kkdemian | 12 de fevereiro de 2026
Elon Musk cumpriu sua promessa e tornou o algoritmo de recomendação central da plataforma X (anteriormente Twitter) de código aberto. Isso não é apenas uma vitória para a transparência, mas também uma mina de ouro para criadores de conteúdo - finalmente podemos entender, do ponto de vista do algoritmo, 'que tipo de tweets serão recomendados'.
Baseado no código do sistema de recomendação Phoenix de código aberto do X e na análise profunda da equipe de tecnologia de publicidade da Tencent, este artigo fornecerá um guia de escrita para tweets impulsionado por algoritmos, ajudando você a maximizar a exposição do conteúdo e a interação do usuário.
1. Entender a lógica central do algoritmo de recomendação do X
1.1 Visão geral da arquitetura do algoritmo
O sistema de recomendação "Para Você" do X (código: Home Mixer) adota uma arquitetura clássica de recuperação-classificação-filtragem em três etapas:
Fase 1: Recuperação de candidatos (Candidate Sourcing)
Thunder (In-Network): puxa postagens das contas que você segue
Phoenix Retrieval (Out-of-Network): pesquisa baseada em similaridade entre postagens globais
Fase 2: Classificação refinada (Scoring)
Phoenix Scorer: modelo Transformer baseado em Grok, prevê a probabilidade de 19 comportamentos do usuário
Weighted Scorer: fusão ponderada de múltiplos objetivos, obtendo a pontuação final
Author Diversity Scorer: ajuste da diversidade do autor
Fase 3: Filtragem e Seleção (Filtragem & Seleção)
Filtragem anterior: desduplicação, temporalidade, palavras bloqueadas
Filtragem posterior: já lidas, spam, conteúdo violento
1.2 Dimensões centrais de pontuação do algoritmo
Phoenix Scorer prevê 19 tipos de comportamentos do usuário e obtém a pontuação final através de soma ponderada:
Comportamentos positivos (aumentar classificação):
❤️ Like (curtir): o sinal de interação mais básico
🔁 Repost (compartilhar): sinal de interação forte, peso alto
💬 Reply (resposta): interação profunda, peso extremamente alto
🔗 Clique (clique): indicador de atratividade do conteúdo
📤 Compartilhar (compartilhar): sinal de disseminação externa
Comportamentos negativos (reduzir classificação):
🚫 Bloquear (block): feedback negativo forte
🔇 Silenciar (mute): feedback negativo moderado
🚩 Relatar (report): feedback negativo sério
Inscrição chave: o algoritmo não está simplesmente calculando "número de likes", mas prevendo "a probabilidade de que este tweet seja curtido por usuários específicos". Isso significa:
O conteúdo precisa ser otimizado para o público-alvo
Conteúdo geral não é tão valioso quanto conteúdo profundo em áreas verticais
O histórico de ações do usuário determina se seu conteúdo será recomendado a ele
Dois, Princípios de Redação de Tweets Amigáveis ao Algoritmo
2.1 Princípios centrais: maximize a "probabilidade de interação prevista"
Com base em um mecanismo de previsão multiobjetivo orientado por algoritmo, seu tweet precisa ser otimizado em várias dimensões:
Princípio 1: desencadear interações de alto valor (Resposta > Repost > Like)
O algoritmo atribui pesos diferentes a diferentes interações. De acordo com o design do Weighted Scorer:
A maior importância do peso de resposta: porque a resposta representa participação profunda
O peso do Repost (compartilhar) é o segundo: representa o valor da disseminação do conteúdo
O peso de Like (curtir) é relativamente baixo: barreira baixa, sinal fraco
Estratégia prática:
✅ Projete perguntas abertas: termine com "o que você acha?", "você já passou por isso?" para induzir respostas
✅ Crie controvérsias, mas sem extremos: colisões de opiniões moderadas geram mais discussões do que uma única perspectiva
✅ Forneça valor de compartilhamento: dados, insights, recomendações de ferramentas, etc. conteúdos que "valem a pena compartilhar"
❌ Evite frases puramente afirmativas: conteúdos sem ganchos de interação são difíceis de obter altas pontuações
Comparação de exemplo:
❌ Versão de baixa interação:
“O Ethereum subiu 5% hoje.”
✅ Versão de alta interação:
"O Ethereum subiu 5% hoje, mas os endereços ativos na cadeia caíram 12%.
Isso é uma acumulação por instituições ou uma distribuição pelos varejistas?
Fonte de dados: 【link】
Qual é o seu julgamento?👇“
Por que é eficaz:
Forneceu dados (valor de compartilhamento)
Criou conflito cognitivo (provocou reflexão)
Chamada à ação clara (“qual é o seu julgamento?”)
Princípio 2: evite sinais negativos (Bloquear/Mutar/Denunciar)
O algoritmo punirá severamente o conteúdo que desencadear feedback negativo. As seguintes ações podem resultar em uma queda na sua pontuação no Twitter:
No nível do conteúdo:
❌ Características de marketing excessivo/spam (muitos emojis, tudo em maiúsculas, texto repetido)
❌ Declarações políticas extremas (mesmo que seus seguidores apoiem, podem ser denunciadas por não seguidores)
❌ Linguagem agressiva (ataques pessoais, declarações discriminatórias)
❌ Informações enganosas (dados não verificados, títulos exagerados)
Nível comportamental:
❌ Publicar em massa conteúdo semelhante em pouco tempo
❌ Responder de forma inundante a tweets populares
❌ Usar ferramentas automatizadas para interações em massa
Estratégia prática:
✅ Citações de dados devem ter fonte: evite expressões vagas como "ouvi dizer", "é dito que"
✅ Expresse opiniões com espaço para dúvida: use "eu acho", "os dados mostram" em vez de "certamente é"
✅ Tópicos controversos com aviso: como "este artigo não constitui conselho de investimento"
✅ Verifique regularmente o Twitter Analytics: veja quais tweets acionaram feedback negativo
Princípio 3: Otimize a "correspondência da sequência de ações" da torre de usuários
O modelo de recuperação X é uma estrutura de torres duplas:
Torre de usuários: a entrada é 【características do usuário + sequência de 32 ações recentes do usuário】
Torre de conteúdo: a entrada é 【ID da postagem + ID do autor】
O algoritmo usa o mecanismo de Atenção Causal para permitir que o histórico de ações do usuário influencie a recomendação. Isso significa:
Seu tweet será recomendado para usuários "cujo comportamento histórico é semelhante ao seu conteúdo"
Estratégia prática:
Direcionamento de conteúdo vertical
❌ Hoje escreva sobre criptomoedas, amanhã sobre fitness, depois sobre gastronomia
✅ Continue produzindo conteúdo no mesmo campo (como "análise de dados on-chain")
Razão: o algoritmo o marcará como autor de um campo específico, recomendando-o para usuários ativos nesse campo
Imite a estrutura de conteúdo de contas de topo
Analise a estrutura dos tweets das 10 principais contas em seu campo
Aprenda com seus começos, apresentação de dados, design de interação
Razão: se o usuário interagir frequentemente com contas de topo, o algoritmo recomendará conteúdos com estrutura semelhante
Aproveite o peso da "ID do autor"
A entrada da torre de conteúdo é 【ID da postagem + ID do autor】
Isso significa que "quem enviou" é tão importante quanto "o que foi enviado"
Estratégia: construa uma marca pessoal, para que os usuários se lembrem do seu nome de conta
Análise de casos:
Suponha que os 32 comportamentos mais recentes do usuário A sejam:
Curtiu 10 tweets sobre "staking do Ethereum"
Repostou 3 tweets sobre "estratégias de rendimento DeFi"
Respondeu a 5 tweets sobre "análise de dados on-chain"
Quando você publica um tweet sobre "otimização de rendimento de staking do Ethereum", o algoritmo fará:
Identifique que o usuário A está interessado em "staking do Ethereum" através da torre de usuários
Extraia as características do seu tweet através da torre de conteúdo
Calcule a similaridade (produto escalar após normalização L2)
Se a similaridade for alta, seu tweet aparecerá na seção "Para Você" do usuário A
2.2 Otimização da estrutura do conteúdo: em conformidade com o "mecanismo de atenção" do Transformer
O modelo de classificação X é um Transformer Apenas Decoder + Candidate Isolation, essa arquitetura tem preferências específicas:
Ponto de otimização 1: enfatize as informações-chave (características da atenção causal)
O Transformer usa Atenção Causal, onde cada posição só pode ver a si mesma e as informações anteriores. Isso significa:
As primeiras palavras do Twitter têm o maior impacto no embedding geral
O algoritmo atribui maior peso às informações iniciais ao lidar com tweets longos
Estratégia prática:
✅ Coloque o ponto central em destaque: comece com a informação principal
✅ Dados em destaque: “+453%”, “$10M” e outros números no início
✅ Suspense em destaque: use declarações contra-intuitivas para atrair atenção
Comparação de exemplo:
❌ Estrutura ineficiente:
"Recentemente, estive estudando dados on-chain e descobri um fenômeno interessante. Após duas semanas de análise, percebi que as taxas de gás do Ethereum caem 60% entre 2 e 4 da manhã. Isso é uma boa oportunidade para usuários que precisam fazer transações frequentes."
✅ Estrutura eficiente:
“As taxas de gás do Ethereum caem 60% entre 2 e 4 da manhã 💰
Analisei dados on-chain por 2 semanas e descobri essa janela de economia.
Se você precisa:
Criar NFTs
Transações de grande valor
Interações contratuais
Defina um alarme, pode economizar algumas centenas de dólares.
Fonte de dados: 【link】"
Por que é eficaz:
A primeira frase é o valor central (“caiu 60%”)
Destaque numérico (“60%”, “2 semanas”)
Apresentação estruturada (pontos de bala)
Chamada à ação clara
Ponto de otimização 2: aproveite o mecanismo de "Candidate Isolation"
O modelo de classificação aplica Candidate Isolation aos posts candidatos:
Os posts candidatos não podem prestar atenção uns aos outros
Cada candidato só pode ver as características do usuário e a sequência de ações do usuário
O que isso significa?
Seu tweet não será rebaixado devido à alta qualidade de outros tweets recomendados na mesma rodada. O algoritmo avalia cada tweet de forma independente, não em classificação relativa.
Estratégia prática:
✅ Não se preocupe com "tópicos quentes já estarem saturados": mesmo que 100 pessoas escrevam sobre o mesmo tópico, seu tweet ainda será avaliado de forma independente
✅ Concentre-se na correspondência entre "seu tweet vs comportamento histórico do usuário": não "seu tweet vs outros tweets"
✅ Perspectiva diferenciada é mais importante que velocidade: publique algumas horas depois, mas forneça uma perspectiva única, ainda poderá receber alta pontuação
2.3 Estratégia temporal: aproveite o mecanismo de temporalidade do "Thunder"
O sistema de recuperação X tem dois pools de candidatos:
Thunder (In-Network): armazenamento em memória, atualização em tempo real, exclusão automática de postagens expiradas
Phoenix Retrieval (Out-of-Network): busca baseada em similaridade, com menor temporalidade
Inscrição chave:
Recomendações In-Network têm alta temporalidade, novos tweets serão rapidamente expostos aos seguidores
Recomendações fora da rede dependem da qualidade do conteúdo, podem continuar a obter tráfego de cauda longa
Estratégia prática:
Tweets direcionados aos seguidores: aproveite a "hora dourada" após a publicação
Publique durante os horários ativos dos seguidores (verifique através do Twitter Analytics)
Interaja imediatamente com as primeiras respostas após a publicação (aumente a taxa de interação inicial)
Se a interação for baixa em 2 horas, considere excluir e republicar
Tweets direcionados ao público geral: otimize o valor da cauda longa
Use tópicos perenes (como "como", "guia", "análise de dados")
Adicione palavras-chave pesquisáveis (mas não sobrecarregue com hashtags)
Forneça valor sustentável que possa ser citado (ferramentas, dados, estruturas)
Estratégia temporal do Thread (threads do Twitter)
O primeiro tweet decide a exposição de todo o Thread
Complete todo o Thread dentro de 10-15 minutos após a publicação do primeiro tweet
Razão: O algoritmo avaliará o Thread como uma única unidade de conteúdo
Três, Dicas Avançadas: Engenharia Reversa das Preferências do Algoritmo
3.1 Aproveitar o mecanismo de "Multi-Hash Embedding"
O modelo X usa Multi-Hash Embedding para processar IDs de usuários, IDs de postagens, IDs de autores:
Cada ID é mapeado para a tabela de embedding através de várias funções hash
Vários embeddings são concatenados e reduzidos através de uma matriz de projeção aprendível
O que isso significa?
O algoritmo não é uma simples memória de "usuário A gosta do autor B"
Mas sim aprender a correspondência entre "comportamento do usuário A" e "padrão de conteúdo do autor B"
Estratégia prática:
Construa uma "impressão digital" de conteúdo
Continue usando termos específicos, fontes de dados e estruturas de análise
Deixe o algoritmo aprender seu padrão de conteúdo
Exemplo: se você sempre cita dados do Dune Analytics, o algoritmo o marcará como autor de "análise de dados on-chain"
Evite conteúdo com "conflitos de hash"
Não imite vários estilos diferentes de contas
Mantenha um tom, estrutura e estilo visual consistentes
Razão: saltos no estilo de conteúdo podem causar instabilidade no embedding, afetando a recomendação
3.2 Otimizar a distribuição de peso da previsão dos 19 comportamentos
O algoritmo prevê 19 comportamentos, mas os pesos não foram divulgados. Podemos inferir por meio de raciocínio reverso:
Comportamentos de alto peso (estimativa):
Reply (resposta): interação profunda, o peso pode ser 5-10 vezes o de Like
Repost with Comment (compartilhar com comentário): combina o valor de repostagem e resposta
Clique + Tempo de Permanência (clique + tempo de permanência): forte sinal de qualidade do conteúdo
Compartilhar por DM (compartilhamento privado): forte sinal de disseminação interna
Comportamentos de peso médio:
5. Repost (apenas repostar)
6. Bookmark (salvar)
7. Follow Author (seguir autor)
Comportamentos de baixo peso:
8. Like (curtir)
9. Clique (apenas clique, sem permanência)
Estratégia prática:
Projete um "Reply Magnet" (ímã de respostas)
Incorpore perguntas de preenchimento em tweets: "Minha estratégia é ____"
Forneça várias opções: "A ou B? Vote na resposta abaixo 👇"
Crie lacunas cognitivas: "A maioria das pessoas não sabe que ____ (responda sua resposta)"
Otimizar "Repost with Comment"
Forneça citações que possam ser referenciadas (curtas, impactantes, compartilháveis)
Use visualização de dados (gráficos são mais fáceis de repostar que texto)
Deixe espaço: não esgote a conversa, permita que os retransmissores tenham espaço para complementar
Aumente o "Dwell Time"
Use Thread em vez de tweets individuais (aumenta o tempo de leitura)
Incorporar links externos (mas assegure-se da qualidade do conteúdo, evite que as pessoas saiam e não voltem)
Elementos visuais: imagens, gráficos, vídeos (aumentar o tempo de permanência)
3.3 A diversidade do autor e a batalha do "OON Score"
O algoritmo possui dois mecanismos que afetam sua exposição:
Author Diversity Scorer: evite que o Feed do usuário seja inundado por um único autor
OON Score: ajuste de pontuação para postagens fora da rede
Estratégia prática:
Controle da frequência de publicação
❌ Não publique 5 tweets em 1 hora (será penalizado por Author Diversity)
✅ Espalhe ao longo do dia (um tweet a cada 2-3 horas)
✅ Use Thread em vez de publicações consecutivas (Thread é visto como uma única unidade de conteúdo)
Otimize sua exposição fora da rede
Use termos comuns da indústria (em vez de jargão de grupos restritos)
Cite contas conhecidas (mas não @, evite ser visto como spam)
Forneça explicações "amigáveis ao iniciante" (reduza a barreira de compreensão)
Quatro, Guia de adaptação do algoritmo para tipos de conteúdo
4.1 Tweets orientados por dados
Preferência do algoritmo: alta Clique, alta Repost, média Resposta
Melhores práticas:
Modelo de estrutura: [dados impactantes] + [interpretação breve] + [fonte de dados] + [gancho de interação] Exemplo: "A porcentagem de endereços que mantêm Bitcoin por mais de 1 ano atinge um máximo histórico: 78,3% 📊 Este é o nível mais alto desde 2019. Padrões históricos: • 2016 atingiu 75% → 6 meses depois, o mercado de alta começou • 2020 atingiu 76% → 3 meses depois, quebrou o ATH Dados: Glassnode Isso vai repetir a história?👇"
Por que é eficaz:
Dados em destaque (“78,3%” imediatamente atraem atenção)
Forneça comparação histórica (aumente o valor de compartilhamento)
Declare a fonte (evite ser denunciado por desinformação)
Pergunta aberta (induzir respostas)
4.2 Tweets de opinião / insights
Preferência do algoritmo: alta resposta, média repostagem, baixa clique
Melhores práticas:
Modelo de estrutura: [ponto de vista contra-intuitivo] + [argumentos 1-3] + [reconhecer limitações] + [pedir feedback] Exemplo: "Opinião impopular: a 'adoção institucional' do Ethereum pode ser uma desvantagem de longo prazo 🧵 Razões: 1. Instituições exigem conformidade → comprometimento em nível de protocolo → redução da resistência à censura 2. Concentração de grandes provedores de staking → retrocesso na descentralização 3. Fluxo de RWA → transmissão de risco financeiro tradicional para a blockchain Eu posso estar errado, mas esse é um risco que vale a pena discutir. O que você acha?"
Por que é eficaz:
"Opiniões impopulares" geram controvérsias (aumentam a resposta)
Argumentos estruturados (fáceis de refutar ou apoiar)
"Posso estar errado" reduz a agressividade (diminui Bloqueio/Relatório)
Solicite feedback diretamente
4.3 Tweets do tipo tutorial/guia
Preferência do algoritmo: alta marcação, alta clique, média repostagem
Melhores práticas:
Modelo de estrutura: [ponto de dor] + [aviso de solução] + [guia passo a passo] + [ferramentas/recursos] Exemplo: "As taxas de gás estão consumindo 30% dos seus lucros? Aqui estão 5 dicas práticas para economizar gás (testado e aprovado) 🧵 1⃣ Otimize o tempo, negocie entre 2-4 da manhã, taxas de gás caem 60% Ferramenta: https://ethereumprice.org/gas/ 2⃣ Para operações em massa, use Disperse.app para enviar para vários endereços de uma vez, economizando: 70% de gás 3⃣ Migração para L2 Arbitrum/Optimism, taxas são apenas 1/10 da rede principal Tutorial: [link] 4⃣ Compre tokens de gás antecipadamente CHI/GST2, uso em períodos de pico: exige aprendizado 5⃣ Otimização de contratos inteligentes, se você for desenvolvedor, use Solidity 0.8+ para otimizar: funções inline, empacotamento de variáveis Salve este tweet, olhe antes da próxima negociação 🔖"
Por que é eficaz:
Coloque o ponto de dor em destaque ("Taxas de gás consomem 30% dos lucros" ressoa)
Compromisso digital ("5 dicas")
Alta capacidade de ação (cada um tem ferramentas/link)
Chamada clara para salvar (aumenta o Bookmark)
4.4 Otimização do algoritmo do Thread (threads do Twitter)
Características do algoritmo:
O primeiro tweet do Thread decide a exposição geral
O algoritmo calculará a "taxa de conclusão" do Thread (quantas pessoas chegaram ao final)
Threads com alta taxa de conclusão receberão pesos adicionais
Melhores práticas:
O primeiro tweet é "trailer"
"Eu passei 3 meses analisando 100 projetos DeFi fracassados. Descobri 5 padrões fatais, 90% dos projetos caíram em pelo menos 3. Este é o resumo completo 🧵👇(1/12)"
Mantenha o ritmo no meio
Cada tweet deve ter 2-3 frases (evite ser muito longo e causar desistências)
Use emoji como separadores visuais
Insira um pequeno resumo a cada 3-4 tweets
O último tweet é uma "chamada à ação"
"(12/12) Se este Thread foi útil para você: ❤️ curta o primeiro tweet (para que mais pessoas vejam) 🔁 compartilhe com amigos que precisam 💬 responda sobre os desafios que você enfrentou e siga @YourHandle para mais análises de dados on-chain"
Cinco, Guia de Evitação: Mecanismos de Penalização do Algoritmo
5.1 Armadilhas de filtragem anterior
Os seguintes conteúdos serão filtrados na fase de recuperação, nunca entrarão na classificação:
❌ Conteúdo repetido
Não copie e cole seus tweets antigos
Não use o mesmo texto em vários tweets
❌ Conteúdo expirado
O algoritmo excluirá automaticamente "postagens antigas" (o limite de tempo específico não foi divulgado, supõe-se que seja entre 7 e 14 dias)
Conteúdo perene precisa ser "atualizado" regularmente (republicado, não retweetado)
❌ Acionamento de palavras bloqueadas
Evite termos políticos sensíveis
Evite sugestões de conteúdo adulto
Evite termos comuns em fraudes financeiras ("garantia de lucro", "não há perdas garantidas")
5.2 Armadilhas de filtragem posterior
Mesmo que tenha passado pela classificação, as seguintes situações ainda serão filtradas:
❌ Filtro de leitura
Os tweets que o usuário já viu não serão recomendados novamente
Estratégia: não espere que um único tweet "exploda novamente", concentre-se em novo conteúdo
❌ Filtro de exposição da mesma sessão
Os usuários não verão vários tweets seus na mesma visualização
Estratégia: controle a frequência de publicação, evite "flooding"
❌ Identificação de spam
Marque rapidamente vários outros usuários
Use ferramentas automatizadas para interagir em massa
Tweets contêm muitos links externos
5.3 O "ciclo da morte" do feedback negativo
Uma vez que seu tweet acione uma grande quantidade de feedback negativo (Bloqueio/Mute/Report), o algoritmo:
Reduzir a exposição desse tweet
Reduzir o peso geral da sua conta (impacta todos os tweets futuros)
Pode acionar revisão manual
Como evitar:
Verifique regularmente o indicador de "feedback negativo" no Twitter Analytics
Se um tweet tiver uma alta taxa de feedback negativo, exclua-o imediatamente
Evite usar linguagem ofensiva em tópicos controversos
Seis, Ferramentas e Monitoramento: Otimização orientada por dados
6.1 Ferramentas essenciais
Twitter Analytics (oficial)
Verifique a exposição, interação e feedback negativo de cada tweet
Identifique os melhores horários de publicação
Acompanhe a origem do crescimento de seguidores
Typefully (terceiros)
Ferramentas de escrita e agendamento do Twitter
Teste A/B diferentes versões
Desdobramento automático de Thread
Tweet Hunter (terceiros)
Analise os tweets de alta interação dos concorrentes
Forneça inspiração de conteúdo
Interação automatizada (use com cautela, evite ser identificado como spam)
Dune Analytics (fonte de dados)
Se você escreve conteúdo sobre criptomoedas, Dune é a melhor fonte de dados
Crie um Dashboard personalizado e atualize os dados regularmente
6.2 Indicadores de Monitoramento
Indicadores-chave (ordenados por prioridade):
Taxa de Resposta (Reply Rate)
Cálculo: número de respostas / número de exposições
Meta: >0,5% (ou seja, para cada 1000 exposições, há 5 respostas)
Taxa de Repost (Repost Rate)
Cálculo: número de repostagens / número de exposições
Meta: >0,3%
Taxa de Engajamento (Engagement Rate)
Cálculo: (likes + reposts + respostas) / número de exposições
Meta: >3%
Taxa de Feedback Negativo (Negative Feedback Rate)
Cálculo: (Bloquear + Mute + Relatar) / número de exposições
Meta: <0,01% (ou seja, para cada 10.000 exposições, menos de 1 feedback negativo)
Indicadores secundários:
Taxa de Conversão de Seguidores
Cálculo: novos seguidores / número de exposições (fora da rede)
Meta: >0,1%
Taxa de Conclusão do Thread
Cálculo: usuários que leram até o final / usuários que clicaram no primeiro
Meta: >40%
6.3 Estrutura de Teste A/B
Variáveis de teste:
Hora de publicação (8 da manhã vs 8 da noite)
Estilo inicial (dados em destaque vs suspense em destaque)
Comprimento (tweet único vs thread)
Elementos visuais (texto puro vs imagem vs gráfico)
Métodos de teste:
Escolha 2 tópicos semelhantes
Use estruturas/estilos diferentes
Publique ao mesmo tempo
Compare taxas de interação
Exemplo:
Teste A (dados em destaque):
“As taxas de gás do Ethereum caem 60% entre 2 e 4 da manhã 💰
【Conteúdo subsequente】“
Teste B (suspense em destaque):
"Eu descobri uma janela para economizar centenas de dólares em taxas de gás por mês 💰
【Conteúdo subsequente】“
Resultados de comparação:
Se a Taxa de Resposta de A for maior → os dados de preferência do seu público são orientados por dados
Se a Taxa de Clique de B for maior → sua audiência prefere um suspense
Sete, Estratégias de Longo Prazo: Construa uma Marca Pessoal Amiga do Algoritmo
7.1 Design da matriz de conteúdo
Com base no mecanismo de "correspondência de sequência de comportamento do usuário" do algoritmo, você precisa construir um padrão de conteúdo previsível:
Proporção de conteúdo semanal (exemplo):
40% Tipo de análise de dados (alta repostagem)
30% Tipo tutorial/guia (alta retenção)
20% Tipo de opinião/insight (alta resposta)
10% Tipo história pessoal (construindo conexões)
Por que é eficaz:
O algoritmo aprenderá sua "impressão digital de conteúdo"
Os usuários formarão o hábito de "ver seus tweets toda semana"
Uma frequência de saída estável evita penalizações de Author Diversity
7.2 Qualidade dos seguidores > Quantidade de seguidores
O mecanismo de recuperação do algoritmo é dividido em In-Network e Out-of-Network:
In-Network: seus seguidores verão suas postagens primeiro
Out-of-Network: recomendações com base em similaridade de conteúdo
Inscrição chave:
10.000 "seguidores zumbis" não são melhores que 1.000 seguidores ativos
A taxa de interação dos seguidores impacta diretamente sua exposição fora da rede
Estratégia prática:
Limpe regularmente seguidores zumbis
Use ferramentas para identificar seguidores inativos a longo prazo
Bloqueio suave (Soft Block): bloqueie e em seguida desbloqueie imediatamente, obrigando a outra parte a deixar de seguir
Cultive "super seguidores"
Identifique usuários que interagem frequentemente
Responda ativamente aos comentários deles
De vez em quando, @ eles para pedir opiniões
Evite "compra de seguidores"
A taxa de interação de seguidores comprados é próxima de 0
Isso pode reduzir severamente sua taxa de interação geral
O algoritmo pode reconhecer e punir
7.3 Colaboração entre plataformas
Embora o algoritmo de X olhe apenas para dados internos, você pode melhorar indiretamente através de estratégias de múltiplas plataformas:
Estratégia 1: Importação de tráfego externo
Mencione seu tweet no YouTube/Podcast
Incorpore links do Twitter em newsletters
Efeito: tráfego externo geralmente tem taxas de interação mais altas (porque são procurados ativamente)
Estratégia 2: reutilização de conteúdo
Expanda tweets de alta interação em artigos de blog
Transforme Threads em vídeos do YouTube
Transforme a análise de dados em infográficos
Efeito: exposição em várias plataformas, construção de autoridade
Oito, Análise de Casos: Deconstrução de Tweets Amigáveis ao Algoritmo
Caso 1: Tweets de alta interação de @naval
Tweet original:
"Busque riqueza, não dinheiro ou status. Riqueza é ter ativos que geram enquanto você dorme. Dinheiro é como transferimos tempo e riqueza. Status é o seu lugar na hierarquia social."
Análise do algoritmo:
✅ Estrutura de frases impactantes: cada frase pode ser compartilhada independentemente (alta repostagem)
✅ Reestruturação cognitiva: diferencie "riqueza/dinheiro/status" (provoca reflexão, alta resposta)
✅ Sem risco de feedback negativo: valores universais, sem controvérsias
✅ Alta citação: outros usuários citarão em seus próprios tweets
Dados de interação (estimativa):
Taxa de Repost: 1,5% (muito acima da média)
Taxa de Resposta: 0,8%
Feedback Negativo: <0,001%
Caso 2: Tweets orientados por dados de @VitalikButerin
Tweet original:
"O tempo médio de bloco do Ethereum agora é de 12,06 segundos (abaixo de 13-14s há um ano). Isso se deve a melhorias na camada de rede e otimizações do cliente. Menores tempos de bloco = finalidade mais rápida para os usuários."
Análise do algoritmo:
✅ Dados em destaque: “12,06 segundos” imediatamente atraem atenção
✅ Explique a razão: satisfaça a curiosidade de “por que”
✅ Valor para o usuário: “finalidade mais rápida para os usuários” conectada à experiência real
✅ Autoridade: A ID do autor Vitalik tem um peso alto
Dados de interação (estimativa):
Taxa de Clique: 2% (usuários querem ver dados detalhados)
Taxa de Repost: 0,8% (comunidade técnica repostando)
Taxa de Resposta: 0,5% (discussões técnicas)
Caso 3: o tweet controverso de @OnchainTheory (seu estilo)
Suponha que o tweet:
"Opiniões impopulares: a adoção institucional pode ser uma desvantagem de longo prazo para o Ethereum."
Quando o JPMorgan opera fundos na blockchain, e a CFTC aceita ETH como colateral - não obtivemos "finanças descentralizadas", mas "finanças tradicionais mais eficientes".
É progresso ou compromisso? 🧵“
Análise do algoritmo:
✅ Suspense em destaque: "opiniões impopulares" despertam curiosidade
✅ Casos específicos: JPMorgan, CFTC (verificabilidade)
✅ Perguntas abertas: "progresso ou compromisso" (alta resposta)
⚠️ Risco: pode acionar feedback negativo de "acólitos do Ethereum"
✅ Atenuação: "posso estar errado" reduz agressividade
Sugestões de otimização:
Adicione suporte de dados no Thread
Reconheça a razoabilidade de pontos de vista opostos
Evite declarações absolutas ("pode ser" em vez de "certamente")
Nove, Lista de verificação final: revisão do algoritmo antes da publicação
Antes de clicar em "Publicar", verifique seu tweet com esta lista de verificação:
✅ Nível de conteúdo
A informação central está nas 3 primeiras linhas
Inclui pelo menos 1 dado/caso
Ter um gancho de interação claro (pergunta/votação/preenchimento)
Evite palavras sensíveis/língua ofensiva
Os dados têm link de fonte
Comprimento moderado (tweet único <280 palavras, cada tweet do Thread <200 palavras)
✅ Nível estrutural
Usou separadores visuais (emoji/quebra de linha)
Se for um Thread, a primeira é "trailer"
Termina com uma chamada à ação (resposta/compartilhamento/seguimento)
Evite muitas hashtags (máx. 3)
Evite muitas @ (máx. 2)
✅ Nível de tempo
Publique durante os horários ativos do público-alvo
A distância entre o tweet anterior > 2 horas
Se for um Thread, reserve 10-15 minutos para completar
✅ Nível de risco
Não acionará Bloquear/Mutar/Relatar
Deixe espaço para dúvida (“eu acho” em vez de “certamente é”)
Se houver controvérsia, adicione um aviso
Verifique a ortografia e gramática (evite ser identificado como de baixa qualidade)
Dez, Conclusão: O algoritmo é uma ferramenta, o conteúdo é a essência
O algoritmo de recomendação X de código aberto nos deu uma transparência sem precedentes, mas isso não significa que "decifrar o algoritmo" terá sucesso.
A essência da otimização do algoritmo é:
Entenda as necessidades dos usuários (o algoritmo é apenas uma modelagem matemática do comportamento do usuário)
Forneça valor real (alta taxa de interação vem de ressonância genuína)
Construa confiança a longo prazo (o algoritmo penaliza comportamentos especulativos de curto prazo)
Lembre-se deste princípio central:
"Conteúdo que os algoritmos gostam = Conteúdo que os usuários gostam"
Se seu tweet não tiver interação após otimizar o algoritmo, o problema não está no algoritmo, mas no próprio conteúdo.
Últimas recomendações:
Use este guia para otimizar seus primeiros 10 tweets
Compare os dados antes e depois da otimização
Encontre um estilo e ritmo que funcionem para você
Itere continuamente, em vez de ter um único grande impacto
Os algoritmos podem mudar, mas os princípios que oferecem valor não mudam.