mcpField
X
x-impact-checker

x-impact-checker

github.com/manojbajaj95マーケティング・グロース109212 回インストール6 週間前に更新
リポジトリ

x-impact-checker について

公開前の X 投稿評価や、反応が伸びなかった投稿の分析に使うスキルです。19 項目のヒューリスティックで採点し、内訳と改善案、書き換え案を示します。機械学習による予測ではなく、テキスト分析です。

主な機能

  1. 0119 項目の投稿スコアリング
  2. 02反応とリスクの評価
  3. 03カテゴリ別スコア内訳
  4. 04優先度付きの改善案
  5. 05投稿の最適化リライト

活用シーン

  1. 01公開前の投稿案を採点
  2. 02反応の低い投稿を分析
  3. 03反応を促す文面への修正
  4. 04ニッチ分野での専門性構築

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/manojbajaj95/claude-gtm-plugin --skill x-impact-checker

インストール後、Claude Code で/x-impact-checkerを入力して読み込まれたか確認します。

同梱ファイルreferences/algorithm-weights.md

詳細

X インパクトチェッカー

ワークスペースのコンテキスト

質問する前に、まず初期コンテキストを確認してください。ブランド、対象者、提供内容、チャネル、ツール、制約、指標については strategy/brand.md、個人の語り口については about/me.md、コンテンツの計画については content/ideas.md と content/calendar.md を参照してください。レガシーのプロダクトマーケティング用コンテキストファイルは、フォールバックとしてのみ使用してください。生成した下書きは content/<platform>/drafts/YYYY-MM-DD_short-topic-slug.md に保存し、長期的に役立つ知見は strategy/brand.md、about/me.md、または content/ideas.md に反映してください。

運用上の契約

このスキルは、フロントマターで定義された範囲内で自己完結しています。ローカルの指示、参考資料、スクリプト、アセットを手引きとして使用し、タスク固有の入力が不足している場合にのみ質問してください。範囲を広げず、関連するスキルに引き継ぎ、実行可能な成果物、判断、計画、下書き、または診断を返してください。

X が公開しているレコメンデーションの仕組みに着想を得た、19 項目の採点システムとヒューリスティックを使って、投稿のバイラル性を分析します。

使用する場面

  • 公開前にツイートの下書きを採点する
  • ツイートのパフォーマンスが低かった理由を把握する
  • Twitter のランキングの仕組みに沿うよう、ツイートを書き直す
  • 特定のニッチ分野で専門性を高める
  • エンゲージメント率のばらつきを調べる

採点システム(100 点)

ティア 1:中核となるエンゲージメント(60 点)
要素上限採点ガイド
返信の可能性2222:直接的な質問/議論を呼ぶ主張、12:反応を促す、4:単なる表明
リツイートの可能性1616:実用的な知見/意外な事実、8:興味深いがニッチ、0:共有する価値がない
お気に入り登録の可能性1212:感情に訴える/個人的なストーリー、6:役立つ参考情報、0:魅力が乏しい
引用の可能性1010:コメントを促す強い意見、5:考えさせられる内容、0:引用する価値がない
ティア 2:拡張エンゲージメント(25 点)
要素上限採点ガイド
滞在時間66:長文/詳細なコンテンツ、3:中程度の深さ、0:流し読みできる
継続的な滞在時間44:継続的な注意を要するスレッド/ストーリー展開、2:中程度の複雑さ、0:すぐに読める
クリックの可能性55:明確な CTA を伴う魅力的なリンク、3:文脈のあるリンク、1:URL のみ、0:リンクなし
写真の拡大表示の可能性44:複数の画像/視覚的なストーリーテリング、2:単一画像への言及、0:視覚的なコンテンツなし
動画の視聴可能性33:フックのある長尺動画(>5s)、2:短い動画、0:動画なし
引用経由のクリックの可能性33:検証を促す大胆な主張、2:興味深い主張、0:投稿内で完結
ティア 3:関係構築(15 点)
要素上限採点ガイド
プロフィールのクリック55:投稿者への興味を生む、3:専門性を示す、0:ありきたりな語り口
フォローの可能性44:継続的な価値を示す、2:将来性を示す、0:一度限りのコンテンツ
共有の可能性22:幅広く共有する価値がある、1:訴求力が限られる、0:価値がない
DM での共有22:個人的/共感できる「友人に送る」コンテンツ、1:ある程度共感できる、0:ありきたり
リンクコピーによる共有22:参照/ブックマークする価値がある、1:役立つが長く使えるものではない、0:一時的
減点(合計から差し引く)
リスク範囲該当条件
興味なし-5 to -15クリックベイト、無関係なコンテンツ
ミュートのリスク-5 to -15繰り返しが多い、不快なパターン
ブロックのリスク-10 to -25攻撃的な内容、強硬な語調
報告のリスク-15 to -30ポリシー違反、スパムの兆候
評価
スコア評価
90-100S(非常に優れている)
75-89A(強い)
60-74B(良好)
45-59C(平均的)
30-44D(平均以下)
0-29F(可能性が低い)

出力形式

進捗状況

ホスト環境がタスク追跡に対応している場合、分析の進捗を表示します:

  1. 投稿内容の分析(進行中 → 完了)
  2. すべての要素のスコアを計算(進行中 → 完了)
  3. 優先度の高い改善点を5つ作成(進行中 → 完了)
  4. 最適化したバージョンを作成(進行中 → 完了)
レポートの構成
  1. スコア:🎯 XX/100 (Grade: X)

  2. 内訳表:

| Category | Factor | Score | Max | Assessment |
|----------|--------|-------|-----|------------|
| **💬 Core Engagement** | | | 60 | |
| | 💭 Reply Potential | X/22 | 22 | [reason] |
| | 🔄 Retweet Potential | X/16 | 16 | [reason] |
| | ❤️ Favorite Potential | X/12 | 12 | [reason] |
| | 💬 Quote Potential | X/10 | 10 | [reason] |
| **⏱️ Extended Engagement** | | | 25 | |
| | 👀 Dwell Time | X/6 | 6 | [reason] |
| | ⏳ Continuous Dwell Time | X/4 | 4 | [reason] |
| | 🔗 Click Potential | X/5 | 5 | [reason] |
| | 🖼️ Photo Expand | X/4 | 4 | [reason] |
| | 🎥 Video View | X/3 | 3 | [reason] |
| | 🔍 Quoted Click | X/3 | 3 | [reason] |
| **🤝 Relationship Building** | | | 15 | |
| | 👤 Profile Click | X/5 | 5 | [reason] |
| | ➕ Follow Potential | X/4 | 4 | [reason] |
| | 📤 Share Potential | X/2 | 2 | [reason] |
| | 💌 Share via DM | X/2 | 2 | [reason] |
| | 📋 Share via Link | X/2 | 2 | [reason] |
| **⚠️ Negative Signals** | | | | |
| | 😐 Not Interested Risk | -X | 0 to -15 | [reason] |
| | 🔇 Mute Risk | -X | 0 to -15 | [reason] |
| | 🚫 Block Risk | -X | 0 to -25 | [reason] |
| | 🚨 Report Risk | -X | 0 to -30 | [reason] |
| **🏆 TOTAL** | | **XX/100** | | **Grade: X** |
  1. 📈 優先度の高い改善点トップ5:さまざまなカテゴリにわたる、具体的で実行可能な提案

  2. ✨ 最適化したバージョン:改善を反映した投稿の書き直し(元の言語)


アルゴリズムのアーキテクチャ

基盤となるモデルを理解すると、スコアリングの仕組みが分かりやすくなります。

中核となるランキングモデル

Real-graph — ユーザー間のインタラクションの可能性を予測します

  • フォロワーがコンテンツに反応するかどうかを判断します
  • 戦略:特定のフォロワー層が反応するコンテンツを作成します

SimClusters — スパース埋め込みを用いたコミュニティ検出

  • 関心が似ているコミュニティを特定します。あなたのツイートは、こうしたクラスター内で共感を呼びます
  • 戦略:明確なトピックを1つ選び、特定のコミュニティに深く価値を提供します

TwHIN — ユーザーとコンテンツのトピックをマッピングするナレッジグラフ埋め込み

  • ツイートが確立されたアイデンティティに合っているかどうかを、Twitterが理解するのに役立ちます
  • 戦略:専門分野を守るか、トピックの変更を明確に示します

Tweepcred — ユーザーの評判/権威性のスコアリング

  • 過去のエンゲージメント履歴が、現在のツイートのリーチに影響します
  • 戦略:エンゲージメントを誘うだけの投稿ではなく、一貫して質の高い投稿で信頼を築きます
エンゲージメントシグナル

明示的なシグナル(重み大): いいね、返信、リツイート、引用ツイート

暗黙的なシグナル(こちらも重み付けされます): プロフィールへのアクセス、リンクのクリック、閲覧時間、保存/ブックマーク

マイナスのシグナル: ブロック/報告(大きく減点)、ミュート/フォロー解除、すぐにスクロールして通り過ぎること

アルゴリズムのレイヤーごとの最適化
レイヤー戦略
Real-graph質問を投げかけ、議論を生み、フォロワーがアクティブな時間に投稿します
SimClustersトピックを1つに絞り、コミュニティの言葉を使い、専門分野の価値を提供します
TwHIN専門知識を前面に出し、一貫性を保ち、トピックに関する権威性を築きます
Tweepcred質の高いアカウントに返信し、エンゲージメントを誘うだけの投稿を避け、深く交流します

詳細なスコアリング基準

返信の可能性(22点)
  • 直接的な質問、議論の余地がある主張、意見を求める内容
  • ❌ 「新機能をリリースしました。」→ ✅ 「機能は多少バグがあっても速く出すべきですか、それとも安定性を優先してゆっくり出すべきですか?私たちはスピードを選びましたが、正しい判断だったでしょうか?」
リツイートの可能性(16点)
  • 実践的な知見、意外な事実、番号付きリスト、データに基づくコンテンツ
  • ❌ 「今日は新しいことを学びました。」→ ✅ 「🧵 バンドルサイズを30%削減できるReactのパターン3選:1. フックの遅延読み込み 2. ルートごとのコード分割 3. 未使用のエクスポートのツリーシェイキング」
お気に入り登録の可能性(12点)
  • 感情に訴える内容、個人的な体験談、共感できる瞬間、弱さをさらけ出すこと
  • ❌ 「デバッグは大変です。」→ ✅ 「本番環境の問題のデバッグに3時間かかりました。原因は?午前2時に『ちょっとした整理』で追加したセミコロンの抜けでした。もう真夜中を過ぎたら、動いているコードには触れません😅」
引用の可能性(10点)
  • 強い意見、通説への異議、明確な立場
  • ❌ 「TypeScriptは便利です。」→ ✅ 「TypeScriptの最大の価値はバグを見つけることではなく、ドキュメントになることです。型エラーはおまけにすぎません。異論があるならどうぞ。」
滞在時間(6点)
  • 読むのに時間がかかる長文コンテンツ、詳しい解説、技術的な深さ
継続的な滞在時間(4点)
  • スレッドの目印(🧵、「1/」)、物語の構成、読み返しが必要な複雑さ
  • ❌ 「Xの作り方を紹介します。」→ ✅ 「アイデアから30日で月次経常収益1万ドルに到達するまで(1/8)\n\n1〜7日目:検証...」
プロフィールへのクリック(5点)
  • 投稿者への興味を引き出し、専門知識や信頼性を示す
  • ❌ 「Reactは良いと思います。」→ ✅ 「Airbnb、Netflix、そして50社以上のスタートアップでReactアプリを設計してきた経験から、初日に知っておきたかったことを紹介します。」
Follow Potential (4 pts)
  • Demonstrates ongoing value; establishes content cadence
  • ❌ "Here's a React tip." → ✅ "React tip #47: [insight]\n\nI break down advanced React patterns every Monday."

Score Normalization

Final Score = Base Score (0-100) + Penalties (-75 to 0)
Normalized Score = max(0, min(100, Final Score))

Penalty capping: total penalties > -20 causes gradual dampening; hard cap at -75.


Text Analysis Limitations

This skill performs heuristic text-based analysis, not ML prediction. It cannot detect actual media presence, real engagement metrics, author follower count, or network graph relationships. Best used for pre-publishing optimization, not post-hoc analytics.


Language Handling

Detect input language. Respond in same language. Keep optimized version in original language.

When input is in Japanese, display Category and Factor names as: 日本語訳(English Original)

Japanese translations:

  • 💬 Core Engagement → コアエンゲージメント
  • ⏱️ Extended Engagement → 拡張エンゲージメント
  • 🤝 Relationship Building → 関係構築
  • ⚠️ Negative Signals → ネガティブシグナル
  • 💭 Reply Potential → 返信潜在力
  • 🔄 Retweet Potential → リツイート潜在力
  • ❤️ Favorite Potential → いいね潜在力
  • 💬 Quote Potential → 引用潜在力
  • 👀 Dwell Time → 滞在時間
  • ⏳ Continuous Dwell Time → 継続滞在時間
  • 🔗 Click Potential → クリック潜在力
  • 🖼️ Photo Expand → 写真展開潜在力
  • 🎥 Video View → 動画視聴潜在力
  • 🔍 Quoted Click → 引用クリック潜在力
  • 👤 Profile Click → プロフィールクリック
  • ➕ Follow Potential → フォロー潜在力
  • 📤 Share Potential → 共有潜在力
  • 💌 Share via DM → DM経由共有
  • 📋 Share via Link → リンクコピー共有
  • 😐 Not Interested Risk → 興味なしリスク
  • 🔇 Mute Risk → ミュートリスク
  • 🚫 Block Risk → ブロックリスク
  • 🚨 Report Risk → 報告リスク

Algorithm Reference

See references/algorithm-weights.md for complete weight details from X's open-source algorithm (19-element system).

コメント