ソーシャルメディアデータ分析において、「誰があるトピックについて話しているか」と「何を話しているか」の両方を把握することは、同様に重要な側面です。Octoparseは、この2つのニーズに対応するTwitterクラウドテンプレートを提供しています：

従来、これら2つのタスクは個別に設定・実行し、その後手動で結果を統合する必要がありました。Octoparse MCP（Model Context Protocol）のバンドル機能を使用することで、自然言語の指示を使って1つのセッションで全体のワークフローを完結でき、効率を大幅に向上させることができます。

ユースケース：インテントシグナルの発見 → 見込み客の特定 → リードプールの拡大

Twitter高度検索コメントスクレイパー
このテンプレートを使用して、ターゲットトピックに関するリプライやコメントを収集し、強い関心や購買意向を示しているユーザーを特定します。

Twitterユーザー検索スクレイパー
このテンプレートを使用して、初期シグナルユーザーから拡張し、アウトリーチやリード獲得のためのより幅広い類似ユーザーリストを構築します。

各テンプレートを個別に実行することはすでに便利ですが、バンドルを使用することでさらなる効率化が実現します：

目的：Twitter上でのブランドに関する議論量を把握し、関連トピックを拡散しているユーザーの種類を特定する。

バンドル戦略：

目的：競合他社のキーワードにおける議論の質とユーザープロフィールを比較する。

バンドル戦略：

目的：特定のトピック領域内で適切なKOLコラボレーション候補を見つける。

バンドル戦略：

Twitterに関連するOctoparseテンプレートを検索し、テンプレートID 1838（Twitter高度検索コメントスクレイパー）とテンプレートID 2146（Twitterユーザー検索スクレイパー）が自分のアカウントで利用可能かを確認してください。実行モード、料金、必要なアカウントレベルを表示してください。

以下の2つのOctoparseクラウドタスクを同時に実行してください：

先ほど起動した2つのタスクの現在の実行ステータスは何ですか？まだ実行中ですか、完了しましたか、それとも失敗しましたか？

両タスクが完了しました。コメントタスクから最初の100レコード、ユーザータスクから最初の50レコードを取得してください。その上で以下を教えてください：

4つのOctoparseクラウドタスクを同時に実行してください — 「OpenAI GPT-5」と「Google Gemini Ultra」の2つの競合キーワードそれぞれに対して、コメントスクレイプとユーザースクレイプを1つずつ。コメントにはテンプレートID 1838、ユーザーにはテンプレートID 2146を使用し、各タスクを100レコードに制限してください。4つすべてが完了したら、どちらのキーワードがより多くのエンゲージメントを生み出し、どちらがより多くの認証済みユーザーを集めたかを比較してください。

大規模スクレイピングを実行する前に、キーワード「climate tech」、最大50レコードのみでテンプレートID 1838を使用したテストタスクを作成してください。本番バッチにコミットする前に、出力フィールドとデータ品質を確認したいと思います。

Octoparse MCPのバンドル機能により、これまで複数の手動ステップが必要だったデータ収集プロセスが、1つの自然言語会話に集約されます。コンテンツとユーザーコンテキストの両方が重要なTwitterのようなソーシャルプラットフォームでは、Twitter高度検索コメントスクレイパーとTwitterユーザー検索スクレイパーを組み合わせることで、より短時間でリッチな多次元データの視点が得られます：