X（旧Twitter）アルゴリズム最新2026｜「おすすめ」表示の仕組みを解説

X（旧Twitter）が「おすすめ」アルゴリズムを全面公開──その透明性向上を目指す狙いと背景を探る

2026年1月、ソーシャルメディア「X（旧Twitter）」は、自社の「おすすめ（For You）」フィードに用いられている投稿ランキングのアルゴリズム、通称Xアルゴリズムを全面的に公開しました。この動きは、イーロン・マスク氏が同年1月11日に「7日以内に投稿表示アルゴリズムの全コードをオープンソース化する」と宣言したことに端を発します。約束通り1週間後に公開されたコードは、推薦システムの詳細を余すところなく含んでおり、世界中の開発者やユーザーが閲覧できる状態になっています。

マスク氏がアルゴリズム公開に踏み切った最大の理由は透明性の向上です。「おすすめ」欄にどの投稿が表示されるかという仕組みをブラックボックスのままにせず、誰でも検証可能にすることでユーザーの信頼を高めたい意図があります。特に、過去には「特定の投稿やユーザーが優遇されているのでは」という憶測が飛び交ったこともあり、コードを公開することでそうした疑念を払拭し、プラットフォーム運営の公正さを示す狙いがあると考えられます。また、オープンソース化することで外部からの指摘や改善案を受け入れ、サービスを継続的に改良していく土壌を整える目的もあります。

今回のように主要SNSが自社のフィードアルゴリズムを完全公開するのは極めて異例であり、業界初とも言える試みです。他の大手SNS（例えばFacebookやInstagramなど）はアルゴリズムを非公開の内部資産として扱っており、このような情報開示は行っていません。マスク氏自身も「他のSNS企業はこのような情報公開はしていない」と述べており、Xの大胆なアプローチはSNS業界全体に衝撃を与えました。透明性を武器に差別化を図るこの動きは、競合各社にも少なからず影響を与え、将来的にアルゴリズムの一部公開や説明責任の強化といった流れにつながる可能性も指摘されています。

公開直後、開発者コミュニティや技術者たちからは概ね好意的な反応が見られました。早速GitHub上の公開リポジトリに星（Star）が集まり、コードの内容を分析・検証する動きが活発化しています。特に機械学習エンジニアやデータサイエンティストの間では、「実際に大規模SNSで使われている推薦システムのコードが読める」とあって、大きな注目と期待が寄せられています。コードの中身から推薦ロジックを読み解いたり、自分なりの改良案を提示する技術ブログ記事も早速登場しており、コミュニティ全体が盛り上がりを見せています。X社も開発者からのフィードバックを歓迎すると表明しており、オープンソースコミュニティとの協働によるアルゴリズム改善にも期待が高まっています。

ユーザー側にとっても、アルゴリズム公開のメリットは安心感につながります。「なぜ自分のタイムラインにこの投稿が表示されるのか」「自分の投稿はなぜ伸びないのか」といった疑問に対し、少なくともコードレベルでの答えを探ることが可能になったからです。実際、コード公開後には有志による解説がSNS上で出回り、「●●な投稿は表示されにくい」「▲▲を満たすとおすすめに載りやすい」といった具体的な分析結果が共有され始めました。それによりクリエイターやマーケターは投稿戦略を見直す材料を得られ、一般ユーザーも表示ロジックを理解することでタイムラインへの納得感が増すでしょう。透明性の向上はプラットフォームとユーザーの信頼関係構築に寄与し、長期的にはX全体の健全な発展につながると期待されています。

Xの「おすすめ」表示アルゴリズムをオープンソース化──GitHub公開コードから読み解く仕組みの概要

公開されたXアルゴリズムのコードは、GitHub上のリポジトリにてApache 2.0ライセンスのもと提供されています。Apacheライセンスは商用利用や改変の自由度が高いオープンソースライセンスであり、これにより世界中の開発者がXのアルゴリズムを研究・再利用したり、自分のサービスに応用したりすることさえ可能です。実際のリポジトリにはREADMEやドキュメントも含まれており、アルゴリズムの全体像を把握しやすいよう工夫されています。X社がここまでオープンな形でコードを公開した意図には、透明性確保だけでなく「外部の知見を借りてより良いアルゴリズムを育てたい」という思惑も伺えます。

コードベースの構成を見ると、推薦アルゴリズムの主要コンポーネントがディレクトリやモジュールごとに整理されています。大きく分けて、フォロー中ユーザーの投稿を収集するモジュール（コードネームThunder）と、フォロー外から興味深い投稿を探し出すモジュール（コードネームPhoenix）に分かれているのが特徴です。さらにPhoenix内でも、投稿候補を検索する「Phoenix Retrieval」と各投稿のスコアリングを行う「Phoenix Scorer」に役割が分かれています。これらの名称や構造は公開コードから判明したもので、Xの開発チームが与えた内部名称ですが、ユニークな名前からもアルゴリズムの機能が想像しやすくなっています。

For Youフィード（おすすめタイムライン）の処理は、上記のThunderとPhoenix双方を組み合わせることで実現されています。まずThunder側でユーザーのフォローしているアカウントの新規投稿群を取得し、Phoenix側でフォロー外からユーザー好みの投稿を機械学習によって抽出します。その後両者を統合し、不要な投稿を除外・スコアリングして順位付けする流れです。特にPhoenix部分にはxAI社が開発した高度なTransformerモデルが組み込まれており、ユーザーごとにカスタムな推薦がなされる点がポイントです。このように、フォロー関係に基づく従来型の推薦（Thunder）とAIによる関連性推薦（Phoenix）を融合することで、ユーザーにとってRelevant（関連性の高い）な投稿一覧を構築しています。

コードはApache 2.0ライセンスで公開されているため、企業や研究者がこのアルゴリズムを基に独自の実験を行うことも可能です。例えば、自社サービスの推薦システムにXアルゴリズムの一部を取り入れたり、アルゴリズムの改善提案を直接GitHub上で行うこともできます。オープンソース化により、X社内の開発者だけでなく外部の知見も取り込んでアルゴリズムを進化させられる余地が生まれました。実際、公開後には既にGitHub上でIssueやPull Requestが立てられ、コミュニティ主導でコードの検討が始まっています。こうした共同開発の可能性も、オープンソース化の重要なメリットでしょう。

マスク氏は「4週間ごとにアルゴリズムを更新し、変更内容を開発者ノート付きで公開し続ける」と公言しています。公開されたリポジトリには将来のアップデートに備えたドキュメント欄が用意されており、リリースごとにどのような変更が施されたかが分かるようになる予定です。これにより、利用者や開発者はアルゴリズムの進化をリアルタイムで追いかけることができます。定期的なアップデートはアルゴリズム改善の迅速化につながると同時に、公開コミュニティとの対話も生まれやすくなります。X社はアルゴリズム改善の取り組みをオープンにすることで、自社の開発努力を包み隠さず見せていく方針です。その姿勢は、プロダクトへの信頼性向上と技術者コミュニティからの協力獲得という二方面の効果を狙ったものと言えるでしょう。

公開されたXレコメンドアルゴリズムの中身を徹底解説──「おすすめ」はどう決まるのか、その決定プロセスを探る

それでは、実際に公開されたアルゴリズムの中身をステップごとに見ていきましょう。Xの「おすすめ」フィードに投稿が表示されるまでには、大きく分けて以下のプロセスが存在します: (1) 投稿候補の収集、(2) 投稿候補の絞り込み（除外）、(3) モデルによるスコアリング、(4) 多様性確保の調整、(5) 最終フィルタリングです。それぞれの段階で、アルゴリズムがどのような処理を行っているのかを解説します。

候補収集：フォロー中・フォロー外からの投稿を集める

まず最初のステップは、ユーザーに表示する投稿候補の収集です。Xでは、自分がフォローしているアカウントからの新着投稿と、フォロー外のアカウントから興味深い投稿の両方を「おすすめ」候補として集めています。公開コードによれば、フォロー中ユーザーの投稿収集処理は内部的に「Thunder」と呼ばれ、フォロー外からの投稿発見は「Phoenix Retrieval」というモジュールが担っています。Thunderではユーザーのタイムライン上の新規投稿がそのまま候補に加えられ、一方Phoenix Retrievalでは機械学習によりユーザーの過去の行動や好みにマッチしそうなフォロー外投稿を検索します。例えば、ユーザーがテクノロジー系の話題に関心を示している場合、Phoenix Retrievalはフォローしていない技術系アカウントの人気投稿を探し出し、候補に含めます。このようにして、多種多様な投稿群が「候補リスト」として準備されます。

スクリーニング：重複・無効な投稿の除外

次に行われるのがスクリーニング（絞り込み）処理です。候補リストに集められた投稿群から、ユーザーに表示すべきでないものをここで除外します。具体的には、同一内容の投稿が重複している場合は片方を削除し、ユーザー自身が投稿したもの（自分の過去投稿）も候補から外します。さらに、ユーザーが既にブロックしているアカウントからの投稿や、ミュート設定したキーワードを含む投稿もこの段階で除外されます。加えて、「古すぎる投稿」も排除対象です。例えば数週間以上前の投稿が今さらおすすめされても意味が薄いため、一定期間を過ぎた投稿は候補リストから省かれます。このスクリーニング過程によって、ユーザーにとって不適切または無益な投稿が候補から取り除かれ、次のスコアリング段階に進む「有力候補」だけが残る仕組みです。

スコアリング：Phoenixモデルによるエンゲージメント予測

候補が絞り込まれた後、続いてスコアリングが行われます。ここがXアルゴリズムの中核部分で、xAIが開発したGrokモデルを応用したTransformerモデル「Phoenix」が用いられます。Phoenixモデルは各投稿がユーザーからどれだけ反応を得そうかを機械学習で予測し、数値スコアを算出します。具体的には、「いいね」が付く確率、「リポスト（共有）される」確率、「リプライ（返信）される」確率、「クリック（詳細表示）される」確率といった複数種類のエンゲージメント率をそれぞれ予測し、それらを独自の重みで合算して総合スコアを出す仕組みです。例えば「リプライがたくさん来そうで、かついいねもそこそこ付きそうな投稿」は高スコアになる、といったイメージです。Phoenixモデルは過去の膨大なユーザーデータで訓練されており、従来の手動ルールでは捉えきれない微妙な人気度や関連性を判断できる点が特徴です。その最大の利点は、「元から人気な投稿を機械的に優先する」のではなく、ユーザーごとに「その人にとって重要そうな投稿」を浮かび上がらせる点にあります。これにより、フォロワー数の少ないアカウントの投稿であっても、特定ユーザーの興味にマッチしさえすれば高スコアを得ておすすめ欄に載る可能性が生まれています。

多様性の確保：同一投稿者の連続表示を防ぐ調整

スコアリングによって投稿に順位が付けられますが、上位がたまたま同一の投稿者による投稿だらけだった場合、そのままではタイムラインが同じ人の投稿で埋まってしまいます。そこでアルゴリズムには多様性を確保するための調整ロジックが組み込まれています。具体的には、同じ投稿者からの投稿が一定以上続けて表示されないようにスコアにペナルティ補正をかけます。例えば、あるユーザーAの投稿が候補上位を占めていた場合でも、Aの投稿は1〜2件表示したら次の投稿はスコアを下げて順位を落とす、といった具合です。この調整により、ユーザーのタイムラインには様々な投稿者からのコンテンツがバランスよく混ざるようになります。結果として、特定ユーザーへの偏りを防ぎ、新しい発見や多様な話題との出会いが促進されます。また、企業アカウントなどが短時間に連続投稿しても全ては表示されにくくなるため、スパム的な占有も抑制される効果があります。

最終フィルタリング：スパム・不適切コンテンツの排除

最後に行われるのが最終フィルタリングです。これは、上記までのプロセスを経てもなお残っている「表示候補」について、プラットフォームの健全性維持の観点からチェックを施す段階です。具体的には、スコア上は上位に来ていてもスパム的な内容や暴力・ヘイト・性的な不適切コンテンツが含まれていれば、ここで除外されます。Xでは既にAIによるコンテンツ違反検出システムが導入されていますが、おすすめフィードでも最終的にそれが適用される形です。また、極端に同じ内容を繰り返すような広告・プロモーション投稿についても、ユーザー体験を損ねる恐れがあれば露出が抑えられます。この最終フィルタリングを経て残った投稿群が、晴れてユーザーの「おすすめ」タイムラインに表示されることになります。こうした一連のプロセスによって、Xのおすすめアルゴリズムはユーザー一人ひとりに合わせた最適な投稿リストを提供しているのです。

クリエイターへの影響──Xアルゴリズム公開で何が変わるのか、その課題と今後の発信戦略を徹底検証する

アルゴリズムの全面公開とそれに伴う仕組みの変化は、X上で活動するクリエイターにとって大きな転換点となります。特に注目すべきは、投稿評価の軸が「フォロワー数より内容重視」に変わったという点です。従来は「いいね数」「リポスト数」といった表面的なエンゲージメント指標やフォロワーの多寡が投稿拡散に直結しがちでした。しかし2025年以降、XのアルゴリズムはAIによって投稿の内容そのものを理解し価値判断する仕組みへ移行しました。これにより、フォロワー数が少なくても質の高い投稿であれば広く拡散される可能性が生まれています。言い換えれば、「影響力のある大アカウントが常に有利」という時代から、「ニッチでも光るコンテンツを出せるクリエイターが躍進できる」時代へと変わりつつあります。

では「質の高い投稿」とは何かが次なる疑問です。AIが評価するポイントを探ると、いくつかの要素が浮かび上がります。まず、投稿内容に独自性や専門性があること。単なるニュース転載ではなく、自身の見解や付加情報を添えた投稿は価値が高いと判断されやすいでしょう。またユーザーにとって有益だったり、感情に訴えるような価値提供型のコンテンツも評価が高まります。具体例としては、「分かりやすい技術解説スレッド」「有用なハウツー動画」「共感を呼ぶエピソード紹介」といった投稿が該当します。さらに、AIは投稿テキストの文脈やトピックも理解します。意味の通る文章構成で、テーマに沿ったキーワードが含まれていれば、内容を正しく把握して興味関心とのマッチングに役立てます。一方で、無関係な話題を詰め込んだり、中身の薄い広告的な投稿は評価が伸びにくくなっています。「質より量」の発信から「量より質」へのシフトが求められていると言えます。

こうした変化に伴い、従来の投稿戦略を見直す必要も出てきました。例えば、以前はとにかく投稿数を増やして露出機会を稼ぐ戦略や、流行のハッシュタグを乱用して一時的な閲覧数を狙う戦術が一部では取られていました。しかし前述のようにアルゴリズムが内容重視になった今、そうした小手先のテクニックは通用しにくくなっています。むしろ無関係なハッシュタグの多用はスパム判定のリスクがあり（後述の通り大きな減点対象）、外部リンクだらけの投稿は露出が大幅に抑制されます。クリエイターはエンゲージメント（特に双方向のやり取り）を重視した戦略へ切り替えるべきでしょう。具体的には、フォロワーとのコミュニケーションを積極的に図り、返信やディスカッションを促す投稿スタイルに移行することが重要です。単に「いいねください」「RTお願いします」という呼びかけより、問いかけや意見交換の余地がある投稿内容が望まれます。

公開されたアルゴリズム情報を活用することも、クリエイター戦略の一環として有効です。今回のコード公開により、何が投稿評価を上げ、何が下げるのかのヒントが数多く得られました。例えばコード解析から「リンクのみの投稿は表示が抑制される」「過剰なハッシュタグは逆効果」「リプライが多い投稿は評価が高い」等が明確に示されています。これらの知見を基に、自分の投稿計画をブラッシュアップできるでしょう。実際、技術系インフルエンサー達は公開コードを読み解き、自身のフォロワーに向けて「アルゴリズム攻略法」を早速共有しています。「リンクを貼るなら本文に貴重な情報を書いて、詳細はプロフィールリンクへ誘導しよう」「ハッシュタグは関連性の高いものを最大3つ程度に留めよう」など、具体策が提示されています。クリエイターはこうした情報を積極的に取り入れ、アルゴリズムの動向に即した発信へと適応していく必要があります。

アルゴリズム公開によるプラットフォームとの新たな信頼関係も構築されつつあります。透明性が増したことで、クリエイター側も「理不尽に投稿が埋もれているのではないか」という不安が和らぎ、より安心して創作や情報発信に集中できる空気が出てきました。X社が今後も定期アップデートを公開していく方針を示したことで、クリエイターは「変化についていけなくなるのでは」という恐れより「常に学び適応すればチャンスが広がる」という前向きな姿勢を持てます。実際、「最近投稿の伸びが悪いと感じたらGitHubの最新アップデート内容を確認し、戦略を微調整する」という動きも出てきています。プラットフォームとクリエイターが共に透明な情報を共有し、建設的に成長していく関係性──アルゴリズム公開はその第一歩となりました。もっとも、透明になったとはいえ高度化したアルゴリズムを完全に理解・活用するのは容易ではなく、今後もクリエイター側の勉強と試行錯誤は続くでしょう。しかし、それを支える情報基盤が整った意義は非常に大きいと言えます。

X最新アルゴリズムで投稿が拡散される条件とは──エンゲージメントを左右する要素を解説しアルゴリズム攻略のヒントを探る

Xの新アルゴリズムで投稿を伸ばすには、どのような要素が重要なのかを理解することが欠かせません。アルゴリズム公開により、多くの加点要素と減点要素が判明しました。ここでは代表的なポイントを6つ紹介し、それぞれがなぜ重要かを解説します。

要因①：リプライ重視―双方向の対話がもたらす拡散効果

最も重視すべきはリプライ（返信）です。Xのアルゴリズムは数あるエンゲージメントの中でもリプライを特に高く評価しています。理由は、リポスト（共有）やいいねが投稿者への一方通行の反応であるのに対し、リプライはユーザー間に双方向の会話を生み出すからです。実際、投稿に早い段階で多数のリプライが付くと、「活発な議論の起点」と見なされてアルゴリズム上の評価が急上昇します。例えばある投稿に対し、投稿者がすぐさまフォロワーからのコメントに返信を返すことで会話のキャッチボールが発生し、さらに別のユーザーからも返信が付く…という好循環が生まれれば、その投稿は一気におすすめ欄で露出しやすくなります。Xが「会話が生まれるプラットフォーム」を目指す以上、リプライを通じたコミュニティ的な盛り上がりこそが最も歓迎されるわけです。したがって、投稿を拡散させたいならリプライを得やすい問いかけや話題選びを心がけ、自分も迅速かつ積極的に返信して会話を広げることが肝要です。

要因②：メディア添付―画像・動画がエンゲージメントを促進

画像や動画といったメディアを投稿に添付することも、拡散には大きなプラスになります。テキストだけの投稿より視覚要素を伴う投稿の方がユーザーの目を引き、タイムライン上でスクロールを止めさせる力が強いからです。結果として投稿の閲覧時間（滞在時間）が長くなり、いいね・リポストといった他のエンゲージメントも発生しやすくなります。特に動画はユーザーに再生させることで物理的に滞在時間を延ばす効果があり、「ユーザーが関心を持っているコンテンツ」とアルゴリズムに判断されやすくなります。その結果、クリック率やシェア率も高まり、総合的な評価スコアを直接押し上げる傾向があります。ただし、メディアを添付する際には内容との関連性が重要です。視覚的インパクトで釣っても中身が伴わなければ逆効果なので、画像・動画は投稿内容を補完し魅力を増すものを選びましょう。適切なメディア活用によってユーザーの興味を引き、エンゲージメントを底上げすることができます。

要因③：閲覧時間とクリック―投稿への興味深度を測定

ユーザーが投稿を長く閲覧したり、詳細をクリックしたりする行動も重要な評価指標です。アルゴリズムは、そうした行動を「ユーザーがその投稿（および投稿者）に強い興味を抱いた証拠」と捉えます。例えばある投稿を長時間スクロールせず読んでいたり、投稿からプロフィールページに飛んで他の投稿も見るといった行動が起きた場合、その投稿の価値が高いと判断され、より多くのユーザーに拡散されやすくなります。これは「投稿の滞在時間が長いほど有利」という形でアルゴリズムに組み込まれており、実際に「続きをリプライ欄に書く」「詳細はプロフィール固定投稿へ」と促すことでユーザーの回遊を狙うテクニックも推奨されています。また、リンク付き投稿の場合でも、リンク先へのクリック自体は「興味関心の強さ」を示すシグナルとなるため、リンクを貼ること自体は悪ではありません（ただしリンクだけの投稿は後述の通り減点要因にもなりえます）。総じて、ユーザーに「もっと知りたい」「続きを見たい」と思わせる投稿は評価が高く、拡散しやすいのです。文章の冒頭で興味を引き、続きを読ませる工夫や、詳細情報は別途用意しておいて興味を持った人に見に行かせる導線づくりが鍵となります。

要因④：X Premium加入の有無―アルゴリズム上の優遇措置

Xでは有料の認証プランX Premium（旧称：Twitter Blue）に加入しているかどうかも、アルゴリズムに影響します。有料認証アカウントは投稿が「おすすめ」に表示されやすいなど優遇措置を受けられることが確認されています。マスク氏自身も「認証アカウントの投稿を優先表示する」と示唆する発言をしており、これはスパムや偽アカウント対策の一環ともされています。実際、2023年以降Xでは認証バッジの付いたユーザー（X Premium加入者）の投稿がより多くの人のタイムラインに届きやすくなったとの指摘があります。今回公開されたコードから直接「非認証ユーザーを除外する」ような処理は見受けられませんが、認証ユーザーには内部的な信頼スコア加点がある可能性が高いです。また、X Premiumに加入すると投稿の編集機能や詳細な分析ツールが使える、認証バッジでユーザーからの信頼度が上がる等の副次的メリットもあります。特に企業やインフルエンサーにとって、認証によるブランド信頼性向上とアルゴリズム上の優遇という二重の利点は無視できません。以上から、真剣に発信力を高めたいユーザーはX Premiumへの加入を検討する価値が十分にあるでしょう。

要因⑤：関心トピックとの一致―ユーザー興味とのマッチング

アルゴリズムは投稿内容のトピック分類とユーザーごとの興味関心を把握しており、このマッチ度合いも拡散可否に大きく影響します。あなたの投稿がXの定義する特定のトピック（例：「テクノロジー」「料理」「スポーツ」等）に該当し、かつそのトピックに関心を持つユーザーが多ければ、その投稿はそうしたユーザーのタイムラインに優先表示されやすくなります。言い換えれば、アカウントの専門性や発信の一貫性が評価されるのです。例えば料理に関する投稿を常に行っているアカウントであれば、「料理」に興味のあるユーザーにおすすめ表示される可能性が高くなります。一方、普段は技術系情報を発信しているのに突然ペットの話題を投稿しても、フォロワー以外には届きにくいかもしれません。企業アカウントであれば自社の業界・商品に関連したテーマで発信を続けることが重要です。また、タイムリーな話題でも自分の専門性に絡めてコメントすると効果的です。このようにユーザーの興味と投稿内容の一致度を高めることで、自然とエンゲージメント率も向上し、結果としてアルゴリズム評価も上がります。

要因⑥：マイナス評価となる行動―外部リンクやネガティブ反応に注意

最後に避けるべき要因として、アルゴリズム上で減点対象となる行動も押さえておきましょう。まず、外部リンクの貼り付けには要注意です。Xのアルゴリズムは「プラットフォームからの離脱」を嫌うため、投稿の最初にいきなり外部リンクを置くと「宣伝目的」と見なされ表示優先度が大きく下がります。実際、2026年現在ではリンクだけの投稿は最大で40%もスコア減点されるという分析結果もあります。特に新規アカウントでこれをやるとスパム判定されるリスクすら高まります。対策としては、まず投稿内で価値ある情報を提供し、その上で「詳細はプロフィールのリンクから」など直接リンクを貼らずに誘導する工夫が有効とされています。

次にハッシュタグの乱用も避けるべきです。投稿内容と無関係な人気タグを大量に付ける行為は「視覚的ノイズ」と見なされリーチが減少します。2025年のアルゴリズム更新以降、不自然なハッシュタグはスパム扱いとなり、広告投稿では過剰なタグ付けが禁止されるなど厳しく対処されています。適切なのは「1投稿につき関連性の高いタグはせいぜい3個まで」という指針です。本当に必要な場合に絞り、基本はテキスト中の自然なキーワードで伝える方が安全でしょう。

さらに、ユーザーからのネガティブ反応（ミュート、通報、ブロック）も致命的です。これらが繰り返されるとアカウント全体の信頼スコアが低下し、投稿が軒並み表示されにくくなってしまいます。攻撃的な投稿や宣伝一辺倒の投稿はこうしたネガティブ反応を招きやすいため要注意です。アルゴリズム攻略の観点では、一方的な発信ではなく価値提供型の投稿でユーザーの好意的な関与を引き出し、ネガティブ反応を避けることが肝心です。以上のような減点要素に気を配りつつ、前述の加点要素を高めることで、投稿がより拡散されやすくなるでしょう。

AI「Grok」ベースの新アルゴリズムの特徴と注意点──高性能Transformerモデル「Phoenix」がもたらす影響

Xアルゴリズムの刷新において中心的な役割を果たしているのが、xAI社が開発したAIモデル「Grok」です。Grokモデルとは、一言で言えば高度なTransformer型AIであり、大量のデータから文脈や意味を深く「理解（grok）」することに特化した革新的技術です。マスク氏が立ち上げた新AI企業xAIによって生み出されたこのモデルは、Xの新アルゴリズムの基盤として採用されました。公開情報によれば、Grokモデルは従来のGPT系モデルに似たTransformerアーキテクチャを持ちつつ、ソーシャルメディアの投稿やユーザー行動のパターンを学習しているとされています。「インターネット上のあらゆる情報をリアルタイムで学習し、人間のように洞察するAI」を目指しているとも報じられており、その名の由来（ロバート・ハインラインの小説に出てくる「深く理解する」の意味を持つ言葉）通り、コンテンツ理解能力が飛び抜けて高い点が売りです。Xアルゴリズムへの組み込みによって、Grokモデルの持つ文脈理解・推論力が活かされることになりました。例えば、単純な単語の出現頻度ではなく文全体の意味合いや隠れたトピックを把握し、おすすめ表示の判断に役立てていると考えられます。

GrokモデルをベースにX向けにカスタマイズされたのが「Phoenix」モデルです。Phoenixは前述の通り、推薦候補検索の「Phoenix Retrieval」とスコアリングを行う「Phoenix Scorer」に分かれており、それぞれGrokの技術を応用した高度な推薦エンジンとして機能しています。Phoenix RetrievalはGrokの言語理解能力を活かし、フォロー外からユーザー好みの投稿を見つけ出す検索AIといえます。一方Phoenix Scorerは、Grokモデルの持つ予測力で各投稿のエンゲージメント発生確率を見積もりスコア化するAIです。これらPhoenixの役割は、従来人手で調整していた部分をAIが自動で最適化する点にあります。例えば以前のアルゴリズムでは「○○の単語が含まれる投稿は+10点」などといったヒューリスティックな加点ルールがあったかもしれません。しかしPhoenixではそうした固定ルールは最小限に抑え、機械学習モデル自体が複雑な判断を下すようになっています。言わば、PhoenixはGrokという強力な頭脳を持ったX専用の推薦エンジンであり、人間が想定しきれないパターンまで捉えてユーザーと投稿を結び付けてくれる存在です。

従来アルゴリズムとの最大の違いは、上述のようにヒューリスティック（人が決め打ちしたルール）を極力廃しAIに委ねた点です。旧アルゴリズムでは、「直近のいいね数に応じてスコア加算」「画像付き投稿は倍率アップ」など様々な手動調整が組み込まれていました。これらは開発者の経験則に基づくものですが、必ずしも全ユーザー全投稿に最適とは限りません。また、人手調整ゆえにアップデートの頻度も限られていました。それがPhoenix（Grok）ベースになったことで、モデルが自動学習によりユーザーごとの細かな違いや時代の変化に対応できるようになりました。例えば以前はフォロワー数の多い人の投稿が有利でしたが、今ではフォロワー数よりユーザーの興味とのマッチング重視に転換しました。これは明確にAI化の恩恵と言えます。一方で、AI任せにしたことでアルゴリズムの挙動が開発者にも直感的に把握しづらくなるという変化もあります。かつては「このパラメータをいじれば表示頻度が変わる」という理解があったものが、今ではモデルに聞かないと分からない、といった面があるのです。

Grok/Phoenix導入によって推薦精度は大きく向上したとされています。ユーザーの興味と投稿内容のマッチング性能が格段に上がり、「自分に刺さる投稿が増えた」という声も聞かれます。特に以前は表面的な人気度（いいね数等）に依存していた部分が、投稿の本質的な価値を見る方向にシフトしたため、新鮮で良質なコンテンツが発掘されやすくなりました。しかし同時に、現時点のアルゴリズムにはなお課題も残っています。マスク氏自身「現行のアルゴリズムはおバカで改善が大量に必要」と認めており、実際ユーザーからも「興味のない投稿が紛れ込む」「たまに明らかにおかしな推薦をする」といった指摘が出ています。これはAIモデルが完全ではないことや、学習データに偏りがある可能性などが原因と考えられます。また、Xは日々膨大な新規コンテンツが生まれるプラットフォームであり、トレンドの移り変わりも激しいため、どんな優秀なモデルでも常に完璧な推薦をするのは難しいでしょう。重要なのは、そうしたズレや問題点を認識した上で改善を繰り返していくことです。マスク氏が4週間ごとのアップデートを明言しているのも、まだまだ改良の余地が大きい裏返しと言えます。

最後に、AI活用における注意点にも触れておきます。アルゴリズムは公開されましたが、その中核を占めるPhoenixモデル（Grok）の中身、すなわち学習済みパラメータや具体的な判断ロジックは一種のブラックボックスです。コードを読めば処理の流れは追えても、巨大な行列に詰まった重みが何を意味しているかまで理解するのは容易ではありません。これが透明性のジレンマとも言える部分です。つまりコードは公開され透明になったものの、モデルが複雑すぎて人間には解釈が難しいという問題です。もちろん、ログや出力を検証することで「どんな入力にどう反応するか」は徐々に解明できますが、人が完全に納得できる形で説明可能なアルゴリズムになるにはさらなる工夫（Explainable AIの手法導入など）が必要かもしれません。また、AIモデルは学習データやチューニング次第で偏った動きをする可能性もあります。例えば特定の話題ばかり優遇・冷遇してしまうといった偏りがないか、今後もウォッチしていく必要があるでしょう。X社が透明性確保のために今後も定期アップデートと開発者ノートの公開を続ける限り、コミュニティ側もそれを検証しフィードバックすることで、ブラックボックスを少しずつ開けていくことが期待されます。

企業アカウントが押さえるべきX「おすすめ」攻略ポイント──新アルゴリズムに対応したSNS運用戦略を解説

アルゴリズムの変化は、個人だけでなく企業アカウントの運用にも大きな影響を及ぼします。従来、企業アカウントはフォロワーを増やし、多くのユーザーにリーチするために様々なSNSマーケティング戦略を駆使してきました。しかしXアルゴリズムがAIベースに刷新されたことで、これまで有効だった手法が通用しづらくなったケースも出ています。現状では「投稿しても思うように表示されない」「エンゲージメント率が下がった」という声も一部で聞かれ、アルゴリズム変更に対応できていない企業は課題に直面しています。ここでは、企業アカウントが新アルゴリズム時代に押さえるべきポイントを解説します。

企業アカウントの現状：アルゴリズム変更で直面する課題

まず企業アカウントが抱えがちな課題として、アルゴリズム変更による投稿露出の減少が挙げられます。例えば以前はフォロワーが多ければ投稿が自然と広まりましたが、今はフォロワー数に頼れず内容重視のため、小手先の手段ではリーチ確保が難しくなっています。また、典型的な企業投稿（新製品告知やキャンペーン紹介など）はユーザーの興味関心とずれていると判断され、おすすめに載りにくくなりました。さらに、過剰なプロモーションはユーザーからミュート・ブロックなどネガティブ反応を招き、アルゴリズム上の信頼スコアを下げる危険もあります。要は、旧来の「とにかく宣伝を流す」スタイルではエンゲージメントが得られず、むしろ逆効果になりかねないという現状です。これらの課題を踏まえ、次のセクションから効果的な対応策を見ていきましょう。

エンゲージメント重視の発信：ユーザーとの対話を促進する投稿

新アルゴリズム時代の企業アカウント運用で鍵となるのは、エンゲージメント重視の発信に切り替えることです。具体的には、一方通行の宣伝投稿を連発するのではなく、ユーザーとの双方向の対話を促すコンテンツ作りが重要です。例えば商品のPRをするにしても、「この製品を使ってみてどう感じますか？」と問いかけて意見を募る、関連する話題でユーザーの経験談を尋ねる、アンケート機能でユーザー参加型の投稿にする、といった工夫が考えられます。こうすることでリプライが増え、会話が生まれやすくなります。アルゴリズムがリプライなど双方向のやり取りを高く評価するのは既に述べた通りで、企業アカウントでもそれは例外ではありません。むしろ、自社への愛着やブランドコミュニティを醸成するチャンスにもなります。実際、ユーザーからの質問に中の人が迅速丁寧に返信したり、ユーモアを交えたレスポンスでバズった企業アカウント事例も見られます。それにより「親近感が湧く」とフォロワーが増えたケースもあるほどです。投稿内容も、商品紹介一辺倒ではなく業界の豆知識やトレンド情報の解説など価値提供型にシフトすると良いでしょう。ユーザーが思わず「参考になった」「話したくなった」と感じる投稿こそ、エンゲージメントを生み出し、結果としておすすめ欄への露出も増大します。

X Premium（有料認証）の活用検討：露出向上につながるメリット

企業アカウントであればX Premium（有料認証）への加入も積極的に検討すべきです。前述の通り、有料認証アカウントはアルゴリズム上で優遇され、投稿が「おすすめ」に表示されやすくなるメリットがあります。特に新規顧客層へのリーチを拡大したい企業にとって、この優遇は大きな後押しとなるでしょう。さらに、X Premium加入によって使える投稿編集機能や高度な分析ツールも見逃せません。誤字修正や情報更新が後から可能になることで投稿精度が上がり、企業イメージの損傷を防げます。また詳細な分析データは運用改善に役立ちます。認証バッジによるアカウント信頼性向上も、ユーザーが公式情報源としてフォローしやすくなる利点です。月額費用はかかりますが、それ以上のROI（費用対効果）が見込める施策と言えます。特に競合他社が認証を取得している中で自社だけ未認証だと、アルゴリズム面でもユーザー印象の面でも不利になりかねません。以上より、Xを主要な発信・集客チャネルと位置付ける企業なら、X Premiumへの投資は戦略的に正当化されるでしょう。

投稿頻度とタイミング：継続的な発信で存在感を維持

新アルゴリズム下でも継続的な発信は重要です。AIはユーザーアカウントごとの活動状況も見ています。長期間投稿が途絶えると興味関心のトラッキングが弱まったり、フォロワーとのエンゲージメントも下がってしまうため、理想的には少なくとも1日1回以上は投稿するのが望ましいとされています。定期的に発信していれば、それだけおすすめ欄に乗るチャンスも増えますし、フォロワーに対するリマインド効果も期待できます。投稿のタイミングも考慮しましょう。一般にターゲットユーザーがアクティブな時間帯に投稿すると初動のエンゲージメントが得られやすく、有利です。BtoC向けなら平日夜8時〜10時や週末午後、BtoB向けなら平日朝や昼休み、といった具合に傾向があります。ただし細かな最適時間は各アカウントで異なるため、Xのアナリティクスで自社フォロワーのログイン状況を分析すると良いでしょう。以上を踏まえ、毎日の投稿スケジュールを立てて計画的に発信を続けることが、アルゴリズムに好まれる“存在感のある”アカウントへの近道です。

分析と適応：アルゴリズム動向のモニタリングと戦略修正

最後に、データに基づく分析と適応の姿勢が成功に不可欠です。アルゴリズムが公開されたとはいえ細部は変化し続けますので、その動向を定期的にチェックしましょう。具体的には、X社が発表する開発者ノートやアップデート内容をウォッチする、技術コミュニティで共有される分析結果を追う、といった情報収集が考えられます。自社アカウントの運用面でも、投稿ごとのエンゲージメントデータを細かく確認し、どんな投稿が伸びてどんな投稿が不発に終わったかを検証します。例えば、「質問形式の投稿はリプライ率が高い」「リンク付き投稿はやはり伸びにくい」等、傾向を掴んだら次の施策に活かします。Xのアナリティクスや外部ツールを使えば、時間帯別の反応やフォロワーの増減も追跡可能です。それら数値データに基づき、日々のPDCAサイクル（計画・実行・検証・改善）を回していくことが重要です。幸い、アルゴリズムの透明性が上がったことで「なぜ結果が出ないのか」の原因分析もしやすくなっています。仮説と検証を繰り返し、戦略を微調整し続ける姿勢こそが、新アルゴリズム時代における企業SNS運用の肝と言えるでしょう。適切な分析と素早い適応により、アルゴリズムの変化を味方につけた効率的な発信が実現できます。