X (Twitter) Data Skill

Der deterministische Lesepfad für öffentliche X (Twitter)-Daten über UnifAPI. Dies ist ein Data Skill: Er führt für sich genommen keine Marketingaufgabe aus — er benennt die konkreten x/...-Operationen, Response-Shapes und Gotchas, sodass jeder X-orientierte Workflow (KOL-Pricing, Creator-Vetting, Buying Signals, Wettbewerbs- und Listening- Arbeit) aus einem bekannten Rezept liest, statt die Oberfläche jedes Mal neu zu entdecken.

Schreibgeschützt — Augen, keine Hände. Er recherchiert öffentliche X-Daten und liefert belegte Records zurück; er postet, antwortet, folgt oder sendet nie DMs, und UnifAPI hält nie X- Zugangsdaten.

Nutzen Sie den unifapi-Skill für Live-Belege

Verbinden Sie sich einmal über den gemeinsamen unifapi-Skill (OAuth MCP), und rufen Sie dann die untenstehenden Operationen auf. Die X-Integration wird von RapidAPI SocialLab gestützt, aber der öffentliche Vertrag nutzt Pfade im X-Stil /x/... — nutzen Sie nicht die alten /twitter/...-Pfade. Behalten Sie alle billing-Metadaten, damit der Output die Record- Kosten ausweisen kann.

Response-Vertrag

Single-Entity-Endpunkte geben das Objekt in data zurück:

{
  "request_id": "unif_...",
  "data": {},
  "billing": { "records_charged": 1, "balance_remaining": 99 }
}

List-Endpunkte geben ein Array in data plus pagination zurück:

{
  "request_id": "unif_...",
  "data": [],
  "pagination": { "has_more": false, "next_cursor": null },
  "billing": { "records_charged": 1 }
}

Wenn pagination.has_more true ist, übergeben Sie pagination.next_cursor als pagination_token der nächsten Anfrage (next_token wird ebenfalls akzeptiert). Bewahren Sie billing beim Ausweisen der Kosten immer auf.

Kernoperationen

Brauchen Sie ein hier nicht aufgeführtes Feld? Nutzen Sie das get_operation des unifapi-Skills, um das exakte Schema vor dem Aufruf zu lesen — aber wählen Sie die Operation aus dieser Tabelle, entdecken Sie nicht blind.

Workflow

Die deterministischen Rezepte. Wählen Sie das, das zur Aufgabe passt; jedes benennt genau, was aufzurufen ist.

1. Einen Handle zu einem Profil auflösen. Streichen Sie das führende @, dann rufen Sie x/users/by/username/{username} auf. Lesen Sie data.id (für jeden Per-User-Aufruf unten benötigt) und data.public_metrics.followers_count.
2. Aktuelles Engagement lesen. Mit der id aus Schritt 1 rufen Sie x/users/{id}/tweets?max_results=10&exclude=replies auf. Berechnen Sie das Engagement aus den public_metrics jedes Tweets (like_count, retweet_count, reply_count, quote_count, impression_count). Paginieren Sie mit x/users/{id}/tweets?pagination_token={next_cursor}, wenn has_more.
3. Nachverfolgen, wer einen Post amplifizierte. Mit einer Tweet-id aus Schritt 2 rufen Sie x/tweets/{id}/retweeted_by, x/tweets/{id}/quote_tweets oder x/tweets/{id}/liking_users auf, um zu sehen, wer ihn repostete, zitierte oder likte — das Amplifikations- und Intentionssignal hinter Buying-Signal-, Listening- und Wettbewerbsarbeit. Nutzen Sie x/users/{id}/liked_tweets für das, womit ein Nutzer interagiert. Paginieren Sie über next_cursor.
4. Audience-Qualität einschätzen. Rufen Sie x/users/{id}/verified_followers auf; es liefert die verifizierten Followers als paginierte Liste, keine fertige Zahl. Messen Sie ihre Größe gegen data.public_metrics.followers_count aus Schritt 1 — dieser Verified- Anteil ist das Real-vs-aufgebläht-Signal, das Konfidenz und Warnungen in nachgelagerte Pricing-/Vetting-Skills speist. Paginieren Sie über next_cursor für eine vollständigere Zählung.
5. Aus einem Topic entdecken (noch keine Handles). Rufen Sie x/tweets/search/recent?query=... für aktuelle passende Posts auf, oder x/autocomplete?query=... für Nutzer-/Topic-Vorschläge, und lösen Sie dann die aufgetauchten Handles mit Schritt 1 auf.
6. Ein Netzwerk abbilden. Rufen Sie x/users/{id}/followers oder x/users/{id}/following für Audience-Overlap- oder Reichweitenarbeit auf; paginieren Sie über next_cursor.
7. Regionale Trends lesen. Rufen Sie x/trends/by/woeid/{woeid} für das auf, was an einem Standort (WOEID) trendet, z. B. für Listening oder Content-Timing.
8. Alles belegen. Jede Zahl bindet zurück an den Post oder das Profil, aus dem sie stammt; berichten Sie billing.records_charged (oder schätzen Sie, wenn Billing-Metadaten fehlen).

Shape-Notizen

• XUser — Metriken verschachtelt unter public_metrics: followers_count, following_count, tweet_count, listed_count. Profil-Flags auf oberster Ebene: protected, verified, verified_type. Lesen Sie public_metrics, nicht alte flache Felder.
• XTweet — Metriken verschachtelt unter public_metrics: like_count, retweet_count, reply_count, quote_count, bookmark_count, impression_count. Kann author und media enthalten, wenn verfügbar.

Gotchas

• Nutzen Sie /x/...-Pfade, nie /twitter/... (alt). Altes /twitter/users/{screen_name} → x/users/by/username/{username}; altes /twitter/search → x/tweets/search/recent (nutzen Sie x/autocomplete für Nutzer-/Topic-Discovery).
• Eine geschützte, zu alte oder zu dünne Timeline senkt die Konfidenz — weisen Sie darauf hin, übertünchen Sie es nicht.
• Lösen Sie den Handle vor jedem x/users/{id}/...-Aufruf zu data.id auf.
• Ein niedriger Kontostand kann List-Seiten stillschweigend abschneiden: prüfen Sie billing.truncated_due_to_balance — wenn true, ist die Seite unvollständig, also laden Sie auf, bevor Sie einer Zählung oder einem daraus berechneten Anteil vertrauen.

Output

Geben Sie die Records zurück, die der aufrufende Workflow benötigt, jeden belegt auf seinen Post/sein Profil, plus eine einzeilige Kostennotiz (records_charged). Wenn dieser Skill direkt verwendet wird, ist eine kompakte Profil- + Engagement-Zusammenfassung pro Handle der Standard:

**@handle** — followers {N}, verified {yes/no}. Recent 10 posts: avg engagement {x}% ({likes}/{reposts}/{replies}). Evidence: {post URLs}. Records: ~{N}.

Verwandte Skills

• kol-pricing, creator-shortlist, audience-fit-check (Influencer Marketing) — X-Creator auf Basis dieses Lesepfads bepreisen und prüfen.
• buying-signal-monitor (Social Selling), competitor-profiling (Competitive Intelligence), social-listening-brief (Social Listening) — X-orientierte Intentions-, Wettbewerbs- und Listening-Arbeit.
• unifapi — der gemeinsame Daten-Skill: MCP verbinden und exakte Schemas mit get_operation nachschlagen.