Metodología

Medimos el número público de seguidores (o suscriptores, en YouTube) de las cuentas de un conjunto curado de perfiles, y cómo cambia esa cifra a lo largo del tiempo.

Cada día tomamos una lectura por cuenta. A partir de esa serie calculamos variaciones a 24 horas, 7 días y 30 días, tanto en número absoluto como en porcentaje.

• No mide personas únicas ni alcance real.
• No mide visualizaciones, interacción, engagement ni ingresos.
• No mide reputación, calidad del contenido ni opinión pública.
• No detecta seguidores falsos ni limpiezas de cuentas por parte de las plataformas.
• No explica por qué sube o baja una cifra.

Cuando un perfil tiene cuentas en varias plataformas sumamos sus seguidores en una sola cifra. Esa suma es audiencia agregada entre plataformas, no un recuento de personas: quien sigue a un creador en Instagram y en TikTok cuenta dos veces.

El agregado solo se calcula sobre los días en los que hay lectura de todas las cuentas que participan. Así una cuenta que empieza a monitorizarse más tarde no produce un salto que parezca crecimiento.

Si el histórico de una cuenta se detiene —porque la fuente deja de publicar lecturas nuevas de ella—, esa cuenta sale del agregado en lugar de arrastrar su última cifra como si fuera de hoy, que sería inventar audiencia. Se sigue viendo por separado en el desglose de la ficha, y ahí se dice cuál es y desde cuándo. Por eso la cifra grande de un perfil puede sumar menos plataformas de las que aparecen listadas.

La lista es curada y limitada. Se eligen perfiles con audiencia pública relevante y presencia sostenida, buscando diversidad de tamaño y de plataforma para que el conjunto sea interpretable.

La selección no es un ranking de importancia ni una lista de señalados. Un perfil puede entrar o salir del seguimiento; cuando eso ocurre, su serie deja de contribuir al agregado.

Se toma una lectura diaria por cuenta y se almacena con su día lógico de captura, de modo que una resincronización no duplica puntos ni altera el histórico.

Estado actual: fuente Social Blade, 29 perfiles y 59 cuentas.

Comprobar el proveedor y recibir una lectura nueva son dos cosas distintas: una comprobación correcta puede devolver el mismo día que ya teníamos, en cuyo caso la cifra del día se actualiza sin que haya un punto nuevo en la serie. La última comprobación completa y correcta fue hace 44 minutos. El día más reciente con lectura es el 23 de agosto de 2026.

La variación a N días compara la última lectura con la lectura del día N posiciones atrás en la serie. Si no existe esa lectura anterior, no mostramos variación: preferimos un hueco a una estimación.

El porcentaje se calcula sobre la lectura base. Cuando la base es cero, el porcentaje se omite.

El Caída Score resume en una escala de 0 a 100 la intensidad de la pérdida de audiencia. Es 100 % cuantitativo: no interviene ninguna noticia, polémica, valoración editorial ni análisis de sentimiento.

Se compone de cinco señales, cada una normalizada entre 0 y 1:

• 25 %Variación porcentual en 24 h — satura en −1.5 %
• 30 %Variación porcentual en 7 días — satura en −5 %
• 25 %Variación porcentual en 30 días — satura en −12 %
• 10 %Aceleración de la pérdida — ritmo de los últimos 7 días frente a los 23 anteriores
• 10 %Días consecutivos perdiendo audiencia — satura en 14 días

Crecer nunca sube el score: una señal sin pérdida aporta 0. Si falta histórico para una señal, esa señal aporta 0 y su peso no se redistribuye, de modo que el indicador tiende a infraestimar antes que a exagerar.

La Resistencia es el espejo del Caída Score y se deriva de las mismas métricas, sin ningún algoritmo paralelo. Combina el crecimiento a 7 días (satura en +5 %), el crecimiento a 30 días (satura en +12 %) y un componente de estabilidad que premia mantenerse plano.

Sirve para responder a la parte menos contada de la pregunta: el desgaste no afecta a todos por igual.

No todas las plataformas publican la cifra exacta. YouTube y TikTok redondean las cuentas grandes: un perfil de 9,5 millones se queda clavado en esa cifra durante semanas y después salta 100.000 de golpe.

Ese salto no significa que 100.000 personas se fueran ese día: es el redondeo poniéndose al día tras un cambio acumulado que no podemos fechar. Tratarlo como una variación diaria dispararía el Caída Score sin ningún fundamento.

Por eso deducimos el escalón del contador a partir de los propios datos —no damos por hecho que una plataforma redondee siempre, porque las cuentas pequeñas sí dan cifras exactas— y excluimos las variaciones cuya magnitud no supera con holgura esa incertidumbre. Hace falta un movimiento de al menos tres escalones para que lo demos por bueno: con menos, el redondeo solo por sí mismo podría explicarlo. La cifra pública y el histórico se siguen mostrando enteros; lo que no hacemos es convertir el ruido en una caída.

Hay un tercer caso: cuando una cuenta lleva semanas sin moverse, no podemos saber si su contador es exacto o redondeado. En vez de suponer lo más favorable, tratamos su precisión como desconocida y no publicamos variaciones suyas hasta que los datos digan otra cosa.

Cuando un perfil suma varias plataformas, cada una se evalúa por separado y solo entran al cálculo las que se pueden medir. Una plataforma imprecisa no borra la señal de otra que sí publica cifras exactas, ni la diluye: el porcentaje se calcula sobre la audiencia de las plataformas que aportan señal. La audiencia total que mostramos sí suma todas las cuentas, con sus limitaciones.

Por eso verás «Sin cambio observable» en lugar de un cero en algunas variaciones. No son lo mismo: un cero significa que sabemos que no cambió; «sin cambio observable», que el perfil sigue monitorizado y su audiencia se conoce, pero el contador publicado no deja ver si se movió. Un perfil en esa situación no entra en «los que más caen» ni en «los que resisten», y su Caída Score se muestra como «CS —», nunca como 0.

Hay un segundo motivo, distinto, por el que una variación puede aparecer en blanco: «Sin dato reciente». Ahí el problema no es la audiencia de esa persona, sino nuestra cobertura: la lectura más reciente que tenemos de esa cuenta es demasiado antigua para decir nada sobre esa ventana. Una variación de «24 horas» solo se publica si la última lectura es de como mucho un día antes; para 7 días, lo mismo; para 30 días admitimos hasta tres. Fuera de ese margen preferimos decir que no lo sabemos antes que llamar «lo de ayer» a una diferencia entre dos lecturas de hace semanas. Un dato antiguo tampoco entra en el Caída Score ni en los rankings.

Cuando la propia cifra de audiencia viene redondeada de origen la mostramos con el signo «≈» delante: «≈ 2,1 M seguidores» es lo que publica la plataforma, no una cuenta al dígito.

Algunas plataformas publican sus contadores redondeados, pero su historial diario sigue conteniendo información: cuánto tarda el contador en cruzar cada escalón es, de hecho, el ritmo al que se mueve. Cuando la serie contiene suficientes cambios observables, estimamos la tendencia mediante una regresión lineal sobre los puntos históricos disponibles —todos los puntos de la ventana, no solo el primero y el último— y publicamos la variación de 24 h, 7 d y 30 d que se deriva de esa pendiente. Estas cifras se identifican con «≈» y la etiqueta «Estimado», se redondean a dos cifras significativas y no representan una lectura exacta del contador.

La estimación tiene guardas y se descarta entera si no se cumplen: hacen falta al menos diez lecturas en dos semanas, al menos dos cruces de escalón (un único salto dice la dirección pero no el ritmo), una pendiente que mueva al menos un escalón en la ventana, una serie que siga de verdad una recta (ningún punto a más de un escalón de ella) y un final que no lleve parado más de dos intervalos de escalón. Una cuenta sin lecturas recientes tampoco se estima. No convertimos otras métricas —me gusta, visualizaciones, vídeos— en seguidores: solo se usa la serie de audiencia.

Si el histórico no contiene suficiente señal para estimar una dirección, mostramos «Sin cambio observable»: ni repartimos un salto mensual entre días, ni interpolamos, ni inferimos variaciones diarias de un contador que solo se ha movido una vez.

• Las plataformas cachean sus contadores públicos: variaciones muy pequeñas pueden ser ruido, no movimiento real. El caso del redondeo se explica más arriba.
• Las limpiezas masivas de cuentas inactivas aparecen como caídas bruscas sin que nadie haya dejado de seguir a nadie.
• Un perfil puede tener cuentas que no monitorizamos; su audiencia total real será mayor que la que mostramos.
• La granularidad es diaria: no vemos lo que ocurre dentro de un mismo día.
• Los cambios a 24 horas, 7 y 30 días se calculan siempre desde nuestra propia serie diaria, con el mismo método en Instagram, TikTok y YouTube. Si el histórico no cubre la ventana, no la estiramos: la dejamos sin medir.
• El conjunto monitorizado es pequeño y curado. No es una muestra estadísticamente representativa del sector.

En la cronología y en los gráficos señalamos acontecimientos que coinciden en el tiempo con determinadas variaciones. Esa coincidencia no demuestra ninguna relación de causa y efecto, y nunca la presentamos como tal.

Las series de audiencia responden a muchos factores simultáneos —cambios de algoritmo, estacionalidad, campañas, decisiones de las plataformas— que no podemos separar con estos datos.

Data provided by Social Blade. Las cifras son lecturas públicas de los contadores de cada plataforma, recogidas a través de su API.