creator-insights

Twitter Creator Insights

このスキルは、Twitter/X のコンテンツクリエイターに対して、アカウントのパフォーマンス、ニッチ分野のトレンドトピック、競合分析に関する実用的なインサイトを提供します。アカウント分析、バイラルコンテンツの発見、スレッド/フォロワー分析、AI を活用したコンテンツ生成を含みます。

このスキルを使用するタイミング

次の場合にこのスキルを呼び出してください:

• クリエイターが自分の Twitter アカウントまたは別のアカウントの分析を依頼したとき
• ユーザーが特定のニッチ分野のトレンドコンテンツやバイラルツイートについて尋ねたとき
• ユーザーが自分の領域でどのようなコンテンツが成果を上げているかを理解したいとき
• ユーザーが Twitter 戦略を改善するための提案を必要としているとき
• ユーザーが競合または類似アカウントの活動について尋ねたとき
• ユーザーがニッチ分野の影響力のあるアカウントを見つけたいとき
• ユーザーが VIP フォロワーまたは「隠れた逸材」アカウントを特定したいとき（新機能）
• ユーザーがどのスレッドが価値の高いエンゲージメントを集めたかを尋ねたとき（新機能）
• ユーザーが AI を使ってツイートの下書きやバイラルパターンの分析を支援してほしいとき（新機能）
• ユーザーが投稿前に既存のツイートを最適化したいとき（新機能）

コアワークフロー

このスキルは 取得 → 分析 → スコアリング → 提案 のパイプラインに従います:

1. アカウント分析フェーズ

目的: Twitter アカウントのパフォーマンスとコンテンツパターンを深掘りします。

プロセス:

1. python scripts/twitter_analyzer.py --username [handle] --tweets 100 を実行します
2. システムが以下を取得します:
   • ユーザープロフィール（フォロワー、プロフィール文、認証ステータス）
   • 最近のツイート（最大 100 件）
   • エンゲージメント指標（いいね、RT、返信、引用、表示回数）
3. 以下を計算します:
   • エンゲージメント率（フォロワー数で重み付け）
   • コンテンツパターン（ハッシュタグの使用、スレッドの頻度、ツイートの種類）
   • 投稿スケジュールの最適化
   • バイラルコンテンツの特定（平均より 2σ を超える外れ値）

主要指標:

• エンゲージメント率: (いいね + RT + 返信) / フォロワー × 100
• いいね/RT 比: 受動的エンゲージメントか能動的エンゲージメントかを示します
• スレッドパフォーマンス: スレッドと単独ツイートの比較
• バイラル倍率: ツイートが平均の何倍のパフォーマンスだったか

出力構造:

TWITTER ANALYSIS: @username
├── Profile metrics (followers, tweets, verification)
├── Engagement metrics (rates, averages, ratios)
├── Viral content (top 5 tweets with multiplier)
├── Thread analysis (performance comparison)
├── Hashtag performance (which hashtags drive engagement)
├── Posting schedule (best times based on data)
└── Recommendations (7 actionable insights)

2. ニッチ検出フェーズ

目的: クリエイターのコンテンツニッチと投稿スタイルを特定します。

プロセス:

1. python scripts/profile_analyzer.py --profile @username を実行します
2. 直近 30 件のツイートを以下について分析します:
   • 14 の定義済みニッチにわたるキーワード頻度
   • コンテンツテーマ（最も一般的なトピック）
   • トーン分析（プロフェッショナル、カジュアル、教育的、娯楽的）
   • 投稿の頻度と一貫性

ニッチカテゴリ:

• テック、AI/ML、暗号資産/Web3、ビジネス、マーケティング
• ゲーム、フィットネス、美容、フード、旅行
• コメディ、教育、音楽、アート

スコアリング方法:

niche_score = Σ(keyword_matches) for niche in all_niches
primary_niche = max(niche_scores)
secondary_niches = scores > (primary_score × 0.5)

3. トレンド発見フェーズ

目的: 特定のニッチ分野におけるバイラルコンテンツとトレンドトピックを見つけます。

プロセス:

1. python scripts/trend_aggregator.py --niche "[topic]" --viral-examples --limit 10 を実行します
2. "{niche}" min_faves:1000 -is:retweet に一致するツイートを検索します
3. 総エンゲージメントでランク付けします: likes + (retweets × 2) + (replies × 1.5)
4. バイラル要因を分析します:
   • ハッシュタグの使用パターン
   • ツイートの長さの最適化
   • スレッドか単独ツイートか
   • 質問ベースのエンゲージメント
   • 引用ツイート比率（会話のきっかけの指標）

バイラル要因の検出:

if len(hashtags) > 0: "used {n} hashtags"
if '?' in text: "engaged audience with question"
if len(text) > 200: "detailed/thorough content"
elif len(text) < 100: "concise and punchy"
if quotes > retweets/2: "sparked conversation"

4. 競合インテリジェンスフェーズ

目的: ニッチ分野のトップパフォーマーと急成長中のアカウントを特定します。

プロセス:

1. python scripts/trend_aggregator.py --niche "[topic]" --find-accounts --limit 10 を実行します
2. ニッチ分野の上位 50 件のバイラルツイートを集計します
3. 投稿者ごとにグループ化して以下を計算します:
   • すべてのツイートにわたる総エンゲージメント
   • ツイートあたりの平均エンゲージメント
   • フォロワー数
4. エンゲージメント/フォロワー比（効率指標）で並べ替えます

アカウントスコアリング:

account_score = (total_engagement / follower_count) × tweet_frequency
# Identifies accounts that punch above their weight

5. スレッドインテリジェンスフェーズ NEW

目的: パフォーマンスの高いスレッドを特定し、影響力のあるアカウントからのエンゲージメントを追跡します。

プロセス:

1. python scripts/thread_intelligence.py --username [handle] --tweets 50 --threshold 10000 を実行します
2. ユーザーのタイムラインを取得し、複数ツイートのスレッドを特定します
3. 各スレッドについて:
   • スレッドの完全なコンテキストを取得します
   • すべての返信を取得します
   • 高価値の返信者(デフォルトでフォロワー数が1万人を超えるアカウント)を特定します
   • エンゲージメントパターンを追跡します
4. 高価値の返信数でスレッドをランク付けします

影響力のしきい値:

high_value_account = follower_count >= threshold  # Default: 10,000
# Configurable via --threshold parameter

出力構造:

THREAD INTELLIGENCE: @username
├── Thread Statistics (total, high-value reply count, engagement rate)
├── Top Threads (ranked by high-value replies)
│   ├── Thread text preview
│   ├── Tweet count in thread
│   ├── Total replies vs high-value replies
│   └── Reply engagement score
├── Top Thread Details (deep-dive on #1 thread)
│   ├── Full text preview
│   ├── High-value repliers list
│   └── Follower counts
└── Most Engaged High-Value Accounts (across all threads)
    ├── Reply count per account
    └── Number of threads engaged with

比較モード:

python scripts/thread_intelligence.py --username [handle] --compare --tweets 50

スレッドのパフォーマンスと単独ツイートを比較し、最適なコンテンツ形式を判断します。

6. フォロワーインテリジェンスフェーズ NEW

目的: 影響力スコアリングとエンゲージメント追跡を組み合わせて、VIPフォロワーを発見します。

プロセス:

1. python scripts/follower_intelligence.py --username [handle] --tweets 20 --max-followers 500 を実行します
2. ユーザーのフォロワーを取得します(新しい順、最大500人)
3. 最近のツイートにわたるエンゲージメントを追跡します:
   • 誰がリツイートしたか(get_tweet_retweeters エンドポイント経由)
   • 誰が返信したか(get_tweet_replies エンドポイント経由)
4. 各フォロワーの影響力スコアを計算します:

   influence_score = (followers × 0.7) + (engagement_count × 1000 × 0.3)
   

5. 特別なセグメントを特定します:
   • VIPフォロワー: 影響力スコアの上位50人
   • 隠れた逸材: フォロワー数5千人未満だが、インタラクションが2回以上
   • トップエンゲージャー: フォロワー数に関係なく、最も多くのインタラクションを持つ人

影響力スコアの計算式:

# Balanced scoring: audience size (70%) + actual engagement (30%)
influence = (follower_count × 0.7) + (total_interactions × 1000 × 0.3)

# Example:
# Account A: 100K followers, 0 interactions = 70,000 influence
# Account B: 10K followers, 5 interactions = 8,500 influence
# Account C: 2K followers, 10 interactions = 4,400 influence (hidden gem!)

出力構造:

VIP FOLLOWERS: @username
├── Engagement Statistics
│   ├── Total followers analyzed
│   ├── Engaged followers (who interacted)
│   └── Engagement rate %
├── Top VIP Followers (by influence score)
│   ├── Username, follower count, verified status
│   ├── Engagement breakdown (RTs, replies)
│   └── Influence score
├── Hidden Gems (high engagement, low followers)
│   └── Rising creators to nurture
└── Top Engagers (most interactions)
    └── Your biggest supporters

成長分析モード:

python scripts/follower_intelligence.py --username [handle] --growth --max-followers 200

フォロワーの品質分布(マイクロ、スモール、ミディアム、ラージ、メガ)を分析します。

7. AIコンテンツ生成フェーズ NEW

目的: AIを使用してバイラルパターンを分析し、ツイートを下書きし、Claude 3.5 Sonnet でコンテンツを最適化します。

3つのAIアクション:

A. バイラルパターン分析

python scripts/content_generator.py --action analyze --username [top_creator] --tweets 50 --min-engagement 100

プロセス:

1. 高いエンゲージメントのツイート(デフォルトでエンゲージメント100超)を取得します
2. バイラルコンテンツをフィルタリングします
3. 上位5件のツイートをAIに送信し、次のプロンプトを渡します:
   • 「最もパフォーマンスの高いコンテンツテーマを分析する」
   • 「ツイート構造のパターンを特定する」
   • 「最適な投稿時間を判断する」
   • 「ハッシュタグ戦略を評価する」
   • 「エンゲージメントパターンを理解する」

出力: 実行可能なインサイトを含む、AIが生成した複数セクションの分析。

B. ツイートの下書き

python scripts/content_generator.py --action draft --topic "Your topic here" --username [style_reference] --variations 5

プロセス:

1. オプションで参照アカウントのスタイルを分析します(--username が指定された場合)
2. トピックとスタイルのコンテキストをAIに送信します
3. AIが3〜5種類のバリエーションを生成します。各バリエーションには以下が含まれます:
   • バリエーションごとに異なる切り口/フック
   • 文字数(280以下を保証)
   • 戦略の説明
   • 予測されるエンゲージメントレベル

出力: メタデータ付きのツイートバリエーションのJSON配列。

C. ツイートの最適化

python scripts/content_generator.py --action optimize --text "Your tweet draft" --goal engagement

目標: engagement、reach、replies、clarity

プロセス:

1. 元のツイートと最適化目標をAIに送信します
2. AIが以下を提供します:
   • 最適化されたバージョン
   • 2〜3の代替アプローチ
   • 改善点の説明
   • 投稿戦略のヒント

出力: 詳細な最適化の根拠を伴う改善されたツイート。

8. 強化されたバイラル分析 IMPROVED

バイラル要因の検出は、多次元のパターン分析によって大幅に強化されました:

以前(シンプル):

if len(hashtags) > 0: "used hashtags"
if '?' in text: "question"

新(洗練):

# 1. FORMAT DETECTION
- Thread detection (🧵, "thread", "1/")
- Question count (single vs multiple)
- List/numbered format (1. 2. 3.)
- Emotional hooks (amazing, shocking, breaking)
- Call-to-action (let me know, check out, reply with)

# 2. MEDIA DETECTION
- Visual content presence (images/videos)

# 3. LENGTH OPTIMIZATION
- Comprehensive (>240 chars)
- Concise (<80 chars)
- Optimal range (120-180 chars)

# 4. HASHTAG STRATEGY
- Strategic use (3+ hashtags)
- Focused single hashtag

# 5. ENGAGEMENT PATTERN ANALYSIS
- High reply ratio (>25% = discussion starter)
- High retweet ratio (>20% = shareable)
- Viral coefficient (quotes+RTs >30%)

# 6. TEMPORAL ANALYSIS
- Peak posting window (9-11 AM, 1-3 PM)
- Low-competition hours (9 PM - 6 AM)
- Weekend timing advantage

# 7. ADVANCED PATTERNS
- Data-driven credibility (study, research, analysis)
- Storytelling hooks (story, remember when)
- Controversy/debate (unpopular opinion, hot take)

強化された出力の例:

🔥 Why viral: Question encouraging replies; emotional hook driving curiosity;
comprehensive detail (long-form); highly shareable content

各バイラルツイートについて、最も関連性の高い上位4つの要因を返します。

エンゲージメントスコアリングフレームワーク

head-of-content の方法論に従い、重み付けされたエンゲージメント指標を使用します:

WEIGHTS = {
    'bookmarks': 4.0,  # Strongest intent signal
    'replies': 2.0,    # Direct conversation
    'retweets': 1.5,   # Amplification
    'quotes': 2.5,     # Conversation + amplification
    'likes': 1.0,      # Baseline engagement
    'views': 0.01      # Reach indicator
}

engagement_score = Σ(metric × weight)

外れ値検出: mean + (2.0 × standard_deviation) を超えるスコアのコンテンツは、バイラルとしてフラグが立てられます。

出力形式

テキスト出力(デフォルト)

人間が読めるレポートで、以下を含みます:

• セクションの見出しと区切り線
• 主要なインサイトの箇条書き
• 数値によるランキング
• 実行可能な推奨事項

JSON出力

機械可読なデータで、以下に使用します:

• 他のツールとの統合
• 履歴の追跡
• カスタムダッシュボードの作成
• 複数アカウントの比較

例:

python scripts/twitter_analyzer.py --username handle --output json > analysis.json

設定

設定ファイル (config.yaml - オプション):

# AI content generation settings
openrouter:
  default_model: "anthropic/claude-3.5-sonnet"
  temperature: 0.7
  max_tokens: 2000

# Influence scoring for follower/thread intelligence
influence:
  follower_weight: 0.7           # 70% weight on follower count
  engagement_weight: 0.3         # 30% weight on engagement
  high_value_threshold: 10000    # 10K+ followers = high-value
  hidden_gem_threshold: 5000     # <5K followers = potential gem
  min_engagement_interactions: 2 # Minimum interactions to count

# Viral analysis thresholds
viral:
  min_engagement: 100            # Minimum total engagement
  min_likes: 500                 # For trending searches
  high_reply_ratio: 0.25         # >25% replies = discussion
  high_retweet_ratio: 0.20       # >20% RTs = shareable
  viral_coefficient: 0.30        # >30% quotes+RTs = viral

# Tweet generation defaults
generation:
  num_variations: 5              # Default tweet variations
  max_length: 280                # Twitter character limit
  style_sample_size: 10          # Tweets to analyze for style

settings:
  rate_limit: 100                # Requests per minute
  default_timeframe: "30d"       # Analytics window
  cache_duration: 15             # Minutes to cache trends

エラー処理

レート制限:

• API 制限に達した際の自動バックオフ
• 再試行前の 60 秒間のクールダウン
• 再試行を通じて進捗を維持

認証の失敗:

• 認証エラーが発生した場合は、プラットフォームの設定を確認してください

ネットワークタイムアウト:

• リクエストごとに 10 秒のタイムアウト
• 指数バックオフによる自動再試行
• グレースフルデグラデーション（部分的な結果を返します）

無効なユーザー名:

Could not fetch info for @username

→ アカウントが存在し、停止されていないことを確認してください

高度な使用方法

一括分析

複数のアカウントを分析します:

for account in account1 account2 account3; do
    python scripts/twitter_analyzer.py --username $account --output json > ${account}_analysis.json
done

自動モニタリング

日次のトレンド追跡:

# Add to crontab
0 9 * * * cd /path/to/skill && python scripts/trend_aggregator.py --niche "AI" --viral-examples --limit 10 >> daily_trends.log

比較分析

2 つのアカウントを比較します:

python scripts/twitter_analyzer.py --username account1 --output json > a1.json
python scripts/twitter_analyzer.py --username account2 --output json > a2.json
# Then compare engagement_rate, viral_multiplier, etc.

関連スクリプト

コア分析:

• scripts/twitter_analyzer.py - 包括的なアカウント分析
• scripts/profile_analyzer.py - ニッチ検出とコンテンツ分類
• scripts/trend_aggregator.py - バイラルコンテンツとアカウントの発見（強化版）
• scripts/analytics_calculator.py - 過去のパフォーマンス指標

高度なインテリジェンス（新機能）:

• scripts/thread_intelligence.py - スレッド分析と価値の高いエンゲージメントの追跡
• scripts/follower_intelligence.py - 影響力スコアリングによる VIP フォロワーの発見
• scripts/content_generator.py - AI を活用したバイラル分析とツイート生成

インフラストラクチャ:

• scripts/api_client.py - コア Twitter API ラッパー（10 以上のエンドポイントで強化）
• scripts/ascii_formatter.py - 美しいターミナルダッシュボードのフォーマット
• scripts/test_new_features.py - 検証用のテストスイート
• scripts/setup_config.py - 対話型の設定ウィザード

他のスキルとの統合

このスキルは以下を補完します:

• コンテンツ企画スキル: バイラルパターンを活用してコンテンツ戦略に反映
• コピーライティングスキル: 成功したツイートの構造を分析
• マーケティングスキル: オーディエンスのエンゲージメントパターンを理解

指標の用語集

• エンゲージメント率: コンテンツに反応したフォロワーの割合（%）
• バイラル乗数: 平均から何標準偏差上にあるか
• いいね/RT 比率: 受動的（いいね）と能動的（RT）のエンゲージメント
• スレッドパフォーマンス: スレッド形式と単発ツイートの平均エンゲージメント
• 一貫性スコア: 投稿の規則性（0〜10 の尺度）
• 引用率: 引用付きの返信（会話の質の指標）

ベストプラクティス

1. 週次分析を実行して、自分のアカウントのトレンドを追跡しましょう
2. 競合と比較して、自分のニッチのベンチマークを取りましょう
3. バイラルパターンに基づいて行動しましょう - うまくいったものを再現しましょう
4. 推奨される投稿時間を監視しましょう（自分のデータに基づいて）
5. ハッシュタグのパフォーマンスを追跡して改善を繰り返しましょう
6. スレッドを試して、データがより優れていることを示せば活用しましょう
7. 虚栄の指標ではなくエンゲージメント率に注目しましょう

トラブルシューティング

「レート制限を超えました」 → 60 秒待ってから再試行してください

「リクエストがタイムアウトしました」 → --tweets パラメータを減らすか、再試行してください（ネットワークの問題）

結果が空です → より広いニッチキーワードを試すか、min_faves のしきい値を下げてください

プロキシ接続の問題 → sc-proxy が実行されており、Star Child で正しく設定されていることを確認してください

v2.0 の新機能:

• スレッドインテリジェンス: スレッド内の価値の高いエンゲージメントを特定（フォロワー 10K 以上）
• フォロワーインテリジェンス: 影響力スコアアルゴリズムによる VIP フォロワーの発見
• AI コンテンツ生成: バイラル分析とツイートの下書きのための OpenRouter 統合
• 強化されたバイラル分析: 7 カテゴリの高度なパターン検出
• API の拡張: 10 以上の新しい TwitterAPI.io エンドポイント（フォロワー、リツイートした人、返信、スレッド）
• ASCII ダッシュボード: プログレスバー付きの美しいターミナル可視化
• 包括的な設定: すべてのしきい値とパラメータに関するドキュメント化された設定

Module Summary:

1. twitter_analyzer.py - Account analytics (v1.0 feature)
2. profile_analyzer.py - Niche detection (v1.0 feature)
3. trend_aggregator.py - Viral discovery (enhanced in v2.0)
4. thread_intelligence.py - Thread analysis (NEW in v2.0)
5. follower_intelligence.py - VIP follower tracking (NEW in v2.0)
6. content_generator.py - AI-powered content (NEW in v2.0)