Xのおすすめに載る基準は関連性と反応予測｜最新アルゴリズムに沿う運用法！

Xで投稿を続けていても、フォロワー外へ広がる投稿と、ほとんど表示回数が増えない投稿が生まれるため、おすすめに載る基準や最新アルゴリズムの仕組みを知りたいと考える人は少なくありません。

ただし、投稿後何分以内に何件のいいねを集めれば載るという単純な合格ラインは公表されておらず、フォロワー数、投稿時間、ハッシュタグ数など、一つの要素だけで掲載の可否が決まるわけでもありません。

2026年5月に公開されたXの推薦システムでは、閲覧者の行動履歴と投稿の内容から関連性の高い候補を探し、いいね、返信、共有、滞在、フォローなどが起きる確率と、興味なし、ミュート、ブロック、報告などが起きる確率を組み合わせて表示順位を決める構造が示されています。

本稿では、公開コードやXヘルプの情報を土台に、おすすめへ入るまでの流れ、評価されやすい反応、投稿設計、アカウント運用、表示回数が伸びない場合の原因まで整理し、根拠の弱い攻略法に振り回されず改善できる状態を目指します。

Xのおすすめに載る基準は関連性と反応予測

Xのおすすめに載るための中心的な基準は、投稿者の知名度だけではなく、その投稿が特定の閲覧者にとって関連性が高く、閲覧後に好ましい行動が起きそうだと予測されることです。

同じ投稿でも、過去に近いテーマへ反応してきた人には上位表示され、関心の薄い人には候補に入らない場合があるため、おすすめ掲載は投稿単体の絶対評価ではなく、投稿と閲覧者の組み合わせによる相対評価と捉える必要があります。

さらに、重複、古さ、既読、ミュート語句、ブロック関係、ポリシー上の問題などを確認するフィルターがあり、反応を得られそうな投稿であっても、表示対象として不適切と判定されれば候補から外れる仕組みです。

現行モデルの全体像

2026年5月15日にxAIが公開したXのおすすめアルゴリズムでは、フォロー中のアカウントによる投稿と、世界中の投稿から機械学習で見つけたフォロー外の投稿を集め、共通の順位付けモデルへ渡す構成が示されています。

候補は収集された時点で掲載が確定するわけではなく、投稿内容、投稿者情報、メディア、言語、閲覧者の行動履歴などを補い、対象外の投稿を除外したうえで、複数の行動が起きる確率を予測して並べ替えられます。

この流れから分かるのは、フォロワー外へ届くには、まず内容の近い閲覧者の候補へ入り、その後に他候補より高い関連性と反応可能性を示す必要があるという点です。

フォロワー数が多いことは初期の閲覧機会を増やす要素になり得ますが、フォロワーが少ないアカウントでも、特定テーマに関心を持つ閲覧者と内容が強く一致すれば、フォロー外候補として選ばれる余地があります。

関連性の判定

おすすめの土台になる関連性は、単に投稿内へ人気キーワードを入れたかではなく、閲覧者が過去に何を見て、いいねし、返信し、共有し、どの投稿者をフォローしたかという行動の流れと、候補投稿の内容がどの程度近いかによって推定されます。

たとえば、普段から写真編集の投稿を読み込んでいる人には、写真加工の手順、機材比較、撮影事例などが候補になりやすく、同じ投稿でも料理や投資だけを見ている人には表示されにくいという個人別の差が生まれます。

投稿者側では、誰に向けた情報なのかを曖昧にせず、冒頭からテーマ、対象者、得られる情報を自然な言葉で示すことが重要であり、複数の無関係な話題を一つの投稿へ詰め込むと内容の特徴がぼやけやすくなります。

ただし、同じ単語を不自然に繰り返したり、無関係なトレンド語を加えたりしても、実際の閲覧や反応が伴わなければ長期的な関連性は強まりにくいため、検索用の語句より読者が理解しやすい文脈を優先する必要があります。

初速の役割

投稿直後に反応が集まると、その時点で活動している閲覧者から関心を持たれていることが分かるため、次の閲覧機会へつながる可能性はありますが、何分以内に何件という固定された合格条件が公式に示されているわけではありません。

現在の仕組みでは新しい投稿が候補として取り込まれ、古すぎる投稿を除外する処理も存在するため、鮮度は無視できませんが、投稿直後のいいね数だけで順位が自動的に決まるという理解は正確ではありません。

初速を改善したい場合は、投稿するたびに相互いいねを依頼するより、想定読者が利用しやすい時間帯を分析し、最初の一文で内容を判断できるようにし、既存フォロワーが反応しやすいテーマから投稿する方法が現実的です。

投稿直後に伸びなかった場合でも、検索、引用、返信、後からの共有によって再び閲覧される可能性があるため、数分で削除と再投稿を繰り返すと、重複や不自然な運用と受け取られるリスクのほうが大きくなります。

反応の質

最新の公開システムでは、単一のいいね数だけを見るのではなく、返信、リポスト、引用、クリック、プロフィール閲覧、共有、投稿者のフォローなど、複数の行動が起きる確率を予測して得点へ反映する構造が示されています。

そのため、数字を増やすだけの薄い反応より、内容を読んだうえで生まれた返信、他者へ伝える共有、投稿者への関心を示すプロフィール閲覧など、投稿の価値を裏付ける行動が複数起きる設計が重要です。

• いいねは共感や保存候補を示す
• 返信は会話が生まれる可能性を示す
• リポストは他者へ広げる価値を示す
• 引用は意見を加える価値を示す
• プロフィール閲覧は投稿者への関心を示す
• フォローは継続して見たい意思を示す

たとえば、結論だけを短く書いて大量のいいねを狙う投稿と、理由、具体例、注意点まで示して返信や保存相当の行動を生む投稿では、後者のほうが関心の深さを示せる場合があります。

一方で、賛否を過度にあおり、怒りの返信だけを集める方法は、興味なし、ミュート、ブロック、報告などのマイナス反応も招きやすいため、反応数が多いという理由だけで高評価になるとは限りません。

滞在時間

公開された予測対象には、投稿上での滞在に関係する行動も含まれており、利用者が内容を読む、画像を拡大する、動画を見る、スレッドを開くといった行動は、表面的に通過されなかったことを示す材料になり得ます。

ただし、文章を必要以上に長くしたり、結論を隠して最後まで読ませたりすれば有利になるという意味ではなく、読者が必要な情報を理解するために自然な時間を使うことが大切です。

具体的には、最初に結論や問題意識を示し、その後に理由、実例、手順、注意点を順序よく配置すると、何が書かれているかを把握しやすくなり、興味を持つ読者が途中で離れにくくなります。

画像や動画を使う場合も、内容と無関係な素材で停止させるのではなく、比較結果、操作画面、変化の過程、実物の使用感など、文章だけでは伝わりにくい情報を補う目的で利用することが重要です。

フォロー転換

投稿を見た人がプロフィールを開き、その後に投稿者をフォローする行動は、今回の投稿だけでなく、今後も同じ発信を受け取りたいと判断したことを表すため、テーマと発信者の一致を示す強い材料になり得ます。

フォローへつなげるには、投稿単体を伸ばすことだけを考えるのではなく、プロフィール名、自己紹介、固定投稿、最近の投稿内容をそろえ、何について発信するアカウントなのかを短時間で理解できる状態にする必要があります。

たとえば、投稿では生成AIの業務活用を扱っているのに、プロフィールでは日常、投資、ゲーム、営業、転職などを同じ強さで並べると、閲覧者はフォロー後に何が届くのか判断しにくくなります。

すべての投稿を一つの話題に限定する必要はありませんが、主要テーマ、補助テーマ、個人的な投稿の比率を決め、初めて訪れた人が代表的な価値を認識できるように整えることが大切です。

マイナス反応

おすすめ順位では、好ましい行動だけでなく、興味なし、投稿者のミュート、ブロック、報告などが起きる確率も予測され、これらは投稿を下げる方向の要素として扱われます。

したがって、強い言葉で注意を引けたとしても、内容との落差が大きい見出し、同じ主張の連投、無関係な相手への返信宣伝、誤解を招く切り抜きなどは、短期的な表示回数と引き換えに否定的な反応を増やすおそれがあります。

改善する際は、いいねが少なかった投稿だけを見るのではなく、表示回数に対してプロフィール閲覧やフォローが起きたか、返信が会話につながったか、投稿後にフォロー解除が増えていないかという複数の結果を確認します。

多くの人へ無理に届けるより、必要とする人には高く評価され、関心のない人には過度に嫌われない内容を作るほうが、個人別推薦を前提としたアルゴリズムには適合しやすい考え方です。

鮮度と多様性

おすすめ候補には古すぎる投稿を除く処理があるため、速報性の高い話題では投稿の鮮度が重要になりますが、ノウハウ、体験談、比較、事例などは後から検索や共有で読まれることもあり、すべてが短時間で価値を失うわけではありません。

また、同じ投稿者の候補が連続しすぎないように得点を弱める投稿者多様性の調整が示されているため、一人が短時間に大量投稿しておすすめ欄を占有することは構造上も起こりにくくなっています。

一つの投稿が伸び始めた直後に似た内容を連投すると、読者の注意が分散するだけでなく、自分の投稿同士が表示枠を競う状態になり得るため、反応を見ながら十分な間隔を取り、次の投稿には別の価値を持たせる方法が適しています。

鮮度を活かす投稿と長く参照される投稿を組み合わせ、速報では事実と出典を早く示し、蓄積型の投稿では手順や具体例を深く示すことで、異なる閲覧場面から候補に入る可能性を作れます。

最新アルゴリズムの仕組みを押さえる

2026年に公開された推薦システムは、フォロー関係を中心とした従来型のタイムラインだけではなく、閲覧者と投稿を数値表現へ変換し、内容や行動履歴の近さからフォロー外の候補を探す仕組みを採用しています。

その後、Grok系のTransformerモデルを使って複数の行動確率を予測し、得点化、並べ替え、フィルター、重複除去などを経て、おすすめタイムラインへ表示する候補を決めます。

投稿者が内部処理を完全に再現することはできませんが、候補収集、順位付け、除外という三つの段階を理解すると、なぜ良い投稿でも届かない場合があるのかを整理しやすくなります。

候補生成

候補生成では、Thunderと呼ばれる仕組みがフォロー中のアカウントによる新しい投稿を供給し、Phoenix Retrievalが世界規模の投稿群から閲覧者に近いフォロー外投稿を探す構成になっています。

フォロー外の探索では、閲覧者の特徴や行動履歴を表す情報と、候補投稿を表す情報を別々に数値化し、その近さを計算して大量の投稿から有望な候補を絞り込みます。

候補に入る段階では、大勢に受ける抽象的な投稿より、誰にどのような価値があるかを読み取れる投稿のほうが、特定の関心を持つ閲覧者との近さを作りやすくなります。

ただし、内容が近いだけで上位表示が保証されるわけではなく、候補に入った後は他の投稿と比較されるため、分かりやすさ、反応可能性、鮮度、否定的反応の少なさも必要です。

Phoenixの順位付け

Phoenixの順位付けでは、閲覧者の最近の行動履歴と候補投稿を入力し、それぞれの投稿に対して、いいね、返信、リポスト、クリック、滞在、フォローなどが発生する確率を予測します。

同時に、興味なし、ミュート、ブロック、報告が起きる確率も扱い、好ましい行動には正の重み、好ましくない行動には負の重みを組み合わせて最終得点を計算します。

• いいねの発生確率
• 返信の発生確率
• リポストの発生確率
• 引用の発生確率
• クリックの発生確率
• 画像拡大や動画視聴の確率
• プロフィール閲覧の確率
• 投稿者をフォローする確率
• 興味なしや報告の確率

この方式では、いいねを最大化する投稿だけが常に勝つわけではなく、読む、会話する、共有する、投稿者へ関心を持つという複数の価値を生む投稿が評価される余地があります。

各行動に使われる本番環境の正確な重みは固定の攻略数値として公表されておらず、モデルも継続学習されるため、特定の反応だけを人工的に増やすより、読者満足を高めるほうが変化に耐えやすい運用です。

公開コードの読み方

公開リポジトリは現行システムを理解する重要な一次情報ですが、公開版のPhoenixモデルは本番より小さい構成であり、学習済みデータも継続更新される本番モデルの一時点を切り出したものと説明されています。

したがって、コード内の名称やサンプル設定を見つけたとしても、それを本番環境で常に使われる絶対的な数値とみなし、投稿時間や文体を機械的に決めるのは適切ではありません。

一方で、複数行動の予測、フォロー内外の候補、既読除外、投稿者の多様性、古さのフィルター、否定的反応の扱いなど、設計思想として公開されている部分は運用方針を考える材料になります。

古いTwitter時代のコードや数年前の分析記事を読む場合は、2026年5月公開版との違いを確認し、かつて存在した個別の手作業ルールが現在も同じ形で使われていると決めつけないことが重要です。

おすすめに載りやすい投稿を設計する

おすすめ掲載を狙う投稿では、アルゴリズムへ向けて不自然な記号や語句を並べるのではなく、対象読者が一目で自分向けだと判断でき、読み進めた後に納得、返信、共有、プロフィール閲覧などの行動へ進める構成を作ります。

特に重要なのは、テーマを絞ること、冒頭で読む価値を示すこと、具体性を持たせること、会話できる余白を残すことの四点です。

同じノウハウでも、抽象的な精神論として書くより、対象者、状況、手順、結果、注意点を示したほうが内容を理解しやすく、関連する閲覧者から深い反応を得やすくなります。

テーマを一つに絞る

一つの投稿では、読者に持ち帰ってもらう中心的な結論を一つに定め、その結論を支える理由や例だけを残すと、内容の分類と理解がしやすくなります。

たとえば、X運用について投稿する場合でも、おすすめに載る仕組み、プロフィール改善、投稿時間、文章術、収益化を一度に扱うより、今回は冒頭文の作り方だけに絞ったほうが対象読者と価値が明確になります。

• 対象者を一種類に定める
• 解決する悩みを一つに定める
• 最初に結論を示す
• 理由を二つか三つに絞る
• 具体例を一つ加える
• 注意点を最後に添える

内容を分割すると投稿数を不自然に増やすことになると感じる場合は、関連する論点をスレッドにし、最初の投稿だけでも結論が理解できる構造にすると読み手が迷いにくくなります。

テーマを絞ることは発信の幅を狭める作業ではなく、投稿ごとの入口を明確にし、結果として関連性の高い読者へ届きやすくする編集作業です。

冒頭で価値を伝える

タイムラインでは複数の投稿が短時間で比較されるため、冒頭には対象読者、扱う問題、得られる結果のいずれかを置き、続きを読む理由を早い段階で伝える必要があります。

誇張した数字や不安をあおる言葉を使わなくても、具体的な状況を示せば十分に注意を引けるため、投稿内容と一致する約束を冒頭に置くことが大切です。

冒頭で提示した内容は本文で必ず回収し、三つ紹介すると書いたなら三つを明確に示し、結果を示すと書いたなら条件や例外も含めて説明します。

期待だけを高めて具体的な情報を出さない投稿は、短期的に停止時間を作れても、離脱、興味なし、ミュートなどにつながり得るため、長期運用では信頼と内容の一致を優先します。

会話が続く余白を作る

返信を得るために単純な二択や同意要求を毎回付ける必要はなく、読者が自分の経験、条件、反対意見、補足事例を加えられる余白を本文に残すことで、自然な会話が生まれます。

たとえば、成功談だけでなく適用できなかった条件を示し、業種によって違いがあると伝えたうえで実例を尋ねると、内容に関連した返信が集まりやすくなります。

投稿者は返信を受けた後も、定型文だけで終わらせず、相手の内容に合わせて質問、補足、参考情報を返すと、会話を見た第三者にも追加価値を提供できます。

ただし、炎上を目的に誤解を招く断定を行ったり、他者を名指しして対立を作ったりする方法は、返信数と同時に報告やブロックも増やす可能性があるため、おすすめ掲載の安定策にはなりません。

アカウント運用の土台を整える

投稿内容が良くても、アカウント全体から発信テーマを読み取れない場合や、投稿を見るたびに対象者が変わる場合は、プロフィール閲覧からフォローへ進みにくくなります。

おすすめ欄で初めて知った人は、過去の関係ではなく、現在表示された投稿とプロフィールからフォローする価値を判断するため、アカウント全体を一つの案内ページとして整えることが重要です。

投稿頻度や時間帯には全員共通の正解がないため、自分の読者が反応した記録を一定期間集め、表示回数だけでなく、返信、共有、プロフィール閲覧、フォローへの転換を比較して改善します。

投稿テーマの一貫性

一貫性とは、毎日同じ言葉を繰り返すことではなく、どのような人へ、どの領域で、どのような価値を提供するアカウントなのかが複数の投稿を通じて伝わる状態です。

主軸を決める際は、自分が話したいことだけでなく、経験を示せること、読者が継続的に知りたいこと、投稿後に相談や仕事へつながることの重なる領域を探します。

• 主軸テーマは発信の中心
• 補助テーマは主軸の理解を深める内容
• 実績投稿は信頼を補う内容
• 日常投稿は人柄を伝える内容
• 告知投稿は次の行動を案内する内容

たとえば主軸を店舗集客にするなら、事例、接客、Googleマップ、SNS、リピート施策は関連づけやすい一方、無関係な投資速報を頻繁に混ぜると読者像が分散します。

複数テーマを扱う必要がある場合は、曜日や投稿シリーズを分ける、プロフィールに扱う範囲を書く、主軸の比率を高く保つなど、閲覧者が関係性を理解できる形にします。

反応データの読み方

投稿を改善するときは、表示回数の大小だけで成功と失敗を決めず、表示された人がどの行動へ進んだかを段階ごとに確認します。

一万回表示されてもプロフィール閲覧やフォローがほとんどなければ対象外の人へ広がった可能性があり、表示回数が少なくても相談や濃い返信が生まれれば目的に合った投稿である場合があります。

比較するときは、一件だけの投稿で結論を出さず、同じ形式やテーマを複数回試し、曜日、時間、内容、メディア形式の条件を記録すると傾向を見つけやすくなります。

数字が伸びた投稿は表面の文体だけを模倣せず、どの読者のどの問題に刺さり、どの行動が多かったかを分解して、次の投稿へ再利用できる要素を探します。

投稿頻度の考え方

投稿頻度は多ければ多いほど有利とは限らず、読者が一つ前の投稿へ反応する時間、投稿同士のテーマ重複、制作できる情報の質を考慮して決める必要があります。

同じ投稿者の候補が連続しすぎないよう調整する仕組みがあるため、短時間に大量投稿して表示枠を増やそうとしても、すべてが同じ人のおすすめ欄へ並ぶとは限りません。

初心者は継続できる回数から始め、投稿後の返信対応、分析、次の企画まで行える余裕を残し、内容を薄くして本数だけ増やす状態を避けます。

ニュース性のあるテーマでは即時性を重視し、ノウハウ型では調査と具体例を優先するなど、発信内容の性質によって頻度を変えることが、固定の投稿ノルマを守るより合理的です。

おすすめに載らない原因を切り分ける

表示回数が増えないときは、すぐにアカウント全体が制限されたと決めつけず、公開設定、候補との関連性、投稿の反応、否定的な反応、重複、ポリシー、アカウント状態を順番に確認します。

Xのおすすめは利用者ごとに異なるため、自分の画面に表示されないことだけでは、他者のおすすめへ載っていない証明にはなりません。

また、一時的な需要の低下、競合投稿の増加、読者が利用する時間の変化でも表示回数は変動するため、単発の数字より複数投稿の傾向を用いて原因を判断する必要があります。

マイナス反応の蓄積

投稿が一時的に多く表示されても、興味の薄い人へ広がり、興味なし、ミュート、ブロック、報告が増えると、その後の順位付けで不利な予測が行われる可能性があります。

特に、投稿内容と関係のないハッシュタグ、過度な煽り、似た投稿の連続、他者への無差別な宣伝返信などは、表示機会と同時に否定的な反応を増やしやすい行動です。

• 内容と冒頭の約束が一致しない
• 同じ文章を何度も投稿する
• 無関係なトレンド語を使う
• 対立を目的に断定する
• 返信欄で一方的に宣伝する
• 過剰なフォロー誘導を繰り返す

改善するときは、刺激の強い表現だけを弱めるのではなく、誰に必要な情報かを絞り、対象外の人に誤って期待させない冒頭へ変更します。

広く浅い反応が減って表示回数が一時的に下がっても、返信、プロフィール閲覧、フォローの割合が高まれば、長期的には関連性の高い読者層を作りやすくなります。

ポリシー違反と制限

Xは、ルール違反や利用者の快適性を損なう可能性がある投稿について、削除だけでなく、検索、おすすめ、トレンド、通知、タイムラインから外すなどの表示制限を行う場合があると強制的対応の案内で説明しています。

また、おすすめに関する公式方針では、最近ルールに違反したアカウント、スパムと考えられるアカウント、有害性が高いコンテンツなどをおすすめ対象から外す場合があると示されています。

俗にシャドウバンと呼ばれる状態を一つの原因として扱うより、通知、アカウント状態、検索表示、公開範囲、ポストに付いたラベルなど、確認できる事実から切り分けることが重要です。

誤って制限されたと考えられる場合は、投稿を大量に削除したり別アカウントで同じ操作を繰り返したりせず、公式画面に表示される手続きや異議申し立てを利用します。

よくある改善手順

表示回数が落ちた場合は、最初にアカウントが公開されているか、警告や機能制限が表示されていないか、投稿がプロフィール上で正常に閲覧できるかを確認します。

次に直近の投稿をテーマ別に分け、表示回数、返信、共有、プロフィール閲覧、フォローの変化を比べ、特定テーマだけが弱いのか、すべての投稿が同時に落ちたのかを判断します。

特定テーマだけが弱ければ、対象読者、冒頭、具体例、投稿時期を見直し、全体が弱ければ、テーマの分散、連投、重複、自動化、ポリシー通知、フォロワーとの関係性まで広げて確認します。

改善後は一度に文章、時間、画像、テーマ、投稿数をすべて変えず、一つか二つの条件だけを変更して複数回試すと、どの変更が結果へ影響したかを判断しやすくなります。

おすすめ掲載は読者との適合度を積み上げる

Xのおすすめに載る基準は、投稿後のいいね数やフォロワー数だけではなく、閲覧者の関心と投稿内容の近さ、いいね、返信、共有、滞在、プロフィール閲覧、フォローなどが起きる可能性、否定的な反応が起きる可能性を組み合わせた個人別の順位付けです。

投稿者が実践できる基本は、対象読者とテーマを明確にし、冒頭で読む価値を伝え、結論、理由、具体例、注意点を分かりやすく示し、内容に沿った自然な会話や共有が生まれる投稿を作ることです。

同時に、重複投稿、不自然な自動操作、過度な煽り、無関係なトレンド利用、ルール違反などを避け、プロフィールと過去投稿を整えて、初めて訪れた人がフォロー後の価値を判断できる状態にします。

アルゴリズムは継続的に学習と更新が行われるため、特定の投稿時間や反応数を絶対条件として追いかけるより、自分の読者から得られた表示、返信、共有、プロフィール閲覧、フォローのデータを比較し、読者との適合度を少しずつ高める運用が安定した掲載機会につながります。