Laat je TikTok groeien met echte accounts.

De For You-pagina van TikTok is een ranker met sterke nadruk op het vroege venster. De eerste 2–4 uur na de upload beslissen of een video 1.000 weergaven of 1.000.000 ziet, en de signalen die de ranker tijdens dat venster weegt, verschillen aanzienlijk van die welke hij later bijhoudt. De duidelijkste publieke bevestiging hiervan kwam met de onthulling in 2021 door The New York Times van het interne algoritmedocument van TikTok — het lek liep door hoe de ranker signalen per video scoort over vaste vroege-impressie-vensters. TikTok zelf is ongewoon open geweest over de vorm van het systeem op zijn eigen Newsroom-uitleg „Hoe TikTok content aanbeveelt“. De vorm van het venster begrijpen is hoe creators ofwel doorbreken ofwel video na video zien afvlakken bij lage weergavetellingen.

Het watch-through-percentage in de eerste 200–400 impressies is het beslissende vroege signaal. Als 70%+ van dat testpubliek de video uitkijkt, leest de FYP-ranker het als content met hoge retentie en breidt de distributie uit in steile sprongen — meestal 10x, dan opnieuw 10x, in ongeveer 45-minuten-stappen. Onder de 50% watch-through in dat venster zakken, begrenst feitelijk het plafond van de video, ongeacht wat er later gebeurt. De drempel van 1 seconde weergave is hier ook van belang: TikTok telt een weergave bij 1 seconde kijktijd, maar de ranker leest de completion-rate (volledig doorspelen) als een apart, veel sterker signaal. Een video met 10K weergaven van 1 seconde en 200 completions is een flop; 2K weergaven met 1.500 completions is een hit die op uitbreiding wacht.

Re-engagement werkt als een vermenigvuldiger bovenop watch-through — herhalingen, plus de specifieke vorm van wat volgt. Saves wegen zwaarder dan likes; shares wegen zwaarder dan saves; reacties van accounts waarmee de kijker nog nooit heeft geïnteracteerd wegen het zwaarst van allemaal, omdat de ranker „nieuwe connectie gevormd“ leest als een hoogwaardiger signaal dan herhaald engagement. Like-share-reactie-verhoudingen die te ver van de basislijn afwijken (een video met 50.000 likes maar 3 reacties en nul shares) activeren de heuristiek voor laagwaardig engagement van de ranker en de distributie dempt snel.

Regionale bias doet er op TikTok meer toe dan op Instagram of YouTube. De ranker leest het taallabel van het account, de apparaatregio en de geografie op IP-niveau van het testpubliek, en geeft sterk de voorkeur aan het houden van een video binnen zijn oorspronkelijke regio tijdens de eerste distributiegolf. Een Amerikaans account dat tijdens het testvenster aan EU-kijkers wordt aangeboden, ziet de distributie snel dempen — de ranker leest de testdata met laag engagement als een mislukking van content-fit, terwijl het eigenlijk een mislukking van geografische fit is. Daarom doet een geo-geverifieerde volgersamenstelling er specifiek voor TikTok toe, en daarom laten verspreide volgermixen distributie liggen.

Het aantal volgers stuurt de distributie van de eerste golf niet aan, maar vormt sterk de herhalingsgolf — TikToks lus van het opnieuw tonen van een sterke video aan kijkers die de creator volgden na de eerste piek. Accounts met minder dan 10.000 volgers zien die tweede golf zelden noemenswaardig op gang komen; voorbij de 50.000 wordt het een betrouwbare rugwind. De drempel van het Creator Fund ligt boven beide: 10.000 volgers, 100.000 videoweergaven in de afgelopen 30 dagen en een accountleeftijd van 18+. Uitbetalingen van het Creator Fund zijn berucht laag (ongeveer 2–4 cent per 1.000 weergaven afhankelijk van de regio), maar het echte voordeel is de toegang tot het analyse-dashboard die met de kwalificatie meekomt — de enige manier om precies te zien wat de FYP-ranker op je video's leest.

Shadowbans op TikTok zijn echt maar verkeerd toegeschreven. Een „shadowban“ in het creator-vocabulaire is meestal een distributiedemping, geactiveerd door een van drie signalen: een enkele video met lage watch-through die de basislijn op accountniveau omlaag trekt, een overtreding van de communityrichtlijnen bij een recente upload (zichtbaar in de support-inbox), of een plotselinge piek in volgers/likes uit een ongescreende bron die de anti-spam-heuristiek heeft gemarkeerd. De derde is wat er gebeurt wanneer creators engagement van het bot-niveau kopen. TikToks eigen rapporten van het Transparency Center publiceren het volume van accounts en video's dat elk kwartaal wordt verwijderd onder het beleid voor gecoördineerd onauthentiek gedrag — de netwerken van het bot-niveau domineren die data consequent. De eerste twee distributiedempingsmodi zijn oplossingen aan de contentkant. Bestellingen van echte accounts, getakt binnen het testvenster, activeren de heuristiek niet; de snelheidscurve ziet eruit als organische ontdekking, waarvoor de heuristiek is afgestemd.