cuenta
Análisis de casos:
Supongamos que los últimos 32 comportamientos del usuario A son:
Me gusta en 10 tweets sobre 'staking de Ethereum'
Reenviar 3 tweets sobre 'estrategias de rendimiento de DeFi'
Responder a 5 tweets sobre 'análisis de datos en la cadena'
Cuando publicas un tweet sobre 'optimización de rendimiento de staking en Ethereum', el algoritmo:
Identificar que el usuario A está interesado en 'staking de Ethereum' a través de la torre de usuarios
Extraer las características de tus tweets a través de la torre de contenido
Calcular similitud (producto punto después de normalización L2)
Si la similitud es alta, tu tweet aparecerá en la sección 'Para Ti' del usuario A
2.2 Optimización de la estructura del contenido: acorde con el 'mecanismo de atención' de Transformer
El modelo de clasificación de X es un Transformer de solo decodificación + Candidate Isolation, esta arquitectura tiene preferencias específicas:
Punto de optimización 1: Priorizar información clave (característica de la atención causal)
El Transformer utiliza Atención Causal, donde cada posición solo puede ver su propia información y la anterior. Esto significa:
Las primeras palabras de un tweet tienen el mayor impacto en el embedding general
El algoritmo otorga mayor peso a la información inicial al procesar tweets largos
Estrategia práctica:
✅ Poner el punto clave al principio: empezar con el mensaje clave
✅ Datos previos: "+453%", "$10M" y otros números al principio
✅ Suspenso previo: usar declaraciones contrarias a la intuición para atraer atención
Ejemplo comparativo:
❌ Estructura ineficiente:
"Recientemente he estado investigando datos en la cadena y he descubierto un fenómeno interesante. Después de dos semanas de análisis, noté que las tarifas de Gas de Ethereum disminuyen un 60% entre las 2-4 a.m. Esto es una gran oportunidad de ahorro para los usuarios que necesitan realizar transacciones con frecuencia."
✅ Estructura eficiente:
"Las tarifas de Gas de Ethereum cayeron un 60% entre las 2-4 a.m. 💰
Analicé datos de la cadena durante 2 semanas y descubrí esta ventana de ahorro.
Si necesitas:
Crear NFT
Transferencias grandes
Interacción con contratos
Pon una alarma, puedes ahorrar unos cientos de dólares.
Fuente de datos: 【enlace】
Por qué es efectivo:
La primera frase es el valor central ("caída del 60%")
Datos previos ("60%", "2 semanas")
Presentación estructurada (puntos clave)
Llamado a la acción claro
Punto de optimización 2: utilizar el mecanismo de 'Candidate Isolation'
El modelo de clasificación utiliza Candidate Isolation en publicaciones candidatas:
Los tweets candidatos no pueden atenderse mutuamente
Cada candidato solo puede ver características de usuario y secuencia de comportamiento del usuario
¿Qué significa esto?
Tu tweet no se verá afectado por 'la alta calidad de otros tweets recomendados en el mismo lote'. El algoritmo evalúa cada tweet de forma independiente, en lugar de clasificar en relación.
Estrategia práctica:
✅ No te preocupes por 'los temas candentes ya están desgastados': incluso si 100 personas escribieron sobre el mismo tema, tu tweet aún será evaluado de manera independiente
✅ Enfócate en la coincidencia entre 'tu tweet vs el historial de comportamiento del usuario': en lugar de 'tu tweet vs otros tweets'
✅ Una perspectiva diferenciada es más importante que la velocidad: publica unas horas más tarde, pero ofrece una perspectiva única, aún puedes obtener una alta puntuación
2.3 Estrategia de tiempo: aprovechar el mecanismo de temporalidad de 'Thunder'
X tiene dos grupos de candidatos en su sistema de recuperación:
Thunder (In-Network): almacenamiento en memoria, actualización en tiempo real, eliminación automática de posts caducados
Phoenix Retrieval (Out-of-Network): búsqueda basada en similitud, menos temporalidad
Perspectiva clave:
Las recomendaciones de In-Network tienen una alta temporalidad, los nuevos tweets se expondrán rápidamente a los seguidores
Las recomendaciones de Out-of-Network dependen de la calidad del contenido, pueden obtener tráfico de cola larga de manera continua
Estrategia práctica:
Tweets dirigidos a seguidores: capturar las 'dos horas doradas' después de la publicación
Publicar durante los períodos activos de los seguidores (ver a través de Twitter Analytics)
Interactuar inmediatamente con las primeras respuestas después de publicar (aumentar la tasa de interacción inicial)
Si la interacción es baja en 2 horas, considera eliminar y volver a publicar
Tweets dirigidos a la audiencia global: optimizar el valor de cola larga
Usar temas perennes ("cómo", "guía", "análisis de datos")
Agregar palabras clave que se puedan buscar (pero no llenar de hashtags)
Proporcionar valor que se pueda citar (herramientas, datos, marcos)
Estrategia de tiempo para hilos (Threads)
El primer tweet determina la exposición del hilo completo
Completar todo el hilo dentro de los 10-15 minutos posteriores a la publicación del primer tweet
Razón: el algoritmo trata el hilo como una única unidad de contenido para la puntuación
Tres, técnicas avanzadas: ingeniería inversa de preferencias del algoritmo
3.1 Utilizar el mecanismo de 'Multi-Hash Embedding'
El modelo de X utiliza Multi-Hash Embedding para manejar ID de usuario, ID de post, ID de autor:
Cada ID se mapea a la tabla de embedding a través de múltiples funciones hash
Varios embeddings se concatenan y se reducen a través de una matriz de proyección aprendible
¿Qué significa esto?
El algoritmo no es solo recordar 'el usuario A le gusta el autor B'
sino aprender a 'coincidir el patrón de comportamiento del usuario A' con 'el patrón de contenido del autor B'
Estrategia práctica:
Establecer una 'huella digital' de contenido
Utilizar continuamente términos, fuentes de datos y marcos de análisis específicos
Permitir que el algoritmo aprenda tu patrón de contenido
Ejemplo: si siempre citas datos de Dune Analytics, el algoritmo te etiquetará como autor de 'análisis de datos en la cadena'
Evitar contenido de 'conflicto de hash'
No imitar múltiples cuentas de diferentes estilos
Mantener un tono, estructura y estilo visual consistente
Razón: los saltos en el estilo del contenido pueden hacer que el embedding sea inestable, afectando la recomendación
3.2 Optimización de la distribución de pesos para '19 tipos de predicciones de comportamiento'
El algoritmo predice 19 tipos de comportamiento, pero los pesos no son públicos. Podemos inferir a través de razonamiento inverso:
Comportamientos de alto peso (suposiciones):
Respuesta (Reply): interacción profunda, el peso puede ser de 5 a 10 veces el de un Me gusta
Reenvío con comentario: combina el valor del reenvío y la respuesta
Clic + Tiempo de permanencia: fuerte señal de calidad del contenido
Compartir por DM: fuerte señal de difusión dentro de la plataforma
Comportamiento de peso medio:
5. Reenvío (puros)
6. Marcador (Bookmark)
7. Seguir autor
Comportamientos de bajo peso:
8. Me gusta (Like)
9. Clic (solo clics, sin permanencia)
Estrategia práctica:
Diseñar un 'Imán de Respuestas' (Reply Magnet)
Incluir preguntas en blanco en Twitter: "mi estrategia es ____"
Ofrecer múltiples opciones: "¿A o B? Vota en las respuestas 👇"
Crear brechas cognitivas: "Lo que la mayoría de la gente no sabe es____ (responde con tu respuesta)"
Optimizar "Reenvío con Comentario"
Proporcionar citas que se puedan citar (breves, contundentes, difusibles de forma independiente)
Utilizar visualizaciones de datos (gráficos son más fáciles de compartir que texto)
Dejar espacio: no llenar el diálogo, permitir que los reenvíos tengan espacio para complementarse
Aumentar el 'Dwell Time'
Usar hilos en lugar de tweets individuales (aumentar el tiempo de lectura)
Incluir enlaces externos (pero asegúrate de que la calidad del contenido sea alta, para evitar que salgan y no regresen)
Elementos visuales: imágenes, gráficos, videos (aumentar el tiempo de permanencia)
3.3 El juego de la diversidad de autores y el OON Score
El algoritmo tiene dos mecanismos que afectarán tu exposición:
Author Diversity Scorer: evitar que el feed de los usuarios sea inundado por un solo autor
OON Score: ajuste de puntuación para publicaciones de Out-of-Network
Estrategia práctica:
Controlar la frecuencia de publicación
❌ No publicar 5 tweets en una hora (se penalizará por la Diversidad de Autores)
✅ Esparcir a lo largo del día (un tweet cada 2-3 horas)
✅ Usar hilos en lugar de publicar continuamente (los hilos se consideran una única unidad de contenido)
Optimizar la exposición fuera de la red
Usar terminología común de la industria (en lugar de jerga de pequeños círculos)
Citar cuentas reconocidas (pero no @, para evitar ser visto como spam)
Proporcionar explicaciones 'amigables para principiantes' (disminuir la barrera de comprensión)
Cuatro, guía de adaptación del algoritmo para tipos de contenido
4.1 Tweets impulsados por datos
Preferencias del algoritmo: alta tasa de clics, alto reenvío, media respuesta
Mejores prácticas:
Plantilla de estructura: [datos impactantes] + [breve interpretación] + [fuente de datos] + [gancho de interacción] Ejemplo: "La proporción de direcciones que han mantenido Bitcoin por más de un año ha alcanzado un nuevo máximo histórico: 78.3% 📊 Este es el nivel más alto desde 2019. Patrón histórico: • Alcanzó 75% en 2016 → 6 meses después se inició un mercado alcista • Alcanzó 76% en 2020 → 3 meses después rompió ATH. Datos: Glassnode. ¿Se repetirá la historia esta vez?👇"
Por qué es efectivo:
Datos previos ("78.3%" capturan inmediatamente la atención)
Proporcionar comparación histórica (aumentar valor de reenvío)
Fuente clara (evitar ser denunciado como información engañosa)
Preguntas abiertas (guiar respuestas)
4.2 Tweets de opinión/perspectiva
Preferencias del algoritmo: alta respuesta, medio reenvío, baja clics
Mejores prácticas:
Plantilla de estructura: [punto de vista contrario a la intuición] + [argumentos 1-3] + [reconocer limitaciones] + [solicitar retroalimentación] Ejemplo: "Opinión impopular: la 'adopción institucional' de Ethereum podría ser a largo plazo un riesgo. 🧵 Razones: 1. Las instituciones exigen cumplimiento → compromisos a nivel de protocolo → debilitamiento de la resistencia a la censura. 2. La concentración de grandes proveedores de staking → retroceso de la descentralización. 3. La entrada de RWA → transmisión de riesgos financieros tradicionales a la cadena. Puedo estar equivocado, pero es un riesgo que vale la pena discutir. ¿Qué opinas?"
Por qué es efectivo:
Crear controversia con 'opiniones impopulares' (aumentar respuestas)
Argumentación estructurada (fácil de refutar o apoyar)
Reducir la agresión con 'puedo estar equivocado' (disminuir bloqueos/reportes)
Solicitar comentarios directamente
4.3 Tweets de tipo tutorial/guía
Preferencias del algoritmo: alto marcador, alto clic, medio reenvío
Mejores prácticas:
Plantilla de estructura: [punto de dolor] + [previo a la solución] + [guía paso a paso] + [herramientas/recursos] Ejemplo: "¿Las tarifas de Gas te han comido un 30% de tus ganancias? Aquí hay 5 técnicas prácticas para ahorrar en Gas (probadas efectivas) 🧵 1⃣ Optimización temporal, transacciones entre 2-4 a.m., Gas disminuye 60% herramientas: https://ethereumprice.org/gas/ 2⃣ Uso de Disperse.app para operaciones por lotes, ahorrando: 70% Gas 3⃣ Migración a L2 Arbitrum/Optimism, tarifas solo 1/10 de la red principal tutorial: [enlace] 4⃣ Comprar Tokens de Gas anticipadamente, CHI/GST2, riesgo en picos: requiere costo de aprendizaje 5⃣ Optimización de contratos inteligentes, si eres desarrollador, usa Solidity 0.8+ para optimizar: funciones en línea, empaquetar variables. Guarda este tweet, échale un vistazo antes de la próxima transacción 🔖"
Por qué es efectivo:
Punto de dolor al principio ("Las tarifas de Gas se comen el 30% de las ganancias" provoca resonancia)
Compromisos digitalizados ("5 técnicas")
Fácil de implementar (cada uno tiene herramientas/enlaces)
Llamado explícito a guardar (aumentar marcadores)
4.4 Optimización del algoritmo de Thread (hilo de Twitter)
Características del algoritmo:
El primer tweet del hilo determina la exposición general
El algoritmo calculará la 'tasa de finalización' del hilo (cuántas personas leen hasta el final)
Hilos con alta tasa de finalización recibirán un peso adicional
Mejores prácticas:
El primer tweet es un 'tráiler'
"Pasé 3 meses analizando 100 proyectos DeFi fallidos. Encontré 5 patrones mortales, el 90% de los proyectos cometieron al menos 3. Este es el resumen completo 🧵👇(1/12)"
Mantener el ritmo en el medio
Cada tweet debe tener de 2 a 3 frases (evitar que sea demasiado largo y provocar saltos)
Usar emoji como separadores visuales
Insertar un pequeño resumen cada 3-4 tweets
El último tweet es un 'llamado a la acción'
"(12/12) Si este hilo te ayudó: ❤️ Me gusta en el primer tweet (para que más personas lo vean) 🔁 Reenvía a amigos que lo necesiten 💬 Responde sobre los problemas que has enfrentado. Sigue a @YourHandle para más análisis de datos en la cadena"
Cinco, guía para evitar trampas: mecanismos de penalización del algoritmo
5.1 Trampas de filtrado previo
El siguiente contenido será filtrado en la etapa de recuperación, nunca ingresará a la clasificación:
❌ Contenido duplicado
No copies y pegues tus antiguos tweets
No usar el mismo texto en múltiples tweets
❌ Contenido caducado
El algoritmo eliminará automáticamente los 'posts antiguos' (el umbral de tiempo específico no se ha hecho público, se estima entre 7-14 días)
El contenido perenne necesita ser 'refrescado' regularmente (republicado, en lugar de reenviado)
❌ Palabras bloqueadas activadas
Evitar vocabulario político sensible
Evitar insinuaciones de contenido para adultos
Evitar términos comunes de fraude financiero ("garantizar ganancias", "siempre ganando")
5.2 Trampas de filtrado posterior
Incluso si se aprueba la clasificación, las siguientes situaciones aún serán filtradas:
❌ Filtrado de leídos
Los tweets que el usuario ya ha visto no se recomendarán nuevamente
Estrategia: no esperar que un solo tweet tenga una 'segunda explosión', enfócate en nuevo contenido
❌ Filtro de exposición de la misma sesión
Los usuarios no verán múltiples tweets tuyos durante la misma navegación
Estrategia: controlar la frecuencia de publicación, evitar 'inundaciones'
❌ Identificación de spam
Mencionar a muchos otros usuarios en poco tiempo
Utilizar herramientas de automatización para la interacción masiva
Incluir muchos enlaces externos en Twitter
5.3 El 'vórtice mortal' de la retroalimentación negativa
Una vez que tu tweet active una gran cantidad de retroalimentación negativa (Bloquear/Mutar/Reportar), el algoritmo:
Reducir la exposición de ese tweet
Reducir el peso general de tu cuenta (afecta todos los tweets futuros)
Puede activar una revisión manual
Cómo evitar:
Revisar periódicamente el indicador de 'retroalimentación negativa' en Twitter Analytics
Si un tweet tiene una alta tasa de retroalimentación negativa, elimínalo de inmediato
Evitar lenguaje ofensivo en temas controvertidos
Seis, herramientas y monitoreo: optimización impulsada por datos
6.1 Herramientas esenciales
Twitter Analytics (oficial)
Ver la exposición, interacción y retroalimentación negativa de cada tweet
Identificar el mejor momento de publicación
Rastrear el origen del crecimiento de seguidores
Typefully (tercero)
Herramienta de escritura y programación de Twitter
Pruebas A/B de diferentes versiones
Despliegue automático de hilos
Tweet Hunter (tercero)
Analizar los tweets de alta interacción de los competidores
Proporcionar inspiración de contenido
Interacción automatizada (usar con precaución, evitar ser identificado como spam)
Dune Analytics (fuente de datos)
Si escribes contenido sobre criptomonedas, Dune es la mejor fuente de datos
Crear un panel personalizado, actualizar datos regularmente
6.2 Indicadores de monitoreo
Indicadores clave (ordenados por prioridad):
Tasa de respuesta (Reply Rate)
Cálculo: número de respuestas / número de exposiciones
Objetivo: >0.5% (es decir, cada 1000 exposiciones hay 5 respuestas)
Tasa de reenvío (Repost Rate)
Cálculo: número de reenvíos / número de exposiciones
Objetivo: >0.3%
Tasa de interacción total (Engagement Rate)
Cálculo: (Me gusta + reenvíos + respuestas) / número de exposiciones
Objetivo: >3%
Tasa de retroalimentación negativa (Negative Feedback Rate)
Cálculo: (Bloquear + Mutar + Reportar) / número de exposiciones
Objetivo: <0.01% (es decir, menos de 1 retroalimentación negativa cada 10,000 exposiciones)
Indicadores secundarios:
Tasa de conversión de seguidores
Cálculo: nuevos seguidores / número de exposiciones (fuera de la red)
Objetivo: >0.1%
Tasa de finalización de hilos
Cálculo: usuarios que leen hasta el último tweet / usuarios que hacen clic en el primer tweet
Objetivo: >40%
6.3 Marco de pruebas A/B
Variables de prueba:
Hora de publicación (8 a.m. vs 8 p.m.)
Estilo de introducción (datos previos vs suspenso previo)
Longitud (tweet único vs hilo)
Elementos visuales (texto puro vs imágenes vs gráficos)
Método de prueba:
Elegir 2 temas similares
Usar diferentes estructuras/estilos
Publicar en el mismo período de tiempo
Comparar tasas de interacción
Ejemplo:
Test A (datos previos):
"Las tarifas de Gas de Ethereum cayeron un 60% entre las 2-4 a.m. 💰
【contenido posterior】"
Test B (suspenso previo):
"Descubrí una ventana que puede ahorrarte cientos de dólares en tarifas de Gas 💰
【contenido posterior】"
Comparar resultados:
Si la tasa de respuesta de A es más alta → tus datos de preferencia de audiencia están impulsados por datos
Si la tasa de clics de B es más alta → tus datos de preferencia de audiencia son de tipo suspenso
Siete, estrategias a largo plazo: construir una marca personal amigable con el algoritmo
7.1 Diseño de matriz de contenido
Basado en el mecanismo de 'coincidencia de secuencia de comportamiento del usuario' impulsado por algoritmos, necesitas establecer un patrón de contenido predecible:
Proporción de contenido semanal (ejemplo):
40% Tipo de análisis de datos (alto reenvío)
30% Tipo de guía/tutorial (alto marcador)
20% Tipo de opinión/perspectiva (alta respuesta)
10% Tipo de historia personal (conexiones)
Por qué es efectivo:
El algoritmo aprenderá tu 'huella digital' de contenido
Los usuarios desarrollarán el hábito de 'ver tus tweets cada semana'
Una frecuencia de salida estable evita la penalización de la Diversidad de Autores
7.2 Calidad de seguidores > Cantidad de seguidores
El mecanismo de recuperación del algoritmo se divide en In-Network y Out-of-Network:
In-Network: tus seguidores verán tus tweets primero
Out-of-Network: recomendación basada en similitud de contenido
Perspectiva clave:
10,000 'seguidores fantasmas' no son mejores que 1,000 seguidores activos
La tasa de interacción de los seguidores afecta directamente tu exposición fuera de la red
Estrategia práctica:
Limpiar periódicamente seguidores inactivos
Usar herramientas para identificar seguidores que no han estado activos durante mucho tiempo
Bloqueo suave (Soft Block): bloquear y luego desbloquear inmediatamente, obligar a la otra parte a dejar de seguir
Cultivar 'super seguidores'
Identificar usuarios que interactúan frecuentemente
Responder proactivamente a sus comentarios
De vez en cuando @ ellos para pedir su opinión
Evitar 'compra de seguidores'
La tasa de interacción de seguidores comprados es cercana a 0
Esto reducirá drásticamente tu tasa de interacción general
El algoritmo puede identificar y penalizar
7.3 Colaboración multiplataforma
Aunque el algoritmo de X solo considera los datos internos, puedes aumentar indirectamente mediante estrategias multiplataforma:
Estrategia 1: Importar tráfico externo
Mencionar tu tweet en YouTube/Pódcast
Incluir enlaces a tu tweet en el boletín
Efecto: el tráfico externo suele tener una tasa de interacción más alta (porque están buscando activamente)
Estrategia 2: reutilización de contenido
Expandir tweets de alta interacción a publicaciones de blog
Convertir hilos en videos de YouTube
Convertir el análisis de datos en infografías
Efecto: exposición multiplataforma, establecer autoridad
Ocho, análisis de casos: deconstrucción de tweets amigables con el algoritmo
Caso 1: @naval's tweets de alta interacción
Tweet original:
"Busca riqueza, no dinero ni estatus. La riqueza es tener activos que generan ingresos mientras duermes. El dinero es cómo transferimos tiempo y riqueza. El estatus es tu lugar en la jerarquía social."
Análisis del algoritmo:
✅ Estructura de frases impactantes: cada frase debe ser capaz de ser compartida de forma independiente (alto reenvío)
✅ Reconstrucción cognitiva: distinguir entre 'riqueza/dinero/estatus' (provocar reflexión, alta respuesta)
✅ Sin riesgo de retroalimentación negativa: valores universales, sin controversia
✅ Alta citabilidad: otros usuarios citarán en sus propios tweets
Datos de interacción (suposiciones):
Tasa de reenvío: 1.5% (muy por encima del promedio)
Tasa de respuesta: 0.8%
Retroalimentación negativa: <0.001%
Caso 2: @VitalikButerin's tweets de datos
Tweet original:
"El tiempo promedio de bloque de Ethereum ahora es de 12.06 segundos (bajó de 13-14s hace un año). Esto se debe a las mejoras en la capa de red y optimizaciones de clientes. Tiempos de bloque más bajos = finalidad más rápida para los usuarios."
Análisis del algoritmo:
✅ Datos previos: '12.06 segundos' capturan inmediatamente la atención
✅ Explicar las razones: satisfacer la curiosidad del 'por qué'
✅ Valor del usuario: 'finalidad más rápida para los usuarios' conectado a la experiencia real
✅ Autoridad: el ID del autor Vitalik tiene un peso alto
Datos de interacción (suposiciones):
Tasa de clics: 2% (los usuarios quieren ver datos detallados)
Tasa de reenvío: 0.8% (comunidad técnica reenvía)
Tasa de respuesta: 0.5% (discusión técnica)
Caso 3: @OnchainTheory's tweets controvertidos (tu estilo)
Supuesto tweet:
"Opiniones impopulares: la adopción institucional podría ser un riesgo a largo plazo para Ethereum.
Cuando JP Morgan ejecuta fondos en la cadena, cuando la CFTC acepta ETH como colateral, no obtenemos 'finanzas descentralizadas', sino 'finanzas tradicionales más eficientes'.
¿Es esto un progreso o una concesión? 🧵"
Análisis del algoritmo:
✅ Anticipar controversia: 'opiniones impopulares' generan curiosidad
✅ Casos específicos: JP Morgan, CFTC (verificabilidad)
✅ Preguntas abiertas: '¿progreso o concesión?' (alta respuesta)
⚠️ Riesgo: puede activar retroalimentación negativa de 'creyentes de Ethereum'
✅ Mitigación: 'puedo estar equivocado' reduce la agresión
Sugerencias de optimización:
Complementar el soporte de datos en el hilo
Reconocer la validez de las opiniones opuestas
Evitar declaraciones absolutas ('posiblemente' en lugar de 'definitivamente')
Nueve, lista de verificación definitiva: revisión del algoritmo antes de publicar
Antes de hacer clic en 'Publicar', revisa tu tweet con esta lista de verificación:
✅ A nivel de contenido
Información clave en las primeras 3 líneas
Contiene al menos 1 dato/caso
Contiene un gancho de interacción claro (pregunta/votación/completar)
Evitar palabras sensibles/lenguaje ofensivo
Los datos tienen un enlace de origen
Longitud moderada (tweet único <280 palabras, hilo cada tweet <200 palabras)
✅ A nivel estructural
Usó separadores visuales (emoji/saltos de línea)
Si es un hilo, el primer tweet es 'tráiler'
Al final debe haber un llamado a la acción (responder/reenvío/seguir)
Evitar demasiados hashtags (<3)
Evitar demasiados @ (<2)
✅ A nivel temporal
Publicar en períodos activos del público objetivo
Distancia desde el último tweet >2 horas
Si es un hilo, reservar 10-15 minutos para completarlo
✅ Aspecto de riesgo
No activará Bloquear/Mutar/Reportar
La opinión deja espacio ("creo que" en lugar de "es seguro que")
Si hay controversia, se agrega un aviso
Revisar la ortografía y gramática (evitar ser identificado como de baja calidad)
Diez, conclusión: el algoritmo es una herramienta, el contenido es la esencia
El algoritmo de recomendación de X de código abierto nos ha dado una transparencia sin precedentes, pero eso no significa que 'hackear el algoritmo' tendrá éxito.
La esencia de la optimización del algoritmo es:
Entender las necesidades del usuario (el algoritmo es solo un modelado matemático del comportamiento del usuario)
Proporcionar verdadero valor (alta tasa de interacción proviene de una resonancia real)
Construir confianza a largo plazo (el algoritmo penalizará comportamientos especulativos a corto plazo)
Recuerda este principio central:
"El contenido que le gusta al algoritmo = contenido que le gusta a los usuarios"
Si tu tweet no tiene interacción después de optimizar el algoritmo, el problema no está en el algoritmo, sino en el contenido mismo.
Últimos consejos:
Usa esta guía para optimizar tus primeros 10 tweets
Comparar datos antes y después de la optimización
Encontrar el estilo y ritmo que te convenga
Iterar continuamente, no solo una explosión única
Los algoritmos cambiarán, pero los principios que aportan valor no cambiarán.