この記事について
/algorithm-analysis/current では推薦アルゴリズムのソースコードを根拠に「何をすればフィードで優遇されるか」を扱いましたが、 この記事はレイヤーが異なります。分析対象は、Twitter Japan(現X Japan)のマーケティングチームが自社の投稿データをもとに 公開した調査資料 「Anatomy Of Retweet #拡散の科学」(全168ページ)。 「アルゴリズムが何を評価するか」ではなく、「人はそもそもなぜリポストボタンを押したくなるのか」という、 心理・マーケティングの観点からの分析です。
分析対象期間は2019年1月〜2020年8月、資料内で参照されている直近の指標が2021年第4四半期(Q4 2021)のDAUであることから、 公開時期はおおよそ2021〜2022年頃と見られます。分析手法は、日本国内で1,300リポスト以上ついたツイート5,100件と、 1,300リポスト未満のツイート5,100件を比較する形で行われています。
注意点: この資料が示す「フォロワー数とリポスト数は無相関」「ハッシュタグと拡散は無相関」といった知見は、 2019〜2020年当時のリポスト伝播の仕組みを前提にしています。人が何にリポスト衝動を感じるかという心理面は 比較的普遍的と考えられますが、投稿がどれだけ拡散されるかという結果は、現在では/algorithm-analysis/currentで 扱ったような機械学習ベースの推薦アルゴリズムの影響を強く受けます。この記事の後半でその点も補足します。
拡散の入り口:「1,300リポスト」という壁
資料によれば、Xでは1日あたり2億1,700万人以上(Q4 2021時点)が利用しており、日本は売上ベースで世界第2位の市場と されています。1リポストが生み出す平均的な波及インプレッションはおよそ300imps(平均329imps・中央値323imps)。
「バズったので…」とバズった本人が返信をする光景を目にしたことはありますか? これは投稿主が肌感で「世の中ごと」への予感を感じているポイントになります。
──「Anatomy Of Retweet #拡散の科学」より
面白いのは「バズった」という感覚の定量化です。投稿主自身が「バズったので…」と自分の投稿に返信した瞬間の リポスト数を集計したところ、その中央値はちょうど1,300リポストでした。さらに、日本で1リポスト以上ついた ツイートの99.9%は1〜1,299リポストの範囲に収まることも判明しており、1,300リポストという壁を越えることは 「0.1%の事象」にあたるとしています。
1,300リポストは、日本語ツイートで1リポスト以上ついたものの99.9%が届かない水準。「バズった」という体感の 目安として、投稿主自身の反応からも裏付けられた数字です。
なぜ人はリポストするのか:「16の熱量」と「6つの熱量伝播」
資料の中心は、リポストボタンを押したくなる感情を分解した独自の分類です。分析には、バズったツイートへの 返信・引用ツイートのテキストをトピックモデル(LDA)にかけて感情の塊を抽出し、人手による解釈と機械学習 (エラスティックネット・ロジスティック回帰)を組み合わせて精度を高めるという、定量と定性を往復する手法が 使われています。
その結果見つかったのが、リポストを後押しする16の「熱量」と、それらをまとめた6つの「熱量伝播」です。
「拡散の科学」が定義した16の熱量を、6つの熱量伝播(動機のグループ)ごとに整理したもの。熱量シェアは概算の合算値。
- 直感で拡がる(「反射的にリツイート!」)── WOW・FUN・尊い・癒し・感動・ショックの6つ。自分が感じたことをそのまま共有したい欲求で、6分類の中で最も熱量シェアが大きい(合計約79%)
- 知識で拡がる(「これ知っておいて!」)── 知っトク・注意喚起。情報を他人に知っておいてほしいという動機
- 主張で拡がる(「自分も同じこと考えてる!」)── 同調・物申す。他人の発言を借りて自分の意見を主張したいという動機
- 納得で拡がる(「めっちゃわかる!」)── あるある・真理。自分と同じ価値観に触れられた嬉しさ
- 声援で拡がる(「パワーよ届け!」)── 応援・支援。誰か/何かの力になりたいという動機
- 欲求で拡がる(「欲しい!やりたい!」)── WANT・インセンティブ。自分の欲望を満たしたいという動機(インセンティブはキャンペーン施策由来が中心)
16の熱量それぞれの詳細な数値は以下の通りです(1,300リポスト以上のツイートが対象。※1つのバズツイートに 平均1.8個の熱量が入り交じるため、シェアの合計は100%を超えます)。
| 熱量伝播 | 熱量 | 熱量シェア | 平均リポスト数 |
|---|---|---|---|
| 直感で拡がる | WOW | 23% | 65K |
| 直感で拡がる | FUN | 23% | 66K |
| 直感で拡がる | 尊い | 11% | 67K |
| 直感で拡がる | 癒し | 13% | 67K |
| 直感で拡がる | 感動 | 6% | 67K |
| 直感で拡がる | ショック | 3% | 82K |
| 知識で拡がる | 知っトク | 11% | 62K |
| 知識で拡がる | 注意喚起 | 7% | 65K |
| 主張で拡がる | 同調 | 6% | 62K |
| 主張で拡がる | 物申す | 11% | 62K |
| 納得で拡がる | あるある | 8% | 66K |
| 納得で拡がる | 真理 | 7% | 62K |
| 声援で拡がる | 応援 | 14% | 69K |
| 声援で拡がる | 支援 | 4% | 78K |
| 欲求で拡がる | WANT | 2% | 66K |
| 欲求で拡がる | インセンティブ | 28% | 112K |
シェアの大きさに関係なくどの熱量でも平均6万リポストを超えており、「熱量」に優劣などなく等しく拡散を 刺激するファクターであることがわかりました。
──「Anatomy Of Retweet #拡散の科学」より
熱量シェアが小さい(例:支援4%・ショック3%)からといって拡散しにくいわけではありません。平均リポスト数で 見るとむしろ高水準(支援78K・ショック82K)なので、シェアの大小だけでコンテンツの方向性を絞り込まない方が よいでしょう。
熱量ごとの「広がり方」の違い
同じ「バズる」でも、広がり方の波形には違いがあります。資料は投稿から72時間までの推移を10分刻みで集計し、 瞬間的に伸びるスパイク型とじわじわ広がるパルス型の2種類を観測しています。
ピークまでの速さを3段階に整理したもの。バーの長さはピークまでの相対的な速さのイメージで、実測の時間軸そのものではない。
- 2時間以内にピーク(スパイク型寄り): ショック・尊い・インセンティブ・応援・感動・WANT。ニュース性や ファン心理に直結する熱量は瞬間的に反応されやすい
- 12時間以内にピーク(パルス型): FUN・WOW・同調・知っトク・真理・あるある。興味関心を問わず幅広く 反応されるトピックは、時間をかけてじわじわ広がる
- 12〜24時間以内にピーク(パルス型、より緩やか): 癒し・物申す・注意喚起。じっくり考えられながら 広がっていく、やや理性的な熱量
いずれの熱量でも、拡散は基本的に投稿から72時間以内に収束するというのが共通の傾向です。
何が拡散を後押しするか:フォーマット・時間帯・カテゴリー
資料はこのほかにも、拡散を後押しする要素(フォーマット・文字数・ハッシュタグ数・投稿カテゴリー・時間帯・ フォロワー数)を個別に分析しています。
フォーマット・文字数・ハッシュタグ数・投稿カテゴリー・投稿時間帯・フォロワー数の6つの観点での分析結果。
- クリエイティブ形式: 「拡散されるツイートでは動画や静止画が多く利用されていた」とされ、テキストのみの 投稿は相対的に少数派でした。インセンティブ(キャンペーン)施策では特に「動画」の効果が大きいとされています
- 文字数: テキストのみで勝負する場合は120文字程度、画像・動画を使う場合はテキストは30文字程度に絞るのが 目安とされています
- ハッシュタグ: インセンティブ施策以外ではハッシュタグはほとんど使われておらず、企業アカウントの投稿でも 0〜3個程度が過半数。拡散量とハッシュタグ数には相関が見られなかった、と資料のまとめスライドでも 明記されています
- 投稿カテゴリー: AIによる投稿内容の分類の結果、最も拡散されやすかったカテゴリーは「クラフト」(工作や イラストなどの創作物)でした。ただし対象カテゴリーの幅は広く、特定ジャンルに限らずチャンスがあるとされています
- フォロワー数: 1,300リポストを超えた投稿とフォロワー数の相関係数は0.002〜0.05とほぼ無相関で、 「フォロワー数に関係なく誰でもバズを起こせる」と結論づけられています。ただし無関係というわけではなく、 1,300リポストに到達するまでの速度にはフォロワー数の多さが有利に働くこともあわせて示されています
- デモグラフィック: 熱量ごとに性別・年齢の大きな偏りは見られず、1,300リポストを超えるとおおむねX全体の 利用者構成に近い、幅広いリーチになるとされています
編集部より
「フォロワー数に関係なく誰でもバズを起こせる」というのは励みになる話です。編集部も自分のフォロワーを増やしたい立場なので、フォロワー数そのものより「熱量に刺さる投稿を作れているか」を意識するようにしています。
投稿時間帯別に72時間平均リポスト数を見ると、次のようになります。
| 時間帯 | 72時間平均リポスト数 |
|---|---|
| 深夜 1時〜5時台 | 約75K |
| 夕方 15時〜18時台 | 約74K |
| 夜 19時〜24時台 | 約73K |
| 朝 6時〜11時台 | 約72K |
| 昼 12時〜14時台 | 約68K |
拡散を狙う施策の作り方:「3Dストラクチャー」
資料の後半では、ここまでの知見を実務に落とし込むフレームワーク「3Dストラクチャー(Define, Develop, Deliver)」が 紹介されています。フライドポテトブランドを例にした具体例とあわせて図にまとめました。
Define(情報整理)→ Develop(アイデア開発)→ Deliver(配信設計)の3ステップと、資料内の具体例。
- Define(情報整理): ブランドが伝えたいメッセージ・ターゲットとなるオーディエンス・訴求したい モーメント(時期・場面)を整理し、対象オーディエンスがXでどんな会話をしているかを実際に検索して インサイトを見つける
- Develop(アイデア開発): 見つけたインサイトを、16の熱量のいずれかと掛け合わせてクリエイティブの アイデアに変換する
- Deliver(配信設計): WHY(熱量に合うクリエイティブ)とWHAT(文字数・時間帯・フォロワー規模などの 拡散ドライバー)を踏まえて、具体的な配信内容を設計する
編集部より
「Define→Develop→Deliver」は言葉にすると当たり前に見えますが、実際にSNS上の会話を検索してインサイトを見つけるという地道な作業が肝になっているのがポイントです。
まとめ:資料が示す拡散の要点
ここまでの内容を振り返ると、拡散の鍵になるのはフォロワー数ではなく「熱量」を刺激できるかどうか だという点が見えてきます。バズの入り口とされる1,300リポストは、フォロワー数が多いほど早く到達 しやすいものの、到達できるかどうか自体はフォロワー数に左右されません。時間帯やフォーマット (画像付きが最も拡散されやすい)といった投稿の工夫で後押しできる余地がある一方、ハッシュタグ数の ように相関が見られなかった要素もあり、資料は「効くもの」と「効かないもの」を分けて整理しています。 これらを踏まえて、資料が示す拡散の要点を整理すると次のとおりです。
- フォロワー数に関係なく、バズは誰にでも起こせる
- ユーザーは16個の「熱量」でリポストボタンを押したくなる
- 世の中ごとへの入り口となるバズの目安は1,300リポスト
- 最もリポストにつながりやすい時間帯は深夜1時〜5時台
- リポストされる投稿は「画像」付きが最も多い
- 拡散とハッシュタグ数には相関がない
- フォロワー数は1,300リポスト到達までのスピードを早めてくれる
- 最も拡散されやすいカテゴリーは「クラフト」(工作・イラストなど)
- 拡散は基本的に72時間以内に収束する
2021年の調査から見えた変化と読み方の注意
この資料を読む際は、データの取得時期による制約も踏まえておく必要があります。
この資料が対象にしているのは2019〜2020年のツイートで、当時のXは現在のような機械学習ベースの推薦アルゴリズムでは なく、リポストの連鎖そのものがリーチを決める比重が大きい時代でした。近年の傾向を扱った複数の解説記事に目を 通すと、2025年前後には「初動30分のエンゲージメントが評価に直結する」「単純な『いいね』よりも保存・コメントなど 深い関与を示す行動が重視される」といった変化が指摘されています。これは、/algorithm-analysis/currentで 扱った通り、Xの推薦アルゴリズムが手作りのヒューリスティックから、ユーザーの反応を予測する機械学習モデル中心の 仕組みへ移行してきたことと符合します。
つまり、この記事で紹介した「人はなぜリポストしたくなるのか」という心理的な枠組み(16の熱量)自体は 比較的普遍的なヒントとして参考にしつつ、「投稿がどれだけ実際に拡散されるか」という結果面は、当時の リポスト伝播の力学だけでなく、現在の推薦アルゴリズムの評価軸も踏まえて考える必要がある、という読み方が 妥当だと考えられます。