analyzing-twitter-sentiment-for-topic

トピックのTwitterセンチメント分析

任意のトピックやキーワードに関するツイートのサンプルを収集し、データセット全体のセンチメントを分析します。優勢な感情の傾向、ポジティブ／ネガティブなセンチメントの要因となる主なテーマ、時間の経過に伴う投稿数のパターンを特定します。

前提条件

• APIFY_TOKEN 環境変数が設定されていること
• 任意：Apify MCP サーバーがインストールされていること

入力

パラメーター	型	必須	デフォルト	備考
searchTerms	配列	✅	[]	Twitter の高度な検索クエリ（例：["#AI lang:en", "from:NASA"]）
sort	文字列	任意	Top	並べ替え順：Latest、Top、Latest+Top
tweetLanguage	文字列	任意	—	ISO 639-1 言語コード（例：en）
maxItems	数値	任意	無制限	返すツイートの最大数
onlyVerifiedUsers	真偽値	任意	false	認証済みユーザーのツイートのみ
onlyTwitterBlue	真偽値	任意	false	Twitter Blue の登録者のみ
onlyImage	真偽値	任意	false	画像付きのツイートのみ
onlyVideo	真偽値	任意	false	動画付きのツイートのみ
onlyQuote	真偽値	任意	false	引用ツイートのみ
author	文字列	任意	—	特定の投稿者ハンドルに絞り込む
inReplyTo	文字列	任意	—	特定のハンドルへの返信ツイート
mentioning	文字列	任意	—	特定のハンドルに言及するツイート
geotaggedNear	文字列	任意	—	特定の場所周辺のツイート
withinRadius	文字列	任意	—	geotaggedNear の周囲の半径
geocode	文字列	任意	—	緯度／経度＋半径の文字列
placeObjectId	文字列	任意	—	場所がタグ付けされたツイート
minimumRetweets	数値	任意	—	リツイートの最小数
minimumFavorites	数値	任意	—	いいねの最小数
minimumReplies	数値	任意	—	返信の最小数
start	文字列	任意	—	この日付以降のツイート（YYYY-MM-DD）
end	文字列	任意	—	この日付以前のツイート（YYYY-MM-DD）
includeSearchTerms	真偽値	任意	false	各ツイートに一致した検索語を追加する
customMapFunction	文字列	任意	—	各出力オブジェクトを変換する JavaScript 関数

ワークフロー

Progress:
- [ ] Step 1: Define topic and sentiment scope
- [ ] Step 2: Collect tweets via search
- [ ] Step 3: Classify sentiment per tweet
- [ ] Step 4: Identify themes per sentiment bucket
- [ ] Step 5: Deliver sentiment report

ステップ 1：パラメーターの確認

ユーザーに次の情報を尋ねます：

• 分析するトピック、キーワード、またはブランド
• 日付範囲（デフォルト：過去7日間 — Twitter のセンチメントデータは急速に古くなります）
• 言語（デフォルト：英語）
• サンプルサイズ（デフォルト：500件のツイート — 信頼できる分布を得るのに十分です）
• リツイートを除外しますか？（デフォルト：はい — 重複する意見のシグナルを減らします）
• 比較対象のトピック（任意 — センチメントを並べて比較する場合）

ステップ 2：ツイートの収集

推奨 — run_actor.js（待機、出力、ファイル保存を自動で処理します）：

# Quick answer (prints table to chat)
node scripts/run_actor.js \
  --actor "apidojo~tweet-scraper" \
  --input '{"param": "value"}'

# Save as CSV
node scripts/run_actor.js \
  --actor "apidojo~tweet-scraper" \
  --input '{"param": "value"}' \
  --output YYYY-MM-DD_results.csv --format csv

# Save as JSON
node scripts/run_actor.js \
  --actor "apidojo~tweet-scraper" \
  --input '{"param": "value"}' \
  --output YYYY-MM-DD_results.json --format json

APIFY_TOKEN は環境変数または .env ファイルに設定する必要があります。

Apify MCP が利用可能な場合：

Tool: apify:run-actor
Actor: "apidojo~tweet-scraper"
Input:
{
  "searchTerms": ["[TOPIC_KEYWORD]"],
  "maxItems": 500,
  "tweetLanguage": "en",
  "since": "[YYYY-MM-DD]",
  "until": "[YYYY-MM-DD]"
}

REST API を使用する場合：

curl -X POST \
  "https://api.apify.com/v2/acts/apidojo~tweet-scraper/runs?token=$APIFY_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "searchTerms": ["[TOPIC_KEYWORD]"],
    "maxItems": 500,
    "tweetLanguage": "en",
    "since": "[YYYY-MM-DD]"
  }'

ステップ 3：センチメントの分類

各ツイートの text を対象に、語彙的なシグナルを使って Positive、Negative、Neutral に分類します。

ポジティブな指標： love、great、amazing、perfect、best、win、excited、congrats、excellent、recommend、beautiful、proud、happy、thank、awesome、incredible ネガティブな指標： hate、awful、worst、terrible、broken、scam、disappointed、angry、frustrated、disgusted、avoid、never again、shame、sad、fail、wrong、bad 強いネガティブ表現： "can't believe"、"what a joke"、"are you serious"、"wtf"、"this is ridiculous" デフォルトの中立判定： 上記以外

判断が難しい場合は、絵文字のシグナルを使います：

• 😍🥰❤️🙌👏✨🔥 → ポジティブ寄り
• 😡🤬😤💀🗑️🤢👎 → ネガティブ寄り
• 🤔😐🤷 → 中立寄り

エンゲージメントに応じてツイートに重み付けします。いいねが1,000件のツイートは、いいねが0件のツイートよりも強いシグナルとなります。

ステップ 4：テーマの抽出

ネガティブなツイートの場合：繰り返し登場する名詞やテーマの上位 3～5 個を特定します。具体的に何に不満を感じているのでしょうか？ ポジティブなツイートの場合：繰り返し登場する称賛のテーマの上位 3～5 個を特定します。

繰り返し登場する人名、場所、製品などの固有名詞や、具体的なイベント、機能名を探します。

ステップ 5：レポートの形式

出力形式

# Twitter Sentiment Analysis: "[TOPIC]"
Period: [DATE_RANGE] | Tweets analyzed: [N] | Date: [DATE]

## Overall Sentiment

████████████░░░░░░░░ ポジティブ：[X%]（[N] 件のツイート） ████░░░░░░░░░░░░░░░░ ネガティブ：[X%]（[N] 件のツイート） ██████████░░░░░░░░░░ 中立：[X%]（[N] 件のツイート）

Weighted by engagement:
- Positive sentiment accounts for [X%] of total likes/RTs
- Negative sentiment accounts for [X%] of total likes/RTs

**Overall verdict:** [Mostly Positive / Mixed / Mostly Negative / Polarized]

## Top Negative Themes
1. "[Theme]" — [N] tweets, [N] total likes
   Example: "@[handle]: [tweet excerpt]"
2. "[Theme]" — [N] tweets
3. "[Theme]" — [N] tweets

## Top Positive Themes
1. "[Theme]" — [N] tweets, [N] total likes
   Example: "@[handle]: [tweet excerpt]"
2. "[Theme]" — [N] tweets

## Most Engaged Tweets
🔴 Most-liked negative: @[handle] ([N] likes): "[excerpt]"
🟢 Most-liked positive: @[handle] ([N] likes): "[excerpt]"

## Volume Over Time
[Day 1]: [N] tweets | [Day 2]: [N] tweets | [Day 3]: [N] tweets

## Notable Spikes
[Date with highest volume] — [N] tweets | Likely cause: [describe if detectable from tweet context]

トラブルシューティング

**感情分析が不正確に感じられる：**語彙分析では皮肉を見落とします。重大な判断を行う場合は、各分類の上位 20 件のツイートを手動で確認してください。 **トピックの範囲が広すぎる：**検索語を絞り込みます。「Apple」ではテクノロジーと食品が検索されるため、代わりに「Apple iPhone」を使用してください。 **ツイート数が非常に少ない：**現在、Twitter でそのトピックがあまり話題になっていない可能性があります。日付範囲を広げてください。