Il codice dell’algoritmo di X è pubblico da tempo. E basta guardarlo con un minimo di attenzione per capire una cosa essenziale: i contenuti non si diffondono per caso. Vengono spinti quando generano comportamenti precisi da parte degli utenti. La fonte ufficiale è questa: Repository ufficiale X/Twitter: the-algorithm.

Nel materiale reso pubblico da X compaiono segnali come like, retweet, quote tweet, reply, bookmark, click, watch time, visite profilo, feedback negativi e report. E dai documenti del ranking emerge un dato molto interessante: non tutte le interazioni contano allo stesso modo. La piattaforma valorizza soprattutto i segnali che mostrano coinvolgimento reale, come reply, click di qualità, permanenza e conversazione, mentre penalizza in modo netto i segnali negativi.

La parte più utile, però, inizia quando dalla tecnica si passa alla psicologia. Perché quei comportamenti non nascono nel vuoto. Nascono quando un contenuto attiva leve mentali profonde. Ed è qui che Basta dirlo diventa una chiave di lettura molto interessante: nel libro Paolo Borzacchiello passa in rassegna diversi bias cognitivi che aiutano a capire perché certi contenuti trattengono attenzione, generano reazione e si diffondono meglio di altri.

Il punto non riguarda solo X. X è utile perché il suo codice rende visibile una parte del meccanismo. Ma la logica vale anche per gli altri social network: ogni piattaforma cambia metriche, formato e interfaccia, ma tutte lavorano sulla stessa materia prima, cioè l’attenzione e il comportamento umano. Questa estensione agli altri social è un’inferenza ragionevole basata sul fatto che i sistemi di raccomandazione moderni ottimizzano tutti comportamenti osservabili, pur con implementazioni diverse.

Cosa mostra davvero il codice di X

Se riduciamo tutto all’essenziale, il codice pubblico di X dice questo: la piattaforma spinge più facilmente i contenuti che riescono a fermare l’utente, farlo cliccare, farlo rispondere, trattenerlo e farlo restare nella conversazione. Non basta un like rapido. Serve un segnale più forte.

Questo significa che un contenuto sale più facilmente quando riesce a:

• interrompere lo scrolling
• generare curiosità
• provocare una risposta
• spingere a un click
• aumentare il tempo di permanenza
• evitare rigetto o segnalazioni.

Se la piattaforma legge questi segnali come prova di valore, allora la domanda vera non è solo “come funziona l’algoritmo?”, ma anche “che cosa spinge una persona a reagire in quel modo?”.

La viralità inizia nel cervello, non nel codice

Qui entra in scena la parte più interessante.

In Basta dirlo Borzacchiello richiama diversi bias cognitivi che spiegano perché alcune informazioni sembrano più forti, più urgenti, più credibili o più degne di essere condivise. L’algoritmo registra il comportamento. I bias aiutano a capire da dove nasce quel comportamento.

Riprova sociale: se gli altri reagiscono, quel contenuto sembra più importante

Uno dei meccanismi più forti è la riprova sociale. Anche se nel passaggio che stiamo usando come asse principale il termine non viene sviluppato come voce autonoma, Borzacchiello lo richiama anche altrove nei suoi lavori quando parla di come la reazione degli altri alteri la percezione di un contenuto. In chiave social il principio è semplice: quando un post è già stato validato da altre persone, aumenta la probabilità che venga percepito come rilevante.

Il codice di X si muove in perfetta coerenza con questa dinamica. Se un contenuto riceve reply, retweet, click e altri segnali forti, il sistema lo considera più meritevole di distribuzione. Quindi la reazione pubblica non influenza solo gli utenti: influenza anche la piattaforma.

Ed è proprio questo il punto che vale anche per Instagram, Facebook, TikTok, LinkedIn e gli altri social: la validazione sociale aumenta il valore percepito di un contenuto e spesso ne alimenta la distribuzione.

Dunning-Kruger: più il tono è assoluto, più la reazione tende a salire

Tra i bias richiamati in Basta dirlo c’è il Dunning-Kruger effect, evocato con l’immagine molto efficace degli “scienziati di Facebook”, quelli che spiegano al mondo “come funziona davvero il mondo” con sicurezza granitica. Applicato ai social, questo meccanismo aiuta a capire perché i contenuti scritti con tono netto, definitivo e provocatorio tendano spesso a generare più attrito, più commenti e più risposta.

Halo effect: non conta solo il messaggio, conta anche chi lo pronuncia

Un altro passaggio importante riguarda l’halo effect, che nel libro viene collegato in modo esplicito a testimonial, influencer, recensioni social e storie Instagram. L’idea è nota: un messaggio sembra più forte quando è associato a qualcuno percepito come autorevole o desiderabile.

Anche in questo caso, la struttura di X è coerente con il fenomeno. Il sistema usa relazioni, prossimità sociale, affinità e probabilità di interazione per capire cosa mostrare a chi. Componenti come Real Graph e SimClusters servono anche a questo: non valutare il contenuto in astratto, ma dentro un contesto relazionale.

In altre parole, sui social il contenuto non parla mai da solo. Si porta dietro il peso simbolico del profilo che lo pubblica.

Continued influence effect: una notizia falsa può continuare a lavorare nella testa delle persone

Tra i bias citati in Basta dirlo c’è anche il continued influence effect. Borzacchiello lo richiama spiegando che le fake news e le informazioni false tendono a persistere nella memoria anche dopo essere state smentite.

Questo aiuta a leggere un pezzo importante della viralità social. Un contenuto non deve essere necessariamente corretto per essere memorabile o reattivo. Gli basta entrare nella mente in modo abbastanza forte da continuare a influenzare il modo in cui una persona pensa, legge altri contenuti e reagisce.

Dal lato tecnico, X misura proprio gli effetti comportamentali di questa dinamica: click, citazioni, risposte, permanenza.

Egocentric bias: i contenuti centrati sull’io attirano più facilmente attenzione

Nel libro compare anche l’egocentric bias, descritto con una formula che non lascia spazio a dubbi: “Io! Io! Io!”. L’idea è che tendiamo a dare più peso alla nostra prospettiva, ai nostri vissuti e alle nostre convinzioni.

Questo spiega bene perché tanti contenuti basati su identità, opinione personale, esperienza soggettiva e autoaffermazione ottengono reazioni forti. Sui social il posizionamento dell’io non è solo una scelta di tono: è una leva cognitiva. E quando quella leva genera commenti, quote, click o discussione, la piattaforma la legge come segnale di valore.

Overconfidence: la sicurezza sembra credibilità

Nelle pagine di Basta dirlo compare anche l’overconfidence bias, cioè quella fiducia eccessiva che porta a pensare “a me non succederebbe mai” oppure “io la vedo chiaramente”.

Nei social questo tono ha un rendimento alto perché viene spesso percepito come più solido, più forte, più degno di fiducia. Ancora una volta, il codice non premia l’errore cognitivo in sé; premia il fatto che quel tipo di comunicazione produca attenzione, reazione e coinvolgimento.

Frequency illusion: quando qualcosa entra nel radar, sembra ovunque

Tra i bias elencati nel libro c’è anche la frequency illusion, cioè quella sensazione per cui, dopo aver notato una cosa una volta, improvvisamente la si vede ovunque.

Nei social questo effetto è fortissimo. Una parola, un tema, una notizia, un formato o una polemica entrano nel radar e iniziano a comparire con una frequenza che sembra esplodere. Una parte è cognitiva, una parte è algoritmica: se interagisci con un tema, la piattaforma tenderà a proportene altri vicini o simili.

Per chi crea contenuti significa una cosa semplice: la viralità cresce più facilmente quando un contenuto si inserisce in una percezione di ricorrenza, non quando appare isolato.

Framing effect: non basta cosa dici, conta come lo fai vedere

Un altro bias richiamato in Basta dirlo è il framing effect, cioè l’effetto prodotto dal modo in cui un’informazione viene incorniciata, ordinata e presentata.

Questo punto è decisivo per chi lavora nei social. Due contenuti sullo stesso argomento possono avere risultati completamente diversi se cambia l’apertura, il tono, la promessa, l’ordine delle informazioni o il punto di vista iniziale. Il sistema di X non premia un tema in astratto: premia il comportamento che quel framing riesce a generare. Se un certo modo di presentare il contenuto produce più click, più reply e più tempo di permanenza, allora sarà favorito.

Perché il codice di X aiuta a capire tutti gli altri social

La vera utilità del repository pubblico di X sta qui: mostra in modo tecnico qualcosa che su altre piattaforme si intuisce solo dagli effetti.

Mostra che l’algoritmo spinge i contenuti che generano segnali forti di attenzione e coinvolgimento.
Il lavoro sui bias cognitivi spiega perché quei segnali si attivano.
E da qui si capisce una regola più ampia: su X e sugli altri social i contenuti diventano virali quando riescono a sfruttare bias cognitivi che si trasformano in comportamento misurabile.

Su X lo si vede nel codice.
Sugli altri social lo si vede nei risultati.
La logica di fondo, però, resta la stessa.

Fonti

• Repository ufficiale X/Twitter: the-algorithm
• Architettura e componenti del sistema di raccomandazione X.
• Segnali usati nella fase di candidate retrieval.
• Documento del ranking model e dei pesi delle azioni.
• Paolo Borzacchiello, Basta dirlo.