image/svg+xml
TSAFIQUI | Revista Científca en Ciencias Sociales
Nº 22, 2023 | ISSN 1390-5341 - eISSN 2602-8069 | Universidad UTE
https://revistas.ute.edu.ec/index.php/tsafqui/index
Recibido: 01/05/2023 - Aceptado: 05/12/2023 - Publicado: 01/01/2024 | Páginas: 105-117
La interacción del usuario en TikTok:
el
engagement
según la tipología
de contenido
User interaction with TikTok: engagement
according to content type
https://doi.org/10.29019/tsafqui.v14i22.1200
Alberto Jesús López Navarrete. Universitat Politècnica de València
Rodrigo Cisternas Osorio. Universidad de Casa Grande
Rebeca Díez Somavilla. Universitat Politècnica de València
Marga Cabrera Méndez. Universitat Politècnica de València
RESUMEN
TikTok cuenta con características distintivas que se aprecian en las publicaciones y en la forma de interactuar de los usuarios.
Este estudio analiza el nivel de interacción del usuario con el contenido, identifcando qué tipología de vídeos genera mayor
engagement
en TikTok. Para ello se han analizado 500 vídeos de los principales creadores de contenido a nivel global, categori-
zando la tipología de contenido, la intención del hablante y el
engagement
de cada vídeo.
Los vídeos se clasifcaron según tipologías ya validadas en el análisis de contenido en redes sociales, a las que se añadieron tres categorías
adicionales para una mejor clasifcación del contenido. Así mismo, se defnió la intención del hablante. Posteriormente se calculó el
engagement
de cada vídeo a partir de los datos de la API pública de TikTok. Para evitar el sesgo cuantitativo, se calcularon los fenóme-
nos de popularidad —me gusta, compromiso —comentarios— y viralidad —compartido—, así como la tasa de compromiso general.
Las consideraciones tomadas al calcular el compromiso del usuario
han permitido confrmar el
engagement
de TikTok como
una interacción ligera, donde la variable de me gusta sobredimensiona las demás interacciones y los usuarios demuestran una
participación menos intensa, potenciando la interacción rápida con el contenido. Las tipologías de contenido más frecuentes
son las de
videoselfe,
entretenimiento y
lipsync
, las cuales también mostraron altos niveles de
engagement
promedio.
ABSTRACT
TikTok has distinctive characteristics that can be seen in the publications and in the way users interact. Tis study evaluates
the level of user interaction with the content, identifying which type of videos generates the greatest engagement on TikTok.
For this, 500 videos from the main content creators at a global level have been analyzed, categorizing the type of content, the
intention of the speaker and the engagement of each video.
Te videos were classifed according to typologies already validated in social media content analysis, to which three additional ca-
tegories were added for a better classifcation of the content. Likewise, the speaker’s intention was defned. Subsequently, the enga-
gement of each video was calculated based on the data from the TikTok public API. To avoid quantitative bias, the phenomena of
popularity —likes—, engagement —comments— and virality —shared— were calculated, as well as the overall engagement rate.
Te considerations taken when calculating user engagement have allowed us to confrm TikTok’s engagement as a light in-
teraction, where the likes variable oversizes the other interactions and users show less intense participation, promoting rapid
interaction with the content. Te most frequent types of content are videoselfe, entertainment and lipsync, which also showed
high levels of average engagement.
PALABRAS CLAVE | KEYWORDS
105-117
Análisis de contenido,
engagement
, compromiso, interacción, redes sociales, TikTok.
Content analysis, engagement, interaction, social media, TikTok.
image/svg+xml
106
Páginas: 105-117
.
https://doi.org/10.29019/tsafqui.v14i22.1306
.
Nº 22, 2023
1. INTRODUCCIÓN
Desde 2018, TikTok ha experimentado un crecimiento en popularidad y usuarios (Kemp, 2023a). Mientras
tanto, el número de investigaciones sobre esta aplicación ha aumentado signifcativamente, pasando de menos de
cinco publicaciones al mes en 2020 a más de 60 (
Kanthawala
et al
., 2022
).
En los estudios sobre redes sociales, el
engagement
ocupa un lugar relevante en la literatura científca y son
comunes los análisis del mismo en las diferentes redes sociales (
Sobaci y Hatipo
ǧ
lu, 2017
). En este contexto, las
características de la app TikTok parecen tener unas funcionalidades que estimulan un compromiso más ligero
(
Ballesteros-Herencia, 2020
). Al mismo tiempo, los estudios en otras redes sociales confrman que, a mayor
número de seguidores, menor tasa de
engagement
tienen los contenidos (
López-Navarrete
et al
., 2021
;
Tafesse y
Wood, 2021
). Por lo que cabe preguntarse, ¿qué
engagement
tienen las cuentas más seguidas de TikTok?
Dada la popularidad creciente de TikTok, tanto en número de usuarios como en publicaciones académicas,
este trabajo analiza el
engagement
de los
tiktokers
con mayor número de seguidores de la plataforma según el
contenido de los vídeos.
En concreto, el objetivo principal (O1) de esta investigación consiste en identifcar qué tipología de vídeos
genera mayor
engagement
en TikTok. Es decir, clasifcar los vídeos con base en las categorías propuestas en el
apartado de metodología, teniendo en consideración las interacciones con los vídeos que muestran los usuarios.
Para llevar a cabo este objetivo se clasifcan los vídeos analizados y se calcula el
engagement
rate
, para ello
se propone:
• Identifcar las tipologías de contenido del vídeo en TikTok y comprobar cuáles son las más comunes (O2).
• Calcular los diferentes tipos de
engagement
, incluyendo el
engagement rate
general (O3), el de populari-
dad (me gusta) (O4); el de compromiso (conversación) (O5); y el de viralidad (compartidos) (O6).
• Por último, identifcar el
engagement
según la intención del hablante (O7) de los vídeos analizados.
1.2. TikTok en el entorno digital
TikTok es una red social centrada en la creación, difusión y consumo de vídeos de corta duración —entre
unos pocos segundos hasta tres minutos—. Como resume Ballesteros-Herencia (2020), los vídeos subidos a la
plataforma oscilan entre vídeos creativos,
videoselfes
donde se efectúan
playbacks
y
lipsync
(sincronizar los labios
con canciones o cortes de audio reconocibles), dúos y los retos o
challenges
(Digital Trends, 2020). Makarov
(2020) destaca la interacción activa de TikTok con sus usuarios, que promueve la participación en retos
y la
posibilidad de una rápida difusión. Además, TikTok solo permite la inclusión de contenido en el muro o
feed
a
través de contenido publicado por el autor, por lo que para llenar el muro es necesario crear contenido propio.
Originalmente lanzada en China en 2016 bajo el nombre de Douyin, en 2018 se fusiona con
Musical.ly
abriéndose al mercado internacional y adquiriendo el nombre por el que se le conoce en Occidente: TikTok.
Desde 2018 registra un gran crecimiento a nivel global, situándose en 2022 como una de las seis redes sociales
más descargadas y utilizadas (Kemp, 2023a). Este crecimiento se potenció en gran medida a raíz de la pandemia
de COVID-19 (
Olivares-García y Méndez-Majuelos, 2020
), siendo la red social más descargada a nivel global
durante marzo de 2020 (
Chapple, 2020
). El perfl general del usuario en TikTok se concentra en la generación Z
y en menor medida en la generación millenial (
Kantar, 2020
;
Stahl y Literat, 2022
). En cuanto al uso de TikTok
en Ecuador, Kemp (
2023b
) estima que la red social podría alcanzar el 53 % de penetración en población mayor
de 18 años, con una predominancia femenina del 56,5 %.
Destacan cuatro propiedades que caracterizan TikTok: 1) Interfaz sencilla e intuitiva (Maqueda
et al.,
2020)
además de más atractiva y creativa para los usuarios en comparación con otras redes sociales (
Makarov, 2020
);
2) Papel fundamental de los algoritmos en la recomendación y personalización de contenido individualizado
(
Galeano, 2020
). La personalización del contenido para cada usuario es mucho más notoria que en otras re-
des. El algoritmo de TikTok —en realidad incluye diversos algoritmos y coloquialmente se lo conoce como
For
You
— (
Xu
et al
., 2019
) analizan las interacciones del usuario, así como el tiempo utilizado al consumir cada
vídeo o tipo de contenido, para posteriormente ofrecer un contenido personalizado para cada usuario (
Wang,
image/svg+xml
107
Nº 22, 2023
.
eISSN: 2602-7069 - ISSN: 1390-5341
.
Páginas: 105-117
2020
). 3) Contenido de rápida digestión o
fast content
. La duración de los vídeos acostumbra a ser muy corta,
oscilando por norma entre los 10 y 60 segundos, los cuales fueron ampliados hasta 3 minutos en julio de 2021.
La tendencia a este tipo de contenido ha ganado popularidad en redes sociales, reduciendo el tiempo medio de
los vídeos compartidos (
Wang, 2020
); 4) Gratifcación instantánea (
Kumar y Prabha, 2019
). A diferencia de
otras redes, el algoritmo de TikTok facilita la difusión de contenido creado por usuarios con bajo número relativo
de seguidores. Este funcionamiento de la red social facilita la posibilidad de convertirse en celebridad durante
un tiempo. A este efecto Anderson (
2020
) califca TikTok como patio virtual, considerando TikTok como un
medio creativo más que como una red social.
Tras un análisis netnográfco, Su
et al.
(
2020
) identifcan dos elementos que distinguen la tipología de con-
tenido de TikTok. Los vídeos se caracterizan por: 1) tener un carácter lúdico [
playfulness
] y; 2) por la interpre-
tación y autenticidad [
performativity and authenticity
]. A diferencia de la lógica tradicional en redes sociales,
TikTok más que un muro donde compartir y comentar contenido se convierte en una plataforma de entreteni-
miento centrado en vídeos cortos e interpretados donde se encadena el visionado (
Digital Trends, 2020
;
Wang
et al
., 2019
).
El contenido de los videos es menos trabajado, pero a su vez más improvisado y lúdico, entendiendo el nivel
amateur
de la producción como un elemento que da credibilidad a los vídeos. Además, diversas características de
los vídeos contribuyen a una rápida viralización (
Khan y Vong, 2014
). Según Su
et al
. (
2020
), el carácter hedo-
nista ayudaría a explicar la juventud de los usuarios en TikTok.
Con respecto a la interacción del usuario con los contenidos, Bossen y Kottasz (
2020
) señalan el comporta-
miento del usuario en TikTok como principalmente pasivo. Esto coincide con estudios realizados en otras redes
sociales, como Youtube (
Gallardo-Camacho y Jorge-Alonso, 2010
) o el comportamiento del usuario en la parti-
cipación online (Edelman, 2017). Es decir, a pesar de las múltiples opciones de interacción con el contenido en
línea, la mayor parte de los usuarios se centran en visualizar o consumir el contenido generado por otros usuarios.
1.3. La mediación del
engagement
La medición del
engagement
o compromiso del usuario se ha convertido en una de las cuestiones emergentes
en la literatura académica en medios sociales (
Sobaci y Hatipo
ǧ
lu, 2017
). El
engagement
es el constructo central
para describir la naturaleza de las interacciones que los usuarios protagonizan (
Cvijikj y Michahelles, 2013
) y un
concepto que sigue refnándose en la actualidad (
Chan-Olmsted et al., 2017
).
El
engagement
se entiende como una medida del éxito de las publicaciones, aceptadas y valoradas por los
usuarios (
Ure, 2018
). Mediante la interacción con el contenido, el usuario dedica tiempo y energía al vínculo con
otros usuarios de una plataforma, demostrando interés (
Evans, 2010
;
Goodman, 2012
). Estas interacciones se
pueden mostrar a través de comportamientos de diferente intensidad (
Paine, 2011
). Por ejemplo, el tiempo uti-
lizado en clicar en me gusta se considera una interacción de menor intensidad si lo comparamos con la redacción
de un comentario o compartir el contenido con terceros fuera de la plataforma. Aunque el término
engagement
se ha popularizado, es preciso puntualizar que la métrica que se calcula a través de las interacciones en redes so-
ciales se denomina
engagement rate.
Una de las principales consideraciones, al aproximarse a la medición del
engagement,
es tener en cuenta su
diversidad. Dependiendo del tipo de interacción que se mide y analiza, se consideran unos datos u otros (
Balles-
teros-Herencia, 2018
).
Kaushik-Aushik (
2011
) identifca tres grandes taxonomías, generalizables a cualquier red social, para calcular
la implicación emocional del usuario: 1) el aplauso indica acciones de diferentes grados de acuerdo, interés o em-
patía. El ejemplo más extendido se encuentra en el me gusta; 2) la conversación, generada a partir del contenido.
El ejemplo más extendido incluye los comentarios —respuestas directas— y las respuestas de otros usuarios —
respuestas indirectas—; 3) la amplifcación permite viralizar el contenido, compartiéndolo más allá del propio
autor, tanto dentro como fuera de la red social.
Estas variables denotan diversos tipos de implicación del usuario con el contenido según el tiempo y esfuerzo
dedicados al realizar la interacción (
Valerio
et al
., 2015
). Las diversas interacciones, y por ende la intensidad de
estas, obligan a separar el
engagement
en diferentes bloques de interacciones. Ballesteros-Herencia (
2018
) con-
ceptualiza las interacciones principales de
engagement
(
tabla 1
).
image/svg+xml
108
Páginas: 105-117
.
https://doi.org/10.29019/tsafqui.v14i22.1306
.
Nº 22, 2023
Tabla 1. Conceptualización de las variables de engagement
AcciónDenominaciónAutores
Me gusta (página)Conciencia (
awareness
)
Hofman y Fodor (2010)
Triantafllidou
et al
. (2015)
PresenciaHofmann (2013)
Me gusta (
posts
)Expresión de actitud
Hofman y Fodor (2010)
Triantafllidou
et al
. (2015)
Acuerdo (
agreement
)Barger y Labrecque (2013)
PopularidadBonsón y Ratkai (2013)
RespuestaHofman (2013)
CompartirPropagación boca-a-bocaHofman y Fodor (2010)
Compromiso (
commitment
)Bonsón y Ratkai (2013)
SugerenciasHofman (2013)
Advocacy
Triantafllidou
et al
. (2015)
Comentar
Engagement
Hofman y Fodor (2010)
Triantafllidou
et al
. (2015)
Expresión de opiniónBarger y Labrecque (2013)
ViralidadBonsón y Ratkai (2013)
RespuestaHofman (2013)
Nota.
Ballesteros-Herencia (2018).
En resumen: 1) la interacción de me gusta implica una afrmación del mensaje y/o la popularidad de este.
Se le considera una herramienta de bajo coste o compromiso y por tanto el nivel más pequeño de
engagement
;
2) la acción de compartir el mensaje supone un mayor nivel de implicación. Esta interacción supone el consumo
del contenido, la atracción del mensaje (aunque, a nuestro juicio, no indica necesariamente la alineación con el
contenido) y la selección del medio o personas con el que compartirlo; 3) el comentario es la interacción que re-
quiere más tiempo y permite iniciar un diálogo o conversación que a su vez aumente este tipo de interacción con
el contenido. Sobre los comentarios, es conveniente matizar que estos pueden ser positivos o negativos. Además,
algunos comentarios no necesariamente requieren un elevado esfuerzo por parte del usuario. Un ejemplo sería
comentar con un emoji, que implicaría dos clics, es decir, una interacción no demasiado diferente al me gusta.
El elevado número de me gusta se identifca como un sesgo cuantitativo de los índices de
engagement
(
Ba-
llesteros-Herencia, 2018
;
López-Navarrete
et al
., 2021
;
Valerio
et al
., 2015
). Al contar con un alto número de
me gusta, en detrimento de otras interacciones, el resultado al calcular el
engagement
no refeja la importancia
de las acciones menos frecuentes de comentar y compartir. A pesar de que estas interacciones tienen un mayor
valor cualitativo dado que implican mayor intensidad, comentarios y compartidos quedan subdimensionadas al
compararlos con el elevado número de me gusta.
Con el fn de eliminar el sesgo cuantitativo, autores como Cvijikj y Michahelles (
2013
), Oviedo-García
et al.
(
2014
) o Valerio
et al.
(
2015
) preferen mostrar mediciones por separado de me gusta, comentarios y com-
partidos. También lo hacen así Bonsón y Ratkai (2013) para medir tres fenómenos que denominan: 1) Popula-
ridad, estimada mediante el promedio de me gusta por publicación por cada mil seguidores; 2) Compromiso,
mediante la media de comentarios por publicación por cada mil fans y; 3) Viralidad, a través del promedio de
compartidos por cada mil seguidores. Pero además también ofrecen un índice de
engagement
como resultado de
la suma de estas tres variables.
En cuanto al tipo de contenidos que mayor
engagement
generan, Lee
et al.
(
2015
) mencionan los contenidos
persuasivos que incluyen apelaciones emocionales o flantrópicas, mientras por su parte Cvijikj y Michahelles
(
2013
) destacan los contenidos de entretenimiento. Poniendo el foco en TikTok, destaca el alto nivel de
engage-
ment
de los usuarios en comparación con otras redes sociales (
Ballesteros-Herencia, 2020
).
image/svg+xml
109
Nº 22, 2023
.
eISSN: 2602-7069 - ISSN: 1390-5341
.
Páginas: 105-117
Ballesteros-Herencia (
2020
) señala el consumo encadenado de vídeos en TikTok como estimulante para las
funcionalidades de compromiso ligero. Este consumo anima a una participación fácil e inmediata y de limitada
interacción (
Bonsón
et al
., 2015
;
Gerodimos y Justinussen, 2015
). Así, mientras comentar y compartir un conte-
nido implica una participación más activa y contribuye a la mayor difusión del mensaje (
Valerio et al., 2015
), la
interacción inmediata, como los me gusta, no interrumpen el consumo encadenado de los vídeos, interrupción
que sí se da al compartir el contenido o comentarlo.
Finalmente, Klinger y Svensson (2018) destacan el papel de los algoritmos al determinar qué es popular en
una red social. Además, el oscurantismo que envuelve los algoritmos, unido a su papel clave en el funcionamiento
de las redes sociales, sitúan a estos como la neointermediación en la comunicación digital (
Giacomini, 2018
).
2. METODOLOGÍA
Este estudio analiza la bidireccionalidad de la comunicación en TikTok, entendiendo las interacciones dis-
ponibles en la plataforma como el medio de comunicarse de los usuarios con los creadores de contenido para
mostrar su grado de compromiso con el contenido. Para ello, se utiliza el método de análisis web, que tiene en
cuenta la conducta de los usuarios mediante su actividad en los medios sociales. Este tipo de recopilación de
datos es ampliamente utilizado para analizar el
engagement
de los consumidores (
Chan-Olmsted
et al
., 2017
).
Para llevar a cabo la investigación, primero se seleccionaron los vídeos a analizar y se recogieron los datos dis-
ponibles en la API pública de TikTok. Después se clasifcaron los vídeos con base en las tipologías de Suárez-Ál-
varez y García-Jiménez (
2021
) y Feijoo-Fernández y Fernández-Gómez (
2021
) y se defnió la intención del
hablante (
Kruk
et al
., 2019
). Por último, se calculó el
engagement
para cada vídeo. Siguiendo a Oviedo-García
et al.
(
2014
) y Valerio
et al.
(
2015
), se calculó tanto el
engagement
total como el individual para cada tipo de
interacción —me gusta, comentario y compartido—.
2.1. Muestra
Como unidad de análisis, se seleccionaron las publicaciones en la red TikTok de los 50 creadores de conteni-
dos (
tiktokers
), que según Socialblade (
https://socialblade.com
) cuentan con mayor número de seguidores en la
plataforma. Se seleccionaron las últimas diez publicaciones de cada cuenta analizada, a partir del 9 de agosto de
2021, considerando un total de 500 vídeos. Los datos fueron recopilados durante la primera semana de octubre
de 2021.
La muestra recogida incluye a todos los
tiktokers
a nivel global, con el objetivo de identifcar el tipo de conte-
nido más utilizado por los creadores de contenido con mayor éxito en TikTok.
2.2. Análisis de contenido
Como herramienta metodológica utilizamos el análisis de contenido. Esta técnica combina intrínsecamente
la observación y producción de datos y la interpretación o análisis de estos. La interpretación de contenidos se
basa en la lectura, visual o textual, como instrumento de recogida de información. La lectura de los datos recopi-
lados debe ser sistemática, objetiva, replicable y válida (
Andréu-Abela, 2002
).
Durante el análisis es necesario recoger los datos expresados por el autor; y los latentes, los que se dicen sin
pretenderlo. Esta información cobra sentido dentro de un contexto, entendido como marco de referencias que
contiene toda la información que el usuario puede conocer de antemano o inferir a partir del contenido. El tex-
to —entendido como el contenido analizado— y el contexto son dos aspectos fundamentales en el análisis de
contenido (
Andréu-Abela, 2002
).
Durante el análisis, se siguieron los pasos especifcados por Andréu-Abela (
2002
), que aplicados a este es-
tudio consisten en: 1) Análisis de las diez publicaciones de cada uno de los 50
tiktokers
con mayor número de
seguidores de la plataforma según Socialblade (2022); 2) Codifcación de datos brutos en unidades específcas
(
Hostil, 1969
); 3) Desarrollo de una taxonomía para categorizar el tipo de contenido. Para la clasifcación inicial
image/svg+xml
110
Páginas: 105-117
.
https://doi.org/10.29019/tsafqui.v14i22.1306
.
Nº 22, 2023
se utilizó la categorización propuesta por Suárez-Álvarez y García-Jiménez (
2021
) y Feijoo Fernández y Fernán-
dez-Gómez (
2021
). Sin embargo, se añadieron tres taxonomías adicionales para incluir la totalidad de los vídeos
(
tabla 2
). Estas categorías añadidas son: vídeo externo, efectos y
lipsyncs
.
La categoría de vídeo externo se añadió al visionar una serie de vídeos en TikTok que se habían realizado para
ser transmitidos en otros medios. Esa característica de vídeos no nativos impedía que el contenido reuniese una
serie de características típicas de la plataforma. En cuanto a los efectos, se identifcó esta categoría con la pospro-
ducción de vídeos de forma profesional, a través de herramientas no generalizables al resto de los usuarios. Por
último, los
lipsyncs
se han diferenciado de la categoría original de vídeo musical, ya que estos incluyen también
el doblaje de segmentos de series, películas o anuncios publicitarios. Por tanto, no podían categorizarse como
musicales, y sí como
lipsyncs
, que además es una característica muy marcada de TikTok (
Digital Trends, 2020
).
De manera complementaria, se utilizó la taxonomía de intención del hablante (
Kruk
et al
., 2019
) para catego-
rizar la intención del emisor; 4) Verifcación de la fabilidad del sistema de categorías mediante dos codifcadores
independientes (
Krippendorf, 1990
) y fnalmente; 5) Se infrieron las conclusiones, detalladas al fnal del artículo.
Para defnir la tipología de contenido predominante y su posterior categorización, se consideraron dos crite-
rios: la duración y la preponderancia de los videos. Esto implica identifcar como tipología principal aquellas que
abarquen igual o más del 50 % del tiempo de duración en cada video. Asumiendo que en la práctica las tipologías
no se presentan de manera excluyente, también se consideró el predominio visual de una tipología sobre otra. Por
consiguiente, se optó por presentar y registrar una tipología secundaria relevante, entendiendo que en muchos
casos se podía dar una combinación de varios tipos de contenido, sin que esto reste importancia a su relevancia.
Tabla 2. Tipología de contenidos en TikTok
TaxonomíaDescripciónEjemplo
Testimonio
Intervención donde el contenido protagonista son los comentarios refexivos que realiza el
tiktoker
y que pueden ser orales o escritos.
https://bit.ly/3YUHE63
Efectos
Más allá del uso de efectos visuales propios que proporcionan las plataformas digitales, esta catego-
ría exacerba el uso de dichos recursos generando una realidad alterna o irreal. El eje central de estos
tipos de videos es la experticia en el uso de herramientas de edición.
https://bit.ly/3Q593yj
Historia
guionizada
Pieza audiovisual que por su estructura y coherencia requiere de una planifcación previa y puede
requerir de un montaje previo a su publicación.
https://bit.ly/3GmTj6p
Lipsync
Sincronización de los labios con la canción reproducida fngiendo cantar cuando en realidad solo se
mueven los labios. También utilizado para sincronizar fragmentos audiovisuales de series o películas.
https://bit.ly/3G0UnvC
Promoción
publicitaria
Promoción de productos, marcas o eventos. Estas acciones publicitarias pueden ser directas o to-
mar un rol co-protagonista a través del
product placement.
https://bit.ly/3vjuzWw
Reto
Situaciones en las que se conmina al protagonista del video o aquellos que lo acompañan a parti-
cipar en una actividad competitiva. Estos retos tienden a viralizarse y la propia plataforma anima
a su difusión.
https://bit.ly/3VuLjVB
Escenas
convencionales
Pieza audiovisual sin planifcación previa donde se realizan actividades cotidianas del día a día.
https://bit.ly/3FR1K8M
Vídeo con
animales
La intervención humana es casi inexistente o secundaria y el énfasis se encuentra en mostrar anima-
les realizando actividades variadas, situaciones cómicas o con alto contenido emocional.
https://bit.ly/3PV0ENT
Vídeo externoVídeo reproducido originalmente a través de otro medio o red social compartido a través de TikTok.
https://bit.ly/3WvEsfH
Vídeo musical
Los
tiktokers
coreografían el fragmento de alguna canción a su elección. Otros autores incluyen
tanto
lip sync
como vídeos musicales en una misma categoría. Sin embargo, consideramos que la
sincronización labial tiene sufciente protagonismo y se diferencia de las coreografías como para
dotarlos de su propia tipología.
https://bit.ly/3G0gJ01
Videos divertidosSe realizan actividades o acciones que buscan entretener y divertir al público.
https://bit.ly/3jytnMp
Videselfes
Piezas audiovisuales donde el protagonista es el
tiktoker,
que
se muestra ante la cámara buscando gene-
rar un impacto positivo en su audiencia generalmente a través del rol protagónico de su físico o imagen.
https://bit.ly/3G20XSo
Nota.
Desarrollado
ad hoc
por los autores a partir de Suárez-Álvarez y García-Jiménez (
2021
) y Feijoo Fernández y Fernández-Gómez (
2021
).
image/svg+xml
111
Nº 22, 2023
.
eISSN: 2602-7069 - ISSN: 1390-5341
.
Páginas: 105-117
2.3. Intención del hablante
Con el objetivo de complementar el análisis de contenido, junto a la taxonomía de contenidos se realizó una
categorización de la intención del hablante. Este análisis incluye el texto de las publicaciones, además del signif-
cado del vídeo, para identifcar la intención del
tiktoker
al publicar sus vídeos.
Para ello utilizamos la propuesta de Kruk
et al.
(
2019
), que parte de los actos ilocucionarios de Austin (
1962
)
y se divide en ocho categorías en función de la intención del autor (
tabla 3
).
Tabla 3. Categorización intención del hablante
TaxonomíaIntención del hablante
PartidariaDefnen una idea, movimiento, etc.
PromocionalPromueven eventos, productos, organizaciones…
ExhibicionistaCrean una imagen propia refejando la persona, estado, etc.
ExpresivaExpresan emoción, adhesión o admiración hacia una entidad o grupo externo.
InformativaTransmiten información sobre un tema o evento utilizando un lenguaje fáctico.
EntretenimientoEntretienen mediante humor, arte, memes.
Provocativa/DiscriminatoriaAtaque directo hacia un grupo o sujeto.
Provocativa/ControvertidaImpactan.
Nota.
Taxonomía intención del hablante de Kruk
et al.
(
2019
)
Esta metodología se desarrolló inicialmente para Instagram. Para validar la taxonomía en TikTok, los autores rea-
lizaron una categorización exploratoria. Tras concluir su fabilidad y aplicar la metodología en TikTok, se realizó una
segunda codifcación de los contenidos por parte de un segundo codifcador, obteniendo un 93,48 % de coincidencia.
2.4. Cálculo de
engagement rate
Para el cálculo de la tasa general de
engagement
se sigue a Cervi y Marín-Llado (
2021
), López-Navarrete
et al
.
(
2021
) y García-Marín y Salvat-Martinrey (
2022
). Esta fórmula incluye las métricas de popularidad (me gusta),
compromiso (comentarios) y de viralidad (compartidos) (Bonsó y Ratkai, 2013). Se contabilizan las interacciones
desde la publicación de los vídeos en TikTok hasta la recogida de la muestra, por lo que se considera un
engagement
rate
sin restricciones temporales. Finalmente se dividen las interacciones por el número de reproducciones:
Para evitar sesgos cuantitativos, se calcularon los
engagement
rate
correspondientes para cada una de las va-
riables popularidad, compromiso y viralidad. Esta decisión permite refejar con mayor precisión aquellas in-
teracciones de menor intensidad —comentarios y compartidos— evitando que se vean subdimensionadas al
compararlas con las interacciones de me gusta.
2.5. Limitaciones
Los datos recolectados se obtuvieron a través de la API púbica de TikTok lo que permite conocer las métricas
visibles para todos los usuarios, pero no las métricas privadas de cada cuenta (solo accesibles para el autor).
TikTok añadió el botón de favorito, lo que permite al usuario guardar publicaciones. A pesar de que esta
métrica incorpora otro indicador de compromiso, el botón de favorito aún no estaba habilitado en todas las
regiones por igual cuando se realizó el análisis, por lo que no se contabilizó como métrica de
engagement
.
image/svg+xml
112
Páginas: 105-117
.
https://doi.org/10.29019/tsafqui.v14i22.1306
.
Nº 22, 2023
La selección de los 50
tiktokers
con mayor número de seguidores permite comprobar cómo se comporta el
engagement
, sin embargo, limita las conclusiones posibles con base en perfles concretos. Es por ello que se cate-
gorizan los vídeos basándose en taxonomías contrastadas, que pueden arrojar datos tanto del
engagement
ligero
como de los comportamientos del compromiso según la tipología del vídeo.
3. RESULTADOS
Las tipologías de vídeo con mayor ratio de
engagement
son los
videoselfes
, las historias guionizadas y los
vídeos musicales (
tabla 4
,
gráfco 1
).
Tabla 4. Frecuencia y engagement según taxonomía de contenido
Formato primarioFrecuenciaPorcentajeEngagement %
Desviación
estándar
Testimonio143 %11,575,55
Efectos408 %10,403,56
Historia guionizada112 %15,246,65
Lipsync
7515 %12,442,64
Promoción de producto418 %10,774,76
Reto184 %12,244,2
Escenas convencionales398 %10,234,24
Vídeos con animales41 %13,863,99
Video externo71 %7,745,25
Video musical459 %11,663,14
Vídeos divertidos10120 %10,644,14
Videoselfes
10521 %14,333,64
Promedio4,31
Desviación estándar general 4,18
Gráfco 1
Engagement y frecuencia según la taxonomía de contenido
image/svg+xml
113
Nº 22, 2023
.
eISSN: 2602-7069 - ISSN: 1390-5341
.
Páginas: 105-117
La prueba de Kruskal Wallis tuvo una signifcancia menor a 0.05, refejando diferencias signifcativas en la
tasa de
engagement
respecto a los tipos de taxonomía del video. Para confrmar esta diferencia se realizaron las
pruebas de normalidad dando como resultado que las variables no son normales por lo tanto se eligió la prueba
no paramétrica de Kruskal Wallis.
El
engagement
presenta una desviación estándar baja, lo que indica que los valores en un conjunto de datos están
cerca de la media o promedio de los datos, demostrando que hay poca variabilidad en los datos y los valores tienden
a agruparse alrededor del valor central. En este sentido, la desviación estándar de los videos de historias guionizadas
muestra la mayor dispersión de
engagement,
aun cuando dicha desviación no es signifcativa. Asimismo, esta desviación
estándar general baja indica que los datos son más precisos y confables, ya que hay menos variabilidad en los valores.
Atendiendo al
engagement
según las variables de popularidad (me gusta); compromiso (conversación); y vira-
lidad (compartidos), las interacciones de me gusta aportan la mayor parte del compromiso (
gráfco 2
).
Gráfco 2
Engagement de las variables de popularidad, compromiso y viralidad
Por su parte, los comentarios representan el 2,62 % del aporte al
engagement
general y en este sentido, los
tipos de videos que más aportan son los de videos con animales, video externo y testimonio. En cuanto a los
compartidos, que aportan solo el 1,7 % al
engagement
general, fguran con los porcentajes más altos los videos
musicales, videos con animales y las historias guionizadas.
Por último, se identifca el
engagement
según la intención del hablante (
tabla 5
).
Destacan en gran medida
las intenciones de entretenimiento y exhibicionismo, sumando un 78,2 % de todas las intenciones analizadas.
Al igual que en el análisis de las taxonomías, en la intención del hablante el
engagement
presenta una desviación
estándar baja. La desviación estándar de los videos promocionales muestra la mayor dispersión de
engagement
aun cuando dicha desviación no es signifcativa ya que solo está 0,59 sobre la desviación estándar general.
Tabla 5. Engagement según la intención del hablante
Intención del hablanteFrecuenciaPorcentajeEngagement %Desviación estándar
Entretenimiento26653,2 %11,413,92
Exhibicionista12525,0 %13,623,76
Expresiva438,6 %13,454,35
Informativa40,8 %8,182,67
Partidaria51,0 %8,012,87
Promocional5711,4 %10,534,77
Promedio 3,72
Desviación estándar general4,18
image/svg+xml
114
Páginas: 105-117
.
https://doi.org/10.29019/tsafqui.v14i22.1306
.
Nº 22, 2023
4. DISCUSIÓN
Los datos de
engagement rate
general han sido elevados, con valores promedios por taxonomía entre el 7,74%
el menor y 15,24 % el mayor. La decisión de diferenciar entre
engagement
de popularidad, compromiso y virali-
dad (
Oviedo-García
et al
., 2014
;
Valerio
et al
., 2015
) se ha mostrado acertada para poder matizar los resultados
obtenidos. Al analizar el
engagement
general por separado, destacan los me gusta como interacción principal
alcanzando un 97,12% de todas las interacciones recogidas. La sobredimensión de me gusta, unida a los números
totales de
engagement
, refuerzan la idea de TikTok como plataforma con una mayor tasa de interacción que es,
al mismo tiempo, un
engagement
más ligero (
Ballesteros-Herencia, 2020
). Es decir, se recoge una tasa de
engage-
ment
mayor que otras redes sociales, pero al mismo tiempo de bajo compromiso con el contenido, al ser la princi-
pal interacción la de me gusta. Una mayor relevancia de las otras interacciones supondría una participación más
activa de la audiencia con los vídeos (
Valerio
et al
., 2015
). Aun así, el comportamiento del usuario sigue siendo
mayoritariamente pasivo como ya señalaban Bossen y Kottasz (
2020
).
Por lo que respecta a las tipologías con mayor compromiso, los vídeos que implican historias y entretenimien-
to, aunque han sido frecuentes y han obtenido tasas de
engagement
relevantes, no han sido las que más interac-
ción han generado, como indicaban Cvijikj y Michahelles (
2013
).
Para el análisis, además de las categorías propuestas por Suárez-Álvarez y García-Jiménez (
2021
) y Feijoo
Fernández y Fernández-Gómez (
2021
), se añadieron las taxonomías de efectos, vídeo externo y videos musicales.
Todas las categorías se encontraron durante el análisis, pero destacan la categoría de
videos musicales, confrman-
do su frecuencia en TikTok.
En cuanto a la intención del hablante, los resultados arrojan una prevalencia en los contenidos de entrete-
nimiento y exhibicionismo lo que encuentra reafrmación en el trabajo de Young (
2011
) el cual señala que las
personas utilizan las redes sociales como una forma de escapismo, así como para distraerse de sus problemas
cotidianos. El exhibicionismo en los contenidos de TikTok puede ser una forma de obtener reconocimiento y
validación social, al utilizar contenidos de exhibicionismo como una forma de mejorar la imagen y aumentar la
popularidad en línea de los creadores de contenido (
Bagozzi y Dholakia, 2006
;
Zhao
et al
., 2013
). En ese sentido,
el exhibicionismo en TikTok puede ser visto como una forma de venta personal, en la que los usuarios promocio-
nan su propia imagen para obtener reconocimiento y validación de otros usuarios.
Otra posible razón por la que las personas preferen los contenidos de entretenimiento y exhibicionismo en
TikTok es porque estos videos son cortos y fáciles de consumir. Los usuarios de redes sociales tienden a desplazar-
se rápidamente a través de sus muros, lo que signifca que el contenido visual y breve, como los videos de TikTok,
es más efectivo para captar la atención de los usuarios y mantenerlos involucrados (
Vicknair y Spruill, 2016
).
Como última observación, en las 50 cuentas analizadas en el estudio se mezclan personajes mediáticos —
celebrities
-— (
Cisternas-Osorio, 2017
), quienes deben su fama a sus actividades fuera de la red; mientras otros
creadores de contenidos que han surgido en otras plataformas o en el mismo Tiktok. En este sentido, se evidencia
una notable relevancia de los
tiktokers
sobre las celebridades tradicionales. Solo 6/50
celebrities
están dentro de
los tiktokers que más seguidores tienen.
5. CONCLUSIONES
Este estudio ha analizado 500 publicaciones de los 50 autores con más seguidores de TikTok. Se han identif-
cado las tipologías de contenido más frecuente, calculando diferentes tasas de
engagement
de los usuarios con los
contenidos y determinando la intención de los autores con sus publicaciones.
Las tipologías de contenido que más tasa de
engagement
promedio generaron (O1) fueron historia guioniza-
da,
lipsync
, retos, vídeos con animales y
videoselfes
, contando esta última con la mayor tasa de
engagement
, pero
también con la dispersión más elevada. Sin embargo, entre las categorías con mayor interacción se distinguen dos
grandes grupos. Por un lado, aquellas tipologías más frecuentes, como
videoselfes
, vídeos de entretenimiento y
lipsyncs
. Y por otro lado las tipologías de retos o vídeos con animales, encontradas en muy baja medida —menos
de un 4 % del total de los vídeos analizados—. En cuanto a las tipologías de contenido más frecuentes (O2), los
image/svg+xml
115
Nº 22, 2023
.
eISSN: 2602-7069 - ISSN: 1390-5341
.
Páginas: 105-117
videoselfes
, vídeos de entretenimiento, coreografías y
lipsync
destacan como categorías más utilizadas, coinci-
diendo con Suárez-Álvarez y García-Jiménez (
2021
).
Para el cálculo de la tasa de
engagement
, diferenciar entre
engagement
de popularidad, compromiso y viralidad
(
Oviedo-García
et al
., 2014
;
Valerio
et al
., 2015
) ha permitido matizar los resultados obtenidos. En primer lugar,
los datos de
engagement rate
general (O3) han sido elevados, con un valor promedio de los vídeos analizados
del 11,98 % y una desviación estándar del 4,18. Al identifcar las interacciones según las variables de me gusta,
comentario y compartir, se aprecia cómo los me gusta (O4) sobredimensionan la tasa de
engagement
(
Balleste-
rios-Herencia, 2018
). En segundo lugar, la sobredimensión de me gusta, unida a los números totales de
engage-
ment
, refuerzan la idea de TikTok como plataforma con una mayor tasa de interacción que es, al mismo tiempo,
un
engagement
más ligero (
Ballesteros-Herencia, 2020
). Se identifca por tanto una tasa de
engagement
mayor
que otras redes sociales, pero al mismo tiempo de bajo compromiso con el contenido, al ser la principal y mayor
interacción la de me gusta. Una mayor relevancia de las otras interacciones supondría una participación más
activa de la audiencia con los vídeos (
Valerio
et al
., 2015
). Aun así, el comportamiento del usuario sigue siendo
mayoritariamente pasivo, como ya señalaban Bossen y Kottasz (
2020
).
En cuanto a las interacciones de compromiso y viralidad (O5; O6), se aprecia mayor frecuencia de comenta-
rios frente a los compartidos, aunque con variaciones relevantes según las tipologías de contenido, como el caso
de los
lipsync
, donde se recoge el mismo
engagement
en ambas interacciones. Finalmente, en cuanto a la intención
de los creadores de contenido, destacan las motivaciones de entretenimiento y exhibicionismo (O7).
Como futuras investigaciones, consideramos relevante analizar en mayor profundidad aquellas tipologías
que han obtenido alto
engagement
pero se han producido en baja frecuencia. Casos notorios son los de las his-
torias guionizadas o los vídeos con animales. Así mismo, consideramos de interés conocer la correlación entre el
engagement
de las publicaciones y el porcentaje de conversión de los objetivos propuestos por los autores de los
vídeos. Con altas tasas de
engagement
y un consumo encadenado de vídeos que favorece el compromiso ligero, es
necesario comprender si una mayor tasa de interacción se traduce en la consecución de objetivos de los creadores
de contenido.
6. REFERENCIAS BIBLIOGRÁFICAS
Anderson, K. E. (2020). Getting acquainted with social networks and apps: it is time to talk about TikTok.
Library Hi Tech
News
,
37
(4), 7-12.
https://doi.org/10.1108/LHTN-01-2020-0001
Andréu-Abela, J. (2002). Las técnicas de Análisis de Contenido: Una revisión actualizada.
Fundación centro de estudios
andaluces
.
bit.ly/3vufHnV
Austin, J. L. (1962).
How to do things with words
. Clarendon Press.
Bagozzi, R. P. y Dholakia, U. M. (2006). Antecedents and purchase consequences of customer participation in small group
brand communities.
International Journal of Research in Marketing
,
23
(1), 45-61.
https://doi.org/10.1016/j.ijres-
mar.2006.01.005
Ballesteros-Herencia, C. A. (2018). Índice de engagement en las redes sociales: medición emergente en la comunicación
académica y organizacional.
Razón y palabra,
102
, 96-124.
bit.ly/41EZo6z
Ballesteros-Herencia, C. A. (2020). La propagación del coronavirus: Midiendo el engagement del entretenimiento en la red
social emergente TikTok.
Revista española de comunicación en salud
, 171-185.
https://doi.org/10.20318/recs.2020.5459
Bonsón, E., Royo, S. y Ratkai, M. (2015). Citizens’
engagement
on local governments’ Facebook sites. An empirical analysis:
Te impact of diferent media and content types in Western Europe.
Government Information Quarterly
,
32
(1), 52-62.
https://doi.org/10.1016/J.GIQ.2014.11.001
Bossen, C. B. y Kottasz, R. (2020). Uses and gratifcations sought by pre-adolescent and adolescent TikTok consumers.
Young Consumers
,
21
(4), 1747-3616.
https://doi.org/10.1108/YC-07-2020-1186
Cervi, L. y Marín-Lladó, C. (2021). What are political parties doing on TikTok? Te Spanish case.
El
Profesional de la in-
formación
,
30
(4), e300403.
https://doi.org/10.3145/epi.2021.jul.03
Chan-Olmsted, S., Wolter, L.-C. y Wang, R. (2017). Toward a multidimensional framework of media engagement: con-
ceptualizing consumer experience and connection with media content in a digital environment.
Media Engagement
Framework
.
bit.ly/3LpIHpV
image/svg+xml
116
Páginas: 105-117
.
https://doi.org/10.29019/tsafqui.v14i22.1306
.
Nº 22, 2023
Cisternas Osorio, R. E. (2017).
La infuencia del uso de celebridades en la publicidad y el valor simbólico de las marcas en la
construcción de identidad en adolescentes. Los casos de Chile y Ecuador.
[Tesis doctoral, Universitat Autònoma de Barce-
lona].
bit.ly/3HclCom
Cvijikj, I., y Michahelles, F. (2013). Online engagement factors on Facebook brand pages.
Social Network Analysis and
Mining
,
3
(4), 843-861.
https://doi.org/10.1007/s13278-013-0098-8
Digital Trends. (2020, mayo 18). La OMS le pone ritmo al coronavirus a través de TikTok. Digitaltrends.
bit.ly/3AnSFBV
Edelmann, N. (2017).
Online Lurking: Defnitions, Implications, and Efects on E-participation
[Tesis doctoral, Tallinn Uni-
versity of technology]. TTÜ Kirjastus.
https://doi.org/10.13140/RG.2.2.21750.70725
Evans, D. (2010).
Social media marketing: the next generation of business engagement
. Wiley.
Feijoo, B. y Fernández-Gómez, E. (2021). Niños y niñas infuyentes en YouTube e Instagram: contenidos y presencia de
marcas durante el confnamiento.
Cuadernos.info
, (49), 302-330.
https://doi.org/10.7764/cdi.49.27309
Galeano, S. (2020, junio 21). Cómo funciona el algoritmo de TikTok… explicado por TikTok.
Marketing4ECommerce
.
bit.
ly/3zb6WQi
Gallardo-Camacho, J. y Jorge-Alonso, A. (2010). La baja interacción del espectador de vídeos en internet: caso YouTube
España.
Revista Latina de Comunicación Social
,
65
, 421-435.
http://doi.org/c7czw2
García-Marín, D. y Salvat-Martinrey, G. (2022). Viralizar la verdad. Factores predictivos del engagement en el contenido
verifcado en TikTok.
Profesional de la información
,
31
(2), e310210.
https://doi.org/10.3145/epi.2022.mar.10
Goodman, G. (2012).
Engagement marketing: How small business wins in a socially connected world
. Wiley.
Gerodimos, R. y Justinussen, J. (2015). Obama’s 2012 Facebook Campaign: Political Communication in the Age of the Like
Button.
Journal of Information Technology y Politics
,
12
(2), 113–132.
https://doi.org/10.1080/19331681.2014.982266
Giacomini, G. (2018).
Potere digitale. Come internet sta cambiando la sfera pubblica e la democracia
. Meltemi.
Hostil, O. R. (1969).
Content analysis for the social sciences and humanities
. Addison Wesley.
Kabadayi S. y Price K. (2014). Consumer-brand engagementon Facebook: Liking and commenting behaviours. Journalof
Research in Interactive Marketing
8
(3), 203-223.
https://doi.org/10.1108/JRIM-12-2013-0081
Kantar (2020). TGI Global Quick View Report 2020.
https://www.kantar.com/
Kanthawala, S., Cotter, K., Foyle, K. y DeCook, J. (2022). It’s the methodology for me: a systematic review of early approa-
ches to studying TikTok.
Hawaii International Conference on System Sciences
. 55, 3105-3121.
bit.ly/3V4OS5W
Khan, G. F. y Vong, S. (2014). Virality over YouTube: An empirical analysis.
Internet Research
,
24
(5), 629-647.
https://doi.
org/10.1108/IntR-05-2013-0085
Kaushik-Aushik, A. (2011, octubre 10). Best Social Media Metrics: Conversation, Amplifcation, Applause, Economi Va-
lue.
Occam’s Razor
.
bit.ly/2OO8jjE
Kemp, S. (2023a).
Digital 2023 Spain. Te essential guide to the latest connected behaviours
. Datareportal.
bit.ly/3V0uIKC
Kemp, S. (2023b).
Digital 2023 Ecuador
. Hootsuite & We Are Social.
https://datareportal.com/reports/digital-2023-ecuador
Klinger, U. y Svensson, J. (2015). Te emergence of network media logic in political communication: A theoretical
approach.
New Media & Society
17
(8), 1241-1257.
Krippendorf, K. (1990).
Metodología de análisis de contenido. Teoría y Práctica
. Piados Comunicación.
Kruk, J., Lubin, J., Sikka, K., Lin, X., Jurafsky, D. y Divakaran, A. (2019). Integrating Text and Image: Determining Multi-
modal Document Intent in Instagram
Posts. ArXiv Preprint AsXiv
, 1904.09073.
bit.ly/40wcUYN
Kumar, V. D. y Prabha, M. S. (2019). Getting glued to TikTok® – Undermining the psychology behind widespread inclina-
tion toward dub-mashed videos.
Arch Ment Health
,
20
, 76-77.
bit.ly/41AqY4P
Lee, D., Hosanagar, K., Nair Stanford GSB, H. S., Bell, D., Berger, J., Jefrey, C. y Sahni, N. (2015). Advertising con-
tent and consumer engagement on social media: evidence from Facebook.
Management science
,
64
(11).
https://doi.
org/10.1287/mnsc.2017.2902
López-Navarrete, A. J., Cabrera-Méndez, M., Díez-Somavilla, R. y Calduch-Losa, Á. (2021). Fórmula para medir el enga-
gement del espectador en YouTube: investigación exploratoria sobre los principales youtubers españoles.
Revista Medi-
terránea de Comunicación
,
12
(2), 143-156.
https://www.doi.org/10.14198/MEDCOM000013
Maqueda-Cuenca, E., Morales, A. F. y Caldevilla-Domínguez, D. (2019).
TikTok como herramienta innovadora en el aula
.
Aplicaciones en el área de DLL
. Congreso Internacional de Innovación Docente e Investigación En Educación Superior.
https://bit.ly/3jTNykF
Makarov, A. (2020, junio 16). 500
millones de usuarios activos y subiendo: la historia detrás de Tik Tok, la red que puso al
mundo a bailar.
bit.ly/3jUX2fu
Olivares-García, F. J. y Méndez-Majuelos, I. (2020). Análisis de las principales tendencias aparecidas en TikTok duran-
te el periodo de cuarentena por la COVID- 19.
Revista Española de Comunicación en Salud
, 243-252.
https://doi.
org/10.20318/recs.2020.5422
image/svg+xml
117
Nº 22, 2023
.
eISSN: 2602-7069 - ISSN: 1390-5341
.
Páginas: 105-117
Oviedo-García, Á., Muñoz-Expósito, M., Castellanos-Verdugo, M. y Sancho-Mejías, M. (2014). Metric proposal for cus-
tomer engagement in Facebook.
Journal of Research in Interactive Marketing
,
8
(4), 327-344.
https://doi.org/10.1108/
JRIM-05-2014-0028
Paine, K. D. (2011).
Measure what matters: online tools for understanding customers, social media, engagement, and key rela-
tionships
. Wiley.
https://doi.org/10.1017/CBO9781107415324.004
Chapple, C. (2020, abril 29). TikTok crosses 2 billion downloads afer best quarter for any app ever.
Sensortower
.
bit.ly/
41CJEB2
Sobaci, M. Z. y Hatipo
ǧ
lu, I. (2017). Measuring the engagement level of political parties with public on Facebook: Te
case of Turkey. En
Proceedings of the 7th International Conference for E-Democracy and Open Government, CeDEM
. (pp.
209–216). IEEE.
https://doi.org/10.1109/CeDEM.2017.15
Stahl C. y Literat, I. (2022). #GenZ on TikTok: the collective online self-Portrait of the social media generation,
Journal of
Youth Studies
.
https://doi.org/10.1080/13676261.2022.2053671
Su, Y., Baker, B., Doyle, J. y Yan, M. (2020). Fan engagement in 15 seconds: athletes’ relationship marketing during pande-
mic via TikTok.
International Journal of Sport Communication
,
13
, 436-446.
https://doi.org/10.1123/ijsc.2020-0238
Suárez-Álvarez, R. y García-Jiménez, A. (2021). Centennials en TikTok: tipología de vídeos. Análisis y comparativa Espa-
ña-Gran Bretaña por género, edad y nacionalidad.
Revista Latina de Comunicación Social
, 79, 1-22.
https://www.doi.
org/10.4185/RLCS-2021-1503
Tafesse, W. y Wood, B. (2021). Followers’ engagement with instagram infuencers: the role of infuencers’ content and engage-
ment strategy.
Journal of Retailing and Consumer Services
,
58
, 102303.
https://doi.org/10.1016/j.jretconser.2020.102303
.
Ure, M. (2018). Engagement estratégico y encuentro conversacional en los medios sociales.
Revista de Comunicación
,
17
(1),
181-196.
http://doi.org/dwmn
Valerio, G., Herrera-Murillo, D. J., Villanueva-Puente, F., Herrera-Murillo, N. y Rodríguez-Martínez, M. C. (2015). Te
relationship between post formats and digital engagement: A study of the Facebook pages of Mexican universities.
RUSC
,
12
(1), 50-63.
https://doi.org/10.7238/rusc.v12i1.1887
Vicknair, C. y Spruill, N. (2016). Te efects of visual content on social media engagement: An examination of Instagram.
Journal of Creative Communications
,
11
(2), 199-215.
Wang, Y. (2020). Humor and camera view on mobile short-form video apps infuence user experience and technology-adop-
tion technology-adoption intent, an example of TikTok (DouYin).
Computers in Human Behavior
,
110
, 106373.
ht-
tps://doi.org/10.1016/j.chb.2020.106373
Wang, Y., Gu, T. J. y Wang, S. Y. (2019). Causes and characteristics of short video platform internet community taking the
TikTok short video application as an example.
2019 IEEE International Conference on Consumer Electronics
.
https://
doi.org/10.1109/ICCE-TW46550.2019.8992021
Xu, L., Yan, X. y Zhang, Z. (2019). Research on the causes of the “Tik Tok” app becoming popular and the existing pro-
blems.
Journal of Advanced Management Science
,
7
(2), 59-63.
https://doi.org/10.18178/joams.7.2.59-63
Zhao, X., Salehi, N., Naranjit, S., Alwaalan, S., Voida, S. y Cosley, D. (2013). Te many faces of facebook: experien-
cing social media as performance, exhibition, and personal archive. En
Proceedings of the SIGCHI Conferen-
ce on Human Factors in Computing Systems (CHI ‘13)
. Association for Computing Machinery, 1.10.
https://doi.
org/10.1145/2470654.2470656
Young, K. S. (2011). Te impact of social media on mental health.
Journal of the National Medical Association
,
103
(3), 132-136.
image/svg+xml