Content Performance Optimizer - コンテンツ自己改善ループ
Description
5ソース（X, Google検索, Google Trends, Reddit/HN, 競合アカウント）から市場データを収集し、
LLMで統合分析して仮説とA/Bバリアントを自動生成します。
生成した投稿バリアントをTypefullyにドラフト登録し、投稿後のパフォーマンスを測定・学習することで、
コンテンツの継続的な自己改善サイクルを実現します。
ワークフロー概要
① 市場調査 → ② 仮説生成 → ③ バリアント作成 → ④ 投稿（Typefully） → ⑤ メトリクス収集 → ⑥ 分析・学習 → ①に戻る
クイックスタート
# 仮説生成（トレンド調査→仮説→バリアント一気通貫）
python skills/content-optimizer/scripts/hypothesis_generator.py --topic "AIエージェント" --channel x_twitter
# メトリクス収集（投稿後のパフォーマンス測定）
python skills/content-optimizer/scripts/collect_metrics.py --tweet-ids "123,456" --experiment-id exp-001
# ドライラン（API呼び出しなし）
python skills/content-optimizer/scripts/hypothesis_generator.py --topic "SaaS" --dry-run
スクリプト一覧
| スクリプト | 用途 |
|---|
| hypothesis_generator.py | 市場調査→仮説生成→バリアント作成 |
| collect_metrics.py | ツイートメトリクス収集・バリアント比較 |
| typefully_client.py | Typefully API v2 クライアント |
hypothesis_generator.py Parameters
| Parameter | Required | Default | Description |
|---|
| --topic, -t | Yes | - | 調査トピック |
| --channel, -c | No | x_twitter | チャネル: x_twitter, email, linkedin |
| --competitors | No | - | 競合アカウント（カンマ区切り） |
| --lang, -l | No | ja | 言語: ja, en, all |
| --days, -d | No | 7 | 調査期間 |
| --num-hypotheses | No | 5 | 生成する仮説数 |
| --auto-draft | No | false | Typefullyにドラフト自動作成 |
| --output, -o | No | output/content-optimizer/ | 出力先 |
| --dry-run | No | false | API呼び出しなしでプレビュー |
| --test | No | false | セルフテスト |
collect_metrics.py Parameters
| Parameter | Required | Default | Description |
|---|
| --tweet-ids | No | - | メトリクス取得対象ツイートID（カンマ区切り） |
| --username | No | - | ユーザーの直近投稿を取得 |
| --experiment-id | No | - | 実験IDで紐付けて比較 |
| --days-after | No | 3 | 投稿後何日分のメトリクスを取得 |
| --output, -o | No | output/content-optimizer/ | 出力先 |
| --test | No | false | セルフテスト |
データソース
| ソース | API | 取得データ | 環境変数 |
|---|
| X (Twitter) | X API v2 Recent Search | バズ投稿（エンゲージメント上位） | X_BEARER_TOKEN |
| Google 検索 | Gemini Google Search grounding | トレンド記事・ベストプラクティス | GEMINI_API_KEY |
| Google Trends | Gemini grounding経由 | 検索ボリューム推移・急上昇トピック | GEMINI_API_KEY |
| Reddit / HN | Reddit JSON API + HN Algolia API | コミュニティ議論・センチメント | 不要 |
| 競合アカウント | X API v2 User Tweets | 競合の高パフォーマンス投稿 | X_BEARER_TOKEN |
出力フォーマット
output/content-optimizer/hypotheses/YYYYMMDD_HHMMSS_{topic}/
├── market_report.md # トレンドレポート
├── hypotheses.yaml # 仮説リスト（優先度付き）
├── experiment_design.yaml # 実験設計書
├── raw_data.json # 全ソースの生データ
└── drafts/ # A/Bバリアント投稿案
├── variant_a.md
└── variant_b.md
環境設定
必須環境変数
# .env に追加
X_BEARER_TOKEN=your_x_bearer_token_here # X API v2 検索・ユーザー取得
GEMINI_API_KEY=your_gemini_api_key_here # Google Search grounding + LLM分析
オプション環境変数
TYPEFULLY_API_KEY=your_typefully_key_here # --auto-draft オプション使用時
取得方法
自己改善ループの使い方
hypothesis_generator.py でトレンド分析 → 仮説 → バリアント生成- Typefully で A/B バリアントを投稿（手動 or
--auto-draft フラグ）
- 2-3日後に
collect_metrics.py でパフォーマンス測定
- 結果を踏まえて次の仮説を生成（学習が蓄積される）
使用例
# AIエージェントについてX向けに仮説生成（日本語）
python skills/content-optimizer/scripts/hypothesis_generator.py \
--topic "AIエージェント" --channel x_twitter --lang ja
# 競合アカウントも調査してバリアントをTypefullyに自動登録
python skills/content-optimizer/scripts/hypothesis_generator.py \
--topic "SaaS" --competitors "user_a,user_b" --auto-draft
# 英語でLinkedIn向けコンテンツを5仮説生成
python skills/content-optimizer/scripts/hypothesis_generator.py \
--topic "productivity" --channel linkedin --lang en --num-hypotheses 5
# ツイートID指定でメトリクス収集
python skills/content-optimizer/scripts/collect_metrics.py \
--tweet-ids "1234567890,0987654321" --experiment-id exp-001
# ユーザーの直近投稿を取得して分析
python skills/content-optimizer/scripts/collect_metrics.py \
--username myaccount --days-after 7
# dry-run でどんなデータが取れるか確認
python skills/content-optimizer/scripts/hypothesis_generator.py \
--topic "生成AI" --dry-run
依存関係
requests>=2.28.0
python-dotenv>=0.19.0
pyyaml>=6.0
google-genai>=0.5.0
Related Skills
x-research — X検索データの収集ab-test-setup — 実験設計の詳細フレームワークsocial-content — SNSコンテンツ戦略content-strategy — コンテンツ計画analytics-tracking — メトリクス計測
