Buffer の担当者が、自分の投稿データを AI に分析させて改善方針を出すワークフローを公開しました。
数字は毎月見ているのに次の一手に変換できない、という状態の運用担当者が対象です。
鍵になるのはツール選びではなく、AI に一般論を書かせないための指示の出し方にあります。
ダッシュボードを開いて「ふーん」で終わる問題
月次のレポートは出している。
エンゲージメント率もフォロワー推移も把握している。
それでも来月の投稿計画を立てる段になると、結局は勘と前例で決めている——この状態は、SNS運用の現場でかなり広く共有されている感覚ではないでしょうか。
原因は数字が足りないことではありません。
むしろ逆で、指標が並んでいるだけでは「だから何を変えるのか」に変換されないことのほうが問題です。
ダッシュボードは現状を映しますが、行動を指示してはくれません。
ここに AI を挟む発想が出てきます。
ただし挟み方を間違えると、返ってくるのは「一貫性が大事です」「動画を増やしましょう」といった、どのアカウントにも当てはまる話です。
これでは何も変わりません。
差がつくのは「一般論を禁止する」という一行
Buffer の記事で最も参考になるのは、分析ツールでも書き出し方法でもなく、著者が使ったプロンプトの一節です。
自分のデータだけを使い、SNS のベストプラクティスから一般化しないこと（原文: “Don’t generalize from social media best practices — only use my data.”）。
たった一行ですが、これがあるかないかで出力の質が変わります。
AI は学習データの中に大量の SNS 運用ノウハウを持っています。
何も制約をかけなければ、渡したデータを軽く参照しつつ、一般論を組み立てて返してきます。
もっともらしく読めるぶん、質が低いことに気づきにくい。
だから最初に決めるべき判断軸はこれです。
AI に渡すのはデータではなく、データと制約のセットという認識を持つこと。
渡すだけでは足りません。
もう1つの判断軸が、分析させる観点を絞ることです。
元記事の著者も、候補を並べたうえで実際には3〜4個に絞って投げています。
観点を10個並べると、それぞれの掘り下げが浅くなり、結局どれも使えない出力になります。
進め方：目標を先に書き、データは後から
手順として並べると次のようになります。
順番に意味があります。
先に目標を1行で書く。
これを飛ばすと、後半の「コーチ役」が成立しません。
「フォロワーを増やす」では抽象度が高すぎます。
「問い合わせにつながる投稿を月2本出す」「保存数を前四半期比で伸ばす」のように、投稿の作り方が変わる粒度まで落とします。
データを書き出す。
Buffer を使っている場合は Insights の画面から期間を選び、CSV としてエクスポートできます。
無料プランでも利用できると案内されています。
Buffer の API や MCP 経由で AI ツールに直接取得させる方法も紹介されており、著者は Claude に接続して投稿本文・投稿日・関連指標をまとめて取らせています。
Buffer 以外のツールを使っている場合も、投稿本文・投稿日時・主要指標の3点が揃った書き出しがあれば同じことができます。
期間は最低3ヶ月分を目安にしてください。
1ヶ月では、たまたま走っていたキャンペーンや季節要因を「パターン」と誤認します。
分析観点を3〜4個決めて投げる。
選択肢としては、コンテンツの柱（何について投稿しているかの構成比）、自分の書き方の癖、伸びた投稿と伸びなかった投稿の共通点、フォーマット別（テキスト・画像・動画・リンク）の差、冒頭の一文の型、投稿タイミング、コンバージョンにつながった投稿、といったあたりが挙げられています。
どれを選ぶかは、先に書いた目標から逆算します。
問い合わせを増やしたいなら「CVにつながった投稿」と「冒頭の一文」。
認知を広げたいなら「フォーマット別」と「タイミング」。
目標と観点がつながっていないと、分析結果が出ても打ち手に変換できません。
目標と突き合わせてコーチ役をやらせる。
ここが最後の工程です。
分析結果と目標を並べたうえで、「コンテンツコーチとして振る舞い、この分析をふまえて目標に届くために何を変えるべきか」を聞きます（原文の書き出しは “Act as my content coach”）。
分析で終わらせず、行動の言語化まで持っていくのがこのワークフローの狙いです。
月1回のサイクルに載せる。
元記事の著者は、毎月新しい分析を回して目標と照らす運用にしています。
一度やって終わりでは、単なる面白い実験で止まります。
自分の想定が外れる瞬間に価値がある
このワークフローが効くのは、効率化されるからではありません。
自分の想定が外れていたことに気づけるからです。
元記事で紹介されている発見が象徴的でした。
著者の LinkedIn で最も反応が大きかったのは、仕事の知見を書いた投稿ではなく、誕生日にまつわる個人的な内容の投稿で、104リアクション・30コメントを集めていたそうです。
「うちのアカウントは真面目な発信で伸びている」という思い込みは、担当者本人が最も持ちやすいものです。
自分の投稿は自分で企画して自分で出しているぶん、意図と結果を無意識に結びつけて記憶します。
データを機械に読ませる意味は、その記憶を一度切り離せるところにあります。
この手のワークフローで踏みやすいワナ
現場でつまずくポイントは、だいたい決まっています。
データを渡さずに聞いてしまう。
最も多い形です。
「私のアカウントを伸ばすには？」と聞けば、AI は一般論で答えます。
渡すデータがない状態で出てきた提案は、どのアカウントにも当てはまり、どのアカウントも変えません。
AI が出した数字をそのまま社内資料に載せる。
これが一番危険です。
集計の途中で件数を取り違える、平均値の母数がずれる、といったことは普通に起こります。
分析結果に出てきた数値は、元の書き出しデータで必ず突き合わせてください。
生成AIの出力は最終的に人間の確認を経る前提で使う、というのは SNS 運用に限らず共通の作法です。
観点を欲張る。
前述のとおりです。
7つ8つと並べたくなりますが、絞ったほうが結果的に使える出力になります。
「勝ちパターン」に寄せすぎる。
分析で見えた勝ち筋をそのまま繰り返すと、数ヶ月後にはアカウントが同じ顔の投稿だけになります。
分析結果は仮説であって、正解ではありません。
試す枠を2〜3割は残しておくほうが健全です。
目標が精神論のまま。
目標が曖昧だと、コーチ役の出力も「継続が大事」で終わります。
手順の1番目に目標を置いているのは、この事故を防ぐためです。
まだ着手していない人と、試して効かなかった人
着手していない場合は、まず1媒体・3ヶ月分・観点2個から始めるのがおすすめです。
全媒体を一度に扱おうとすると、書き出しの段階で止まります。
すでに試して「一般論しか返ってこなかった」場合は、渡したデータの量ではなく、制約の指示が抜けていた可能性が高いと見てください。
前述の一行を足すだけで出力が変わることは珍しくありません。
あわせて、分析と目標を同じ会話の中で扱えているかも確認してみてください。
分析だけ別セッションで終わらせると、コーチ役の工程が丸ごと抜け落ちます。
SocialReport で取り組めること
自社アカウントのデータを継続的に集めて、示唆の形まで持っていく部分は、SocialReport が対応している領域です。
Instagram のアカウント分析では、フォロワー数推移・投稿頻度・エンゲージメント率のトラッキングに加えて、個別投稿のパフォーマンス比較、使用ハッシュタグ TOP20、曜日×時間帯の投稿ヒートマップを確認できます。
さらに AI 解析レポートとして、分析結果とアクション提案が自動で文章化されます。
この記事で扱った「分析から行動の言語化まで持っていく」工程を、書き出しとプロンプト設計なしで回せる形になっています。
X のアカウント分析でも、追跡アカウントの投稿一覧とエンゲージメント集計、いいね・リポスト・リプライ・インプレッションでの比較、ワードクラウドと最適投稿時間帯の分析が利用できます。
いずれもカスタムレポート PDF として出力できるため、月次で社内やクライアントに提出する形式まで含めて自動化できます。
手作業の CSV 集計に毎月半日かけているケースでは、その時間をそのまま分析の解釈に回せます。
7日間・クレジットカード不要の無料トライアルを用意しています。
まとめ
自社データを AI に読ませるワークフローの価値は、作業が速くなることではなく、担当者の思い込みが崩れるところにあります。
そのためには、目標を先に言語化し、観点を絞り、一般論を禁止する。
この3つが揃って初めて、返ってくる出力が自分のアカウント固有の話になります。
逆にどれか1つでも欠けると、読み心地は良いのに何も変わらないレポートが増えるだけです。
最終更新：2026-08-03