Viralidad: lo que dicen Berger (STEPPS) y Gladwell, lo que demostró Duncan Watts y por qué TikTok cambió las reglas
Qué es la viralidad explicada con la profundidad que merece: la teoría 'law of the few' de Gladwell (2000), el framework STEPPS de Jonah Berger en Contagious (2013), las críticas empíricas de Duncan Watts mostrando que la viralidad es mayormente aleatoria, y cómo el algoritmo de TikTok cambió lo que el término significa.
El equipo detrás de Polimake. Exploramos la intersección entre tecnología, creatividad y automatización.
La viralidad describe el fenómeno por el que un contenido se difunde rápidamente entre muchas personas, principalmente porque las propias personas lo comparten unas con otras. La definición es sencilla; lo que se sabe sobre por qué algunos contenidos se vuelven virales y otros no es mucho más controvertido de lo que la cultura del marketing sugiere.
Hay dos escuelas de pensamiento sobre viralidad —la que cree que se puede diseñar y la que sostiene que es mayormente aleatoria— con autores y evidencia respetables en ambos lados. Conocer las dos posiciones es lo que distingue a quien diseña contenido con expectativas realistas de quien intenta replicar el último éxito viral con técnica idéntica y se sorprende cuando fracasa.
La escuela "se puede diseñar": Gladwell, Berger, STEPPS
Malcolm Gladwell publicó The Tipping Point: How Little Things Can Make a Big Difference en 2000. El libro presentaba la idea de que las epidemias sociales (incluyendo modas, ideas, productos virales) siguen patrones identificables que se pueden caracterizar y, por extensión, intentar reproducir. Su modelo central, la Law of the Few (ley de los pocos), proponía que las ideas se propagan principalmente a través de tres tipos de personas:
- Connectors (conectores) — personas con redes sociales muy amplias que actúan como puentes entre comunidades.
- Mavens (expertos informados) — personas con conocimiento profundo y disposición a compartirlo, que la gente consulta antes de tomar decisiones.
- Salesmen (persuadores) — personas con carisma y capacidad de convencer.
Gladwell sostenía que identificar y activar a este tipo de personas era la clave para que una idea cruzara su "tipping point" hacia la difusión masiva. El libro fue un éxito de ventas y su tesis se incorporó al léxico del marketing durante una década.
Trece años después, Jonah Berger, profesor de marketing en la Wharton School de la University of Pennsylvania, publicó Contagious: Why Things Catch On (Penguin, 2013), donde proponía un framework operativo para diseñar contenido más probable de propagarse. El framework se conoce como STEPPS, acrónimo de seis principios:
Social currency — el contenido que la gente comparte porque compartirlo les hace quedar bien (parecer informados, divertidos, originales).
Triggers — el contenido que se asocia a estímulos cotidianos del entorno, lo que hace que la gente piense en él con frecuencia.
Emotion — el contenido que activa emociones de alta intensidad (asombro, ira, alegría, miedo, indignación). Berger encontró en su investigación que la emoción positiva genera más sharing que la negativa, y la emoción de alta activación —independientemente de si es positiva o negativa— genera más sharing que la baja activación.
Public — el contenido visible en la conducta de otros. Si compartir o usar un producto deja huella visible, otras personas lo replican (efecto manada).
Practical value — el contenido genuinamente útil. La gente comparte cosas que ayudan a quien recibe la información.
Stories — el contenido envuelto en narrativa que la gente cuenta porque la historia es interesante por sí misma, llevando el mensaje "encajado" en ella.
STEPPS sigue siendo el framework de viralidad más usado en marketing aplicado, en parte porque es operativamente útil para evaluar contenido antes de publicarlo. La pregunta práctica que sugiere —"¿esta pieza activa al menos tres de los seis principios?"— es accionable.
La escuela "es mayormente aleatoria": Duncan Watts
La crítica más rigurosa a la idea de que la viralidad se puede diseñar viene de Duncan Watts, físico convertido en sociólogo computacional, profesor en la University of Pennsylvania (anteriormente en Microsoft Research y Yahoo Research). Su libro Everything Is Obvious: How Common Sense Fails Us (Crown, 2011) y numerosos papers académicos atacaron varios de los pilares de la teoría Gladwell-Berger.
Las contribuciones empíricas de Watts y colaboradores:
Las cascadas virales son raras y mal predecibles. En estudios de propagación de información en Twitter, blogs y redes sociales, encontraron que la gran mayoría de "iniciadores" de cascada solo alcanzan a una o dos personas. Las cascadas largas son extremadamente raras.
La "Law of the Few" no se cumple en datos reales. Cuando Watts y sus colegas estudiaron empíricamente quién genera cascadas, encontraron que personas aparentemente normales —sin las características de connector/maven/salesman de Gladwell— pueden ser igualmente o más exitosas en propagar información. La calidad de los conectores resultaba mucho menos predictiva de lo que Gladwell sugería.
El éxito viral depende fuertemente de aleatoriedad y condiciones iniciales. En experimentos donde Watts replicaba la misma situación de propagación inicial varias veces (con la canción "MusicLab" experiment, por ejemplo), los mismos contenidos producían resultados radicalmente distintos por puro azar de qué primeras personas los recibían. La calidad importa, pero menos de lo que asumimos.
La narrativa post-hoc explica todo. Cuando un contenido se vuelve viral, los analistas pueden encontrar razones por qué tenía sentido que se volviera viral. Pero esas mismas razones existen en cientos de contenidos que no se viralizaron. La explicación funciona retrospectivamente sin tener poder predictivo.
La conclusión de Watts no es que la calidad no importe (importa, en el margen), sino que la viralidad como fenómeno es mucho menos diseñable de lo que la industria del marketing pretende. Una pieza con STEPPS bien aplicado tiene quizá una probabilidad ligeramente mayor de viralizar que una sin él, pero la mayor parte del éxito viral sigue dependiendo de aleatoriedad y momento.
La síntesis honesta
Las dos posiciones no son completamente incompatibles. Una lectura honesta de la evidencia sugiere:
Hay características que aumentan la probabilidad de sharing. STEPPS captura buena parte de ellas. Una pieza con alta carga emocional, valor práctico, narrativa fuerte y disparadores asociados se comparte más, en promedio, que una sin esas características.
Pero la diferencia entre "se comparte un poco" y "se vuelve viral masivamente" la determina principalmente factores no controlables. Quién la ve primero, en qué momento del día, en qué clima social, con qué algoritmo de plataforma activo, con qué eventos contemporáneos compitiendo por atención. La aleatoriedad domina los outliers extremos.
Diseñar para "más sharing en promedio" tiene sentido. Diseñar para "viralidad garantizada" no lo tiene. Las marcas que persiguen el segundo objetivo invierten recursos en la búsqueda de algo que estructuralmente no es replicable a voluntad.
El cambio fundamental: TikTok y la For You Page
Algo que cambió la conversación sobre viralidad después del libro de Berger fue el ascenso de TikTok a partir de 2018-2020 y la generalización de su modelo algorítmico de distribución, que decoupló viralidad de tamaño previo de audiencia.
En modelos de social media anteriores (Facebook, Instagram, Twitter), la cantidad de seguidores era un determinante crítico del alcance inicial. Una cuenta nueva publicaba en el vacío. Para llegar a viralizar, normalmente había que pasar primero por construcción de audiencia.
TikTok cambió esto con su For You Page, un feed algorítmico que sirve contenido a usuarios basándose en señales de comportamiento (qué ven, qué saltan, qué guardan, qué comentan), no en relaciones de seguimiento. Una cuenta con cero seguidores puede tener un vídeo con millones de visualizaciones si las primeras señales de testing del algoritmo son positivas. Por la misma razón, una cuenta con millones de seguidores puede publicar un vídeo que apenas se ve si el algoritmo decide que no rinde.
Otras plataformas han adoptado modelos similares (Instagram Reels, YouTube Shorts) que aproximan algorítmicamente lo que TikTok hizo primero. La consecuencia operativa es:
La viralidad ya no requiere audiencia previa. Cualquier vídeo puede potencialmente alcanzar grandes números si pasa los filtros iniciales del algoritmo.
Los seguidores importan menos como métrica. Una cuenta con 50.000 seguidores puede tener vídeos con 5.000 visualizaciones. Una con 500 seguidores puede tener un vídeo con 5 millones. El follower count se ha vuelto vanity metric en muchos contextos.
El "modelo Berger" se aplica con matices. Los principios STEPPS siguen siendo útiles, pero ahora la primera prueba es pasar el algoritmo, no convencer a humanos a compartir. Un vídeo emocionalmente fuerte que el algoritmo no muestra a suficientes personas no se viraliza, aunque cumpla cinco de los seis STEPPS.
El "modelo Watts" se confirma con datos. Las plataformas algorítmicas han hecho aún más visible la aleatoriedad. Creators consagrados publican vídeos que no llegan a 1.000 visualizaciones; cuentas anónimas tienen explosiones de cien millones. Predecir cuál será cuál sigue siendo casi imposible.
Casos reales de viralidad y lo que enseñan
Algunos casos famosos y lo que cada uno ilustra:
ALS Ice Bucket Challenge (2014). Acumuló 17 millones de vídeos subidos en agosto de 2014 y recaudó más de 100 millones de dólares para investigación de ELA. Cumple casi todos los STEPPS: social currency (mostrar que participas), triggers (pedir a otros activa el reto), emotion (causa social), public (la mecánica del balde es visible), practical value (el dinero recaudado), stories (cada vídeo cuenta una pequeña historia). Caso casi de manual.
"The Man Your Man Could Smell Like" — Old Spice (2010). Anuncio que se convirtió en fenómeno después de su debut en el Super Bowl. Buen contenido, buen timing, plataforma social en momento receptivo. STEPPS aplicaba bien. Pero replicarlo después fue extremadamente difícil para Old Spice y para otras marcas que intentaron formato similar.
El vídeo de lanzamiento de Dollar Shave Club (2012). "Our blades are f**ing great"* generó 4,75 millones de visualizaciones en 90 días, fundación de marca, escalada hasta venta a Unilever en 2016 por $1B. Combinó humor, claridad, valor práctico y producto disruptivo. Caso real, pero también un caso entre cientos de empresas que intentaron videos virales similares y fracasaron.
Casos que no fueron virales pero parecen que lo fueron en retrospectiva. La narrativa post-hoc selecciona casos exitosos e ignora los muchos intentos que fracasaron. Esto es exactamente lo que Watts critica.
Aplicación práctica honesta para una marca
Si una marca quiere usar la lógica de viralidad sin caer en falsa esperanza:
Diseña con principios STEPPS sin garantizarte resultado. Aplicar Berger aumenta probabilidad, no garantiza outcome.
Produce volumen suficiente. Si la viralidad depende parcialmente de aleatoriedad, más oportunidades aumentan la probabilidad de un éxito. Las marcas que ocasionalmente "viralizan" suelen producir mucho contenido consistentemente, no acertaron con una pieza única.
Optimiza por sharing, no por viralidad. Sharing alto en términos relativos es alcanzable y medible; viralidad masiva es lottery ticket. Construir contenido que aumente sharing por encima del baseline es estrategia; perseguir viralidad masiva es ilusión.
Acepta que no controlas el outlier. Si una pieza explota inesperadamente, capitalízala con campañas de seguimiento. Pero no construyas el plan de marketing asumiendo que ocurrirá.
Invierte en la base de audiencia propia. Como cubrió en detalle cuánto tarda en ganar seguidores y ver resultados en redes, construir audiencia consistente rinde más a medio plazo que apostar por viralidad. La audiencia genuina amortigua la aleatoriedad de cada pieza.
Errores comunes en la búsqueda de viralidad
Imitar el formato de un viral reciente sin entender por qué funcionó. Muy pocos virales son replicables fórmula a fórmula. La novedad y timing eran parte del éxito.
Saturar emociones para forzar sharing. Indignación manufacturada, sentimentalismo exagerado, controversia barata generan rebote a corto plazo y daño reputacional a medio plazo.
Confundir vanity metrics con viralidad útil. Un vídeo con 10 millones de visualizaciones que no convierte ni construye marca es ruido glamoroso, no resultado.
No tener qué hacer cuando lo viral ocurre. Algunas marcas viralizan y no están preparadas operativamente: web no escala, soporte saturado, producto agotado, mensaje inconsistente. La oportunidad se desaprovecha.
Invertir todo en una sola apuesta viral. Modelo de marketing de "una bala". Las marcas serias diversifican, viralizar es bonus, no plan.
Viralidad y operaciones creativas
Construir contenido con probabilidad razonable de generar sharing requiere producción regular y disciplinada, no apuestas puntuales. Las marcas que ocasionalmente capturan momentos virales suelen tener calendario editorial sostenido durante meses o años antes del éxito visible. Sin esa operativa, la viralidad accidental es lotería sin sistema que la sostenga.
Por eso esta disciplina conecta con operaciones creativas: el calendario editorial sostiene producción regular que multiplica oportunidades, la producción de contenidos escala la creación de variantes con sistema de marca, y la capacidad reactiva en newsjacking permite capitalizar momentos cuando ocurren.
En Polimake esa lógica vive en tres superficies: Studio para sostener calendario consistente que genera oportunidades, Studio para producir variantes con principios STEPPS aplicados sistemáticamente, Media como repositorio donde aprendizajes (qué tipo de contenido tu audiencia comparte más) se documentan y se reutilizan.
Si gestionas contenido de marca, redes sociales o estrategia de growth y has llegado aquí buscando una respuesta sobre viralidad, lo más útil que puedes llevarte de este artículo es probablemente la síntesis del debate Berger-Watts: la viralidad masiva no es diseñable, pero el sharing sí mejora con principios reconocibles. Aplicar STEPPS aumenta tus probabilidades en el margen; perseguir viralidad como estrategia central es construir sobre arena. Las marcas que sostienen presencia significativa en redes lo hacen por consistencia y volumen, no por una explosión viral única.
Para complementar, tent-pole effect cubre la planificación intencional alrededor de momentos clave (estrategia opuesta y complementaria a viralidad), newsjacking cubre la reacción a momentos virales de terceros, y engagement cubre la métrica que sí es manejable.
Referencias rápidas
- Engagement — métrica controlable, no dependiente de aleatoriedad.
- Tent-pole effect — planificación deliberada que complementa la apuesta viral.
- Newsjacking — la reacción cuando algo se viraliza.
- Cuánto tardas en ganar seguidores — la construcción de audiencia que amortigua aleatoriedad.
- Escucha activa en redes sociales — para detectar oportunidades virales.