Twitterの「おすすめ」アルゴリズムが投稿の閲覧数をどのように分配するか
Twitterのほとんどの投稿者は同じ問題に直面しています。それは、投稿が虚空に消えてしまうことです。良い文章、適切なタイミング、トレンドのトピック — しかし、閲覧数は伸びません。その理由はほとんどの場合同じです。投稿が「おすすめ」フィードに表示されなかったためです。Twitterの「おすすめ」アルゴリズムは、おすすめコンテンツをランダムに選択するものではありません。これは、投稿者のフォロワー以外に誰が投稿を見るかを決定する多段階評価システムです。その仕組みを理解することは、盲目的に投稿するのをやめ、真にリーチを促進するメカニズムを理解して作業を開始することを意味します。
「おすすめ」フィードとは何か、そして「フォロー中」フィードとの違いは？
Twitterの「おすすめ」フィードは、ユーザーが投稿者をフォローしているかどうかにかかわらず、投稿を表示するホームページのアルゴリズムによって生成されたセクションです。これは、ユーザーがフォローしているアカウントからのコンテンツのみを表示する「フォロー中」タブとの根本的な違いです。
「おすすめ」に表示されるということは、アカウントを知らないオーディエンスからのインプレッションを得ることを意味します。ここでオーガニックな成長が起こります。新しいユーザーが投稿を見て、それと交流し、購読します。ほとんどの投稿者にとって、Twitterのレコメンデーションフィードは、新しい閲覧数とフォロワーの主要な情報源です。
Xは2026年5月にGitHubで更新された「おすすめ」アルゴリズムを公開し、開発者やマーケターが実際のランキングロジックにアクセスできるようにしました。これは、主要なプラットフォームがそのレコメンデーションシステムの原則を公然と公開する数少ないケースの1つであり、活用する価値があります。
「おすすめ」アルゴリズムがレコメンデーションのために投稿を評価する方法
「おすすめ」フィードでのX.com投稿のランキングは、いくつかの段階を経て行われます。まず、システムは膨大な数の公開物から候補を選択し、次に一連のシグナルによってそれらをランク付けし、その後でユーザーにパーソナライズされた選択肢を表示します。
最初の選択段階では、アルゴリズムはテーマの関連性、つまりユーザーの興味、インタラクション履歴、フォローしているアカウントを考慮します。ユーザーの興味のあるクラスターと一致しない投稿は、ランキングの前にフィルタリングされます。
ランキング段階では、Phoenixモデルが起動します。これは、投稿に対する予測可能なユーザーアクションを評価するシステムです。アルゴリズムは、ユーザーが「いいね」、リツイート、コメント、または「興味なし」をクリックする確率を計算します。予測可能なエンゲージメントが高い投稿は優先されます。
追加のフィルターはアカウントの評判です。XプラットフォームはTweepCredメトリックを使用します。これは、アカウントの権威と活動の内部評価です。TweepCredが高いアカウントは最初から有利になります。彼らの投稿は、レコメンデーションの主要な候補プールに入る可能性が高くなります。
Xアルゴリズムのシグナルとしての投稿の閲覧数
Xアルゴリズムは、投稿の閲覧数を独立した指標としてではなく、行動パターンを評価するための入力シグナルとして認識します。閲覧数自体が投稿を高くランク付けするわけではありません。これらの閲覧中に何が起こるかが重要です。
滞在時間は、2025年から2026年にかけて主要なランキング要因の1つになりました。アルゴリズムは、ユーザーがさらにスクロールする前に投稿に費やした時間を追跡します。より長く読まれる投稿は、高価値のシグナルを受け取り、アルゴリズムは「おすすめ」フィードでのリーチを拡大します。
このため、高い滞在時間と組み合わせた閲覧数は、素早いスクロールを伴う閲覧数とは根本的に異なる効果をもたらします。開かれ、読まれ、反応された投稿は、同じ閲覧数でも注意の遅延がない投稿よりも、アルゴリズムの重みをはるかに速く蓄積します。
「おすすめ」フィードでのエンゲージメントシグナルとリーチ
エンゲージメントとTwitterのリーチは、アルゴリズムロジックを通じてリンクされています。「おすすめ」フィードでのランキングにおいて、投稿との各種類のインタラクションは異なる重みを持っています。
コメントは最も強力なシグナルです。アルゴリズムは、ユーザーが返信を書くほど強い反応を投稿が引き起こした兆候として解釈します。コメントで活発な議論がある投稿は、リーチが拡大されます。アルゴリズムは、一部のユーザーが議論に参加した場合、他のユーザーもそうしたいと仮定します。
引用はコメントと同様に機能しますが、追加の効果があります。各引用は新しい投稿を作成し、それも「おすすめ」に表示される可能性があります。これはリーチの乗数であり、1つの元の投稿が異なるオーディエンスセグメントで一連の投稿を生成します。
リツイートは、再投稿した人のフォロワーに投稿を表示することで、リーチを直接拡大します。アルゴリズムはリツイートを「ユーザーがこれを自分のオーディエンスにとって価値があると見なしている」というシグナルとしても使用し、投稿の優先度を高めます。
「いいね」は、リストされているシグナルの中で最も重みが低いですが、初期のブーストには重要です。拡散の初期段階では、アクティブなアカウントからの「いいね」がリーチ拡大の最初の段階をトリガーし、投稿が主要な「おすすめ」プールに入る機会を与えます。
保存は、Xアルゴリズムが長期的なコンテンツ価値の指標と見なす比較的新しいシグナルです。保存数が多い投稿は、配信システムでより長くアクティブな状態を保ちます。
Twitterのレコメンデーションフィードの仕組み：実践的な要因
Twitterのレコメンデーションフィードの仕組みを理解することで、直感的に行動するのではなく、特定のアルゴリズムシグナルに基づいたコンテンツ戦略を構築できます。
関連性と鮮度。「おすすめ」アルゴリズムは、特に活発に議論されているトピックに関連する新鮮なコンテンツを優先します。トレンドの初期に表示される投稿は、テーマ別クラスタリングからブーストを受け、すでに同様のコンテンツとインタラクションしたオーディエンスにリーチします。
ストリーマー向けサービス
VK Video Live
Dlive
Shopee
Bigo
コンテンツクリエイター向けサービス
