Contents
機械学習による全量 SNS データ解析
機械学習モデルは Instagram・X（旧 Twitter）・YouTube など複数プラットフォームから取得したオープンデータに加え、以下の情報も統合します。
- フォロワー属性（年齢層、性別、地域）
- 感情分析結果（ポジティブ／ネガティブ比率）
この多次元データを基にエンゲージメント経路や拡散パターンを可視化し、潜在的なインフルエンサー価値を抽出します。
データベース規模と品質管理
Tofu Analytics のデータベースは、公式サイトが公表している「約200万人のインフルエンサー」と「過去 5 年分の全投稿」を正規化・蓄積したものです【tofu.misosil.com】。データ品質は以下のプロセスで維持されています。
- 重複除去と正規化：同一アカウントや類似投稿を自動的に統合。
- 不正フォロワーチェック：購入フォロワーやボットアカウントの疑いがあるデータはスコア計算から除外。
アカウント作成からダッシュボード・API 利用までの手順
本セクションでは、サービス利用開始に必要なステップを時系列で解説します。初回設定だけでも数分で完了する設計になっているため、導入ハードルは低く抑えられています。
ユーザー登録と認証
- 公式サイトの「無料トライアル」ページにメールアドレスを入力し送信。
- 受信した認証メール内のリンクをクリックしてアカウントを有効化。
- 初回ログイン時にパスワード設定と二要素認証（SMS または Authenticator）を完了。
ダッシュボードへのログインと基本操作
登録情報でログインすると、メインダッシュボードが表示されます。左側メニューから「インフルエンサー検索」や「レポート作成」へアクセスでき、各種フィルターや分析ツールを即座に利用可能です。
API キー取得と基本的なリクエスト例
- ダッシュボード上部の 開発者設定 タブを選択。
- 「APIキー生成」ボタンをクリックし、表示された文字列をコピー。
- リクエストヘッダーに
Authorization: Bearer {YOUR_API_KEY}を付与して使用します（詳細は公式ドキュメント参照）。
以下は Python によるインフルエンサー一覧取得のサンプルコードです。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 |
import requests, csv API_KEY = "YOUR_API_KEY" ENDPOINT = "https://api.tofu.misosil.com/v1/influencers" params = { "age_min": 20, "age_max": 29, "gender": "female", "region": ["東京都","神奈川県"], "category": "beauty", "min_score": 70 } headers = {"Authorization": f"Bearer {API_KEY}"} resp = requests.get(ENDPOINT, params=params, headers=headers) data = resp.json().get("results", []) with open("influencers.csv", "w", newline="", encoding="utf-8") as f: writer = csv.writer(f) writer.writerow(["ID","名前","フォロワー数","スコア"]) for inf in data: writer.writerow([inf["id"], inf["name"], inf["followers"], inf["score"]]) |
取得した CSV は CRM や広告配信ツールにインポートでき、キャンペーン管理の自動化に活用できます。
属性フィルターと AI スコアリングによるインフルエンサー絞り込み
属性情報だけでなく、AI が算出するスコアやコンテンツ品質指標を組み合わせることで、目的に最適なインフルエンサーを効率的に抽出できます。
属性フィルターの設定例
- 年齢：スライダーで 20〜29 歳など範囲指定。
- 性別：男性／女性／その他から選択。
- 地域：都道府県単位、または「関東」「関西」などのプリセット利用可。
画面左側に属性リスト、右側に現在適用中の条件がリアルタイムで表示されます。
AI スコアと品質指標の概要
| 指標 | 算出要素 | 評価基準（例） |
|---|---|---|
| 影響力スコア | エンゲージメント総数、リーチ、フォロワー質 | 0〜100 点で表示。高得点ほど影響力が大きいと判定 |
| 投稿頻度 | 週平均投稿回数 | ≥3 回が推奨 |
| エンゲージ率 | エンゲージメント ÷ フォロワー数 | 2 % 超えを目安 |
| 感情分析 | ポジティブコメント比率 | 70 %以上で高評価 |
ダッシュボードの「品質評価」タブで各指標の閾値をスライダー操作により調整し、条件に合致するインフルエンサーだけを自動抽出できます。
絞り込みシナリオ（実務例）
例）20 代女性・関東在住で美容系商品に興味があるインフルエンサーを探す場合
- 年齢フィルター「20‑29 歳」→適用。
- 性別「女性」→適用。
- 地域は「東京都、神奈川県、埼玉県、千葉県」→選択。
- カテゴリで「美容・コスメ」チェック。
- AI スコアが 70 点以上、エンゲージ率が 2 % 超えるインフルエンサーを抽出。
この条件は保存できるため、次回以降のキャンペーンでもワンクリックで呼び出せます。
リアルタイムモニタリングとトレンド検知
SNS の動向は刻々と変化します。Tofu Analytics のリアルタイム監視機能を使うことで、最新トレンドを即座に把握し、候補リストを自動更新できます。
トレンド検知ワークフローの概要
- ハッシュタグ監視：対象キーワードや業界ハッシュタグを設定。
- 感情・ボリューム解析：投稿増加率とポジティブ度をリアルタイムで算出。
- 自動候補更新：例えば「過去 24 h の投稿増加率が +150 %」という閾値を超えると、スコア上位のインフルエンサーがリストに自動追加されます。
設定はダッシュボード左上の モニタリング メニューから行え、結果はリアルタイムで可視化されます。
API 連携によるデータ活用例
先ほど示した Python のサンプルコードに加えて、取得したデータを社内 BI ツールや広告配信プラットフォームへストリーミングすることで、マーケティング施策全体の自動化が可能です。
導入事例と効果（公表情報に基づく）
以下は、Tofu Analytics を活用した企業から公表されたケーススタディです。数値は各社が公式サイトやプレスリリースで示したものですが、外部検証データは提供されていません。
| 事例 | アプローチ | 主な成果（公表） |
|---|---|---|
| ファッション EC サイト | 属性フィルターと AI スコア上位 10 名を選定し、20‑29 歳・関東在住女性向けにキャンペーン実施 | キャンペーン期間中のサイト流入が前回比 約170 %増（※出典：同社プレスリリース） |
| 美容ブランド | 感情分析でポジティブ評価が高いインフルエンサー 10 名を起用し、1 ヶ月間の連続投稿実施 | 対象アカウントのフォロワー数が 2.5 倍 に拡大（※出典：同社公式ブログ） |
注意：上記効果はあくまで報告された事例であり、全ての企業に同様の結果が保証されるわけではありません。導入前には自社の目的・リソースと照らし合わせた検証を推奨します。
次のアクションプラン
- 無料トライアルに申し込む：公式サイトからアカウントを作成し、ダッシュボードにログイン。
- 属性フィルターで試験的にリスト作成：自社商品・サービスに合う条件を設定し、AI スコアと品質指標を確認。
- モニタリング機能を有効化：関係するハッシュタグやキーワードでトレンド監視を開始。
- API 連携のテスト：取得したデータを社内ツールへインポートし、業務フローへの組み込み可否を評価。
これらの手順を踏むことで、インフルエンサー施策の計画・実行が体系化され、効果測定も容易になります。
まとめ
- データベースと機械学習 が融合したプラットフォームで、高精度なインフルエンサー抽出が可能。
- 属性フィルター + AI スコアリング により、目的に合致した候補を迅速に絞り込める。
- リアルタイムモニタリング と API 連携 がトレンド対応と業務自動化を支援。
- 公表された事例では「サイト流入約170 %増」や「フォロワー数2.5倍」などの成果が報告されているが、効果はケースバイケースである。
本稿で紹介した手順と機能を参考に、貴社の SNS マーケティング戦略に適切に取り入れてみてください。