Analyze and optimize tweets for maximum reach using Twitter's open-source algorithm insights. Rewrite and edit user tweets to improve engagement and visibility based on how the recommendation system ranks content.
Twitter 演算法最佳化工具
何時使用此技能
當你需要以下功能時，請使用此技能：
- 最佳化推文草稿，以達到最大觸及與互動
- 了解為什麼某則推文在演算法上表現不佳
- 改寫推文，使其符合 Twitter 的排名機制
- 根據實際排名演算法改善內容策略
- 偵測表現不佳的內容並提升可見度
- 最大化 Twitter 演算法追蹤的互動訊號
此技能的功能
- 分析推文，對照 Twitter 的核心推薦演算法
- 找出最佳化機會，根據互動訊號
- 改寫與編輯推文，以改善演算法排名
- 解釋建議背後的「原因」，運用演算法洞察
- 將 Real-graph、SimClusters 和 TwHIN 原則應用於內容策略
- 提供基於 Twitter 實際系統的互動提升戰術
運作方式：Twitter 的演算法架構
Twitter 的推薦系統使用多個相互關聯的模型：
核心排名模型
Real-graph：預測使用者之間的互動可能性
- 決定你的追蹤者是否會與你的內容互動
- 影響 Twitter 將你的推文展示給其他人的廣度
- 關鍵訊號：追蹤者會按讚、回覆或轉推嗎？
SimClusters：使用稀疏嵌入的社群偵測
- 識別具有相似興趣的使用者社群
- 決定你的推文是否在特定社群內引起共鳴
- 關鍵策略：製作能吸引緊密社群互動的內容
TwHIN：使用者與貼文的知識圖譜嵌入
- 描繪使用者與內容主題之間的關係
- 幫助 Twitter 了解你的推文是否符合追蹤者的興趣
- 關鍵策略：堅守你的領域，或清楚標示主題轉換
Tweepcred：使用者聲譽/權威評分
- 信譽越高的使用者獲得越多曝光
- 你過去的互動歷史會影響當前推文的觸及
- 關鍵策略：透過持續互動建立聲譽
追蹤的互動訊號
Twitter 的統一使用者動作服務追蹤顯性與隱性訊號：
顯性訊號（權重高）：
- 按讚（直接正面訊號）
- 回覆（表示內容有討論價值）
- 轉推（最強訊號——使用者想分享）
- 引用推文（引發討論）
隱性訊號（也有權重）：
- 個人檔案瀏覽（對作者好奇）
- 點擊/連結點擊（內容被認為有用而值得探索）
- 停留時間（使用者閱讀/思考你的推文）
- 儲存/書籤（計劃稍後回來看）
負面訊號：
- 封鎖/檢舉（Twitter 會大幅懲罰）
- 靜音/取消追蹤（使用者不想要你的內容）
- 快速滑過/跳過（低互動）
動態消息產生流程
你的推文透過以下管線觸及使用者：
-
候選推文檢索 - 從多個來源找出候選推文：
- 搜尋索引（相關關鍵字匹配）
- UTEG（時間軸互動圖譜——追蹤關係）
- Tweet-mixer（熱門/病毒式內容）
-
排名 - 機器學習模型根據預測互動對候選推文排名：
- 這個使用者會與這則推文互動嗎？
- 互動會多快發生？
- 它會擴散到非追蹤者嗎？
-
過濾 - 移除封鎖內容，套用偏好設定
-
遞送 - 向使用者顯示排名後的動態消息
基於演算法洞察的最佳化策略
1. 最大化 Real-graph（追蹤者互動）
策略：製作你的追蹤者願意互動的內容
- 了解你的受眾：提及他們關心的話題
- 提出問題：直接問題比陳述句獲得更多回覆
- 製造爭議（安全地）：辯論吸引互動（但避免封鎖/檢舉）
- 標註相關創作者：透過網路增加可見度
- 在追蹤者活躍時發文：早期互動越好，排名越高
最佳化範例：
- ❌ "我認為氣候政策很重要"
- ✅ "大膽發言：目前的氣候政策忽略了核能。你覺得呢？"（引發回覆）
2. 善用 SimClusters（社群共鳴）
策略：找到並服務對你的主題有深度興趣的緊密社群
- 選擇一個明確的主題：不要用混合訊息混淆演算法
- 使用社群語言：引用共同的迷因、內部笑話、術語
- 為該領域提供價值：對特定社群真正有用
- 鼓勵跨社群分享：能引發討論的引用
- 在你的領域內建立：一致性有助於演算法理解你的主題
最佳化範例：
- ❌ "我使用很多程式語言"
- ✅ "Rust 的所有權系統是最被低估的功能。原因如下..."（針對特定開發者社群）
3. 改善 TwHIN 映射（內容與使用者契合度）
策略：讓你的內容清楚關聯到你已建立的個人形象
- 展現你的專業：以領域知識開場
- 一致性很重要：堅守你的領域（或清楚宣布新方向）
- 使用特定術語：幫助演算法正確分類你
- 引用你過去的成就："延續我關於 X 的推文..."
- 建立主題權威：多則相同主題的推文強化連結
最佳化範例：
- ❌ "我喜歡很多東西"（模糊，混淆演算法）
- ✅ "身為全端工程師的第三篇連續框架評測"（建立權威）
4. 提升 Tweepcred（權威/信譽）
策略：透過持續互動建立聲譽
- 回覆頂尖創作者：與高信譽帳號互動提升可見度
- 引用有趣的推文：增加價值並顯示參與度
- 避免互動誘餌：無法建立真正的信譽
- 保持一致：定期優質發文勝過偶爾病毒式嘗試
- 深入互動：優質回覆和討論比數量更重要
最佳化範例：
- ❌ "轉推如果..."（互動誘餌，長期損害信譽）
- ✅ "對[連結推文]中的方法提出深思熟慮的批評"（建立權威）
5. 最大化互動訊號
顯性訊號觸發方式：
按讚：
- 新穎見解或令人難忘的措辭
- 驗證受眾的信念
- 有用/可操作資訊
- 有證據支持的強烈意見
回覆：
- 提出直接問題
- 創造辯論
- 徵求意見
- 分享不完整的想法（邀請補充）
轉推：
- 人們想分享的有用資訊
- 代表性價值（推文為他們發聲）
- 能娛樂他們追蹤者的內容
- 資訊優勢（率先發布突發新聞）
書籤/儲存：
- 教學或指南
- 他們之後會參考的數據/統計
- 靈感或動力
- 他們想再看一次的笑話/娛樂內容
最佳化範例：
- ❌ "看看這個工具"（被動）
- ✅ "這個工具這週為我節省了5小時。以下是設定方法..."（可操作，值得轉推）
6. 防止負面訊號
避免：
- 可能被檢舉的煽動性內容
- 針對性騷擾（會受到演算法懲罰）
- 誤導/虛假陳述（損害信譽）
- 偏離品牌的轉向（混淆演算法）
- 回覆機器人症候群（太多低價值回覆）
如何最佳化你的推文
步驟 1：識別核心訊息
- 這則推文傳達的最重要一件事是什麼？
- 誰應該關心這個？
- 你想要什麼行動/互動？
步驟 2：對應演算法策略
- 哪個 Real-graph 追蹤者區段會互動？（關心 X 的追蹤者）
- 哪個 SimCluster 社群？（對 Y 感興趣的領域）
- 這如何符合你的 TwHIN 身份？（你已建立的專業）
- 這會提升還是傷害 Tweepcred？
步驟 3：針對訊號最佳化
- 它會引發回覆嗎？（提出問題，創造辯論）
- 它值得轉推嗎？（有用性、娛樂性、代表性價值）
- 追蹤者會按讚嗎？（新穎、驗證、可操作）
- 它會病毒式傳播嗎？（社群共鳴 + 網路效應）
步驟 4：檢查負面因素
- 有任何封鎖/檢舉風險嗎？
- 有任何關於你身份的混淆嗎？
- 有任何損害信譽的互動誘餌嗎？
- 有任何傷害 Tweepcred 的煽動性語言嗎？
最佳化範例
範例 1：開發者推文
原始推文：
"我今天修了一個 bug"
演算法分析：
- 沒有明確受眾——太籠統
- 沒有互動訊號——陳述句不會引發回覆
- 沒有 Real-graph 觸發——追蹤者不會強烈互動
- 沒有 SimCluster 共鳴——可能適用於任何開發者
最佳化後：
"花了2小時除錯，結果發現只是少了一個分號。最棒的是？linter 沒抓到。
你最尷尬的 bug 是什麼？留言分享吧 👇"
為什麼有效：
- SimCluster 觸發：特定開發者社群
- Real-graph 觸發：直接問題邀請回覆
- Tweepcred： relatable 的脆弱性建立連結
- 互動：可能獲得回覆（其他人分享尷尬 bug）
範例 2：產品發布推文
原始推文：
"我們今天推出了一項新功能。來看看吧。"
演算法分析：
- 被動語態——未指出影響
- 沒有具體好處——追蹤者不知道為什麼要在意
- 沒有社群共鳴——籠統
- 如果感覺像自我推銷，有互動誘餌風險
最佳化後：
"花了6個月開發使用者最要求的功能：匯出為 PDF。
報表生成時間提升10倍。已上線。
你接下來想要什麼匯出格式？"
為什麼有效：
- Real-graph：你產品領域的追蹤者會互動
- 具體性：「PDF 匯出」+「10倍提升」觸發書籤（有用資訊）
- 問題：以互動觸發結尾
- 權威：你花了6個月（展現信譽）
- SimCluster：產品管理/SaaS 社群會共鳴
範例 3：意見推文
原始推文：
"我認為遠端工作比辦公室工作好"
演算法分析：
- 模糊意見——不邀請互動
- 可能被雙方辯論——沒有明確立場
- 沒有 Real-graph 鉤子——追蹤者不清楚是否該在意
- 籠統主題——稀釋你的個人品牌
最佳化後：
"大膽發言：遠端工作對非同步任務很好，但扼殺了創意協作。
我們現在是混合制：深度專注日遠端，協作日進辦公室。
你們團隊的平衡是什麼？真心好奇什麼有效。"
為什麼有效：
- 明確立場：非絕對，細微差別的立場
- 辯論觸發：「大膽發言」暗示討論機會
- 問題：直接互動請求
- Real-graph：你產業的追蹤者會有意見
- SimCluster：CTO、團隊主管、工程經理會產生共鳴
- Tweepcred：細微思考建立權威
演算法最佳化的最佳實務
- 品質勝於病毒式：來自社群的持續互動勝過偶爾的病毒時刻
- 社群優先：與100位投入追蹤者的深度共鳴勝過對10,000人的淺層觸及
- 真實性很重要：演算法獎勵真實互動，而非操縱
- 時機有幫助：在推文新鮮時及早互動（第一小時關鍵）
- 建立串文：串文推文通常比單則推文獲得更多互動
- 跟進：快速回覆回覆——Twitter 的演算法偏好活躍對話
- 避免垃圾內容：互動小組和機器人長期損害信譽
- 追蹤你的表現：注意你的受眾與什麼互動，並迭代改進
應避免的常見陷阱
- 籠統陳述：不會觸發演算法（太模糊）
- 純互動誘餌：「同意請按讚」——長期損害信譽
- 不明確的受眾：誰應該在意？如果不清楚，演算法不會推廣太遠
- 偏離品牌的轉向：混淆演算法對你身份的認知
- 發文過於頻繁：垃圾發文會傷害互動率指標
- 毒性內容：封鎖/檢舉會嚴重懲罰未來觸及
- 沒有行動呼籲：被動推文表現較差
何時請求演算法最佳化
在以下情況使用此技能：
- 你已擬好推文草稿，想最大化觸及
- 一則推文表現不佳，你想了解原因
- 你正在發布重要內容，想要演算法優勢
- 你在特定領域建立受眾
- 你想因某個特定事物而為人所知
- 你在偵測不一致的互動率
在以下情況使用 Claude 但不使用此技能：
- 一般寫作和文法修正
- 與演算法無關的語氣調整
- 非 Twitter 內容（LinkedIn、Medium、部落格等）
- 個人對話和隨意推文
