monitoring-brand-mentions-on-twitter

用途

本技能用于在 Twitter/X 上监测和汇总品牌提及。它基于 Apify 上的 apidojo Tweet 与 Search 抓取器，收集某一段日期内所有公开的、提及指定品牌、产品或关键词的推文，然后按情感分组，突出主要投诉与赞扬，并汇总互动数据。当用户提出追踪某品牌提及的需求时触发。

主要能力

按品牌词、产品名、话题标签、常见拼写错误等构建搜索词列表进行多轮抓取
支持按日期范围、语言、排序方式（Latest、Top、Latest+Top）筛选
支持仅认证用户、仅 Twitter Blue 用户、仅含图片、仅含视频、仅引用推文等条件
支持按作者、回复对象、提及对象、地理位置（附近、半径、geocode、地点 ID）过滤
支持互动门槛过滤：最少转推数、最少点赞数、最少回复数
可对每条推文附加匹配到的搜索词（includeSearchTerms）
支持用自定义 JavaScript 函数转换每条输出对象（customMapFunction）
合并多轮抓取结果并按推文 ID 去重
对推文文本进行情感分类（正面/负面/中性）
输出结构化品牌提及报告，含情感汇总、高互动负面与正面提及、时间分布、关键主题

输入参数

必填：

searchTerms（数组）：Twitter 高级搜索查询，例如 ["#AI lang:en", "from:NASA"]

可选（默认值见括号）：

sort（Top）：排序方式，Latest、Top 或 Latest+Top
tweetLanguage：ISO 639-1 语言代码，例如 en
maxItems（无限制）：返回的最大推文数
onlyVerifiedUsers（false）、onlyTwitterBlue（false）、onlyImage（false）、onlyVideo（false）、onlyQuote（false）
author：限定到某个作者账号
inReplyTo：回复某个账号的推文
mentioning：提及某个账号的推文
geotaggedNear、withinRadius、geocode、placeObjectId：地理位置相关过滤
minimumRetweets、minimumFavorites、minimumReplies：互动门槛
start、end：日期范围（YYYY-MM-DD）
includeSearchTerms（false）
customMapFunction：用于转换每条输出对象的 JavaScript 函数

使用方式

前置条件

设置 APIFY_TOKEN 环境变量
可选：安装 Apify MCP 服务器

工作流

明确品牌词与日期范围：向用户询问品牌名称、账号、产品名、话题标签、常见拼写错误，构建词表，例如 ["@Nike", "Nike", "#Nike", "Nike shoes"]；确定日期范围（如“最近 7 天”或具体日期）；确认是否排除转推（默认是，用于过滤噪声）；可选设置互动门槛（如仅 ≥10 赞）；确定语言（默认全部）。
运行 tweet-scraper：对每个主要搜索词分别运行一次以最大化覆盖，合并结果。推荐使用 run_actor.js：

# 快速回答（在聊天中打印表格）
node scripts/run_actor.js \
  --actor "apidojo~tweet-scraper" \
  --input '{"param": "value"}'

# 保存为 CSV
node scripts/run_actor.js \
  --actor "apidojo~tweet-scraper" \
  --input '{"param": "value"}' \
  --output YYYY-MM-DD_results.csv --format csv

# 保存为 JSON
node scripts/run_actor.js \
  --actor "apidojo~tweet-scraper" \
  --input '{"param": "value"}' \
  --output YYYY-MM-DD_results.json --format json

APIFY_TOKEN 必须设置在环境变量或 .env 文件中。

如果可用 Apify MCP：

工具：apify:run-actor
Actor："apidojo~tweet-scraper"
输入：

{
  "searchTerms": ["[BRAND_TERM]"],
  "maxItems": 500,
  "includeReplies": true,
  "tweetLanguage": "en",
  "since": "[YYYY-MM-DD]",
  "until": "[YYYY-MM-DD]"
}

如果不可用 Apify MCP：

curl -X POST \
  "https://api.apify.com/v2/acts/apidojo~tweet-scraper/runs?token=$APIFY_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "searchTerms": ["[BRAND_TERM]"],
    "maxItems": 500,
    "includeReplies": true,
    "since": "[YYYY-MM-DD]",
    "until": "[YYYY-MM-DD]"
  }'

对词表中的每个品牌词运行，等待状态为 SUCCEEDED，收集所有结果。

获取并合并结果：

curl "https://api.apify.com/v2/actor-runs/$RUN_ID/dataset/items?token=$APIFY_TOKEN"

合并所有运行的数据集，按推文 ID 去重，得到统一的提及列表。

情感分类：对每条推文的 text 字段做简单分类：

正面信号词：love、great、amazing、best、recommend、thank、perfect 等
负面信号词：hate、awful、broken、scam、worst、never again、disappointed、avoid 等
中性：其他（公告、新闻、提问）

分入正面、负面、中性三组。找出互动最高的 5 条负面推文（需要最快响应）和互动最高的 5 条正面推文（可转推/作为证言）。

生成报告，使用下方模板。

输出格式

# Brand Mention Report: [BRAND]
Period: [START_DATE] – [END_DATE] | Total mentions: [N] | Analyzed: [DATE]

## Sentiment Summary
| Sentiment | Count | % of Total | Avg Engagement |
|-----------|-------|------------|----------------|
| Positive  | [N]   | [X%]       | [likes+RT avg] |
| Negative  | [N]   | [X%]       | [likes+RT avg] |
| Neutral   | [N]   | [X%]       | [likes+RT avg] |

## 🔴 Top Negative Mentions (Action Required)
1. @[handle] ([likes] likes): "[tweet text excerpt]" → [url]
2. @[handle] ([likes] likes): "[tweet text excerpt]" → [url]
3. @[handle] ([likes] likes): "[tweet text excerpt]" → [url]

## 🟢 Top Positive Mentions (Amplify These)
1. @[handle] ([likes] likes): "[tweet text excerpt]" → [url]
2. @[handle] ([likes] likes): "[tweet text excerpt]" → [url]
3. @[handle] ([likes] likes): "[tweet text excerpt]" → [url]

## Volume Over Time
[Day 1]: [N] mentions | [Day 2]: [N] mentions | [Day 3]: [N] mentions...

## Key Themes in Negative Mentions
- [Theme 1]: [N] tweets (e.g., "shipping delays")
- [Theme 2]: [N] tweets (e.g., "customer service")

## Key Themes in Positive Mentions
- [Theme 1]: [N] tweets
- [Theme 2]: [N] tweets

适用场景

品牌舆情监测，及时捕捉负面反馈并快速响应
收集正面证言素材用于营销传播
跟踪产品发布或营销活动后的公众反应
竞品提及分析
按时间观察提及量变化，发现异常波动
按地理或语言细分受众反馈

限制与排查

结果过多（热门品牌）：将 minLikes 提高到 5 或 10，聚焦有影响力的提及
缺失提及：Twitter 搜索 API 免费层约有 7-10 天回溯限制；如需历史数据，需缩小日期范围
情感误判：讽刺语气难以用关键词匹配捕捉，建议将高互动推文标记为人工复核

暂未提供其他收费、价格或平台限制信息。