イーロン・マスクがTwitterのアルゴリズムをオープンソース化したことで、0xToddなどのユーザーが詳細な解析をX上で共有し始めました。この透明性により、我々はコンテンツがどのように選別され、誰に表示されるのかという複雑なメカニズムが明らかになってきました。特に注目すべきは、リトリーバル機構という2つの異なるコンテンツ抽出システムが並行して動作しているという点です。このメカニズムを理解することで、ユーザーはより効果的にオーディエンスにリーチする戦略を立てられるようになります。## Thunder vs. Phoenix Retrieval—2つのコンテンツフロー機構Xのアルゴリズムの中核には、2つの重要なリトリーバルシステムが存在します。1つ目は「Thunder（サンダー）」で、これはあなたがフォローしているアカウントのコンテンツのみを取得する仕組みです。2つ目が「Phoenix Retrieval（フェニックスリトリーバル）」で、こちらはあなたがフォローしていないアカウントを含む、プラットフォーム全体のコンテンツから候補を抽出します。これらのリトリーバルシステムは、各ユーザーの隠れたアシスタント「Grock」によって調整されます。このシステムが投稿とのエンゲージメント可能性を予測し、Thunderからコンテンツを優先表示するか、それとも Phoenix Retrievalから広範なコンテンツを表示するかを動的に判断しています。つまり、あなたのタイムラインは単なる時系列表示ではなく、このアルゴリズムが常に最適なコンテンツ配分を計算しているのです。## 評判スコアと隠れた「格付け」システム各ユーザーには-128から+100までの範囲で変動する見えない評判スコアが割り当てられています。この数値がアルゴリズムにおいて極めて重要な役割を果たしており、あなたのコンテンツが Phoenix Retrievalによってどの程度抽出されやすいか、つまり新規ユーザーの目に止まる確率を直結しています。新しいアカウントは低いスコアから始まり、高い評判を持つユーザーとの活発なエンゲージメントを通じてのみスコアが上昇します。逆に低品質のアカウントとの相互作用はスコアを押し下げる可能性があり、悪質なコンテンツとの関連付けは避けた方が無難です。さらに興味深いのは、ネガティブフィードバックがポジティブなそれよりもはるかに重く評価されるという点です。複数の「いいね」よりも、わずか1回のブロックがスコアに与える影響の方が大きいことがあります。## 動画完成率、トピック疲れ、検証状態—アルゴリズムの微細な調整要素Xのアルゴリズムは単純なルール適用ではなく、かなり柔軟に進化しています。かつて2023年には動画コンテンツが強く優遇され、リンクを含む投稿が抑制されていました。しかし現在のアルゴリズムはより洗練され、各ユーザーの個別の好みに基づいた動的なスコアリングへと転換しています。「トピック疲れ」というメカニズムも重要です。これは短期間内に同じ著者からの複数投稿のランキングを低下させ、繰り返しコンテンツへのペナルティを加えるシステムです。これによりタイムリーな投稿が促進され、プラットフォーム全体のコンテンツ多様性が保たれています。検証済みアカウント（青V）は Phoenix Retrievalによって優先的に抽出される傾向にあります。未検証アカウントがリトリーバルの候補プールに到達するには、高速なエンゲージメント成長が不可欠です。さらに、ユーザーが投稿と直接相互作用していなくても、その投稿を表示している時間が記録され、ポイントとして加算される「滞在時間」もアルゴリズムの重要な要因となっています。アルゴリズムは各ツイートを独立した候補として評価し、重複や古いコンテンツの推薦を避けながら、動画の完成率を高く評価しています。これらの複数の要因が相互作用し、あなたのタイムラインが構築されているのです。イーロン・マスクの透明性への取り組みにより、これらのアルゴリズムの詳細が明かされたことは、プラットフォーム全体にとって重要なターニングポイントとなりました。リトリーバル機構やスコアシステムの理解が深まることで、コンテンツクリエイターはより戦略的にオーディエンスにアプローチできるようになり、ユーザーは自分が見ているコンテンツの背景にある論理をより良く認識できるようになります。
Xのリトリーバルアルゴリズムを解剖する—コンテンツ表示の隠れたルール
イーロン・マスクがTwitterのアルゴリズムをオープンソース化したことで、0xToddなどのユーザーが詳細な解析をX上で共有し始めました。この透明性により、我々はコンテンツがどのように選別され、誰に表示されるのかという複雑なメカニズムが明らかになってきました。特に注目すべきは、リトリーバル機構という2つの異なるコンテンツ抽出システムが並行して動作しているという点です。このメカニズムを理解することで、ユーザーはより効果的にオーディエンスにリーチする戦略を立てられるようになります。
Thunder vs. Phoenix Retrieval—2つのコンテンツフロー機構
Xのアルゴリズムの中核には、2つの重要なリトリーバルシステムが存在します。1つ目は「Thunder（サンダー）」で、これはあなたがフォローしているアカウントのコンテンツのみを取得する仕組みです。2つ目が「Phoenix Retrieval（フェニックスリトリーバル）」で、こちらはあなたがフォローしていないアカウントを含む、プラットフォーム全体のコンテンツから候補を抽出します。
これらのリトリーバルシステムは、各ユーザーの隠れたアシスタント「Grock」によって調整されます。このシステムが投稿とのエンゲージメント可能性を予測し、Thunderからコンテンツを優先表示するか、それとも Phoenix Retrievalから広範なコンテンツを表示するかを動的に判断しています。つまり、あなたのタイムラインは単なる時系列表示ではなく、このアルゴリズムが常に最適なコンテンツ配分を計算しているのです。
評判スコアと隠れた「格付け」システム
各ユーザーには-128から+100までの範囲で変動する見えない評判スコアが割り当てられています。この数値がアルゴリズムにおいて極めて重要な役割を果たしており、あなたのコンテンツが Phoenix Retrievalによってどの程度抽出されやすいか、つまり新規ユーザーの目に止まる確率を直結しています。
新しいアカウントは低いスコアから始まり、高い評判を持つユーザーとの活発なエンゲージメントを通じてのみスコアが上昇します。逆に低品質のアカウントとの相互作用はスコアを押し下げる可能性があり、悪質なコンテンツとの関連付けは避けた方が無難です。さらに興味深いのは、ネガティブフィードバックがポジティブなそれよりもはるかに重く評価されるという点です。複数の「いいね」よりも、わずか1回のブロックがスコアに与える影響の方が大きいことがあります。
動画完成率、トピック疲れ、検証状態—アルゴリズムの微細な調整要素
Xのアルゴリズムは単純なルール適用ではなく、かなり柔軟に進化しています。かつて2023年には動画コンテンツが強く優遇され、リンクを含む投稿が抑制されていました。しかし現在のアルゴリズムはより洗練され、各ユーザーの個別の好みに基づいた動的なスコアリングへと転換しています。
「トピック疲れ」というメカニズムも重要です。これは短期間内に同じ著者からの複数投稿のランキングを低下させ、繰り返しコンテンツへのペナルティを加えるシステムです。これによりタイムリーな投稿が促進され、プラットフォーム全体のコンテンツ多様性が保たれています。
検証済みアカウント（青V）は Phoenix Retrievalによって優先的に抽出される傾向にあります。未検証アカウントがリトリーバルの候補プールに到達するには、高速なエンゲージメント成長が不可欠です。さらに、ユーザーが投稿と直接相互作用していなくても、その投稿を表示している時間が記録され、ポイントとして加算される「滞在時間」もアルゴリズムの重要な要因となっています。
アルゴリズムは各ツイートを独立した候補として評価し、重複や古いコンテンツの推薦を避けながら、動画の完成率を高く評価しています。これらの複数の要因が相互作用し、あなたのタイムラインが構築されているのです。
イーロン・マスクの透明性への取り組みにより、これらのアルゴリズムの詳細が明かされたことは、プラットフォーム全体にとって重要なターニングポイントとなりました。リトリーバル機構やスコアシステムの理解が深まることで、コンテンツクリエイターはより戦略的にオーディエンスにアプローチできるようになり、ユーザーは自分が見ているコンテンツの背景にある論理をより良く認識できるようになります。