Xiaohongshuのデータ分析は合計値で終わらせない：エクスポートしたノートと過去のスナップショットの活用

エクスポートしたXiaohongshuノートから最近のブックマーク増加数を測るには、まず各フィールドが累計値か期間内の増分かを確認し、そのうえで同じノートについて同一の定義のもとで2つの観測値を比較します。現在の累計値のスナップショット1つだけでは日ごとの増加履歴を再構築できず、同じファイルを毎日インポートし直しても信頼できる時系列データにはなりません。

V2EXでDeanThompson氏が共有したxhs-trailプロジェクトは、クリエイターダッシュボードのエクスポートを使ってノートの変化を時系列で追跡するという、具体的な出発点を示しています。重要なのは複数の観測値を保持することであり、作者の機能群を名前だけ変えて取り入れることではありません。

本記事では、2026年9月5日時点で、元の投稿、作者のREADMEファイル、ツールのドキュメントを照合し、独自に処理する方法を概説します。当社はこのプロジェクトのインストールや監査、認証が必要なXiaohongshuのバックエンドへのアクセスは行っていません。具体的なエクスポートのエンドポイント、フィールド、範囲は、お使いのアカウントに許可されたアクセス権によって異なります。

非公開のダッシュボードデータと公開ノートのデータは別物

公開ノート、コメント本文、クリエイター統計は、それぞれ異なる問いに答えるものです。公開コンテンツは公開された議論のコーパス分析に役立ち、クリエイターレポートは露出、閲覧、コンバージョンの社内レビューに役立ちます。公開されているいいね数から観測できないバックエンド指標を推定するのではなく、レポートそのものを直接確認する必要があります。EveryInfraのXiaohongshuノート詳細APIを使えば、リンクから公開ノートを読み取れます。返されるのはlike_countやcollect_countなど読み取り時点の公開カウントであり、バックエンドのレポートデータではありません。

「ユーザーがコメントで最もよく尋ねる質問は何か」と「どのノートがブックマークにつながりやすいか」では、必要なスキーマが異なります。前者には監査可能なコメントサンプル、後者にはブックマークと閲覧の明確な定義が必要です。ノートURLを持つデータセットを、出典を示さずに1つのテーブルにまとめることは適切ではありません。

当サイトのXiaohongshuコメント一括取得ガイドは、既知のノートリストに対するコメント取得を扱うもので、競合アカウントの非公開統計は対象外です。データを選ぶ前に、分析の問いを適切な取り込み経路に対応付けてください。

自分のアカウントについては、許可されたデータパイプラインを追加する前に、クリーンなエクスポートでオフライン処理を検証してください。自動収集が手動エクスポートより優れているとは限らず、エクスポートの権限があるからといって広範な許可があることにもなりません。

統計日、エクスポート日、インポート日時の分離

作者のREADMEでは、過去のファイルを現在の実行結果と取り違えないよう、デフォルトのファイル名にデータの日付を明示的に付けることを強調しています。今日ファイルを取り込んだからといって、そのファイルが今日の運用状況を反映しているとは限りません。

少なくとも3つのタイムスタンプを記録してください。レポートの対象期間または時点、実際のエクスポート時刻、分析システムへの取り込み時刻です。必要に応じてタイムゾーンも保持します。ファイルの更新日時はファイル操作のデバッグには役立ちますが、統計日の唯一の根拠にすべきではありません。

取り込み時刻でパーティション分割している場合、水曜日のレポートを金曜日にバックフィルすると、水曜日は欠損扱いになり、金曜日には矛盾するスナップショットが生じます。その後の差分計算では、誤ったトレンドが描かれてしまいます。

同じ日に複数回エクスポートした場合は、明示的なポリシーが必要です。個別の観測点として保持するか、最終的に確定した版を採用するかを決めてください。設計上の選択は決定論的でなければならず、ファイルが置かれた順序に左右されてはいけません。重複したインポートにはフラグを立て、修正版ファイルがどのファイルを置き換えたかという来歴を保持します。

期間ウィンドウではなく累計値による差分計算

計算式を組む前にフィールドの定義を確認してください。2つのスナップショット間で累計ブックマーク数の差を取れば、その期間の純増減がわかります。ローリングの「過去7日間」ウィンドウ同士を引き算しても、得られるのはローリングウィンドウの差であり、1日あたりの純増数ではありません。

説明用の仮想例です。月曜日の09:00時点でノートの累計ブックマーク数が120、水曜日の09:00時点で165の場合、差分は45です。この2時点の間に累計値が正味45増加したとは言えますが、45すべてを水曜日の増加とみなしたり、火曜日と水曜日にそれぞれ22.5ずつ増加したと断定したりすることはできません。

1日あたりの平均変化量を示す場合は、実際の時間間隔を併記し、「48時間の期間における1日あたりの正味変化」と明示してください。こうした平均値は導出値であり、観測されていない各日の日次データポイントではありません。

ノートの同一性、指標の一貫性、旧リビジョンのインポートを確認せずに、負の差分を0として扱わないでください。負の差分は観測された正味の減少として、または要確認として保持し、プラットフォームによる一斉削除など、根拠のない理由を付けないようにします。カウンターの差分から再構成できるのは集計値であり、ユーザー単位のイベントログではありません。

タイトルではなくノートIDによるスナップショットの結合

タイトルは変更されることがあり、定期シリーズのタイトルは重複することもあります。スナップショット間の結合キーには、許可を得て検証済みのノート識別子を使用し、複数アカウントのデータセットではアカウントの範囲も保持してください。タイトルと公開日時で照合する場合は競合の解決が必要であり、暗黙のうちに主キーとして扱ってはいけません。

結合の前に重複キーを確認してください。各テーブルに2回ずつ出現するノートは、通常の結合で4件になり、件数とサンプルサイズが膨らみます。「pandas merge docs」では、一意性の検証にvalidate="one_to_one"、片側にしかないレコードの切り分けにindicatorを使う方法が説明されています。

pandasを使わない場合も、一意性の検証は残してください。結合の前に、1件が何を表すかを確認します。重複を最大値で1件にまとめるのは避けてください。重複は再エクスポートを示している場合と、アカウントや指標の定義が混在している場合があり、それぞれ扱い方が異なります。

スナップショットをSQLiteに保存する場合、公式のUPSERTドキュメントにあるとおり、競合の解決は一意性制約に依存します。データベース側の制約で重複書き込みは防げますが、スナップショットの日付の誤りは検出できません。重複インポートを無視、拒否、リビジョンのいずれとして扱うかを決める前に、アカウント、ノート、統計のタイムスタンプ、指標の定義を組み合わせた一意性を定義してください。

ファイルにないことと成長ゼロは別問題

エクスポートに含まれていない原因としては、フィルターの範囲、不完全なファイル、結合の失敗などが考えられます。含まれていないことは削除の証明にはならず、累計指標を0にリセットする根拠にもなりません。

スナップショットの比較は、両方に存在するレコード、左側のみのレコード、右側のみのレコードに分けて行います。差分を直接計算するのは、同一性と定義が一致する、両方に存在するレコードに限定してください。以前のベースラインがない新たに現れたノートは現在の観測値のみを示すものであり、過去を0と仮定した履歴として扱いません。

レポートの範囲は、「今週のアカウント全体の成長」のような大まかなラベルではなく、「2つのファイル間で一致したノート」のように明示してください。アカウント全体の集計には、エクスポート範囲と欠損データの把握が必要です。差分を計算できる行をすべて合計するだけでは不十分です。

当サイトのマルチプラットフォーム評判モニタリングのブループリントでも同じルールを適用しています。収集の欠落は、APIでもスプレッドシートでも、ビジネスロジック上で0に変換してはいけません。

コンテンツパフォーマンスの観測期間の統一

30日前に公開したノートと昨日公開したノートでは、品質とは関係なく累計値に差が出ます。公開後の観測期間をそろえて比較し、スナップショットの範囲が十分でないノートは比較対象外としてマークしてください。

率を比較する際は、分母の範囲（閲覧数、視聴数、インプレッションなど）を明示し、分子と分母の対応をそろえてください。サンプル全体をまとめた率を求める場合は、分子と分母をそれぞれ合計してから割ります。ノートごとの率を平均すると、アクセスの少ないノートと多いノートが同じ重みで扱われます。問いが異なれば、必要な集計の定義も異なります。

結果は今後のコンテンツ判断の材料として扱い、アルゴリズムに起因するものとはみなさないでください。古いノートで継続的な増加が見られる場合は、トピックやコメントのシグナルを見直すきっかけになります。ただし、スナップショットからレコメンドの仕組みを証明することも、同様の成果を保証することもできません。

Xiaohongshuの分析では、数値ごとに対象の識別情報、タイムスタンプ、指標の定義を明示する必要があります。エクスポート範囲が限られていても、解釈できない成長ランキングより、日付、識別情報、差分、欠損の扱いを優先するほうが有益です。