brand-listening

ブランドの評判を調査する

ソーシャルプラットフォーム、ニュース、レビューで人々がブランドについて実際に何と言っているかを調べます。古くなった学習データではなく、リアルタイムのウェブデータを活用します。収集には Bright Data CLI（bdata）を使い、センチメントとテーマの分析レイヤーを組み合わせて、出典付きで実用的なダイジェストを作成します。

ブランドのセンチメントに関する質問には、学習データだけをもとに回答しないでください。 世論は日々変化します。必ず最初に最新の言及を収集し、その後で分類・統合してください。

前提条件

1. Bright Data CLI がインストールされていること：

   curl -fsSL https://cli.brightdata.com/install.sh | bash
   

2. 初回ログインが完了していること：

   bdata login    # or: bdata login --device  (SSH / headless)
   

収集を始める前に確認してください：

if ! command -v bdata >/dev/null 2>&1; then
    echo "bdata CLI not installed — see skills/bright-data-best-practices/references/cli-setup.md"
elif ! bdata zones >/dev/null 2>&1; then
    echo "bdata not authenticated — run: bdata login"
fi

どちらかの確認に失敗した場合は処理を中止し、セットアップに案内してください。

基本的なワークフロー

1. 範囲を明確にする — どのブランド／製品／人物が対象ですか？ 対象プラットフォームはどれですか？ 期間はどれくらいですか（デフォルト：過去 30 日間）？ ユーザーはその情報を何に使いたいですか（全般的な状況確認、ローンチのモニタリング、苦情のトリアージ、支持者の発掘など）？
2. 発見してから収集する — bdata search でブランドについて話題にされている場所を探し、その後 bdata pipelines で各プラットフォームから構造化された言及を取得します。独立した呼び出しは並列で実行してください。
3. 正規化する — 分析を始める前に、すべての生の結果を references/sentiment-and-output.md に記載された単一の言及スキーマに統一してください。
4. 分類してクラスタリングする — 理由を添えて言及ごとにセンチメントを割り当て、その後、言及をテーマごとにグループ化します。センチメントに関するガードレールに従い、どちらの側も過大評価しないでください。
5. 提供する — 出典付きのダイジェスト（出力 A）を作成し、必要に応じて構造化データセット（出力 B）も添えます。すべてのレポートの最後に「では、どうするか — 推奨事項」のセクションを設けてください。

データ収集のルール

• まず発見する。 最初から適切な URL が分かっていることはほとんどありません。bdata search "<brand> site:reddit.com" --json（およびプラットフォームごとのバリエーション）を実行して、スレッド、プロフィール、記事を探してから、その URL をパイプラインに渡してください。
• プラットフォームに既成のスクレイパーがある場合は、bdata scrape よりも bdata pipelines を優先してください。 パイプラインは、作成者、日付、エンゲージメント、テキストを含む、整理された JSON を返します。
• スクレイパーは推測せず、調べてください。 プラットフォームごとに bdata pipelines search "<platform> <data type>" を実行し、次に bdata pipelines info <dataset_id> <method> で入力フィールドを確認してから、bdata pipelines run を実行します。dataset_id やフィールド名を推測しないでください。ワークフロー全体については、brightdata-cli スキルと pipelines reference を参照してください。
• 出力を解析またはパイプ処理する必要がある場合は、必ず --json を指定してください。
• コスト効率を意識してください — 通常の調査で必要な bdata 呼び出しは約 6～12 回であり、50 回ではありません。すべてを取得するのではなく、シグナルの強いスレッドやプロフィールを取得してください。
• 1 回の応答内で複数の Bash ツール呼び出しを使い、独立した呼び出しを並列実行してください。
• すべての言及に出典 URL が必要です。 出典のない引用は一切使わないでください。
• センチメントを捏造したり、データの欠落を補ったりしないでください。 プラットフォームから結果が得られなかった場合は、「不足している情報と注意点」に記載してください。

プラットフォームモジュール

ブランドに適したプラットフォームを選んでください。一般消費者向け／文化系ブランドは TikTok／Instagram／Reddit、B2B／SaaS は Reddit／X／レビューサイト、地域のビジネスは Google マップのレビューが中心になります。

以下の各 run では、その直前の search 行で選んだ dataset_id を使います。最初に bdata pipelines info <dataset_id> <method> を確認してください。コメント数や遡る日数などの追加入力は、そこで指定された --<field> <value> フラグで渡します。

Reddit — 率直で飾らないセンチメント

# Discover relevant threads
bdata search "<brand> site:reddit.com" --json
bdata search "<brand> review reddit" --json

# Pull structured post + comment data from the threads found
bdata pipelines search "reddit posts"
bdata pipelines run <dataset_id> collect_by_url "<reddit-thread-url>" -o reddit.json

Reddit は、ブランドの公式チャネルが隠している率直な意見を得られる、最良の情報源です。優先してください。

X / Twitter — リアルタイムの反応

bdata search "<brand>" --json                      # find recent discussion
bdata pipelines search "x posts"
bdata pipelines run <dataset_id> collect_by_url "<x-post-url>" -o x.json

Instagram — ブランドの美観、コメント、支持

bdata pipelines search "instagram posts"         # profile posts; pick a method with info
bdata pipelines search "instagram comments"
bdata pipelines run <dataset_id> collect_by_url "<instagram-post-url>" -o ig_comments.json

TikTok — 文化的な関連性、バイラルなセンチメント

bdata pipelines search "tiktok posts"            # profile posts; pick a method with info
bdata pipelines search "tiktok comments"
bdata pipelines run <dataset_id> collect_by_url "<tiktok-video-url>" -o tt_comments.json

YouTube — レビュー、チュートリアル、長文の意見（コメントは非常に有益です）

bdata search "<brand> review youtube" --json
bdata pipelines search "youtube videos"
bdata pipelines search "youtube comments"
bdata pipelines run <dataset_id> collect_by_url "<video-url>" -o yt_comments.json

レビュー — 構造化された顧客センチメント

# App-based products, local businesses, Facebook pages: find the review scraper
bdata pipelines search "google play"             # or "apple app store"
bdata pipelines search "google maps reviews"
bdata pipelines search "facebook reviews"
bdata pipelines run <dataset_id> collect_by_url "<listing-or-page-url>" -o reviews.json

# SaaS / software — discover then scrape (no pipeline)
bdata search "<brand> site:g2.com" --json
bdata search "<brand> site:capterra.com" --json
bdata scrape "<g2-or-capterra-url>"

ニュースと報道 — 報道内容と論調

bdata search "<brand>" --json                  # general SERP, scan for news
bdata scrape "<article-url>"                    # pull full article text for tone

スクレイパーをハードコードしないでください。 カタログは変更されるうえ、同じ名前のスクレイパーが複数存在することもあります。必ず同じセッション内で、bdata pipelines search から dataset_id を選び、bdata pipelines info からフィールドを確認してください。

収集するデータの選び方

ユーザーの発言...	収集元
「私たち／自分のブランドについて、世間ではどんなことが言われていますか」	Reddit + X + レビュー + ニュース（幅広く調査）
「ローンチの反響はどうでしたか」／「X に関する話題」	TikTok + Instagram + X + YouTube（直近の情報を重視）
「苦情を探して」／「人々が嫌がっていることを知りたい」	Reddit + レビュー（G2/Capterra/アプリストア）+ YouTube のコメント
「誰が私たちを支持していますか」／「ファンは誰ですか」	Instagram + TikTok + X（エンゲージメントの高い肯定的な投稿）
「評判／感情の推移」	同じ情報源から2つの期間のデータを収集し、過去と現在を比較
地域のビジネスの評判	Google Maps のレビュー + Facebook のレビュー

感情、テーマ、出力

references/sentiment-and-output.md を参照してください。

• 正規化された言及レコードのスキーマ（分析とデータセット出力の両方で、行の形式として使用してください）。
• 感情分析の手法とガードレール（書かれたテキストに基づいて分類し、皮肉や曖昧な内容は mixed とします。分母を明記し、件数と割合を必ず両方報告してください）。
• テーマのクラスタリング — 実用的なインサイトが得られる部分です。
• 出力テンプレート — A（ダイジェストレポート）、B（構造化データセット）、C（両方）。

出力品質基準

1. すべての言及に情報源の URL を付ける — 出典のない主張は記載しません。
2. 事実と解釈を分ける — 引用は事実であり、感情ラベルは解釈です。両者を区別してください。
3. 割合には必ず N を付ける — 「分類した142件の言及のうち、61%が肯定的」のように記載し、割合だけを示すことは避けてください。
4. 不足を正直に伝える — 今回の期間に結果が得られなかったプラットフォームを列挙してください。一般化できない少数のサンプルについても注記してください。
5. すべてに日付を記載する — 「 にデータを収集 · 対象期間：過去 日間」。
6. 最後に「では、何をすべきか」を記載する — すべてのレポートの最後に、データ内のテーマに基づく、実行可能な推奨事項を2～4件記載してください。解釈のない生の言及だけでは、成果物として不十分です。