Hoe TikTok Algoritme werkt
Heb je ooit door TikTok gescrold en gedacht: "Ik zocht hoe ik eyeliner moest tekenen en nu laten ze me een perfect koekjesrecept zien"? Of je vond een kattenvideo leuk, en een uur later gaat je hele feed over Stoïcijnse filosofie?
Welkom in de realiteit van 2026.
De vraag hoe het TikTok-algoritme werkt, is het populairst onder bloggers, marketeers en gewone gebruikers. Het officiële standpunt van het platform klinkt soepel: "We laten je zien waarin je geïnteresseerd bent." Maar de waarheid is complexer. TikTok's algoritmen zijn een neuropsychotherapeut die jou beter kent dan je moeder.
Waarom leiden make-upvideo's tot kookhacks? Waarom wordt een gamer getoond die haakt, en een accountant — huizenbouw?
Vandaag openen we de "black box" van het aanbevelingssysteem. We ontleden 7 lagen van rangschikking en bewijzen: het TikTok-algoritme selecteert niet alleen content — het reconstrueert je persoonlijkheid vanaf nul.
Deel 1. Anatomie van het algoritme: van "Voor Jou" naar "Dit ben Jij"
Om te begrijpen hoe het TikTok-algoritme werkt, moet je alles vergeten wat je weet over Instagram en YouTube. Zij werken met sociale grafieken (wie volgt wie). TikTok heeft cognitieve grafieken. Het geeft niet om abonnementen. Het geeft maar om één ding: wat jouw brein doet met video's.
Drie basislagen van TikTok-aanbevelingen:
- Gebruikerssignalen — wat je daadwerkelijk hebt gedaan: helemaal bekeken, herhaald, doorgestuurd naar een vriend, geklikt op "niet geïnteresseerd."
- Video-informatie — verborgen bijschriften, audiotrack, hashtags, objecten in het frame (AI herkent ze automatisch).
- Apparaatcontext — interfacetaal, geolocatie, telefoonmodel, tijdstip van de dag.
Maar het belangrijkste verschil tussen TikTok en YouTube is de tijdsfactor. YouTube onthoudt wat je 5 jaar geleden leuk vond. TikTok onthoudt wat je 5 minuten geleden leuk vond en configureert de feed direct opnieuw.
Juist door dit constante opnieuw leren ontstaat het fenomeen: je klikte op een make-upvideo, keek hem niet helemaal (saai), toen liked je een voedselvideo (lekker). Het algoritme concludeert: "Deze gebruiker vindt make-up saai, maar eten interessant. Laten we cosmetica verwijderen en pizza toevoegen."
Maar dit is een simpel geval. Veel interessanter is de diepe connectie.
Deel 2. Het "naburige neuronen"-effect: waarom make-up en koken familie zijn
Waarom leiden make-upvideo's tot culinaire hacks vanuit het perspectief van wiskunde en neurale netwerken?
Het antwoord ligt in cross-domain clustering. TikTok's neurale netwerk ontleedt elke video in micropatronen. Het onderscheidt mascara niet van bloem. Het onderscheidt een gedragspatroon.
Wat het algoritme ziet in een make-upvideo:
- Visuele aanwijzingen: close-up van een gezicht, handen, kwasten, spiegel, gericht licht
- Auditieve aanwijzingen: gefluister, ASMR-geluiden van aanbrengen, instrumentale muziek zonder woorden
- Gedragsaanwijzingen: instructie ("eerst basis, dan foundation"), "voor/na" transformatie, focus op details
Wat het algoritme ziet in een culinaire hackvideo:
- Visuele aanwijzingen: close-up van handen, kom, spatel, losse ingrediënten, mengproces
- Auditieve aanwijzingen: sissende olie, mes dat op een plank tikt, rustige voice-over
- Gedragsaanwijzingen: instructie ("eerst bloem, dan eieren"), "deeg/taart" transformatie, focus op tactiele sensaties
Ziet u de overeenkomsten?
Het algoritme concludeert: "De gebruiker kijkt graag naar het proces van het creëren van een resultaat met de eigen handen." En het geeft je het volgende vergelijkbare proces — koken.
Andere voorbeelden van minder voor de hand liggende verbanden:
- Je keek naar de bruiloft van een blogger → het algoritme besloot: je houdt van sociale rituelen en het volgen van tradities → je krijgt te zien: ochtendkoffieritueel, religieuze ceremonies, geplande oefeningen.
- Je raakte verslaafd aan appartement renovatie → het algoritme besloot: je geniet van de visuele transformatie van de ruimte → je krijgt te zien: schoonmaken, garderobe herschikken, voor/na bureau-organisatie.
- Je kijkt naar een dansuitdaging → het algoritme besloot: je houdt van ritme en herhalende cyclische acties → je krijgt te zien: sport, boksen, Rubik's kubus in elkaar zetten, videobewerking op een beat.
- Je leert eyeliner tekenen (make-up) → het algoritme besloot: je houdt van ochtendrituelen voor zelfopmaak → je krijgt te zien: ontbijtbereiding, een glas citroenwater, ochtendbevestigingen.
Dat wil zeggen, het TikTok-algoritme verbindt video's niet op basis van onderwerpen, maar op basis van emotionele en gedragsscenario's.
Deel 3. Diep leren: hoe het algoritme je verlangens voorspelt voordat jij dat doet
Je denkt dat jij je telefoon bedient. Maar hoe werkt het TikTok-algoritme echt? Het gebruikt Reinforcement Learning.
Elke actie die je onderneemt is een beloning of straf voor het neurale netwerk.
Actiegewichtensysteem (gebaseerd op analyse van TikTok-patenten 2024–2025 en lekken van voormalige ingenieurs):
- Video helemaal bekijken → +10 punten. Het sterkste signaal. Je bent verslaafd.
- Opnieuw bekijken / herhalen (2+ keer) → +50 punten. Het algoritme is extatisch. Je bent verslaafd.
- Like → +5 punten. Goed, maar zwak. Likes worden vaak uit inertie gegeven.
- Commentaar → +15 punten. Hoogwaardige betrokkenheid.
- Repost / delen → +20 punten. Sociale validatie. Het algoritme houdt ervan.
- Scrollen (zonder te stoppen) → −5 punten. Slecht.
- Klikken op "Niet geïnteresseerd" → −100 punten. Een nachtmerrie. Het algoritme zal dit onderwerp wekenlang onthouden.
Nu terug naar ons make-up voorbeeld.
Je kijkt een make-upvideo. Het scenario is saai. Je scrollt halverwege en vertrekt. Het algoritme ontvangt een signaal: "Make-up in dit specifieke patroon heeft de gebruiker niet vastgehouden."
Na 3 video's zie je een video van een man die pizzadeeg mengt op ASMR. Je kijkt het helemaal af. Dan nogmaals. Like.
Het algoritme noteert: "De gebruiker houdt van close-ups van handen + instructies + tactiele ASMR."
Onze Diensten voor Streamers
Shopee
Onze Diensten voor Content Makers
