X の For You アルゴリズムは何を評価するのか

X で伸ばすためのアドバイスの多くは、投稿カレンダーを売りつけたい誰かが書いたような響きがある。

1 日 3 回投稿しよう。フックを使おう。大きなアカウントの下にリプライしよう。ニッチを選ぼう。継続しよう。

どれも、まったくの間違いというわけではない。ただ、汎用的すぎて役に立たないだけだ。本当に面白い問いは「継続が大事かどうか」ではない。面白いのは、なぜある投稿はフォロワーの輪を飛び越えていくのに、別の投稿はすでにあなたを知っている人たちの前で静かに沈んでいくのか、という問いだ。

公開されている X のレコメンド用リポジトリは、より良いメンタルモデルを与えてくれる。完璧なものではない。本番環境をそのまま映した地図でもない。それでも、経験則を、システムについてのもっと具体的な見方に置き換えるには十分だ。

要点を一言でいえば、リーチは「適切な候補プールに入り」「適格性フィルターと安全性フィルターを生き延び」「予測されたアクションに基づいて特定の閲覧者に対して高くスコアリングされる」ことから生まれる。

それは「もっといいねをもらう」とはまったく別のゲームだ。

X が興味を学習し、候補投稿を取得し、不適切な一致を除外し、For You フィードをランク付けする流れを示す図。

フィードは 1 つのアルゴリズムではない

For You フィードは、単一のランキング式というより、パイプラインとして理解したほうがいい。

投稿がランク付けされる前に、まず「見つけられる」必要がある。オーガニックな投稿は、ネットワーク内供給、グローバル検索、トピック検索、mixture-of-experts による検索、キャッシュ済みの投稿、その他の候補ソースを通じて候補に入りうる。そのうえでシステムは、何が適格かをフィルタリングし、残ったものをスコアリングし、多様性のようなプロダクト上の制約を適用し、広告やおすすめといったモジュールとフィードを混ぜ合わせる。

これが重要なのは、クリエイターはたいてい最後のステップ、つまりランキングにばかり気を取られるからだ。

だが、投稿が候補集合に入らなければランキングは無意味だ。検索されない投稿に勝ち目はない。最初の仕事はスコアラーを欺くことではない。最初の仕事は、適切なオーディエンスにとって「明らかな候補」になることだ。

些細なことに聞こえるかもしれないが、これは戦略を変える。

ある日は AI エージェントの話、翌日はフィットネス、その次は政治、さらにその次はスタートアップの資金調達について投稿していると、人間にとっては面白いかもしれない。だがレコメンドシステムにとって、あなたはノイズだ。システムは「誰に見せるべきか」を推定しなければならない。トピックの輪が狭ければ、システムはよりクリーンな手がかりを得られる。

優れたクリエイターは、ただニッチを持っているだけではない。隣接するいくつかのテーマ、フォーマット、オーディエンスのまわりで、繰り返しシグナルを生み出している。そうすることで、彼らの投稿は分類しやすく、検索しやすく、似た履歴を持つ人々に対してテストしやすくなる。

いいねは数あるシグナルの 1 つにすぎない

公開されたスナップショットでもっとも有用なことの 1 つは、スコアリングに登場するアクションの多さだ。

システムが予測しているのはお気に入り(いいね)だけではない。リプライ、リポスト、写真の拡大表示、クリック、プロフィールクリック、動画の質の高い視聴、シェア、DM でのシェア、リンクコピーでのシェア、滞在時間、引用の挙動、引用に対するインタラクション、クリック後の滞在時間、投稿者をフォローする確率も考慮しうる。さらに「興味なし」「ブロック」「ミュート」「報告」「滞在しなかった」といったネガティブな項目も含まれる。

実務的な含意は明白で、しかもしばしば無視されている。安っぽい拍手ではなく、意味のあるアクションに最適化せよ、ということだ。

いいねは摩擦の少ないうなずきだ。リプライはもっとコストがかかる。リポストは自分の評判を賭ける行為だ。DM でのシェアは、その投稿が誰かに個人的に送るほど有用だったことを意味する。リンクコピーでのシェアは、その投稿がプラットフォームの外へ出ていったことを意味する。プロフィールクリックは、閲覧者がもっと文脈を知りたいと思った証だ。フォローは、その投稿が将来の価値について約束を交わしたことを意味する。

だからこそ、もっとも強い X コンテンツは、たいてい次のいずれかの形をしている。

明確な主張を伴うオリジナルの分析
人々が再利用できる、役立つフレームワーク
何かを理解しやすくするチャート、スクリーンショット、デモ
プロダクト、市場、戦略の具体的な分解
何かを作る中で得た、具体的な学び
本物の反論を招くだけの十分な根拠を備えた、逆張りの見解
誰かの時間を節約する、簡潔なチュートリアル

これらのフォーマットは、いいねを集める以上のことをする。滞在時間、リプライ、シェア、プロフィールクリック、フォローを生み出すのだ。

弱いバージョンはエンゲージメント目当ての釣りだ。ぼんやりしたフック、怒りの煽り、嘘くさい弱さの演出、「リプライしてくれたら送ります」、ドラマチックな 1 行目をつけただけの使い回しの格言。その一部は短期的にはまだ効くこともある。問題は、ポジティブなアクションを評価するのと同じシステムが、ネガティブなアクションも見ているということだ。ブロック、ミュート、報告、「興味なし」のフィードバック、低い滞在時間、スパム判定は、見せかけの飾りではない。それらは配信環境の一部だ。

注目を一気に跳ね上げるのと、オーディエンスのシグナルを汚染するのを、同時にやってしまうこともありうる。

新しさは効くが、洪水は効かない

公開されているパイプラインには、経過時間フィルター、既読 ID、インプレッション履歴、配信履歴、重複処理、リツイートの重複排除、会話の重複排除が含まれている。さらに、1 人の投稿者がランク付けされた集合を独占しないよう、投稿者の多様性に関する効果も適用される。

ここから 1 つのシンプルな運用原則が導かれる。バリエーションを洪水のように流すのではなく、アイデアを「順序立てて」出していけ、ということだ。

ほぼ同じ見解を短時間に 5 つ公開しても、それは勝ちを狙えるクリーンなチャンスを 5 つ作っていることにはならない。むしろ自分自身と競合し、重複処理を引き起こし、自分のオーディエンスを疲れさせ、フィードに「同じ投稿者の別の投稿を見せる理由」を減らしているかもしれない。

新しさは助けになる。繰り返しはならない。

より良い手は、1 つのアイデアを、本当に異なる複数の成果物のシーケンスに変えることだ。

中核となる主張
その裏付けとなるデータ
それを証明する具体例
人々が陥りがちな間違い
それを実践するためのチェックリスト
反論

これは、システムにテストできるクリーンな対象を複数与えると同時に、人間にも気にかける理由を複数与える。

トピックの読み取りやすさは過小評価されている

クリエイターは「ニッチを絞る」ことをブランディングの作業のように語る。レコメンドシステムにおいては、それは情報アーキテクチャの問題でもある。

トピック検索とトピックフィルターはシグナルを必要とする。閲覧者履歴のモデルはパターンを必要とする。新規ユーザー向けやトピック起点のフローは、投稿を、関連する話題に興味を示した、あるいはほのめかした人々につなぐ必要がある。

あなたのアカウントが AI プロダクト戦略についてのものなら、まぎれもなく AI プロダクト戦略についてだとわかることを言おう。その分野の語彙を使おう。対象を名指ししよう。仕事を見せよう。システムとオーディエンスの両方が「あなたが何のためのアカウントか」を学べるくらい、その領域を十分な頻度で繰り返そう。

これは、すべての投稿が同じであるべきという意味ではない。アカウントに、それとわかる重心があるべきだという意味だ。

いちばんいいテストはシンプルだ。誰かが強い投稿を 1 つ見てあなたのプロフィールをクリックしたとき、アカウントの残りの部分がフォローの判断を明白なものにしているか?

これは単なるブランディングの問題ではない。プロフィールクリックや投稿者をフォローする確率は効きうる。あなたのプロフィール文、固定投稿、最近の投稿、繰り返し使うフォーマットは、ランキングの表面の一部だ。それらは、閲覧者が次に何をするかに影響するからだ。

安全性と隣接性は成長の一部だ

成長のアドバイスはたいてい、安全性に関するシステムを、悪質なアカウントだけが考えればいいものとして扱う。それはナイーブだ。

公開スナップショットには、可視性フィルタリング、ミュートされたキーワード、ブロック・ミュートされた投稿者、トピックのミスマッチ、動画の適格性、サブスクリプションの適格性、投稿の安全性、スパム検出、そしてブランドセーフティや広告隣接性のロジックが含まれている。これらの一部はコンテンツが適格かどうかに影響する。一部は広告や他のモジュールの近くに置けるかどうかに影響する。一部は、閲覧者がそもそもそれを見るかどうかに影響する。

実務的なおすすめは「無難であれ」ではない。無難なコンテンツは遠くへ届かない。

おすすめは、避けられるリスクは避けよ、ということだ。

スパムくさい行動喚起に頼らない
ハッシュタグやキーワードを詰め込まない
同じ素材を何度もリポストしない
あなたをミュートやブロックしそうな人々から怒りを収穫しようとしない
すぐに離脱を生む、誤解を招くフックを使わない
論点の中心でない限り、リスクのあるメディアを添付しない
周囲の文脈が投稿に悪影響を与えるような会話に、引用やリプライで入り込まない

とがったコンテンツはエンゲージメントを生むことがある。だが、ランキングシステムが避けようとしている、まさにそのネガティブなフィードバックを生むこともある。

私なら実際にどうするか

このメンタルモデルからアカウントを伸ばそうとするなら、私はコンテンツカレンダーから始めない。私は、システムに理解してほしいオーディエンスから始める。

隣接する 3 つのテーマを選ぶ。たとえば、AI プロダクト戦略、エージェントの workflow、実用的な自動化。そして、それらのテーマを複数の角度から読み取りやすくする投稿を公開する。分析、具体例、分解、得た学び、小さな成果物、意見のはっきりしたリプライ。

それぞれの投稿を、1 つの意味のあるアクションに最適化する。

ある投稿は、特定の主張をするからリプライを得るべきだ。ある投稿は、何かをきれいに説明するからリポストを得るべきだ。ある投稿は、役立つチェックリストを含むからブックマークやリンクコピーのシェアを得るべきだ。ある投稿は、センスを示し「この人は他に何を知っているのだろう」と思わせるからプロフィールクリックを得るべきだ。

理解を助けるなら、メディアを使う。スクリーンショット、チャート、短いデモ、視覚的な分解は、滞在時間を生み、投稿をより信頼できるものにする。だがメディアは情報を担うべきであって、弱い見解を飾るためのものではない。

それ単体で価値のあるリプライをする。リプライはディスカバリーの面になりうるが、手抜きのリプライは割の悪い取引だ。良いリプライは、元の投稿を見ていない人が見ても意味が通るはずだ。根拠、具体例、より鋭い切り口、あるいは有用な反論を加えよう。

中核のオーディエンスがアクティブになりそうなときに投稿する。早期のエンゲージメントは魔法ではないが、最近の閲覧者のアクションは効く。最初のテストは、正しいシグナルを送ってくれそうな人々との間で起きてほしい。

そして何より大事なのは、フォローの約束を明確にすることだ。良い投稿 1 つが誰かをあなたのプロフィールに連れてきたとき、アカウントは数秒で「なぜこの人をもっと見るべきか」に答えられるべきだ。

避けるべきこと

アルゴリズムの視点で見ると、よくあるアドバイスのいくつかは、むしろ有害に見えてくる。

トレンド入りした話題を片っ端から追わない。一度はリーチを広げるかもしれないが、その一方でアカウントの長期的なオーディエンスシグナルを弱める可能性がある。

いいねだけに最適化しない。いいねは数えやすく、過大評価しやすい。いいねは少なくても、シェア、リプライ、プロフィールクリック、フォローをより多く集める投稿のほうが、価値が高いこともある。

ほぼ重複した投稿でフィードを洪水にしない。新鮮な投稿は大事だが、投稿者の多様性、重複フィルター、既読履歴、配信履歴は、力任せのやり方の上振れをすべて削いでいく。

物議をクオリティと取り違えない。ブロック、ミュート、報告、「興味なし」のフィードバックを引き寄せる投稿も、システムに何かを教えている。

論点を、ぼんやりしたサスペンスの裏に隠さない。冒頭は、オチや主張や有用な対象を素早く運ぶべきだ。スレッドは機能しうるが、1 投稿目が次のクリックを勝ち取らなければならない。

アカウントを分類不可能にしない。多様性は良い。ランダムさは高くつく。

重要な注意点

これは保証された攻略法ではない。

公開されている X のリポジトリはスナップショットであって、本番で動いている完全なシステムではない。本番のランキングは、より大きなモデル、ランタイムのフラグ、実験、ポリシーシステム、市場ごとの挙動、そして私たちには見えないモデルのバージョンによって形づくられている。公開リポジトリのコードパスの一部は、古かったり、代替的だったり、現在の挙動を部分的にしか表していなかったりするように見える。

だから、正しい結論は「これが式だ」ではない。

正しい結論は、もっと長持ちするものだ。レコメンドシステムは、明確なオーディエンスにとって高い確信度の候補になれるアカウントを評価する。

新鮮な投稿。明確なトピック。役立つ成果物。本物のエンゲージメント。少ないネガティブなフィードバック。フォローの判断を明白にするプロフィール。

それはハックではない。フィードが、予測された閲覧者の行動によってパーソナライズされ、フィルタリングされ、スコアリングされるとき、良い配信とはただこういう姿をしている、というだけのことだ。