Het internet blijft worstelen met één vraag die door Ella Langley’s countryhit met het record is opgeroepen: hoe kon een nummer waarvan veel mensen zeggen dat ze het nooit hebben gehoord, van een zangeres die ze niet herkenden, meer weken op nummer 1 staan dan welk ander nummer dan ook in de 68-jarige geschiedenis van de Billboard Hot 100?

Langley’s “Choosin’ Texas” stond 24 weken bovenaan de lijst en brak daarmee het record van 22 weken van Mariah Carey’s “All I Want for Christmas Is You.” Carey’s kerstnummer is een vaste seizoenswaarde die elk jaar in de winter terugkeert in het publieke debat. Langley’s reeks eindigde in de hitlijst van 10 oktober, toen Taylor Swift’s “Patient Zero” binnenkwam op nummer 1. Carey’s nummer, dat doorgaans elk december terugkeert naar de eerste plaats, zou drie extra weken bovenaan nodig hebben om het record terug te veroveren, aldus Billboard en Billboard’s verslag van Swift’s entree.

Toch wist slechts 24% van de Amerikaanse muziekluisteraars in het tweede kwartaal van 2026 wie Ella Langley was, aldus het entertainmentdata- en onderzoeksbureau Luminate, dat de cijfers met Fortune deelde. De bekendheid was gestegen van 13% in het vierde kwartaal van 2025 en 17% in het eerste kwartaal van 2026, maar bereikte nog altijd minder dan één op de vier Amerikaanse muziekluisteraars.

Een nummer 1-hit kan de omgeving dus nog steeds doen vragen: “Wie?” De kloof roept een bredere vraag op: wat is er met de monocultuur gebeurd?

Monocultuur verwijst naar een gedeelde set culturele referenties – de nummers, televisieprogramma’s en films waarvan mensen konden aannemen dat anderen die kenden, ongeacht of ze ze zelf leuk vonden. Inmiddels gebruiken critici de term ook in bijna tegengestelde zin, om te beschrijven hoe algoritmes en kunstmatige intelligentie cultuur kunnen vlakken tot uniformiteit.

Het delen van referenties was eenvoudiger toen het merendeel van wat mensen zagen en hoorden via een klein aantal televisiezenders, radiostations en MTV kwam. Toeleveranciers van de industrie beslisten wat een massubliek bereikte. Mensen hoefden geen fan te zijn om te weten waar iedereen het over had.

Dat gedeelde publiek heeft nooit iedereen omvat en begon al vóór TikTok te fragmenteren. Maar gepersonaliseerde feeds hebben die verdeling verder versterkt: wat een gebruiker bereikt, hangt steeds meer af van wat het systeem van een platform denkt dat die specifieke persoon wil zien. Fortune onderzocht eerder de relatie tussen algoritmes, AI en monocultuur in een aparte reportage.

De feedbacklus in actie

TikTok benadrukt de personalisatie van zijn For You-feed. Zoals het bedrijf uitlegt in zijn beschrijving van hoe aanbevelingen werken, “bestaat er niet één For You-feed.”

Zo kan een gebruiker één concertclip van Olivia Rodrigo bekijken en vervolgens het gevoel krijgen dat elke vijfde video weer zo’n clip toont. TikTok zegt dat zijn systeem kijkt naar wat gebruikers leuk vinden en delen, wie ze volgen en of ze een video tot het einde bekijken. Het beoordeelt ook de video’s zelf, waaronder hun bijschriften, geluiden en hashtags. Ook taalvoorkeur, landinstelling en apparaattype worden meegewogen, al zegt TikTok dat die factoren minder zwaar wegen.

Samen helpen die signalen het systeem bepalen welke content meer van de aandacht van een gebruiker verdient. TikTok zegt bovendien te proberen variatie te behouden, onder andere door doorgaans niet twee opeenvolgende video’s te tonen die hetzelfde geluid gebruiken of van dezelfde maker komen.

In de Verenigde Staten wordt het aanbevelingssysteem nu beheerd door de joint venture met steun van Oracle die in januari TikTok’s Amerikaanse activiteiten overnam. De joint venture heeft aangegeven het aanbevelingsalgoritme opnieuw te zullen trainen met Amerikaanse gebruikersdata. Fortune berichtte in december 2025 over deze eigendomsregeling.

Blijf je een bepaald type content bekijken, dan kan het algoritme steeds meer van hetzelfde blijven tonen. Onderzoekers hebben die feedbacklus waargenomen in een studie die in februari in EPJ Data Science werd gepubliceerd. De onderzoekers testten TikTok’s For You-feed met geautomatiseerde accounts die rond verschillende interesses waren geprogrammeerd.

De studie wees uit dat TikTok in toenemende mate video’s aanbeval die bij die interesses pasten, waarbij die versterking doorgaans al begon binnen de eerste 200 bekeken video’s. De feeds behielden enige variatie, maar naarmate de interesses van een account sterker werden versterkt, stuitte het op minder uiteenlopende hashtags. De experimenten werden in 2024 uitgevoerd, vóór TikTok’s eigendomswisseling in de VS. De studie is beschikbaar via Springer.

De bevindingen helpen verklaren waarom de ene persoon denkt dat een onderwerp het internet verovert, terwijl een buurman een volkomen andere feed krijgt en geen idee heeft waar het over gaat.

Gebruikers kunnen hun eigen selectie ook zelf vernauwen. TikTok en andere platforms bieden beheeropties zoals TikTok’s “Manage Topics”-instelling, waarmee gebruikers kunnen aangeven welke onderwerpen ze meer of minder willen zien. Details over deze functie werden gemeld door TechCrunch.

Aan alle kanten geobserveerd

De informatie waarmee een feed wordt gepersonaliseerd, kan ook van buiten de app komen. Meta kondigde in juni aan dat het informatie die andere bedrijven al met het bedrijf delen, waaronder aankopen op andere websites, zal gebruiken om de feeds en AI-antwoorden van gebruikers te personaliseren – en niet alleen advertenties.

Meta’s voorbeeld was eenvoudig: iemand die online een tent koopt, kan daarna meer kampeergerelateerde Reels te zien krijgen. Gebruikers kunnen deze activiteit beheren via een instelling genaamd “Activity from other businesses,” aldus de aankondiging van het bedrijf.

Wat gebruikers bekijken en wat ze kopen, kan beide bijdragen aan de berekening en zo een persoonlijk hoekje van het internet vormgeven, toegesneden op die ene persoon.

Niet iedereen juicht dat gemak toe. New Yorker-schrijver Kyle Chayka wijdde er zelfs een compleet boek aan zijn bezwaren: Filterworld: How Algorithms Flattened Culture.

“Deze digitale platforms en feeds beloven een soort gemeenschappelijke ervaring … maar ik denk dat ze onze ervaringen eigenlijk atomiseren, omdat we nooit kunnen weten wat anderen in hun eigen feeds zien,” vertelde Chayka in 2024 aan NPR’s Fresh Air. Het interview is beschikbaar via NPR.

Deze fragmentatie, betoogde Chayka, haalt een deel van het plezier uit kunst en maakt het voor mensen moeilijker om zich over dezelfde dingen op te winden. Geavanceerdere aanbevelingssystemen kunnen gebruikers in afzonderlijke bellen achterlaten. Maar de spanning blijft: als iets iemand niet interesseert, hoort het dan in diens feed thuis, louter om een gedeelde culturele ervaring te creëren? En als de content iemand nooit bereikt, hoe kan die persoon dan weten of hij het leuk zou hebben gevonden?

Dit verhaal verscheen oorspronkelijk op Fortune.com.