Xの全ログを数えた2022年編。頻出語ランキングの上位が全部ボットだった

Xのアーカイブを年ごとに数える企画の2022年分です。この年は集計そのものに落とし穴があって、それに気づくまで数字を誤読していました。頻出語ランキングの上位の大半は、自分が書いた言葉ではありませんでした。

この年の投稿数

区分	2022年	2021年	増減
全体	10,999	13,212	-16.7%
本人の投稿	8,811	10,099	-12.7%
リツイート	2,188	3,113	-29.7%
うち返信	1,366	2,631	-48.1%

3年連続の減少です。ただし減り方の内訳が変わりました。本人の投稿は12.7%減にとどまっている一方、返信が48.1%減、つまり半減しています。2020年の3,912件から2年で3分の1です。

独り言はそこそこ書いているのに、人に向けて書いた返信だけが急に落ちる。この年の数字でいちばん目立つ変化がこれでした。

1月の373件は、2020年以降で最も少ない月です。前年12月の559件からさらに落ちていて、年明けの2か月がほぼ空白になっています。そこから3月に1,043件、4月に1,517件と一気に跳ね上がりました。

4月を1日単位まで割ると、1日で92件書いた日があります。この月の投稿を眺めると、野球のシーズン開幕と、現地に足を運ぶイベントの話が同時に増えていました。冬の間止まっていたものが、春に一斉に動き出した形です。3月から6月の4か月で4,545件、年間の41%がここに入っています。

ピークは21時で、前年と同じです。変化は深夜帯の奥のほうで、3時台が前年の213件から50件、4時台が59件から11件に落ちました。2020年は3時台に118件あったので、3年かけて「朝方まで起きている日」が消えています。

もう一つ、11時台に664件という小さな山があります。昼の12時台（506件）より多い。在宅で仕事をしていた時期の名残で、午前の中途半端な時間に手が空いていたことが数字に出ています。

ここが本題です。この年の頻出語トップ20には、こんな語が並んでいました。

「配信中」318回、「テレワーク」179回、「東京六東都」161回、「匿名質問募集中」179回、「期生」267回、「笑顔」230回。

一見すると「配信を見て、在宅で働いて、大学野球を追っていた年」に読めます。ところが実際に投稿を引くと、話が違いました。

「テレワーク」「東京六東都」「匿名質問募集中」は、どれも同じ1種類の定型文から出ています。匿名質問サービスが自動投稿する募集告知で、受け取った質問の冒頭がそのまま本文に載る仕様でした。この告知が年179回投稿され、同じ文字列が179回ずつ集計に入っていたわけです
「配信中」318回は、配信開始を知らせる連携投稿の定型文です。外部サービスが自動で流す形式で、年293件ありました
「期生」「笑顔」も、その自動投稿の本文に含まれる語がかなりの割合を占めていました

自動投稿の合計は472件で、本人の投稿8,811件の5.4%。件数としては小さいのに、同じ文字列を機械的に繰り返すぶん、語彙の集計では上位を全部さらっていきます。テキスト分析でよく言われる落とし穴を、自分のログでそのまま踏みました。

参考までに、この自動投稿の推移はこうです。募集告知は2021年172件、2022年179件、2023年49件。配信通知は2021年19件、2022年293件、2023年112件。2022年だけ突出しているのは、この年に配信サービスの連携をオンにしていたからでした。

つまり2022年の語彙ランキングは、2種類のボットが作った順位表だったことになります。ここを差し引いて読み直すと、残るのは野球（「オリックス」90回、「選手」81回、「投手」56回）と仕事（74回）と、ごく普通の相槌でした。

この年の最多は1月3日の41いいね。ただしリンクに一言添えただけの投稿で、単体では文脈が通らないため引用しません。かわりに、自分の言葉だけで成立しているものを挙げます。

3行3列同士の掛け算を禁止カードにしてほしかった
マジで人間がやるもんじゃないぞあれは

12月、13いいね。線形代数の手計算についての愚痴です。2020年に確率統計の勉強を記録していたのと同じ流れで、数学の話は細々と続いていました。

もう一つ、伸びた投稿の型として「参加型のハッシュタグ」があります。3月の「1いいねごとに自分のどうでもいい情報を書く」という企画投稿が20いいね。反応しやすい形をしているかどうかで数字が決まるという意味では、毎年変わらない型です。

返信が半減し、深夜帯が消え、自動投稿が語彙ランキングを乗っ取った年でした。数字だけ見れば活動は続いていますが、「自分で書いて誰かに向ける」量は確実に減っています。

数字はすべて、X（旧Twitter）の公式アーカイブをダウンロードして自分で集計したものです。1件ずつのJSONに投稿日時・本文・いいね数・リツイート数・返信かどうかのフラグが入っているので、年ごとに分けて数えました。

「本人の投稿」は、リツイート以外のすべて（返信と引用を含む）
「返信」は本人の投稿の内数で、二重には数えていない
時刻はすべて日本時間
頻出語は本文から漢字・カタカナのまとまりを機械的に抜き出して数えた簡易的なもの。「東京六東都」のように、語として不自然な切れ方をしたものも混じっている。1投稿に同じ語が複数回出る場合は、その回数ぶん数えている

最後の点が、2022年と2023年で「自動投稿が頻出語1位を取る」原因になりました。同じテンプレートを繰り返し投稿すると、そのなかの語がそのまま順位を押し上げます。自分のログを分析するときは、まず定型の自動投稿を切り分けてから数えたほうがいいというのが、この6年分での教訓です。

集計の手順とスクリプトは、Xの全履歴アーカイブを自分で集計する手順にまとめています。