STEP4-2．データを加工する
次に、取得したデータを分析しやすく加工します。データクレンジングとも呼ばれる工程で、対象外のデータや、重複して取得されているデータの削除などを行います。投稿数が数千・数万単位でなければ、目視でチェックする方がスムーズです。
ついすぽを使って取得したCSVファイルには、投稿本文・エンゲージメント数・インプレッション数などの情報が含まれており、特に加工しなくても使いやすい形式になっています。
分析を行う前に、投稿をカテゴリー分けすることもおすすめです。投稿した内容や投稿の目的別にカテゴライズしておくと、分析結果を利用しやすくなります。
投稿のカテゴリー分けには、生成AIを活用しましょう。プロンプト例を共有します（以降、有料版ChatGPT 4-o モデルの利用を想定）。
【プロンプト例】
添付したデータの〇列には、「〇〇〇」というアカウントが過去にXで投稿した内容が書かれています。すべての投稿について、カテゴリー分けをしたいのですが、どんなカテゴリー分けができると思いますか？
※ついすぽなどで取得した投稿一覧のデータを添付
STEP4-3．分析を行う
データの加工が終わったら、いよいよ分析に入ります。冒頭に記載した通り、分析を行う目的は「エンゲージメント率が高い投稿の傾向をつかみ、次の投稿に活かすこと」です。この目的に沿って、定性と定量の二つの分析方法でデータを見ていきます。
いずれの分析でも、最初はChatGPTにデータを渡すところから始めましょう。CSVファイルやエクセルファイルを添付するか、データを直接貼り付けることを推奨します。画像ファイルでは分析精度が落ちるため、注意が必要です。
【プロンプト例】
添付したデータの内容を把握してください。
※ついすぽなどで取得した投稿一覧のデータを添付
投稿の定性分析を行う場合
定性分析では、エンゲージメントの高い投稿の特徴を探ります。この時、エンゲージメントの定義を明確にしておくことが大切です。
- エンゲージメント数＝リプライ数＋RP数＋いいね数＋引用数
- エンゲージメント率＝エンゲージメント数÷インプレッション数
今回は一例として、ChatGPTにエンゲージメント率のトップ5とワースト5の投稿を抽出してもらい、それぞれの特徴を分析してもらいます。
【プロンプト例】
リプライ数・RP数・いいね数・引用数の合算をエンゲージメント数と定義します。エンゲージメント数をimp数で割った値がエンゲージメント率です。
エンゲージメント率のトップ5とワースト5を抽出してください。それぞれトップ5とワースト5の投稿の特徴を分析してください。その際に、投稿日時・投稿のテーマ（カテゴリー）・投稿形式に着目して、中立的且つ客観的に評価をしてください。
プロンプト内で「リプライ数・RP数・いいね数・引用数」と書いた箇所は、ChatGPTに渡すデータの項目名を踏襲してください。上記では、ついすぽのデータに準拠しています。
