X（Twitter）のアルゴリズム：「おすすめ」フィードの仕組み

X（Twitter）のアルゴリズムは、何百万人ものユーザーが毎日「おすすめ」フィードで目にする内容を決定します。その論理を理解すれば、投稿方法は根本から変わります。しかし、多くのコンテンツクリエイターやブランドにとって、この仕組みはいまだにもどかしいブラックボックスです。明確な理由もなく急拡散する投稿がある一方、丹念に書かれた投稿がほとんど見られないこともあります。

Xは業界では珍しい決断を下し、レコメンドアルゴリズムのソースコードを一般公開しました。この透明性への取り組みは、Xのエンジニアリングブログに掲載された公式技術記事で説明されています。2026年10月以降、このアルゴリズムはxAIのGrokモデルと同じアーキテクチャを基盤とするTransformerモデルを中心に全面的に再設計されています。ただし、この透明性は限定的です。システムの回避を防ぐため、一部のファイル（正確な重み付け規則や内部プロンプト）は意図的に除外されています。

この記事では、公開資料で確認できるアルゴリズムの仕組みを読み解き、「おすすめ」フィードと「フォロー中」フィードの違いを説明するとともに、Xでのオーガニックな露出を高める具体策を紹介します。

「おすすめ」と「フォロー中」：相反する2つの論理

イーロン・マスク体制下でXの利用体験が刷新されて以降、プラットフォームのタイムラインには主に2つのタブがあります。その違いを理解することは、本格的なコンテンツ戦略に欠かせない出発点です。

「フォロー中」フィード：時系列で予測しやすい

「フォロー中」フィードには、フォローしているアカウントの投稿が概ね時系列で表示されます。目立たせるためのシグナルも一部あり、反応の多い投稿は少し上位に表示されますが、基本的な論理は単純です。アカウントをフォローすれば、その投稿が表示されます。このフィードは、大規模なアルゴリズム改修以前に大多数のユーザーが親しんでいたTwitter体験に相当します。

「おすすめ」フィード：アルゴリズム型で動的

「おすすめ」フィードの性質はまったく異なります。フォロー中のアカウントだけに限定されず、まだ知らないアカウントの投稿も、行動プロファイルに基づいてアルゴリズムが選び、組み込みます。ここで新しいクリエイターの発見とオーガニックな拡散が生まれます。投稿者に何百万人ものフォロワーがいなくても、このフィードを通じて数十万回表示される可能性があります。

「おすすめ」フィードにフォローしていないアカウントの投稿が占める割合は、意図的に高く設定されています。Xは、関連性があり意外性のあるコンテンツを提示して、プラットフォームでの滞在時間を最大化しようとしています。この編集方針がフィードのパーソナライズの中核にあり、アルゴリズムを特に注視すべき理由でもあります。

ランキングシグナル：アルゴリズムが実際に評価するもの

Xのアルゴリズムは、複数カテゴリーのシグナルを集約して各投稿にスコアを付け、タイムライン内の表示位置を決定します。Xの公式技術資料は、こうした主要なシグナル群の存在を確認しています。Phoenixと呼ばれるランキングモデルはTransformerであり、特定の投稿に対してユーザーが各種行動を取る確率を予測するよう訓練されています。各行動の正確な重みはすべて公開されているわけではなく、定期的な更新によって変化します。

直接的なエンゲージメントシグナル

これは、特定の投稿で測定できる反応です。Xのエンジニアリングチームが公開した構造によれば、Phoenixモデルは次のような複数種類のユーザー行動の確率を予測します。

• いいね：手軽な賛同のシグナルで、読者がコンテンツに満足したことを示します。
• リポスト（リツイート）と引用：強い共有シグナルで、投稿のリーチを投稿者のフォロワー以外へ直接広げます。
• 返信：会話のシグナルで、投稿が活発なやり取りを生んでいることを示します。
• リンクの共有（投稿リンクのコピー）：技術資料で公開された重み付けによると、特に高く評価されるシグナルです。
• 閲覧時間（dwell time）：Xは、ユーザーがスクロールする前に投稿でどれだけの時間止まったかを測定します。長く止まることは、関心の表れと解釈されます。
• 否定的な行動：報告、非表示、アカウントのミュートもモデルによる予測対象で、投稿スコアを大きく低下させます。

すべてのシグナルが同等というわけではありません。正確な値は一部非公開で変更される可能性がありますが、返信、リポスト、リンク共有など、ユーザーの明確な自発的努力を伴う行動は、単なる「いいね」より強く重み付けされているとみられます。

投稿者アカウントに関するシグナル

アルゴリズムは、投稿するアカウントのプロフィールも評価します。

• アカウントの運用期間と一貫性
• フォロワー数とフォロー数の比率
• 過去の投稿における平均エンゲージメント履歴
• X Premiumへの加入。Premiumチェックマークに関するXの公式資料で説明されている各プランによれば、確認されている効果は主として返信のランキング優先（reply prioritization）に関するものです。「おすすめ」フィード全体における利点の正確な大きさは公表されていません。

反応実績の高いアカウントには初期段階で優位性があります。新しい投稿の初動を検証する際、より大きなユーザーサンプルに提示され、結果に応じてさらに広く配信されます。

投稿の新しさ：基本フィルター

投稿の新しさは、体系的に適用される事前フィルターです。数週間前に公開された投稿は、新たな反応を生み続けていない限り、ユーザーの「おすすめ」フィードに表示される可能性がほとんどありません。アルゴリズムは、活気があり最新のプラットフォームという印象を保つため、新しいコンテンツを優先します。そのため、適切なタイミングでの投稿は今も有効です。これは、Instagramの投稿時間の最適化が投稿のリーチに大きく影響するのと同様です。

パーソナライズ：アルゴリズムが好みを学ぶ仕組み

「おすすめ」フィードは、ユーザーごとに異なります。アルゴリズムは、過去の反応とプラットフォーム上の閲覧履歴から個別の行動プロファイルを構築します。

アルゴリズムが行動から記憶するもの

このプロファイルには、複数の行動が反映されます。

1. 定期的に反応するアカウント（いいね、返信、リポスト）
2. 長時間読む投稿に含まれるテーマとキーワード
3. 優先的に「いいね」やコメントをするコンテンツ形式（動画、スレッド、画像、長文）
4. 明示的にミュートした、または関連性がないと報告したアカウント
5. Xでの検索履歴

アルゴリズムはこれらのデータに基づき、テーマや行動上の親和性によってユーザーを分類します。共通の関心を持つユーザーの一群で非常に高い成果を上げた投稿は、投稿者をまだフォローしていない類似プロファイルにも配信される可能性があります。まさにこの仕組みによって、Xでのアルゴリズムによる発見が可能になります。

避けるべき否定的シグナル

アルゴリズムは肯定的な反応だけを最適化するのではなく、特定の行動にはペナルティも科します。Xの信頼性に関するポリシーで明記されている否定的シグナルには、次のものがあります。

• ユーザーがフィードから投稿を非表示にする、または不要な投稿として報告すること
• コンテンツを見た後にアカウントをミュートすること
• アカウントの投稿で止まらず素早くスクロールする割合が高いこと（無関心の指標）
• スパムと認識される行動（短期間の大量投稿、重複またはほぼ同一のコンテンツ）

否定的シグナルを理解することは、肯定的シグナルの理解と同じくらい重要です。アルゴリズムスコアを悪化させる行為を避けることは、オーガニックリーチを改善するための前提条件です。

タイムラインの構成：アルゴリズムがフィードを作る方法

「おすすめ」フィードは、単純にスコア順へ並べるだけでは作られません。Xは、複数のコンポーネントを順に使用して各閲覧セッションを構成します。

投稿のソース：In-NetworkとOut-of-Network

Xの公式技術資料によると、「おすすめ」フィードは大きく2種類のコンテンツを統合します。

• In-Network投稿：フォローしているアカウントの投稿で、公開されているアーキテクチャでは「Thunder」コンポーネントがフォロー関係に基づきリアルタイムで取得します。
• Out-of-Network投稿：「Phoenix」コンポーネントが、毎日投稿される数億件のプールから類似性検索によって発見します。フォローしていないアカウントのコンテンツですが、アルゴリズムがプロファイルに関連すると判断したものです。

2つの流れは統合され、最終ランキングモデルでまとめて並べ替えられます。投稿者を分散させるフィルターも適用されます。同じ投稿者が1回のセッションに複数回登場すると、後続の投稿のスコアが弱められ、単一アカウントがフィードを過度に占めないようにします。

最終ランキングモデル

候補が選ばれると、Phoenixモデルは各投稿に最終スコアを割り当てます。このスコアは、予測対象となる各行動（いいね、返信、リポスト、リンク共有、長時間の閲覧など）を行う推定確率と、否定的に反応する確率（報告、ミュート、素早いスクロール）を重み付けして合計したものです。フィードに表示される最終リストは、この多基準計算の結果です。その論理は、ほかのアルゴリズム型プラットフォームにも近いものです。YouTubeなどの発見サービスも、独自の発見フィードでエンゲージメントを最大化するため、同様の原則を採用しています。

「おすすめ」フィードでの露出を高める具体的な戦略

X（Twitter）のアルゴリズムを理解しても、行動に結び付かなければ価値はありません。投稿のランキングを改善するうえで、特に根拠が明確な施策を紹介します。

最初の1時間のエンゲージメントを最大化する

投稿後の最初の1時間は重要な時間帯です。アルゴリズムは、投稿の初動実績を使って、その後の配信規模を判断します。返信やリポストを素早く獲得した投稿は、一般に配信範囲が拡大します。自分の投稿に返信して会話を促す、オーディエンスが活動している時間に投稿する、本文で反応を呼びかけるといった方法は、この評価段階へ良い影響を与える可能性があります。

形式と読みやすさを整える

投稿の閲覧時間は、スコアリングモデルの直接的なシグナルです。構成が明確で読みやすく、スクロールの手を止めさせる投稿が優遇されます。主な方針は次のとおりです。

• スレッド（番号付きの連続投稿）は、単独の投稿より長く注意を維持します
• 埋め込みメディア（画像、短い動画）は、投稿での滞在時間を延ばします
• 本文中の自由回答型の質問は返信を促し、アルゴリズムにとって強いシグナルになります
• タイムラインでは内容が省略表示され、「さらに表示」のクリックを左右するため、投稿冒頭の引き付けが不可欠です

テーマの一貫性を築く

アルゴリズムは、ユーザープロファイルをテーマと関連付けます。特定のテーマについて一貫して投稿するアカウントは、そのテーマに関心を持つオーディエンスへ推薦されやすくなります。テーマが過度に多様だと、関連性のシグナルが薄れる可能性があります。相互に関連する2つか3つの分野へ徐々に特化することで、アルゴリズムが認識する権威性を高められます。

投稿頻度を適切に管理する

よくある思い込みとは異なり、Xでは大量投稿が有利になるわけではありません。アルゴリズムに組み込まれた投稿者分散の仕組みにより、同じアカウントの投稿がユーザーの同一閲覧セッションに複数回登場すると、そのスコアは数理的に弱められます。単純な量よりも、品質とテーマの一貫性が優先されます。

補完サービスでソーシャルシグナルを増幅する

初期エンゲージメントはアルゴリズムによる配信を左右します。好調に始まった投稿は露出が増え、それがさらなるオーガニックな反応につながる可能性があります。アカウントや新たな編集方針の立ち上げ時に初速を付けるため、一部のクリエイターは投稿のソーシャルプルーフを強化する手段として、X（Twitter）のリポストを購入する、またはX（Twitter）のいいねを購入するといった選択肢を検討しています。長期的にフォロワー基盤を育てる場合は、海外のX（Twitter）フォロワーを購入することで、各投稿のリーチを広げられます。

重要：Xは信頼性に関するルールで、プラットフォームの指標を操作するために人工的なエンゲージメントを利用することを明確に禁止しています。このような行為は、リーチ制限やアカウント停止につながる可能性があります。各ユーザーはリスクを評価し、すべての取り組みが現行の利用規約に適合することを確認する責任があります。こうした施策は、質の高いコンテンツと一貫した編集戦略を伴う場合にのみ意味を持ちます。

よくある質問

X（Twitter）の「おすすめ」フィードと「フォロー中」フィードの違いは何ですか？

「フォロー中」フィードには、主にフォローしているアカウントの投稿が、ほぼ時系列で表示されます。「おすすめ」フィードはアルゴリズム型です。フォローしていないアカウントの投稿も組み込み、過去の行動や反応に基づいて選び、エンゲージメントを最大化します。新しいコンテンツの発見やオーガニックな拡散は、このフィードで起こります。

X（Twitter）のアルゴリズムは、どの投稿を最初に表示するか、どう決めますか？

アルゴリズムは、xAIのGrokと同じアーキテクチャを基盤とするTransformerモデル（Phoenix）を使用します。投稿に対して各行動（いいね、返信、リポスト、リンク共有、長時間の閲覧、さらに報告やミュート）を取る確率を予測します。各候補投稿の加重スコアを計算してから、パーソナライズされたタイムラインを構成します。公式技術資料はXのエンジニアリングブログで確認できます。

Xのアルゴリズムでは、リポストは「いいね」より重視されますか？

公式技術資料で公開されている情報によると、返信、リポスト、リンク共有など、明確な自発的努力を伴う行動は、単なる「いいね」より高く重み付けされているとみられます。各シグナルの正確な重みはすべて公開されておらず、モデルの定期更新によって変化する可能性があります。

Xで頻繁に投稿すると、アルゴリズム上の露出は本当に高まりますか？

投稿頻度は直接的なランキングシグナルではなく、過度な投稿は逆効果にもなり得ます。アルゴリズムには投稿者を分散させる仕組みがあり、同じアカウントの投稿がユーザーの同一閲覧セッションに複数回登場すると、スコアを弱めます。単純な量よりも、品質とテーマの一貫性が優先されます。

X Premiumは「おすすめ」フィードのランキングに影響しますか？

Xの公式資料によると、X Premium加入者には返信と会話におけるランキングの優先（reply prioritization）があり、加入プラン（Basic、Premium、Premium+）に応じて優先度が高くなります。「おすすめ」フィード全体における利点の正確な大きさは公表されておらず、Xは優先度をテスト中だと説明しています。

Xのアルゴリズムを活用する：次のステップ

X（Twitter）のアルゴリズムは、有意義な反応を生み、一貫したコンテンツを投稿し、読者の注意を維持するアカウントを評価します。「おすすめ」フィードは恣意的ではありません。各ユーザーの行動から学習した論理に従っており、熟慮された編集上の選択によって影響を与えられます。

具体的に改善するには、まず過去30日間の投稿を監査してください。最も多くの返信を得た投稿はどれでしょうか。どの形式が注意を引き留めたでしょうか。これらのデータは、Xの標準アナリティクスで直接確認できます。成果の出ている形式を2つか3つ特定し、テーマの一貫性を高め、オーディエンスの活動ピークに合わせて投稿時間を最適化しましょう。プラットフォームを使い始めたばかり、またはアカウントを再始動する場合は、前述したXの信頼性に関するルールを十分に確認したうえで、BoostFollowersで利用できるサービスを初期施策として検討できます。