Por Sorsa Editorial

Actualizado en julio de 2026: reformulado el precio en torno a tarifas por lote por cada 1,000, agregada la oferta de inicio gratis, y re-verificada la comparación de costo contra el precio por recurso de abril de 2026 de la API oficial de X.

Conclusión clave Un análisis de competencia en Twitter (X) es una revisión estructurada del desempeño de las cuentas rivales, en cuatro áreas: benchmarks de perfil (seguidores, tasa de crecimiento, cadencia), mezcla de contenido y tasas de engagement, composición de audiencia y share of voice. Corrido con una programación regular, revela qué formatos y temas generan resultados en tu nicho, y los huecos que dejan los rivales.

La mayoría de las guías de análisis de competencia se detienen en «abre el panel y mira». Eso funciona hasta que rastreas más de dos o tres cuentas, comparas ventanas de tiempo, o cargas los datos en tus propios modelos, punto en el cual necesitas los números como registros crudos y estructurados en lugar de gráficos en la herramienta de alguien más. Ese es el hueco que llena esta guía, y es donde entra Sorsa API, un proveedor alternativo de API de Twitter/X: devuelve perfiles, tweets, listas de seguidores y menciones como JSON limpio en un modelo de tarifa plana por solicitud que sale desde $0.02 por cada 1,000 tweets y desde $0.01 por cada 1,000 perfiles en los endpoints por lote, con 20 solicitudes por segundo en todos los planes, un solo encabezado ApiKey en lugar de OAuth y sin cola de aprobación de cuenta de desarrollador. Obtienes los mismos datos públicos que expone la API oficial de X, en una forma contra la que puedes programar, a una fracción del costo.

Esta guía cubre la estrategia y la mecánica: qué métricas rastrear y por qué, cómo identificar a los competidores correctos, cómo extraer cada tipo de dato por API con ejemplos cortos en Python, cuánto cuesta todo comparado con la API oficial de X, y cómo convertir el resultado en una decisión en lugar de una hoja de cálculo.

Tabla de contenidos

¿Qué es un análisis de competencia en Twitter? {#what-is-a-twitter-competitor-analysis}

Un análisis de competencia en Twitter (X) es la práctica de medir las cuentas rivales con las mismas métricas que rastreas para ti, y luego leer los huecos. Combina datos cuantitativos (seguidores, crecimiento, tasa de engagement, frecuencia de publicación) con revisión cualitativa (tono, temas de contenido, qué publicaciones funcionan), así que aprendes no solo lo que hacen los competidores sino lo que funciona para la audiencia que compartes con ellos.

El punto es el contexto. Tu propio crecimiento de seguidores o tasa de engagement significa poco de forma aislada. Puesto contra tres o cuatro competidores en el mismo nicho, los mismos números te dicen si vas adelante, atrás o estancado, y qué palancas específicas (formato, cadencia, tema) están moviendo a las cuentas que van ganando. Un buen análisis termina con una decisión: un formato para probar, un horario de publicación para ajustar, un hueco de tema para llenar.

Hecho a mano, es lento y se cae pasadas un par de cuentas. Hecho con acceso a datos, escala a tantos competidores como quieras y se actualiza con una programación.

Cómo elegir a qué competidores rastrear {#how-to-choose-which-competitors-to-track}

Elige competidores en tres niveles antes de extraer cualquier dato: directos (mismo producto, misma audiencia), indirectos (producto distinto, misma necesidad de audiencia) y aspiracionales (cuentas del tamaño o nivel de engagement al que apuntas). Rastrear los tres mantiene el análisis honesto, porque el conjunto aspiracional muestra lo que es posible mientras que el conjunto directo muestra lo que es realista.

Para encontrar cuentas que aún no conoces, tres señales funcionan bien:

  • Menciones compartidas. Las cuentas que son etiquetadas junto a la tuya en conversaciones de la industria suelen ser competidores o actores adyacentes.
  • Coincidencia de hashtags y palabras clave. Busca los términos y las etiquetas que apuntas y observa qué marcas aparecen publicando contenido similar.
  • Coincidencia de seguidores. Las cuentas que tus seguidores también siguen están compitiendo por la misma atención.

De forma programática, puedes hacer emerger candidatos con una búsqueda por palabra clave entre cuentas y un escaneo de quién menciona a un competidor conocido, usando endpoints como search-users y mentions. Una vez que tienes una lista corta de cuentas, el resto del análisis corre contra esa lista.

Qué métricas de verdad importan {#which-metrics-actually-matter}

Cuatro grupos de métricas cargan casi toda la señal en un análisis de competencia en Twitter: métricas de perfil, métricas de contenido, métricas de engagement y métricas de audiencia. Rastrear más que estas agrega ruido sin agregar perspectiva, y la tasa de engagement importa más que el conteo bruto de seguidores porque refleja cómo responde de verdad una audiencia en lugar de qué tan grande es.

Los grupos se desglosan así:

  • Métricas de perfil: conteo de seguidores y tasa de crecimiento, conteo de seguidos, publicaciones totales, antigüedad de la cuenta, y cambios de bio o de enlace. La tasa de crecimiento es la que hay que vigilar; una cuenta más pequeña que gana de forma constante a menudo le gana a una cuenta grande que se estancó.
  • Métricas de contenido: frecuencia y horario de publicación, distribución de formato de contenido (texto, imagen, video, hilos), y los tópicos o temas a los que un competidor vuelve.
  • Métricas de engagement: likes, retweets, respuestas, citas y la tasa de engagement que las normaliza contra el tamaño de la audiencia. La meta es aprender qué contenido genera respuesta y cuál no.
  • Métricas de audiencia: quién sigue a un competidor, cuántos de esos seguidores son verificados o de alta autoridad y cuánto se solapa su audiencia con la tuya.

Las secciones de abajo toman cada grupo por turno, con la lectura conceptual primero y un ejemplo de código corto para extraer los datos a escala.

Benchmarking de perfiles de competidores {#benchmarking-competitor-profiles}

El benchmarking de perfil establece la línea base: qué tan grande es cada competidor, qué tan rápido crece, con qué frecuencia publica y cómo se posiciona en su bio. Una sola instantánea es casi inútil aquí; el valor viene de registrar los mismos campos con una programación y leer los deltas, ya que la tasa de crecimiento y la cadencia son tendencias, no valores puntuales.

La forma más rápida de extraer la línea base para todo un conjunto de competidores es una consulta de perfiles por lote. El endpoint /info-batch de Sorsa devuelve hasta 100 perfiles completos en una sola solicitud, que cuenta como una solicitud contra tu cuota e incluye el conteo de seguidores, el conteo de publicaciones, el estado de verificado, la bio y la antigüedad de la cuenta.

python
import requests

BASE = "https://api.sorsa.io/v3"
HEADERS = {"ApiKey": "YOUR_API_KEY"}

competitors = ["stripe", "wise", "revolutapp"]

resp = requests.get(
    f"{BASE}/info-batch",
    headers=HEADERS,
    params=[("usernames", u) for u in competitors],
    timeout=30,
)
profiles = resp.json().get("users", [])

for p in profiles:
    print(f"@{p['username']:<14} {p['followers_count']:>12,} followers  "
          f"{p['tweets_count']:>9,} posts  verified={p.get('verified')}")

Para convertir instantáneas en tasas de crecimiento, agrega los resultados a un CSV con una programación diaria o semanal (cron, GitHub Actions, cualquier ejecutor de tareas) y calcula el cambio:

% de tasa de crecimiento = ((seguidores hoy - seguidores hace N días) / seguidores hace N días) * 100

Como el objeto de perfil también carga description, enlaces de bio y created_at, comparar instantáneas sucesivas hace emerger cambios de posicionamiento (una bio reescrita, un destino de enlace cambiado) sin costo extra. Para el panorama completo de seguidores y seguidos, revisa nuestra guía de la API de seguidores de Twitter.

Analizar la estrategia de contenido de un competidor {#analyzing-a-competitors-content-strategy}

El análisis de contenido descompone lo que un competidor publica en una mezcla que puedes comparar: publicaciones originales versus respuestas versus citas, la proporción que lleva medios, el engagement promedio por publicación, y el puñado de mejores desempeños que revelan lo que su audiencia premia. El patrón importa más que cualquier tweet individual, así que extrae una muestra significativa (las últimas cientos de publicaciones) antes de sacar conclusiones.

El endpoint /user-tweets de Sorsa devuelve hasta 20 publicaciones por página y pagina con un next_cursor. A diferencia de la API oficial de X, no hay tope histórico de 3,200 publicaciones, así que la paginación puede llegar al primer tweet de una cuenta.

python
def fetch_user_tweets(username, max_pages=10):
    tweets, cursor = [], None
    for _ in range(max_pages):
        body = {"username": username}
        if cursor:
            body["next_cursor"] = cursor
        r = requests.post(f"{BASE}/user-tweets",
                          headers={**HEADERS, "Content-Type": "application/json"},
                          json=body, timeout=30)
        data = r.json()
        tweets.extend(data.get("tweets", []))
        cursor = data.get("next_cursor")
        if not cursor:
            break
    return tweets

tweets = fetch_user_tweets("stripe")
total = len(tweets)
originals = sum(1 for t in tweets if not t.get("is_reply") and not t.get("retweeted_status"))
with_media = sum(1 for t in tweets if t.get("entities"))
avg_likes = sum(t.get("likes_count", 0) for t in tweets) / total

print(f"{total} posts | {originals/total:.0%} original | "
      f"{with_media/total:.0%} with media | {avg_likes:.0f} avg likes")

Cada objeto de publicación incluye likes_count, retweet_count, reply_count, quote_count y view_count, así que ordenar las publicaciones de un competidor por engagement para encontrar su mejor y peor contenido es un ordenamiento, no una solicitud aparte. Para comparar dos ventanas de tiempo de la misma cuenta (este trimestre versus el anterior), cambia a /search-tweets con los operadores from:, since: y until:; nuestra referencia de operadores de búsqueda de Twitter lista la sintaxis completa. Para respuestas, citas y retweeters en específico, revisa la guía de la API de engagement de Twitter.

Analizar la audiencia de un competidor {#analyzing-a-competitors-audience}

El análisis de audiencia responde quién sigue a un competidor y cuánto se solapa su audiencia con la tuya. Hay dos rutas con perfiles de costo muy distintos: la porción de seguidores verificados (pequeña, de alta señal, barata) y el grafo completo de seguidores (completo, pero caro para cuentas grandes). Empieza con los seguidores verificados a menos que necesites específicamente el grafo entero.

El endpoint /verified-followers devuelve solo las cuentas verificadas que siguen a un usuario, hasta 200 por página. Esta es la porción de mayor señal de cualquier audiencia y una fracción del costo de extraer a todos.

python
def fetch_verified(username, max_pages=5):
    users, cursor = [], None
    for _ in range(max_pages):
        params = {"username": username}
        if cursor:
            params["next_cursor"] = cursor
        r = requests.get(f"{BASE}/verified-followers",
                         headers=HEADERS, params=params, timeout=30)
        data = r.json()
        users.extend(data.get("users", []))
        cursor = data.get("next_cursor")
        if not cursor:
            break
    return users

Para el grafo completo, /followers también devuelve hasta 200 perfiles por página; una cuenta de un millón de seguidores son por lo tanto unas 5,000 solicitudes, así que presupuesta antes de correrla. Una vez que tienes los conjuntos de ID de seguidores de dos cuentas, el solapamiento de audiencia es una intersección de conjuntos:

python
a = {u["id"] for u in fetch_verified("competitor_a")}
b = {u["id"] for u in fetch_verified("competitor_b")}
print(f"Shared: {len(a & b):,} | Only A: {len(a - b):,} | Only B: {len(b - a):,}")

Un solapamiento alto significa que peleas por exactamente la misma audiencia; un solapamiento bajo significa que un competidor ha llegado a gente que tú no. Para convertir listas de seguidores de competidores en prospectos, revisa descubrimiento de audiencia objetivo, y para medir cuánto de los seguidores de un rival es real, los mismos datos de seguidores impulsan una auditoría de seguidores falsos. Una salvedad sobre el desglose específico de cripto: /followers-stats categoriza a los seguidores en influencers, proyectos y VCs, pero solo cubre cuentas ya rastreadas en la base de datos de cripto de Sorsa, así que es útil para cuentas Web3 e incompleto en el resto.

Menciones, sentimiento y share of voice {#mentions-sentiment-and-share-of-voice}

El análisis de menciones mide con qué frecuencia la gente habla de un competidor, cómo se sienten al respecto y qué porción de la conversación total posee cada marca (share of voice). Filtrar las menciones por engagement mínimo antes de analizarlas quita las respuestas de bots y los auto-etiquetados, que de otro modo ahogan la señal.

El endpoint /mentions de Sorsa acepta min_likes, min_replies, min_retweets y filtros de fecha, así que puedes extraer solo las menciones que superaron un piso de engagement en una ventana dada:

python
def fetch_mentions(handle, min_likes=10, max_pages=5):
    out, cursor = [], None
    for _ in range(max_pages):
        body = {"query": handle, "order": "popular", "min_likes": min_likes}
        if cursor:
            body["next_cursor"] = cursor
        r = requests.post(f"{BASE}/mentions",
                          headers={**HEADERS, "Content-Type": "application/json"},
                          json=body, timeout=30)
        data = r.json()
        out.extend(data.get("tweets", []))
        cursor = data.get("next_cursor")
        if not cursor:
            break
    return out

Para el sentimiento, una biblioteca de código abierto como VADER corre localmente sin costo por llamada y maneja el texto de redes sociales razonablemente bien; canaliza hacia un LLM solo las menciones de alto engagement o marcadas cuando necesites lecturas más agudas sobre el sarcasmo o las quejas técnicas. Nuestro recorrido de análisis de sentimiento de Twitter cubre el paso completo de clasificación, y la guía de la API de menciones de Twitter cubre el conjunto de filtros a fondo.

El share of voice es entonces un ratio sobre un período fijo:

Share of voice = (tus menciones) / (tus menciones + suma de menciones de competidores)

Rastrea el cambio semana a semana en lugar del número absoluto, porque los eventos a nivel de categoría inflan el volumen de menciones de todos a la vez y oscurecen tu propio movimiento.

Cuánto cuesta rastrear competidores: API oficial de X vs Sorsa {#what-competitor-tracking-costs-official-x-api-vs-sorsa}

Extraer datos de competidores es mucho más barato en una API de tarifa plana por solicitud que en una por recurso, porque un modelo por recurso cobra por separado cada publicación y cada perfil en una respuesta, incluido el perfil del autor adjunto a cada tweet. Una sola página de búsqueda que devuelve 20 publicaciones más sus 20 perfiles de autor se cobra como 40 lecturas separadas en el modelo oficial, pero como una solicitud en un modelo de tarifa plana.

La API oficial de X corre un modelo de consumo: según su precio de abril de 2026, leer publicaciones cuesta $0.005 por publicación, leer usuarios (y seguidores o seguidos) cuesta $0.010 por recurso, las cuentas de pago por uso tienen un tope de 2 millones de lecturas de publicación al mes, y el acceso usa OAuth 2.0 con un token bearer. Sorsa cobra una solicitud por llamada a la API sin importar lo que devuelva, incrusta el perfil del autor en cada tweet gratis, y autentica con una sola clave. Aquí está el mismo trabajo de análisis de competencia con precio de las dos formas:

TareaAPI oficial de X (por recurso)Sorsa API (por solicitud)
Extraer 1 página de búsqueda (20 publicaciones + 20 perfiles de autor)20 x $0.005 + 20 x $0.010 = $0.301 solicitud (~$0.002 en Pro), autores incluidos gratis
Consultar 100 perfiles de competidores100 x $0.010 = $1.001 solicitud /info-batch (~$0.002 en Pro)
Extraer 1,000 perfiles de seguidores1,000 x $0.010 = $10.005 solicitudes vía /followers ($0.01 en Pro)
AutenticaciónOAuth 2.0 + token bearerUn solo encabezado ApiKey
Límite de tasaVentanas por endpoint, varía20 solicitudes/seg, todos los planes
Techo de lecturas mensual2M lecturas de publicación, luego bloqueadoCuota del plan (10K a 500K solicitudes), sin tope por endpoint
Acciones de escritura (publicar, DMs)Disponibles (precio aparte)Ninguna (solo lectura)

A un volumen realista de análisis de competencia, la diferencia se acumula rápido. Rastrear cinco competidores con perfiles, publicaciones recientes y menciones a una cadencia semanal sale del orden de $60 al mes en la API oficial una vez que se cuentan las lecturas de autor, y cabe dentro del plan Starter de $49 de Sorsa con espacio de sobra. A lo largo de cargas de trabajo intensivas en lectura, el modelo de tarifa plana es hasta 50 veces más barato, y el desglose completo está en nuestro análisis de precios de la API de Twitter. Para ver cómo se compara el modelo de tarifa plana con el campo más amplio de proveedores, revisa nuestra guía de alternativas a la API de Twitter.

El trade-off honesto: la API oficial de X es la que hay que usar cuando necesitas escribir (publicar, responder, enviar DMs) o necesitas streaming filtrado, porque Sorsa es de solo lectura por diseño. Para el análisis, que es un trabajo de solo lectura, esa limitación nunca aplica, y la estabilidad de solo lectura es parte de la razón por la que los datos se mantienen consistentes.

Si prefieres no escribir código para nada, la herramienta gratuita de comparación de perfiles pone dos usuarios lado a lado en seguidores, tasa de engagement, promedio de likes y retweets, frecuencia de publicación y antigüedad de la cuenta, y la calculadora de tasa de engagement hace las cuentas de engagement por tweet para una sola cuenta.

Con qué frecuencia hacerlo, y qué hacer con los hallazgos {#how-often-to-run-it-and-what-to-do-with-the-findings}

Haz un análisis de competencia profundo cada trimestre y uno ligero cada semana. La pasada trimestral reinicia tu vista del panorama (quién está creciendo, quién cambió su posicionamiento, qué formatos se apoderaron del terreno), mientras que la pasada semanal atrapa los cambios veloces en publicación y engagement. Datos así de volátiles se vuelven obsoletos en semanas, así que un análisis de una sola vez vale mucho menos que uno programado. El mismo principio de programación sustenta el monitoreo en tiempo real de menciones y actividad de competidores.

Los hallazgos solo son útiles si se convierten en un plan. Una forma simple de estructurar el resultado es por horizonte de tiempo:

  • Victorias rápidas (este mes): cambios que puedes probar de inmediato, como un horario de publicación del que un competidor claramente se beneficia, un formato que consistentemente rinde más en tu nicho, o un ajuste de bio.
  • Mediano plazo (uno a tres meses): cambios en el calendario de contenido, nuevos formatos para poner a prueba, o una cadencia de gestión de comunidad basada en cómo los líderes de tu espacio responden a su audiencia.
  • Largo plazo (tres a seis meses): apuestas más grandes que los datos justifican, como una nueva serie de contenido o un reposicionamiento, respaldadas por evidencia en lugar de una corazonada.

Una pasada FODA sobre los datos reunidos (dónde los competidores son fuertes, dónde son débiles, qué está abierto, qué te amenaza) es una forma rápida de traducir métricas crudas en esos tres grupos.

Errores comunes {#common-mistakes}

Los errores recurrentes en el análisis de competencia en Twitter son predecibles. Evita estos:

  • Perseguir métricas de vanidad. El conteo de seguidores halaga a las cuentas grandes y estancadas. La tasa de engagement y la tasa de crecimiento describen lo que de verdad está pasando.
  • Copiar en lugar de aprender. La meta es entender por qué algo funciona para una audiencia compartida, y luego adaptarlo, no clonar el calendario de un competidor.
  • Comparar entre cuentas disparejas. Una cuenta establecida por una década con un equipo grande no es un benchmark equivalente para una marca de un año. Segmenta a los competidores para que la comparación sea justa.
  • Ignorar el costo y la escala. La revisión manual y el precio por recurso se caen ambos pasadas unas pocas cuentas. Si el análisis no es barato y repetible, no se mantendrá regular.
  • Sacar conclusiones de muestras diminutas. Un puñado de publicaciones no es una estrategia de contenido. Extrae unas cientos antes de decidir cuál es la mezcla de un competidor.

Automatizar un reporte semanal de competencia {#automating-a-weekly-competitor-report}

Los cinco análisis de arriba se componen en un solo trabajo programado, el cimiento del rastreo de competidores continuo: extrae perfiles para el conjunto de competidores, registra una instantánea y calcula el crecimiento, descompón el contenido reciente, obtén los seguidores verificados, clasifica las menciones, y calcula el share of voice, todo desde la misma clave. Para tres competidores a una cadencia semanal con profundidad por defecto, el reporte entero usa del orden de 150 a 200 solicitudes por ejecución, cómodamente bajo 1,000 solicitudes al mes.

Al construir y operar la API de Sorsa desde 2022, el patrón que vemos con más frecuencia es equipos cosiendo estas llamadas en un cron job o un flujo de trabajo de GitHub Actions que escribe un CSV o postea un resumen a Slack. El script consolidado completo, con cada función auxiliar conectada, vive en nuestra documentación del flujo de análisis de competencia, y los docs de autenticación cubren la configuración de la clave.

En la práctica, una agencia de analítica social de unas 12 personas con la que trabajamos rastreaba unos 20 usuarios de competidores por semana a lo largo de las cuentas de sus clientes. En la API oficial de X, las lecturas de perfil de autor cobradas por separado y adjuntas a cada publicación hacían que su factura mensual oscilara con el volumen y se arrastrara hacia el techo de lecturas por mes. Mover la carga de lectura a un modelo de tarifa plana por solicitud, con los perfiles de autor incluidos en cada tweet sin cargo extra, hizo el costo predecible de mes a mes y lo recortó marcadamente, que es el resultado esperado dado el cálculo de por recurso versus por solicitud de arriba. Ningún cambio en los datos que recolectaban, solo en lo que costaba y en qué tan estable era la factura.

Preguntas frecuentes {#faq}

¿Cuál es la diferencia entre el análisis de competencia en Twitter y el benchmarking? El análisis de competencia es la práctica más amplia de estudiar la estrategia, el contenido y la audiencia de las cuentas rivales para encontrar oportunidades. El benchmarking es el paso más estrecho de comparar métricas específicas, como la tasa de engagement o el crecimiento de seguidores, contra esos competidores o un promedio de la industria. El benchmarking es un componente de un análisis de competencia completo, aportando los números contra los que te mides.

¿Se puede hacer un análisis de competencia en Twitter sin programar? Sí. Las herramientas gratuitas sin código cubren lo básico: la herramienta de comparación de perfiles de Sorsa pone dos usuarios lado a lado en seguidores, tasa de engagement, promedio de likes y retweets, frecuencia de publicación y antigüedad de la cuenta, y su calculadora de tasa de engagement hace las cuentas por tweet para una cuenta. Para rastrear muchos competidores con una programación o alimentar datos a tus propios modelos, una API es la ruta más práctica.

¿Cómo analizar los tweets de competidores de forma económica a escala? Usa una API de tarifa plana por solicitud en lugar del cobro por recurso de la API oficial de X. Sorsa API devuelve tweets, perfiles, listas de seguidores y menciones como JSON por una solicitud por llamada, incrusta el perfil del autor de cada tweet gratis y empieza en $49 por 10,000 solicitudes con 20 solicitudes por segundo, lo que hace que extraer cientos de publicaciones de competidores cueste centavos en lugar de dólares.

¿Qué tan atrás se pueden analizar los tweets de un competidor? Más atrás de lo que la API oficial permite. La API oficial de X limita las lecturas de la línea de tiempo de usuario a 3,200 publicaciones, pero el endpoint user-tweets de Sorsa pagina sin ese tope, así que puedes llegar a las publicaciones más tempranas de una cuenta, y su endpoint de búsqueda con los operadores since y until extrae publicaciones de cualquier ventana histórica.

¿Qué métricas de Twitter importan más para el análisis de competencia? La tasa de engagement, la tasa de crecimiento de seguidores, la cadencia de publicación y la distribución de formato de contenido cargan la mayor señal. La tasa de engagement le gana al conteo bruto de seguidores porque refleja cómo responde una audiencia en lugar de qué tan grande es, y la tasa de crecimiento revela el impulso que un total estático de seguidores esconde.

¿Está permitido analizar los datos públicos de X de un competidor? Analizar datos de cuenta disponibles públicamente, como publicaciones públicas, conteos de seguidores y números de engagement, es investigación competitiva estándar y de solo lectura por naturaleza, ya que recolecta información pública existente en lugar de publicar o interactuar. Esto es información general, no asesoría legal; revisa los términos vigentes de la plataforma y tus propios requisitos legales para tu uso específico.

Cómo empezar {#getting-started}

Puedes correr tu primera extracción de competidores en unos tres minutos. Empieza con 100 solicitudes gratis, por única vez, sin tarjeta requerida, que nunca expiran y cubren los 40 endpoints de solo lectura, luego crea una clave sin aprobación de cuenta de desarrollador requerida. El mismo encabezado ApiKey funciona en todos los endpoints, desde consultas de perfiles por lote hasta menciones con filtros de engagement. Los planes de pago empiezan desde $0.02 por cada 1,000 tweets ($49 por 10,000 solicitudes en Starter), cada plan corre a 20 solicitudes por segundo, y no hay ventanas por endpoint que gestionar.

Empieza en el playground de la API para probar endpoints en el navegador sin código, lee el script completo del reporte semanal en nuestros docs o compara planes en la página de precios. Para volúmenes por encima de 500,000 solicitudes al mes o un límite de tasa dedicado, habla con ventas.

Revisado por Keksich, fundador de Sorsa, marketer e investigador de la API de X.

Cómo se armó esta guía: se apoya en nuestro trabajo práctico construyendo y operando la API alternativa de Twitter/X de Sorsa, la API en vivo en sí, y la documentación vigente de Sorsa API. La comparación de costo usa el precio por solicitud publicado de Sorsa y el precio por recurso de abril de 2026 de la API oficial de X, calculado para tareas idénticas de análisis de competencia. Los nombres de endpoints, los límites y los campos de respuesta se verificaron contra la referencia v3 de Sorsa API. Verificado el 6 de julio de 2026.