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.

Guardamos como mucho una lectura por cuenta y día: las cuentas de los perfiles del conjunto estadístico se comprueban todos los días, y las demás con la cadencia que explicamos en frecuencia de actualización. 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. El criterio con el que se decide está en la política editorial.

Cuando una ficha explica por qué seguimos a un perfil, ese texto se apoya en fuentes públicas enlazadas y lleva la fecha de su última revisión. Podemos usar una herramienta de inteligencia artificial como apoyo para localizar fuentes y preparar un borrador, pero ningún contexto editorial preparado así se publica sin que una persona lo revise y lo apruebe.

Algunos análisis llevan una ilustración abstracta generada con inteligencia artificial a partir del tema del artículo, sin nombres de perfiles. No representa a personas ni lleva texto o logotipos, se indica así en el propio artículo y solo aparece si una persona la revisa y decide usarla.

Este sitio observa un fenómeno concreto: creadores de habla hispana que están en el centro de conversaciones, críticas o controversias. Los agregados y los rankings —la audiencia neta, la gráfica de portada, «los que más caen», la resistencia— se calculan sobre un conjunto curado de perfiles relacionados con ese fenómeno.

Algunas fichas se mantienen por interés documental o histórico sin formar parte de ese conjunto. Un creador con millones de seguidores que gana decenas de miles cada semana compensa aritméticamente las caídas que este proyecto estudia, y el agregado acabaría describiendo su crecimiento en lugar del fenómeno. Esas fichas siguen aquí, con su página y su histórico completo, y sus datos se siguen actualizando con la cadencia que explicamos en frecuencia de actualización. Se pueden consultar en el radar, que es el catálogo entero de perfiles monitorizados.

Lo que esta decisión NO es, y conviene decirlo con precisión: no elegimos qué días cuentan, no editamos ninguna variación y no modificamos ninguna cifra de seguidores. Todos los datos individuales proceden de las mismas fuentes y se siguen guardando igual. Lo único que se decide es qué perfiles forman parte del conjunto sobre el que se calculan las cifras globales.

Y se aplica a todo el histórico a la vez: si un perfil deja de formar parte del conjunto, deja de contar también en los días anteriores. Así la gráfica nunca dibuja una caída que no le ha ocurrido a nadie solo porque haya cambiado la composición del conjunto.

Se guarda como mucho una lectura por cuenta y día, con su día lógico de captura, de modo que una resincronización no duplica puntos ni altera el histórico. Las cuentas de los perfiles del conjunto estadístico se comprueban todos los días.

Los perfiles que están fuera del conjunto estadístico no se consultan todos los días en todas sus redes: Instagram, que depende de un proveedor de pago, se comprueba cada 90 días; TikTok y YouTube, a diario. Cuando la última lectura de una cuenta es demasiado antigua para una ventana, la ficha lo dice con «Sin dato reciente» en lugar de repetir esa cifra como si fuera de hoy.

Estado actual: fuente Social Blade y lectura directa de LCI, 52 perfiles y 102 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 22 horas. El día más reciente con lectura es el 7 de octubre 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 de los perfiles del conjunto, 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.

Además de medir cuánto sube o baja la audiencia, buscamos los días en los que una cuenta se mueve de una forma que no se parece a como se mueve ella misma. Cuando encontramos uno y una persona lo revisa, lo publicamos como una señal de audiencia.

Lo primero, para que no haya duda: Esta señal identifica un movimiento estadísticamente atípico observado en datos públicos. No demuestra compra de seguidores, uso de bots, manipulación de audiencia ni ninguna conducta concreta. La Caída de los Influencers no atribuye una causa al movimiento sin evidencia pública suficiente.

Cómo funciona, sin tecnicismos:

1. Cada cuenta por separado. El Instagram y el TikTok de la misma persona son dos series distintas y no se suman jamás. Ganar 20.000 seguidores en un día no significa lo mismo en una cuenta de 50.000 que en una de nueve millones.
2. Su propio comportamiento es la referencia. No comparamos a nadie con la media del sector, sino con lo que esa misma cuenta venía haciendo.
3. Miramos hacia atrás, normalmente hasta 30 días válidos. Si no hay histórico suficiente, no se afirma nada: el día se queda sin clasificar en vez de inventarse una comparación.
4. Con estadísticas robustas. Utilizamos medidas resistentes a los valores extremos, como la mediana y la desviación absoluta mediana (MAD), porque un solo día excepcional puede distorsionar una media tradicional y dejar de detectar todos los demás.
5. Teniendo en cuenta el tamaño de la cuenta y también la precisión de su contador: si la plataforma publica la cifra redondeada, el escalón del redondeo marca el ruido mínimo y exigimos bastante más que un escalón antes de considerar que ha pasado algo.
6. Distinguimos un pico de un cambio sostenido. Un día suelto que se dispara y una tendencia que cambia durante una semana no son el mismo fenómeno y no se cuentan igual.
7. Agrupamos los días en episodios. Varios días atípicos consecutivos pueden pertenecer al mismo episodio. No los presentamos como sucesos independientes cuando forman parte de un mismo cambio de comportamiento: ocho días marcados no son ocho sucesos.
8. Un algoritmo detecta; una persona decide. Ver el punto siguiente.

Para que un día se marque tiene que superar varios umbrales a la vez: de magnitud absoluta, de proporción respecto al tamaño de la cuenta y de desviación frente a su variabilidad histórica. No publicamos los valores exactos de esos umbrales: darían una falsa sensación de precisión y facilitarían quedarse justo por debajo. Lo que sí publicamos, en cada señal, es sobre qué se apoya el cálculo.

Cuando una cuenta está demasiado quieta

Cuando la variabilidad histórica es demasiado pequeña, o el contador tiene una precisión limitada, aplicamos límites técnicos mínimos para evitar que diferencias insignificantes generen una señal. En esos casos la señal lo dice: su base es un guardarraíl estadístico y no la variabilidad observada, y hay que interpretarla con más cautela. Cuando sí hay variabilidad propia con la que comparar, la base es la variabilidad histórica.

Ninguna señal se publica automáticamente

Ese es el punto más importante de todo este apartado. El recorrido completo es:

1. detección automática sobre los datos ya almacenados;
2. revisión humana del episodio;
3. búsqueda de contexto público, a veces con ayuda de una herramienta de inteligencia artificial cuyo resumen revisa siempre una persona;
4. decisión editorial;
5. publicación.

Un episodio detectado que nadie ha revisado no aparece en ninguna parte de esta web. La mayoría de lo que detectamos no se publica nunca.

Qué NO permite concluir una señal

Un movimiento atípico no permite determinar por sí solo su causa. Puede deberse, entre otras posibilidades, a viralidad, exposición mediática, colaboraciones, promociones, correcciones de la propia plataforma, cambios en la precisión del contador u otros factores que no observamos.

La Caída de los Influencers no utiliza estas señales como prueba de compra de seguidores, uso de bots ni manipulación de audiencia, y no lo hará mientras no exista una fuente externa sólida y una decisión editorial específica sobre un caso concreto. Cuando publicamos un contexto, es porque hemos encontrado información pública que lo sostiene, y va con sus enlaces. Cuando no lo encontramos, lo decimos así: no haber identificado un contexto no es un indicio de nada.

Una señal puede cambiar, y puede desaparecer

Los datos siguen llegando cada día, así que una señal publicada puede recibir contexto más adelante, ver actualizadas sus cifras si el episodio todavía está en curso, necesitar una nueva revisión, o dejar de mostrarse si al recalcular con datos nuevos la base estadística ya no la sostiene. Cuando eso ocurre desaparece sola de la web, sin que nadie tenga que acordarse de retirarla, y el registro interno de lo que se decidió se conserva.

• 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 y por la lectura directa de LCI. Todas las cifras son lecturas de los contadores públicos de cada plataforma. Social Blade proporciona siempre el alta de cada cuenta y su histórico inicial.

La comprobación diaria de Instagram se hace a través de Social Blade. La de TikTok y YouTube la hace LCI leyendo directamente el contador público de cada cuenta: la misma cifra que la plataforma enseña a cualquier visitante, sin intermediario.

Una misma serie puede combinar las dos fuentes: el histórico inicial de Social Blade y, desde que una red pasa a la lectura directa, las lecturas de LCI. La precisión se juzga lectura a lectura: un histórico redondeado no se reinterpreta como exacto cuando llegan lecturas exactas, y una variación que compara una lectura de cada fuente arrastra la precisión de la peor de las dos. Por eso una cuenta puede tener una variación exacta a 7 días mientras la de 30 días todavía no se puede afirmar.

Solo los cambios que alteran cómo se mide, se calcula o se publica algo, con la fecha en que entraron. Las correcciones de cifras o de contexto concretos van en el registro de correcciones.

• 2 de octubre de 2026Las ilustraciones de algunos análisis pueden generarse con IA; se indica en el artículo y solo se publican si una persona las aprueba. Ver
• 1 de octubre de 2026Las fichas explican por qué seguimos a cada perfil, con fuentes y fecha de revisión. La IA puede preparar un borrador; lo publica una persona. Ver
• 23 de septiembre de 2026Los perfiles fuera del conjunto estadístico se comprueban con menos frecuencia en las redes que dependen de un proveedor de pago. Ver
• 21 de septiembre de 2026Lectura directa de LCI como fuente, además de Social Blade. La precisión se juzga lectura a lectura, no por serie. Ver
• 28 de agosto de 2026Conjunto estadístico: tener ficha pública no implica contar en las cifras agregadas y los rankings. Ver
• 25 de agosto de 2026Las señales de audiencia solo se publican tras una revisión humana, y se retiran solas si la estadística deja de sostenerlas. Ver
• 22 de agosto de 2026Contadores redondeados: «≈», tendencia estimada con guardas y «Sin cambio observable» en lugar de «estable» cuando no se puede afirmar un movimiento. Ver