Claude CodeにXの伸ばし方を48時間ごとに学ばせる——フォロワー95人で回している「標本ループ」の設計図

NGraphは、X（旧Twitter）の運用改善をAIに任せています。48時間ごとに、伸びている他人の投稿を「標本」として集めさせ、自分の投稿の実数と突き合わせ、書き方のルールをAIが更新する。この仕組みを標本ループと呼んでいます。回しているのはフォロワー95人（2026年8月18日時点）の小さなアカウントです。小さいからこそ、改善が数字に出やすい。この記事では、ループを構成する4つの原則と、初回1周で見えた実測を、そのまま公開します。同じ記事形式なのに表示回数が284と130万に分かれた、対照標本の話も含みます。

SNSの改善が「感想戦」で止まる理由は2つある

SNSを事業で使っている会社の多くが、同じ場所で止まります。投稿は続けている。ただ、伸びない。改善しようとすると「もっと画像を入れよう」「文体を柔らかくしよう」という感想の言い合いになり、翌週には忘れられている。うちも先月までこの状態でした。

止まる理由は、担当者のセンスではありません。構造が2つあります。

1つ目は、自分の数字だけでは標本が足りないことです。週に3〜5本しか投稿しない会社が、自分の投稿の結果だけから学ぼうとすると、月に十数個のデータしか手に入りません。しかもテーマも形式もばらばらで、比較になりません。学習の材料が構造的に不足しています。

2つ目は、判断が記録に残らないことです。「この投稿は伸びた気がする」という感想は、翌週のルールになりません。担当者が変われば勘ごと消えます。生成AIに投稿文を書かせている会社も増えましたが、書かせるだけでは同じ品質の文章が量産されるだけで、学習はどこにも起きていません。

この2つを同時に解くのが、標本ループです。

標本ループとは——4つの原則でできている

標本ループは、次の6工程を48時間ごとに、AIに回させる仕組みです。うちではClaude Code（コーディング用のAIエージェント）に定時タスクとして実行させていますが、工程自体はどのAIでも、極端に言えば人力でも回せます。

この6工程を支えているのが、次の4原則です。

原則1：標本は外から集める

Xには、伸びている投稿が今日も何万件も流れています。書き方・言葉の選び方・数字の置き方・テンポ。教材は無料で、しかも表示回数つきで公開されています。自分の投稿だけを見つめて学ぶより、外の標本から学ぶほうが、材料は桁違いに多い。集めるのは1行目と構造と数字の置き方だけです。学ぶのは型であって、本文の丸写しは学習になりません。

原則2：外部標本は仮説どまり。確定は自分の実測だけ

ここを飛ばすと事故になります。フォロワー10万人のアカウントで伸びた型が、95人のアカウントで同じように働く保証はどこにもありません。他人の数字は、その人のフォロワー規模と文脈の中の数字です。だから外部標本から取り出した型には「仮説」の札を付け、自分の投稿で検証して初めてルールに昇格させます。もう1つ、伸びている標本には煽り口調のものも多く混ざります。移植してよいのは構造だけで、口調まで真似ると自社の信用を削ります。

原則3：育つ前の数字で判断しない

Xの表示回数は数日かけて積み上がります。投稿直後の数字で判断すると、正しい型を殺します。うちは実際にこれで一度、運用そのものを止めるという誤った意思決定をしました（後述します）。ルールは単純で、投稿から48時間たつまで、その投稿を評価しない。それだけです。

逆に、48時間より長く待つ理由もありません。同じ18本を7時間あけて測り直したところ、投稿から丸1〜2日を過ぎたものは0.3〜3%しか動きませんでした。伸び続けていたのは前日に出した2本だけです。表示回数は48時間でほぼ止まる。だから待つ下限と上限を、同じ48時間に置いています。週1回にすると、火曜に出した投稿の学びが翌週まで寝てしまう。回転数はここで決まります。

原則4：学びはルールの正本に戻す

検証で確定した型は、運用ルールを書いた1つの文書に日付つきで追記します。担当者の頭に置いたままにしません。次の投稿文は、AIがその文書を読んでから書きます。これで学習が人に依存しなくなります。担当者が変わっても、AIのモデルを替えても、蓄積は文書の側に残り続けます。

初回1周の実測——284と130万を分けたのは、形式ではなくタイトルだった

設計の話はここまでにして、初回1周（2026年8月11日〜18日）で実際に何が見えたかを出します。

まず自分の側。直近7日の投稿18本の表示回数は、最小5から最大749まで散らばりました。上位帯の263〜749を占めたのは、具体的な数字と「分かれ目」を1〜2行目に置いた投稿です。たとえば「必要なメモリは24GBか32GBか」「単価が最大約12.1倍になる」のような、読んだ人が自分の判断に使える数字です。下位に沈んだのは短いつぶやきの表示18と、動画を付けた2本の48と109でした。

次に外部標本。今回いちばん大きな発見は、同じ「記事」形式の投稿が、片方は表示284、片方は表示130万に分かれていたことです。284の方は統計数字を解説する型で、構成はうちの記事とよく似ていました。130万の方は、実在の有名企業名と具体的なツール名をタイトルに掲げ、「あの会社はどうやって◯◯を安全に社内利用しているのか」という、経営者が実際に口にする質問をそのまま題にしていました。

ここから立てた仮説はこうです。「記事形式は伸びない」のではない。タイトルが抽象的な概念の解説型になっていると読まれず、固有名詞と読者の既にある質問を掲げると読まれる。この仮説はまだ札付きの仮説で、自分の投稿で検証してから確定します。実は、いま読んでいるこの記事のタイトルに具体的なツール名を入れたこと自体が、その検証の1回目です。結果は実測が出たら追記します。

自社で回すなら、表計算だけで始める最小の5段階

この仕組みは、専用ツールがなくても始められます。うちはAIに48時間ごとに自動実行させていますが、人力に置き換えるなら週1回・30分で回ります。回転数を落とすぶん、学習は遅くなります。

AIに任せる場合に決めておくことが2つあります。

1つ目は、「今回は判断材料が足りない」と言える設計にすることです。毎回必ず結論を出させると、AIは材料がなくても、それらしい結論を作文します。確定できない回は「確定なし」と報告させる。実際、直近の1周で新しく評価できた投稿は1本だけでした。

2つ目は、ループが止まったことを検知する見張りを、ループの外に置くことです。自動実行に任せたループは、エラーで落ちても誰にも気づかれません。うちは結果によらず毎回1行の記録を必ず残させ、その記録が3日以上増えなければ別の常駐ジョブが管理者に通知する形にしました。自分が止まったことを自分で報告できるループは存在しません。見張りは必ず外側に要ります。

なぜAIに回させるのか。週30分は、人だと続かない

工程だけ見れば人力でも回ります。それでもAIに任せる理由は、続かないからです。週30分の集計と記録は、繁忙期に最初に削られる仕事です。削られた週が2回続くと、記録に穴が空き、比較ができなくなります。

AIに任せると、2日ごとに、集計・標本収集・仮説の言語化・レポートまでが自動で終わります。人に残る仕事は2つだけです。公開してよいかの判断と、機械には写らない成果の記録（「Xを見ました」というDMや相談が来たか）。数字の収集と分析はAIが人より速く、成果の判定と責任は人にしかできない。この分担は、SNSに限らずAI導入全般で崩してはいけない線だと考えています。

もう1つ、うちがこの設計を選ぶ理由があります。学びをルールの正本に戻す仕組みにしておくと、蓄積がAIの中に残らず、会社の側に貯まることです。AIを替えても蓄積は残ります。これはうちが「会社の脳」と呼んで構築しているものの、いちばん小さな実例です。

まとめ

• SNS改善が止まるのは、自分の数字だけでは標本が足りず、判断が記録に残らないから
• 標本ループの4原則＝①標本は外から集める ②外部標本は仮説どまり、確定は自分の実測だけ ③48時間たつまで評価しない ④学びはルールの正本に戻す
• 初回1周の実測では、同じ記事形式が表示284と130万に分かれた。分けたのはタイトルの固有名詞と「読者が既に持っている質問」。この記事のタイトルがその検証の1回目
• 表計算だけで週1回・30分から始められる。AIに任せるなら「確定なしと言える設計」と「止まったことを検知する外側の見張り」の2つを先に決める
• 人に残すのは公開の判断と、機械に写らない成果の記録だけ