La economía de atención de X es más desigual que la riqueza de cualquier país — coeficiente de Gini 0.94

Tenemos 820,548 perfiles públicos de X en un índice de búsqueda, y entre todos reclaman 47,500 millones de seguidores — más de cinco veces la población mundial, porque la mayoría de esos seguidores son el mismo conjunto relativamente pequeño de cuentas contado una y otra vez por todos los que las siguen. Si se ordena ese montón de seguidores según quién lo posee, la imagen no está repartida de forma pareja. Apenas está repartida.

Un coeficiente de Gini más alto que la brecha de riqueza de cualquier país

El coeficiente de Gini es la forma estándar en que los economistas miden qué tan concentrado está algo, de 0 (perfectamente parejo) a 1 (una sola entidad lo posee todo). Aplicado a los seguidores de todo nuestro corpus, el resultado es 0.94.

Como comparación, el Global Wealth Report 2025 de UBS sitúa los coeficientes de Gini de riqueza nacional — ya de por sí una medida mucho más concentrada que el ingreso — en 0.82 para Brasil y Rusia, las economías grandes más desiguales que rastrea, 0.74 para Estados Unidos, y 0.38 para Eslovaquia, el país más igualitario de su muestra. La distribución de seguidores de X entre las cuentas que indexamos está más concentrada que cualquiera de esas brechas de riqueza nacional. La atención en X no solo está distribuida de forma tan desigual como el dinero — está distribuida de forma aún más desigual.

La cima de la pirámide

Estas son las quince cuentas con más seguidores del corpus:

@elonmusk por sí solo tiene 240.9 millones de seguidores — más que las 293,000 cuentas más pequeñas de todo el corpus combinadas. Todas las cuentas de esta lista están verificadas, y cada una superó los 100 millones de seguidores o está a punto de hacerlo, en un corpus donde la cuenta mediana tiene 1,414.

Combinar dos conjuntos desiguales produjo uno más desigual

Recientemente agregamos un nuevo canal de descubrimiento, Common Crawl, que encuentra cuentas de X leyendo lo que la web abierta ya enlaza, en lugar de partir de una lista de notoriedad. Sumó 324,525 cuentas más — en su mayoría, cuentas comunes: una cuarta parte de probabilidad de tener la verificación azul de X, casi la mitad de probabilidad de tener biografía, una sexta parte de probabilidad de superar los 100,000 seguidores. Agregar tantas cuentas "más normales" al índice debería, intuitivamente, diluir la desigualdad del conjunto. Ocurrió lo contrario.

Nivel curado solo (n=496,023)0.93

Nivel Common Crawl solo (n=324,525)0.93

Corpus combinado (n=820,548)0.94

Cada nivel es menos desigual medido por separado que el conjunto combinado. El nivel curado — la semilla original de Wikidata/GitHub/fundadores/periodistas, que ha crecido de forma orgánica desde entonces — tiene un Gini de 0.93. El nivel Common Crawl, por su cuenta, también arroja 0.93, aunque se trata de una población completamente distinta (su propia cuenta más grande, @NetflixBrasil, llega hasta 37.5 millones de seguidores, una sexta parte del total de @elonmusk). Al combinarlos, el Gini sube a 0.94.

Esto no es un artefacto de redondeo — es un efecto de manual de desigualdad entre grupos. Los dos niveles tienen promedios de seguidores enormemente distintos (el nivel curado por sí solo concentra 44,200 millones de los 47,500 millones de seguidores del corpus, con menos de dos tercios de las cuentas), así que al combinarlos se suma una brecha grande entre las poblaciones, encima de la concentración dentro de cada una. Dos grupos moderadamente desiguales, apilados a escalas muy distintas, producen un grupo combinado más desigual que cualquiera de los dos por separado — la misma razón por la que la desigualdad de riqueza global supera la de cualquier país mediano individual, ilustrada aquí en tiempo real sobre nuestro propio conjunto de datos.

Qué tan concentrado, exactamente

La mitad del corpus tiene menos de 1,414 seguidores. Para entrar al 1% superior, una cuenta necesita apenas poco más de 1.4 millones — una cifra que suena enorme hasta que se recuerda que la cuenta líder del propio corpus tiene 170 veces eso. La distancia entre la mediana y @elonmusk no es lineal, ni siquiera se le acerca: es una línea recta en escala logarítmica, la firma clásica de una distribución de ley de potencia, exactamente lo que cabría esperar de una red donde seguir es gratis y la atención es el recurso escaso.

Qué muestra esto, y qué no

Lo que se sostiene: la distribución de seguidores del corpus está más concentrada que la distribución de riqueza de cualquier país que rastrea el informe 2025 de UBS. La concentración es extrema en cada corte — top 1%, top 10%, 50% inferior — y está impulsada por una propiedad matemática genuina de combinar poblaciones de escalas distintas, no por un artefacto de los datos.

Qué lo limita:

• Este es un corpus sembrado y sesgado hacia la notoriedad, no una muestra aleatoria de la base total de más de 600 millones de usuarios de X. Se construyó a partir de fuentes independientes — personas lo bastante notables para tener una entrada en Wikidata, desarrolladores públicos de GitHub, fundadores de startups y periodistas — más, más recientemente, lo que la web abierta enlaza. Ambos métodos de descubrimiento sobrerrepresentan cuentas que ya tienen algo de huella pública. Una muestra verdaderamente aleatoria de cada cuenta de X, la mayoría de las cuales tiene un puñado de seguidores y nunca aparece en un índice de búsqueda ni en los enlaces salientes de una página web, probablemente mostraría un Gini aún más extremo en la parte baja (más cuentas cerca de cero) pero menos extremo en la cima (proporcionalmente menos mega-cuentas) — la dirección neta no es obvia sin extraer una, algo que no hemos hecho.
• Las cifras de Gini aquí se estiman a partir de datos agrupados, no se calculan sobre cada registro individual. Nuestra API pública de datasets limita la paginación a 10,000 registros por consulta pero devuelve totales exactos para cualquier filtro, así que reconstruimos la distribución completa a partir de 33 buckets de conteo de seguidores (cada uno con un conteo exacto de cuentas) más los valores exactos de las 2,000 cuentas principales por seguidores, que dominan la suma total de seguidores. Validamos el método reproduciendo un hallazgo anterior propio: la misma técnica aplicada únicamente al nivel curado devuelve un Gini de 0.932, que coincide con el 0.930 que publicamos a partir de un censo completo de esa misma población en un estado anterior y más pequeño.
• Los conteos de seguidores son una lectura de un solo instante, y el corpus sigue creciendo. Entre nuestros dos últimos estudios, el índice creció en cientos de miles de perfiles en cuestión de días. Las cifras aquí son precisas a fecha de este rastreo; ya estarán algo desactualizadas para cuando se lea esto, aunque la forma del hallazgo se mantiene estable en cada nueva medición que hemos hecho.

Nada de eso cambia el titular: en este conjunto de datos, en este momento, la atención en X está concentrada más allá del punto en que cualquier brecha de riqueza nacional registrada puede igualarla — y combinar dos poblaciones de forma distinta empeoró esa concentración, no la mejoró.

Fuentes

Metodología

Consultamos el dataset de usuarios de X en vivo, a fecha de este rastreo. La API pública de búsqueda limita la paginación a 10,000 registros por consulta pero devuelve un conteo total exacto para cualquier combinación de filtros min_followers/max_followers, sin límite. Usamos eso para construir un histograma de 33 buckets, espaciados logarítmicamente, de la distribución completa de conteo de seguidores (los límites de los buckets aproximadamente se duplican de 0 a 250 millones), confirmando en cada pasada que los buckets sumaban exactamente el total en vivo del corpus, sin desviación. Luego extrajimos las 2,000 cuentas principales por conteo exacto de seguidores mediante sort=followers_desc — estas dominan la suma total de seguidores y los cálculos de percentiles superiores, así que usamos sus valores reales en lugar de una aproximación por buckets; cada cuenta debajo de ese corte se estima según la media geométrica de su bucket, el enfoque estándar para calcular medidas de desigualdad a partir de datos agrupados/en bins. El coeficiente de Gini es la estimación por regla trapezoidal discreta sobre la curva de Lorenz resultante.

Validamos el método volviendo a ejecutarlo limitado a source_tier != common-crawl (por sustracción, la misma técnica que usó el estudio de Common Crawl) y comparando el resultado — 0.932 — con nuestra cifra anterior de censo completo, 0.930, para esa misma población, entonces más pequeña. La brecha del 0.4% es consistente con el crecimiento orgánico del nivel curado entre ambas mediciones, no con un error de metodología.

¿Quieres hacer tu propio corte? El dataset de usuarios de X se puede consultar directamente, la guía de cómo hacer scraping de Twitter/X cubre las llamadas, y precios tiene el plan gratuito. Consulta también el resto de esta serie: el poster más prolífico de X es una máquina, el límite real de follows en X es 7,500, un desarrollador cualquiera tiene 5 veces más probabilidad que una persona notable de tener verificación azul, qué revelan las biografías de X, cómo el nivel Common Crawl cambió nuestro corpus de X, y dónde dicen vivir las cuentas de X.