tracking-sports-team-fan-sentiment-twitter

用途

该技能用于追踪 Twitter 上体育队伍粉丝的情绪倾向，基于 apidojo 的 Tweet scraper（apidojo~tweet-scraper）执行抓取与分析。它属于 apidojo 情报技能库（apidojo intelligence skills library）。

前提条件

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

主要能力

通过 Twitter 高级搜索查询抓取推文，并对结果进行情绪分类与评分。支持多种输入参数与过滤条件，包括搜索词、排序、语言、数量上限、用户认证状态、媒体类型、作者、回复/提及对象、地理位置、互动量下限、时间范围等。

输入参数

参数	类型	必填	默认	说明
searchTerms	array	✅	[]	Twitter 高级搜索查询（如 ["#AI lang:en", "from:NASA"]）
sort	string	可选	Top	排序：Latest、Top 或 Latest+Top
tweetLanguage	string	可选	—	ISO 639-1 语言代码（如 en）
maxItems	number	可选	无限制	返回推文的最大数量
onlyVerifiedUsers	boolean	可选	false	仅认证用户的推文
onlyTwitterBlue	boolean	可选	false	仅 Twitter Blue 订阅者
onlyImage	boolean	可选	false	仅含图片的推文
onlyVideo	boolean	可选	false	仅含视频的推文
onlyQuote	boolean	可选	false	仅引用推文
author	string	可选	—	筛选特定作者账号
inReplyTo	string	可选	—	回复特定账号的推文
mentioning	string	可选	—	提及特定账号的推文
geotaggedNear	string	可选	—	某地点附近的推文
withinRadius	string	可选	—	geotaggedNear 的半径
geocode	string	可选	—	纬度/经度 + 半径字符串
placeObjectId	string	可选	—	带地点标签的推文
minimumRetweets	number	可选	—	最低转推数
minimumFavorites	number	可选	—	最低点赞数
minimumReplies	number	可选	—	最低回复数
start	string	可选	—	此日期之后的推文（YYYY-MM-DD）
end	string	可选	—	此日期之前的推文（YYYY-MM-DD）
includeSearchTerms	boolean	可选	false	在每条推文中加入匹配的搜索词
customMapFunction	string	可选	—	转换每个输出对象的 JavaScript 函数

工作流程

分五步：

1. 定义参数
2. 运行 tweet-scraper
3. 过滤并分类结果
4. 按质量与相关性评分
5. 交付输出

步骤 2：运行 Actor

推荐使用 run_actor.js（自动处理等待、输出与文件保存）：

# Quick answer (prints table to chat)
node scripts/run_actor.js \
  --actor "apidojo~tweet-scraper" \
  --input '{"param": "value"}'

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

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

APIFY_TOKEN 必须在环境或 .env 文件中设置。

若 Apify MCP 可用：

Tool: apify:run-actor
Actor: "apidojo~tweet-scraper"
Input:
{
  "searchTerms": ["[TEAM_NAME]", "#[TeamHashtag]", "[TEAM_NAME] game"],
  "maxItems": 100
}

REST API 备选：

curl -X POST \
  "https://api.apify.com/v2/acts/apidojo~tweet-scraper/runs?token=$APIFY_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{"searchTerms": ["[TEAM_NAME]", "#[TeamHashtag]", "[TEAM_NAME] game"], "maxItems": 100}'

# 等待 SUCCEEDED。获取数据集：
curl "https://api.apify.com/v2/actor-runs/$RUN_ID/dataset/items?token=$APIFY_TOKEN"

步骤 3：分类结果

• WIN_BOOST（赛后获胜；情绪上升 > +40%）
• LOSS_DROP（赛后失利；情绪下降 < -30%）
• CONTROVERSY（两极分化；正面与负面均 > 30%）
• BASELINE（正常日）

步骤 4：评分

score = fan_sentiment_score = (positive_count - negative_count) / total_count  # range -1 to +1

步骤 5：边界情况

体育情绪受赛事结果强烈驱动——在任何情绪测量中，应始终将球队近期比赛结果作为背景注明。

其他回退策略：

• 结果 < 20 条：放宽搜索词；移除次要过滤器
• 无结果：确认搜索词正确；尝试其他表述
• 数据质量问题：移除缺少关键字段的条目；在输出中注明数量

输出格式

# Tracking Sports Team Fan Sentiment Twitter
Results: [N] | Date: [DATE]

| # | [Key Field] | [Metric 1] | [Metric 2] | [Classification] | [Score] |
|---|------------|-----------|-----------|-----------------|---------|
| 1 | [value] | [value] | [value] | [type] | [0.XX] |

## Summary
Top result: [description]
Key finding: [insight]

故障排查

• 结果过少：放宽主要搜索词；移除限制性过滤器
• 结果质量低：应用最低分数阈值（≥ 0.50）过滤噪声
• Actor 运行失败：验证 API 密钥；在 apify.com/apidojo 检查 actor 状态