X (Twitter) Data Skill

UnifAPI를 통한 공개 X (Twitter) 데이터의 결정론적 읽기 경로. 이것은 데이터 스킬입니다: 자체적으로 마케팅 작업을 실행하지 않습니다 — 구체적인 x/... 작업, 응답 형태, 함정을 명시하여, 어떤 X 우선 워크플로(KOL 단가 산정, 크리에이터 검증, 구매 신호, 경쟁사 및 리스닝 작업)든 매번 표면을 다시 발견하는 대신 하나의 알려진 레시피에서 읽도록 합니다.

읽기 전용 — 손이 아니라 눈. 공개 X 데이터를 리서치하고 인용된 record를 반환합니다; 절대 게시하거나, 답글을 달거나, 팔로우하거나, DM하지 않으며, UnifAPI는 X 자격 증명을 절대 보유하지 않습니다.

실시간 근거를 위해 unifapi 스킬을 사용하세요

공유 unifapi 스킬을 통해 한 번 연결(OAuth MCP)한 다음, 아래 작업들을 호출하세요. X 통합은 RapidAPI SocialLab로 뒷받침되지만 공개 계약은 X 스타일 /x/... 경로를 사용합니다 — 레거시 /twitter/... 경로를 사용하지 마세요. 출력이 record 비용을 명시할 수 있도록 모든 billing 메타데이터를 보관하세요.

응답 계약

단일 엔티티 엔드포인트는 객체를 data에 반환합니다:

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

리스트 엔드포인트는 배열을 data에 더하여 pagination을 반환합니다:

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

pagination.has_more가 true일 때, pagination.next_cursor를 다음 요청의 pagination_token으로 전달하세요(next_token도 허용됩니다). 비용을 보고할 때는 항상 billing을 보존하세요.

핵심 작업

여기 나열되지 않은 필드가 필요한가요? 호출하기 전에 unifapi 스킬의 get_operation을 사용해 정확한 스키마를 읽으세요 — 하지만 작업은 이 표에서 고르고, 맹목적으로 발견하지 마세요.

워크플로

결정론적 레시피입니다. 작업에 맞는 것을 고르세요; 각각이 정확히 무엇을 호출할지 명시합니다.

1. 핸들을 프로필로 해석하기. 앞의 @를 떼어낸 다음 x/users/by/username/{username}을 호출하세요. data.id(아래 모든 사용자별 호출에 필요)와 data.public_metrics.followers_count를 읽으세요.
2. 최근 참여도 읽기. 1단계의 id로 x/users/{id}/tweets?max_results=10&exclude=replies를 호출하세요. 각 tweet의 public_metrics(like_count, retweet_count, reply_count, quote_count, impression_count)로 참여도를 계산하세요. has_more일 때 x/users/{id}/tweets?pagination_token={next_cursor}로 페이지를 넘기세요.
3. 누가 게시물을 증폭했는지 추적하기. 2단계의 tweet id로 x/tweets/{id}/retweeted_by, x/tweets/{id}/quote_tweets, 또는 x/tweets/{id}/liking_users를 호출해 누가 리포스트, 인용, 좋아요를 눌렀는지 보세요 — 구매 신호, 리스닝, 경쟁사 작업 뒤의 증폭과 의도 신호입니다. 사용자가 무엇에 참여하는지는 x/users/{id}/liked_tweets를 사용하세요. next_cursor로 페이지를 넘기세요.
4. 청중 품질 측정하기. x/users/{id}/verified_followers를 호출하세요; 이는 인증된 팔로워를 준비된 수치가 아니라 페이지로 나뉜 리스트로 반환합니다. 그 크기를 1단계의 data.public_metrics.followers_count에 비교해 측정하세요 — 그 인증된 비율이 다운스트림 단가/검증 스킬에서 확신도와 경고를 먹이는 실제 대 부풀려진 신호입니다. 더 충분한 개수를 위해 next_cursor로 페이지를 넘기세요.
5. 주제에서 발견하기(아직 핸들 없음). 최근 일치하는 게시물은 x/tweets/search/recent?query=...를, 사용자/주제 제안은 x/autocomplete?query=...를 호출한 다음, 드러난 핸들을 1단계로 해석하세요.
6. 네트워크 매핑하기. 청중 겹침이나 리치 작업을 위해 x/users/{id}/followers 또는 x/users/{id}/following을 호출하세요; next_cursor로 페이지를 넘기세요.
7. 지역 트렌드 읽기. 위치(WOEID)에서 무엇이 트렌딩인지는 x/trends/by/woeid/{woeid}를 호출하세요, 예를 들어 리스닝이나 콘텐츠 타이밍을 위해.
8. 모든 것을 인용하기. 모든 수치는 그것이 나온 게시물이나 프로필로 거슬러 올라갑니다; billing.records_charged를 보고하세요(billing 메타데이터가 없으면 추정).

형태 노트

• XUser — 지표는 public_metrics 아래에 중첩됨: followers_count, following_count, tweet_count, listed_count. 프로필 플래그는 최상위에: protected, verified, verified_type. 레거시 평면 필드가 아니라 public_metrics를 읽으세요.
• XTweet — 지표는 public_metrics 아래에 중첩됨: like_count, retweet_count, reply_count, quote_count, bookmark_count, impression_count. 가능할 때 author와 media를 포함할 수 있습니다.

함정

• /x/... 경로를 사용하고, 절대 /twitter/...(레거시)를 사용하지 마세요. 옛 /twitter/users/{screen_name} → x/users/by/username/{username}; 옛 /twitter/search → x/tweets/search/recent(사용자/주제 발견에는 x/autocomplete 사용).
• 보호되었거나, 너무 오래되었거나, 너무 얄팍한 타임라인은 확신도를 낮춥니다 — 드러내세요, 덮지 마세요.
• 어떤 x/users/{id}/... 호출 전에 핸들을 data.id로 해석하세요.
• 잔액이 낮으면 리스트 페이지가 조용히 잘릴 수 있습니다: billing.truncated_due_to_balance를 확인하세요 — true일 때 페이지는 부분적이므로, 그것으로 계산한 어떤 개수나 비율도 신뢰하기 전에 충전하세요.

출력

호출 워크플로가 필요로 하는 record를, 각각을 그 게시물/프로필에 인용하여 반환하고, 한 줄짜리 비용 노트(records_charged)를 더하세요. 이 스킬이 직접 사용될 때는, 핸들당 간결한 프로필 + 참여도 요약이 기본값입니다:

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

관련 스킬

• kol-pricing, creator-shortlist, audience-fit-check (Influencer Marketing) — 이 읽기 경로 위에서 X 크리에이터의 단가를 산정하고 검증합니다.
• buying-signal-monitor (Social Selling), competitor-profiling (Competitive Intelligence), social-listening-brief (Social Listening) — X 우선 의도, 경쟁사, 리스닝 작업.
• unifapi — 공유 데이터 스킬: MCP를 연결하고 get_operation으로 정확한 스키마를 조회합니다.