X 推荐算法开源深度解析 2026：代码解读 + Shadowban 检测 + 6 大优化策略

2026年8月13日、X（旧Twitter）はオープンソースコードベースを再び大幅に拡張し、シャドウバンの仕組みの完全なロジックを暴露しました。これは2025年9月の初のオープンソース化、2026年1月のMuskによる新アルゴリズムオープンソース化宣言に続く、又一つの重大なアップデートです。

中国語の深度分析記事はほぼ皆無——これはブルーオーシャンのトラフィックを獲得する絶好の機会です。

一、ニュースの背景：Xオープンソースのタイムライン回顾

1.1 主要イベントの整理

Xのオープンソースの歩みは2023年にまで遡りますが、本当の転換点は2025-2026年に起こりました：

時間	イベント	意義
2023年3月	Twitterが初めておすすめアルゴリズムをオープンソース化	一部のコードを公開、訓練データや安全パイプラインは含まず
2025年9月	xAIがGrok駆動の代替バージョンをリリース	Transformerモデルを導入、旧来の4800万パラメータのMaskNetを置き換え
2026年1月	Muskが新アルゴリズムの全面的オープンソース化を発表	4週間ごとにアップデートを公開することを約束
2026年5月15日	最大規模のコードアップデート	187ファイルの変更、18000行以上の新コード
2026年8月13日	オープンソースの再拡張 + シャドウバン透明化ツール	コード量が10-15倍に拡大、フィルタリングロジックを初めて暴露

1.2 8月13日アップデートの核心内容

TechCrunchの報道によると、X製品担当副社長のKeith Colemanは次のように明かしました：

「あなたはコアランキングコードを手に入れることができます——それは任意のユーザーのために投稿を取得し、ランキングし、フィードを組み立てるものです。潜在的に問題のあるコンテンツをフィルタリングするシステムを見ることができます……ランキングやスコアリングといった一部のシステムは、社外でも自分で実行できます。」

今回のアップデートの重要な変更点：

• GitHubリポジトリ：github.com/xai-org/x-algorithm（Apache v2ライセンス）
• コード規模：前回から10-15倍に拡大
• 追加内容：モデル設定、フィルター、コアランキングシステムの詳細、シグナル重みパラメータ
• 透明化ツール：ユーザーは自分のアカウントがランキングシステムに影響されているか確認可能

1.3 なぜ今回のオープンソース化はこれまでと違うのか

2023年の初のオープンソース化（twitter/the-algorithm）は「策划された部分的なダンプ」でした——アーキテクチャを示しましたが、訓練データ、モデル重み、安全パイプライン、および約80%の本番コードは省略されていました。

2026年のバージョン（xai-org/x-algorithm）は構造的に全く異なります：

• 完全なPhoenixスコアリングシステムアーキテクチャを含む
• Grok駆動のコンテンツ理解パイプラインを公開
• 実行可能な「mini Phoenix」チェックポイントを提供
• シャドウバンとフィルタリングロジックを初めて暴露

X製品担当副社長のColemanは述べています：「私たちの夢は、一般の人々が誰でも、投稿がプラットフォーム上でどのように配信されるかを評価し、公平な競争環境であることを検証し、もしそうでないと思えば批判して、私たちが継続的に改善できるようにすることです。」

---

二、アルゴリズムアーキテクチャ解析：For Youおすすめシステムの仕組み

2.1 全体アーキテクチャ概要

XのFor Youおすすめシステムは多段階パイプラインで、各フィード更新は1.5秒以内に完了します。1日あたり約5億件の投稿から、各ユーザーに対して約1500の候補に絞り込み、その後ランキングを行います。

4つのコアコンポーネント：

┌─────────────────────────────────────────────────────────────┐
│                    Home Mixer（オーケストレーター）              │
│  クエリのハイドレーション処理、候補ソースの調整、投稿選択ルール   │
│  の実行、最終フィードの组装                                    │
└─────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────┐
│                    Thunder（インメモリ投稿ストア）               │
│  サブミリ秒級のルックアップを実現、Kafkaリアルタイム投稿スト     │
│  リームを消費                                                │
└─────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────┐
│                    Phoenix（Grok駆動ランカー）                 │
│  デュアルタワーTransformerモデル、ユーザー埋め込みと投稿埋め    │
│  込みの内積類似度を計算                                        │
└─────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────┐
│                    Candidate Pipeline（候補パイプライン）        │
│  ソーシャルグラフ、興味クラスタ、意味的類似度など複数ソースから   │
│  投稿を取得                                                  │
└─────────────────────────────────────────────────────────────┘

2.2 候補生成（Candidate Generation）

候補生成段階では複数のソースから投稿を取得します：

1. ソーシャルグラフ：あなたがフォローしている人が投稿した投稿
2. SimClustersコミュニティ検出：145,000の重複する興味クラスタ
3. 意味的類似度：コンテンツ埋め込みに基づくマッチング
4. トピック興味クラスタ：あなたの過去のインタラクションから推測

重要な制限：

• 投稿者の多様性上限：各フィードウィンドウで、同一投稿者の投稿は最大約3件まで
• ネットワーク外コンテンツ制限：For Youフィードの約50%はあなたがフォローしていないアカウントからのものですが、これらの投稿には「二次接続」が必要です——あなたがフォローしている誰かがその投稿にいいね、リプライ、またはリツイートしている必要があります

2.3 ランキングモデル（Ranking Model）：Phoenix

Phoenixは2026年のコランキングラーで、旧来のMaskNetモデルを置き換えました。GrokベースのTransformerモデルです：

アーキテクチャの特徴：

• デュアルタワーモデル：ユーザー埋め込みと投稿埋め込みを同時に生成
• 内積類似度：内積を通じて両者の類似度を計算
• 重要な設計判断：ランキング推論中、候補投稿同士は互いにアテンド（attend）できません——各投稿のスコアはユーザーコンテキストに基づいて完全に計算され、バッチ内の他の投稿には依存しません

これはつまり：投稿のランキングは同時に考慮されている他の投稿によって変化しない——スコアは一貫しており、キャッシュ可能です。

Phoenixは19種類の異なるインタラクション行動を予測し、各行動に確率スコアを与えます。これらの確率に重みを掛けて合計し、最終的なインタラクションスコアを算出します。

2.4 最終フィルタリング（Final Filtering）

ランキングの後、一連のプレランキングフィルターがあります。投稿はスコアリングされる前にこれらのフィルターを通過する必要があります：

1. 投稿者の多様性フィルター：同一投稿者の投稿は各フィードウィンドウで最大約3件まで
2. ネガティブフィードバックフィルター：ユーザーが過去30日以内にブロック、ミュート、または「このようなコンテンツを減らす」を選択した場合、そのアカウントの全コンテンツが降格されます
3. リンク専用投稿フィルター：オリジナルテキストに乏しく外部リンクを主に含む投稿は制限されます
4. ネットワーク外上限：各フィードウィンドウで、非フォローアカウントからの投稿数に上限があります

---

三、コアランキングシグナル：オープンソースコード分析に基づく

3.1 インタラクション重み：リプライ > リツイート > いいね

オープンソースコードは異なるインタラクションタイプの正確な重みを明らかにしています。以下のデータは2023年に初めて公開された重みによるものです（2026年のPhoenixは手動調整ではなく学習重みを使用していますが、方向性は一致しています）：

インタラクションタイプ	相対重み（いいね比）	説明
投稿者へのリプライ	約150倍	あなたが自分の投稿へのリプライに返信すること——これが最強のシグナル
リプライ	約27倍	通常のリプライ
リツイート	約20倍	リポスト
プロフィールクリック	約12倍	投稿者のアバターをクリック
リンククリック	約11倍	投稿内のリンクをクリック
ブックマーク	約10倍	投稿を保存
いいね	1倍	基準値

重要な洞察：100いいねを獲得した投稿は、4件のリプライを得た投稿よりもアルゴリズムスコアが低くなります——もしあなたがその4件のリプライ全てに返信すれば、+75の「投稿者リプライ」シグナルが4回トリガーされます。

最も直感に反する発見：双方向のリプライチェーン（あなたが自分の投稿へのリプライに返信すること）は、アルゴリズムスコアモデルにおいて約150いいねの価値があります。

3.2 ネットワーク効果：ソーシャルグラフがおすすめに与える影響

TweepCred信用システム：

コードはTweepCredという信用システムを定義しています——0から100の範囲の重み付きPageRankスコアで、ユーザーのインタラクショングラフから毎日再計算されます。

重要な閾値：TweepCredスコアが65未満のアカウントは、サイクルごとにわずか3件のツイートのみが配信対象として考慮されます。この閾値以下では、アルゴリズムは実質的にあなたがフォローしていない人に投稿を表示することを停止します。

TweepCredは以下の要因に影響されます：

• アカウントの年齢
• フォロワー/フォロー比率
• 高信用アカウントとのインタラクション
• デバイス使用パターン
• 全体的なインタラクション品質の履歴

SimClustersコミュニティ検出：

For Youフィードの約50%はあなたがフォローしていないアカウントからのものです。アルゴリズムはSimClustersシステムを使用して145,000の重複する興味クラスタを識別します。

しかしSimClustersが実行される前にフィルターがあります：ネットワーク外の投稿には二次接続が必要です——あなたがフォローしている誰かがその投稿にいいね、リプライ、またはリツイートしているか、または投稿者をフォローしている必要があります。この社会的証明がなければ、投稿はネットワーク外フィードの考慮対象になりません。

3.3 コンテンツ品質シグナル

時間減衰：

コードは時間減衰が非常に急激であることを示しています：

• 投稿は6時間ごとに可視性スコアの約半分を失う
• 24時間後、アルゴリズムによるプッシュは実質ゼロ

しかし最初の30分間では、動態は全く異なります：

• 最初の15分以内に10件のリプライを集めた投稿は「バイラル増幅カスケード」をトリガーする
• アルゴリズムは高いインタラクション速度を推測し、ネットワーク外ユーザーへの配信を開始する

滞在時間（Dwell Time）：

スレッド（Thread）は全フォーマットの中で最も高い滞在時間を生み出します。7つのツイートを読む読者は、複数のコンテンツ断片上で複数の滞在時間シグナルをトリガーします。スレッド完了率は2025年にランキングシグナルとして追加されました。

コンテンツフォーマット重み：

フォーマット	重み倍率	説明
スレッド（Thread）	最高滞在時間	3-5ツイートのスレッドは個別投稿より40-60%多く露出
ネイティブ動画	視聴時間シグナル	最適長 < 2:20、縦型9:16が横型より優れる
画像	2倍	2023年コードで確認、2026年アーキテクチャでも継続している模様
プレーンテキスト	最高リプライ率	インプレッションあたりのリプライ数が最高
外部リンク	ネガティブシグナル	非Premiumアカウントがリンクを投稿すると中央値インタラクションがゼロに

3.4 Grok AIのコンテンツモデレーションとおすすめにおける役割

2026年5月15日のアップデートでGroxが導入されました——コンテンツ理解パイプライン：

1. スパム検出：投稿がPhoenixに到達する前に分類
2. 投稿カテゴリー分類：アルゴリズムはインタラクションパターンだけでなく投稿の内容自体を分類
3. 安全実行：動画コンテンツのASR（音声認識）処理を含む
4. 感情スコアリング：建設的で前向きなメッセージはより広く拡散される；ネガティブで対立的なフレーミングはインタラクション量が多くても拡散が抑制される

重要な変化：Grokは 이제 모든投稿を「読み」すべての動画を「視聴」できるようになりました——1日1億件以上のコンテンツを処理し、ユーザーと最も関心を持ちそうなコンテンツをマッチングします。

3.5 広告投稿 vs オーガニック投稿のミックス戦略

オープンソースコードは主にオーガニックおすすめに焦点を当てていますが、X Premiumアカウントは以下の優位性を持ちます：

• より高いネットワーク外投稿上限
• リプライスレッドでPremiumリプライがより高い位置に昇格される
• リンク投稿の制限が少ない（非Premiumアカウントがリンクを投稿すると中央値インタラクションがゼロに）

---

四、シャドウバンの仕組み解明

4.1 シャドウバン（Shadowban）とは

シャドウバンとは、あなたの投稿が明示的な通知なく可視性を下げられたり、発見不可能にされることです。あなたは引き続き投稿できますが、あなたのコンテンツは以下に表示されなくなります：

• 検索結果
• For Youフィード
• リプライスレッド
• ハッシュタグ閲覧

4.2 オープンソースコードにおけるシャドウバンロジック

8月13日のアップデートで初めてフィルタリングロジックが暴露されました。コード分析によると、シャドウバンは主に以下のメカニズムで実現されています：

1. TweepCred閾値フィルター

# 疑似コード例
if user.tweepcred < 65:
    candidates_per_cycle = 3  # 3件の投稿のみが考慮される
else:
    candidates_per_cycle = normal_limit

2. ネガティブフィードバック減衰

ユーザーが過去30日以内に大量のブロック、ミュート、または「このようなコンテンツを減らす」操作を受けた場合、そのアカウントの全コンテンツが降格されます——ネガティブフィードバックをトリガーした投稿だけでなく。

3. Groxコンテンツ分類

Groxによってスパムまたは「カテゴリからの逸脱」とマークされた投稿は、Phoenixに到達する前に降格されます。

4. リンク投稿ペナルティ

2023年システムは20-30%の露出削減を適用。2025年には30-50%に増加。2026年3月、非Premiumアカウントがリンクを投稿すると中央値インタラクションがゼロになりました。

4.3 自分が制限されているか検出する方法

方法1：公式透明化ツール（新）

Xは8月13日のアップデートで「Under the Hood」透明化ツールをリリースしました：

• アプリ設定の「Under the Hood」ページに位置
• 過去1ヶ月に10件以上の投稿をしたユーザーは集計統計データ（JSONファイル）をダウンロード可能
• ファイルには過去1ヶ月にアカウントや投稿にタグが適用されたかどうかが表示される

方法2：サードパーティ検出ツール

複数の無料ツールでシャドウバン状態を検出できます：

• shadowban.yuzurisa.com
• opentweet.io/tools/shadowban-check
• circleboom.com/twitter-shadowban-test

方法3：手動シークレット検索テスト

1. ログアウトまたはプライベートブラウザウィンドウを開く
2. from:@あなたのユーザー名 を検索
3. あなたの投稿が表示されない場合、制限されている可能性あり

4.4 制限される一般的な原因

オープンソースコード分析によると、シャドウバンをトリガーする一般的な行動：

1. 低いTweepCredスコア（< 65）

   • 新アカウントが過度にフォロー（例：5000人をフォロー）
   • フォロワー/フォロー比率の失衡
   • 低信用アカウントとのインタラクション

2. 大量のネガティブフィードバック

   • 複数人にブロックまたはミュートされた
   • 投稿に大量の「このようなコンテンツを減らす」操作を受けた

3. リンク専用投稿の投稿

   • オリジナルテキストに乏しいリンク投稿は「低努力配信」としてマークされる

4. コンテンツポリシー違反

   • Groxによってスパムに分類された
   • 感情スコアがネガティブ/対立的

5. 過度な投稿

   • 1時間あたり10件以上投稿すると、ほとんどの投稿が候補生成段階でフィルタリングされる

---

五、実践的最適化戦略：6つの実行可能な提案

戦略1：投稿時間最適化（アルゴリズム嗜好に基づく）

核心原則：最初の30分が全てを決める。

具体的な操作：

• あなたの最もアクティブなフォロワーがオンラインの時間に投稿する
• 最初の15分以内に少なくとも10件のリプライを得られるようにする
• 投稿後20-30分間はオンラインを維持し、積極的にコメントに返信する

なぜ効果的か：

• 投稿は6時間ごとに可視性の半分を失う
• 最初の15分以内の 높은インタラクション速度が「バイラル増幅カスケード」をトリガー
• アルゴリズムが高いインタラクション速度を推測し、ネットワーク外ユーザーへの配信を開始

戦略2：インタラクション誘導戦略（リプライ > リツイート > いいね）

核心原則：いいね数ではなくリプライ速度を最適化する。

具体的な操作：

• 特定の応答を誘う投稿をする：意見の明確な主張、直接的な質問、直感に反するデータポイント、具体的な予測
• 投稿後1時間以内に全てのリプライに返信する——これが投稿後に使える最も高いレバレッジの行動
• 各「投稿者リプライ」はスコアモデルで150いいねの価値

なぜ効果的か：

• 8件のリプライ（30分以内）を得た投稿は、200いいね（2日間）を得た投稿より優れる
• 双方向リプライチェーン（あなたが自分の投稿へのリプライに返信）は約150いいねの価値

戦略3：コンテンツフォーマット最適化（画像/動画/投票の重み）

核心原則：フォーマット重みを利用してシグナルを最大化する。

具体的な操作：

• スレッド（Thread）：3-5ツイートのスレッドは個別投稿より40-60%多く露出
• ネイティブ動画：最適長 < 2:20、縦型9:16フォーマット
• 画像：2倍の重み倍率（2023年コードで確認）
• プレーンテキスト：リプライ率が最高——巧みに作られたテキスト投稿はほとんどの動画コンテンツより多くの会話を生み出す
• 外部リンクを避ける：リンクはリプライに置き、メイン投稿には置かない

なぜ効果的か：

• スレッドは最も高い滞在時間を生み出す
• ネイティブ動画は視聴時間シグナルを作成
• 外部リンクはネガティブシグナルを生む（非Premiumアカウントの中央値インタラクションがゼロに）

戦略4：ハッシュタグ戦略

核心原則：少ないほど良い。

具体的な操作：

• トピックに関連する1-2個のタグを使用
• 2個超のタグはGroxスパム分類子をトリガーし、露出が約40%減少

なぜ効果的か：

• Groxコンテンツ理解パイプラインが投稿内容を分類
• 過度なタグはスパム行動としてマークされる

戦略5：シャドウバンをトリガーする行動を避ける

核心原則：TweepCred > 65を維持する。

具体的な操作：

• 戦略的フォロー：フォロー数を膨らませず、フォロワー/フォロー比率を自然に成長させる
• 高信用アカウントとインタラクション：TweepCredスコアを上げる
• 一貫した投稿リズムを維持：TweepCredは長期的なインタラクション品質に影響される
• 大量のネガティブフィードバックを避ける：ネガティブフィードバックを大量に受けた1-2件の投稿が、数週間にわたり露出を沈める
• リンク投稿にオリジナルテキストを追加：100-200字のオリジナルコメントを書く。さもなければアルゴリズムはリンクスパムとみなす

なぜ効果的か：

• TweepCred < 65のアカウントはサイクルごとに3件の投稿しか考慮されない
• ネガティブフィードバックはトリガーした投稿だけでなく、将来の全投稿に影響する

戦略6：Grok AIを活用したコンテンツ作成

核心原則：アルゴリズムのコンテンツ理解と整合性を保つ。

具体的な操作：

• トピックの一貫性を維持：Groxは各投稿のカテゴリを分類、トピックの逸脱はおすすめを失う
• Grokでフィードをカスタマイズ：ユーザーは自然言語でGrokにFor Youフィードのカスタマイズを指示可能（例：「スタートアップ内容をもっと、政治を少なく」）
• コンテンツ埋め込みを最適化：最初の行で直接主題に入る、曖昧な前置きを使わない
  • ✅ 「B2B SaaSの価格設定モデルは時代遅れだ」
  • ❌ 「今日面白いことを学びました」

なぜ効果的か：

• Groxはコンテンツ埋め込みに基づいて投稿をユーザー興味にマッチング
• 最初の行が曖昧だと、埋め込みはどの興味トピックにも強くクラスタリングされない
• トピックの一貫性で「プロンプト可能フィード」で優位に立つ

---

六、オープンソースコードナビゲーション

6.1 GitHubリポジトリ構造の説明

メインリポジトリ：github.com/xai-org/x-algorithm

主要コンポーネント：

• Home Mixer：パイプライン全体をオーケストレーション
• Thunder：インメモリ投稿ストア、サブミリ秒級のルックアップを実現
• Phoenix：Grok駆動ランカー（デュアルタワーTransformer）
• Candidate Pipeline：組み合わせ可能なフレームワーク、複数ソースから投稿を取得
• Grox：コンテンツ理解パイプライン（スパム検出、カテゴリ分類、安全実行）
• TweepCred：信用スコアリングシステム

6.2 重要コードファイルの解説

重みファイル：

• scored-tweets.thrift：公開されたインタラクション重みを含む（2023年版）
• Phoenixは学習重みを使用し手動調整ではないが、2023年の重みは方向性として正確だと広く考えられている

ランカー：

• Phoenixランカーコードはデュアルタワーアーキテクチャを示している
• 重要な設計：候補投稿同士は互いにアテンドできない、スコアの一貫性を確保

フィルター：

• 投稿者の多様性上限（約3件/ウィンドウ）
• ネガティブフィードバック減衰（30日ウィンドウ）
• リンク投稿制限
• ネットワーク外コンテンツ上限

6.3 アルゴリズム分析を自分で実行する方法

Xは「mini Phoenix」チェックポイントを提供しており、外部研究者がPhoenixスコアリングシステムを訓練・実行できます。

手順：

1. リポジトリをクローン：git clone https://github.com/xai-org/x-algorithm.git
2. 依存関係をインストール（README参照）
3. mini Phoenixチェックポイントをダウンロード
4. スコアリングシステムを実行（注意：各投稿の正確なスコアは得られないが、アーキテクチャは実行可能）

コミュニティ派生プロジェクト：

• x-algo-tweet-scorer：オープンソースシグナルに基づくツイートスコアリングツール
• x-score-extension：タイムラインのツイートをアルゴリズム重みに基づいて分析するChrome拡張機能

---

七、よくある質問（FAQ）

Q1：Xアルゴリズムは完全にオープンソース化されたのか？

A：部分的にオープンソース化されています。2026年バージョンにはコアランキングコード、Phoenixスコアリングシステムアーキテクチャ、フィルター、シグナル重みが含まれています。しかし含まれていないもの：Grokを使用して投稿がルールに違反するか予測するリアルタイムスパム分類器、広告ターゲティングシステム、一部の安全分類器。これはXが悪意ある行為者がこの情報を利用してルールを回避するのを防ぐためです。

Q2：リプライは本当にいいねより150倍重要なのか？

A：はい。オープンソースコードによると、「投稿者リプライ」（あなたが自分の投稿へのリプライに返信すること）はスコアモデルで約150いいねの価値があります。通常のリプライは約27いいねの価値、リツイートは約20いいねの価値です。つまり、4件のリプライを得た投稿（あなたが全てに返信すれば）は、100いいねを得た投稿より高いアルゴリズムスコアになります。

Q3：自分がシャドウバンされているか検出するには？

A：3つの方法：1）Xの新しい「Under the Hood」透明化ツールを使用（8月13日にリリース）；2）shadowban.yuzurisa.comなどのサードパーティ検出ツールを使用；3）手動シークレット検索テスト——ログアウト後に from:@あなたのユーザー名 を検索、投稿が表示されなければ制限されている可能性あり。

Q4：外部リンクは本当にペナルティを受けるのか？

A：はい。2023年システムは20-30%の露出削減を適用、2025年には30-50%に増加、2026年3月には非Premiumアカウントがリンクを投稿すると中央値インタラクションがゼロになりました。解決策：リンクはリプライに置き、メイン投稿には置かない。メイン投稿にはネイティブコンテンツ（意見、洞察、スレッド）を投稿し、リプライにリンクを添付する。

Q5：X Premiumは購読する価値があるのか？

A：アルゴリズムの観点から、Premiumアカウントは以下の優位性を持ちます：より高いネットワーク外投稿上限、リプライスレッドでリプライがより高い位置に昇格、リンク投稿の制限が少ない。Xで本気で影響力を構築したい場合、Premiumは顕著なアルゴリズム優位性を提供します。ただし一般ユーザーでも、無料アカウントはインタラクション戦略の最適化で良好な露出を得られます。

---

八、まとめ

Xおすすめアルゴリズムのオープンソース化は、ソーシャルメディアプラットフォームがコンテンツの可視性をどのように決定するかを理解するための前例のないウィンドウを提供してくれました。核心的洞察：

1. リプライが最強のシグナル：いいね数ではなくリプライ速度を最適化
2. 最初の30分が全てを決める：投稿後もオンラインを維持し、積極的にインタラクション
3. TweepCredが鍵：スコア > 65を維持、戦略的にフォロー
4. 外部リンクはペナルティ：リンクはリプライに置く
5. コンテンツフォーマットが影響：スレッド > 動画 > 画像 > プレーンテキスト > リンク
6. 一貫性が頻度に勝る：毎日3-5件の高品質投稿が15件の急いで作った投稿より優れる

オープンソースコードは一つの事を明確にしました：Xでの影響力は一貫性、タイミングの正確さ、インタラクション品質の関数です——これらの原則を繰り返し適用すること。競争に勝つアカウントは最も賢い単独投稿を持つアカウントではなく、正しいタイミングで登場し、本物の会話を始め、そしてまた明日戻ってくるアカウントです。

コードは公開されています。シグナルは文書化されています。成長するアカウントと停滞するアカウントを分けるものは：彼らがこの情報を体系的に使用しているか、それとも2022年と同じことを続けているかです。

---

このブログ記事がお役に立てれば幸いです！Xアルゴリズム最適化についてさらにご質問があれば、コメント欄で議論しましょう。

参考資料：

• X For You Feed Algorithm - GitHub
• TechCrunch: X open sources its ranking algorithm
• OpenTweet: X Algorithm Open Source Analysis
• Publora: X Algorithm Weights Revealed
• Sprout Social: How Twitter Algorithm Works 2026