作者：Sorsa 编辑部

更新于 2026 年 7 月 6 日：把价格改用每千批量费率表述，新增免费起步选项，并对照官方 X API 的 2026 年 4 月按资源定价重新核实了成本对比。

核心要点 一次 Twitter（X）竞品分析，是对对手账号表现如何的一次结构化审视，横跨四个方面：资料基准（粉丝、增长率、节奏）、内容组合与互动率、受众构成，以及声量占比。定期跑，就能揭示哪些格式和话题在你的细分领域驱动结果，以及对手留下的空当。

多数竞品分析指南止步于“打开仪表盘看一看”。一旦你要追踪三个以上账号、对比时间窗口，或把数据拉进自己的模型，这就不够用了。那时你需要把数字作为原始、结构化的记录，而不是别人工具里的图表。这正是本指南要填的缺口，也是 Sorsa API 这个 Twitter/X API 替代服务商登场的地方。这个 API 把用户资料、推文、粉丝列表和提及以干净的 JSON 返回，按请求计费，批量接口上折算为每 1,000 条推文 $0.02、每 1,000 份资料 $0.01 起，所有套餐统一 20 次/秒，用单个 ApiKey 请求头而非 OAuth，且没有开发者账号审批队列。你拿到的是官方 X API 暴露的同样公开数据，以一种你能脚本化的形式，成本只是一个零头。

本指南覆盖策略和机制：追踪哪些指标以及为什么、如何识别对的竞品、如何用短小的 Python 示例通过 API 拉取每类数据。此外还讲整件事对比官方 X API 要花多少钱，以及如何把输出变成一个决策、而不是一张电子表格。

目录

什么是 Twitter 竞品分析？ {#what-is-a-twitter-competitor-analysis}

Twitter（X）竞品分析，就是用你为自己追踪的同一套指标去衡量对手账号，再读出差距。它把定量数据（粉丝、增长、互动率、发帖频率）和定性审视（语气、内容主题、哪些帖子奏效）结合起来。这样你不仅了解竞品在做什么，还了解对你们共享的受众什么有效。

关键在于上下文。你自己的粉丝增长或互动率，孤立地看意义不大。放在同一细分领域的三四个竞品旁边，同样的数字就能告诉你自己是领先、落后还是停滞。它还能看出哪些具体杠杆在推动那些正在赢的账号：格式、节奏、话题。一次好的分析以一个决策收尾：一个要测试的格式、一个要调整的发帖时间、一个要填补的话题空当。

手动做既慢，过了几个账号就撑不住。有数据访问地做，就能扩展到你想要的任意多个竞品，并定期更新。

如何选择追踪哪些竞品 {#how-to-choose-which-competitors-to-track}

在拉任何数据之前，按三个层级挑竞品。直接：同产品、同受众。间接：不同产品、同受众需求。追赶目标：在你瞄准的规模或互动水平上的账号。三者都追踪能让分析保持诚实，因为追赶目标那组展示什么是可能的，直接那组展示什么是现实的。

要找到你还不知道的账号，三个信号很好用：

  • 共同提及。 在行业对话里和你一起被 @ 的账号，通常是竞品或相邻玩家。
  • 话题标签和关键词重叠。 搜你定向的词和标签，看哪些品牌在发类似内容。
  • 粉丝重叠。 你的粉丝也关注的账号，正在争夺同样的注意力。

用程序的话，你可以用一次跨账号的关键词搜索，加一次“谁提及某个已知竞品”的扫描，通过 search-users 和 mentions 等接口把候选找出来。一旦有了一份用户名短名单，后面的分析就对着这份名单跑。

哪些指标真正要紧 {#which-metrics-actually-matter}

四组指标承载了一次 Twitter 竞品分析里几乎所有信号：资料指标、内容指标、互动指标和受众指标。追踪超过这些只增加噪音、不增加洞察，而互动率比原始粉丝数更要紧，因为它反映一个受众实际如何回应，而不是有多大。

这几组拆开来看：

  • 资料指标： 粉丝数和增长率、关注数、总帖子数、账号年龄，以及简介或链接变更。要盯的是增长率；一个稳定涨粉的较小账号往往胜过一个已经平台期的大账号。
  • 内容指标： 发帖频率和时机、内容格式分布（文本、图片、视频、话题串），以及一个竞品反复回到的话题或主题。
  • 互动指标： 点赞、转发、回复、引用，以及把它们对受众规模归一化后的互动率。目标是弄清哪些内容驱动回应、哪些哑火。
  • 受众指标： 谁关注一个竞品、其中多少粉丝已认证或高权威，以及他们的受众和你的重叠多少。

下面各节逐组展开，先给概念解读，再给一段拉取数据的短代码示例。

给竞品资料做对标 {#benchmarking-competitor-profiles}

资料对标建立基线：每个竞品有多大、涨得多快、多久发一次帖，以及他们在简介里怎么定位自己。单个快照在这里几乎没用；价值来自定期记录同样的字段、再读出增量，因为增长率和节奏是趋势，不是时点值。

给一整组竞品拉基线最快的办法是一次批量资料查询。Sorsa 的 /info-batch 接口一次请求返回最多 100 份完整资料，只算额度里的一次请求，并包含粉丝数、帖子数、认证状态、简介和账号年龄。

python
import requests

BASE = "https://api.sorsa.io/v3"
HEADERS = {"ApiKey": "YOUR_API_KEY"}

competitors = ["stripe", "wise", "revolutapp"]

resp = requests.get(
    f"{BASE}/info-batch",
    headers=HEADERS,
    params=[("usernames", u) for u in competitors],
    timeout=30,
)
profiles = resp.json().get("users", [])

for p in profiles:
    print(f"@{p['username']:<14} {p['followers_count']:>12,} followers  "
          f"{p['tweets_count']:>9,} posts  verified={p.get('verified')}")

要把快照变成增长率，按每天或每周的计划（cron、GitHub Actions、任意任务运行器）把结果追加到一个 CSV，再算变化：

增长率 % = ((今日粉丝 - N 天前粉丝) / N 天前粉丝) * 100

因为资料对象还带着 description、简介链接和 created_at，对连续快照做差，就能不额外花钱地浮现定位变化（改写的简介、换掉的链接目的地）。完整的粉丝和关注情况，见我们的 Twitter 粉丝 API 指南。

分析一个竞品的内容策略 {#analyzing-a-competitors-content-strategy}

内容分析把一个竞品发的东西拆成一个你能对比的组合。要看的是：原创帖子、回复、引用各占多少，带媒体的占比，每帖平均互动，还有那几个能揭示受众偏好的头部内容。模式比任何单条推文都更要紧，所以下结论之前先拉一个有意义的样本（最近几百条帖子）。

Sorsa 的 /user-tweets 接口每页返回最多 20 条帖子、用一个 next_cursor 分页。和官方 X API 不同，这里没有 3,200 帖的历史上限，所以分页可以一直翻到一个账号的第一条推文。

python
def fetch_user_tweets(username, max_pages=10):
    tweets, cursor = [], None
    for _ in range(max_pages):
        body = {"username": username}
        if cursor:
            body["next_cursor"] = cursor
        r = requests.post(f"{BASE}/user-tweets",
                          headers={**HEADERS, "Content-Type": "application/json"},
                          json=body, timeout=30)
        data = r.json()
        tweets.extend(data.get("tweets", []))
        cursor = data.get("next_cursor")
        if not cursor:
            break
    return tweets

tweets = fetch_user_tweets("stripe")
total = len(tweets)
originals = sum(1 for t in tweets if not t.get("is_reply") and not t.get("retweeted_status"))
with_media = sum(1 for t in tweets if t.get("entities"))
avg_likes = sum(t.get("likes_count", 0) for t in tweets) / total

print(f"{total} posts | {originals/total:.0%} original | "
      f"{with_media/total:.0%} with media | {avg_likes:.0f} avg likes")

每个帖子对象都包含 likes_count、retweet_count、reply_count、quote_count 和 view_count，所以按互动给一个竞品的帖子排名、找出最好和最差的内容，只是一次排序，不是一次单独请求。要对比同一账号的两个时间窗口（本季度对比上季度），改用 /search-tweets 配合 from:、since: 和 until: 操作符；我们的 Twitter 高级搜索语法参考列出了完整语法。具体到回复、引用和转发用户，见 Twitter 互动 API 指南。

分析一个竞品的受众 {#analyzing-a-competitors-audience}

受众分析回答谁关注一个竞品、以及他们的受众和你的重叠多少。有两条成本差别很大的路径：已认证粉丝那一片（小、高信号、便宜）和完整的粉丝关系图（完整，但对大账号很贵）。除非你确实需要整张图，否则从已认证粉丝开始。

/verified-followers 接口只返回关注某个用户名的已认证账号、每页最多 200 个。这是任何受众里信号最高的一片，成本只是拉取所有人的一个零头。

python
def fetch_verified(username, max_pages=5):
    users, cursor = [], None
    for _ in range(max_pages):
        params = {"username": username}
        if cursor:
            params["next_cursor"] = cursor
        r = requests.get(f"{BASE}/verified-followers",
                         headers=HEADERS, params=params, timeout=30)
        data = r.json()
        users.extend(data.get("users", []))
        cursor = data.get("next_cursor")
        if not cursor:
            break
    return users

要拿完整的图，/followers 也每页返回最多 200 份资料；一个一百万粉丝的账号因此约 5,000 次请求，所以跑之前先做预算。一旦你有了两个账号的粉丝 ID 集合，受众重叠就是一次集合交集：

python
a = {u["id"] for u in fetch_verified("competitor_a")}
b = {u["id"] for u in fetch_verified("competitor_b")}
print(f"Shared: {len(a & b):,} | Only A: {len(a - b):,} | Only B: {len(b - a):,}")

高重叠意味着你在争夺同一批确切的受众；低重叠意味着一个竞品触达了你没触达的人。把竞品粉丝列表变成潜客，见目标受众发现；要掂量一个对手的关注有多少是真的，同样的粉丝数据也驱动一次虚假粉丝审计。加密专属拆解有一个提醒：/followers-stats 把粉丝分类为网红、项目和 VC，但只覆盖 Sorsa 加密数据库里已追踪的账号，所以对 Web3 账号有用，在别处并不完整。

提及、情感和声量占比 {#mentions-sentiment-and-share-of-voice}

提及分析衡量人们多常谈论一个竞品、对它的感受如何，以及每个品牌占了整场对话的哪一片（声量占比）。分析之前先按最低互动过滤提及，把机器人回复和自动 @ 剥掉，否则它们会淹没信号。

Sorsa 的 /mentions 接口接受 min_likes、min_replies、min_retweets 和日期筛选，所以你可以只拉在给定窗口内越过一个互动下限的提及：

python
def fetch_mentions(handle, min_likes=10, max_pages=5):
    out, cursor = [], None
    for _ in range(max_pages):
        body = {"query": handle, "order": "popular", "min_likes": min_likes}
        if cursor:
            body["next_cursor"] = cursor
        r = requests.post(f"{BASE}/mentions",
                          headers={**HEADERS, "Content-Type": "application/json"},
                          json=body, timeout=30)
        data = r.json()
        out.extend(data.get("tweets", []))
        cursor = data.get("next_cursor")
        if not cursor:
            break
    return out

做情感分析，VADER 这类开源库在本地跑、没有按调用成本，对社媒文本处理得相当好；只在需要对讽刺或技术投诉做更锐利解读时，才把高互动或被标记的提及送进一个 LLM。我们的 Twitter 舆情分析详解讲了完整的分类步骤，Twitter 提及 API 指南则深入讲了筛选参数。

声量占比就是一个固定时段上的比率：

声量占比 = (你的提及) / (你的提及 + 竞品提及之和)

追踪周环比变化、而不是绝对数字，因为品类级事件会一次性抬高所有人的提及量、掩盖你自己的变动。

竞品追踪要花多少钱：官方 X API 对比 Sorsa {#what-competitor-tracking-costs-official-x-api-vs-sorsa}

按请求计费的 API 拉竞品数据，比按资源计费的便宜得多。因为按资源模型对响应里每条帖子和每份资料分别收费，包括附在每条推文上的作者资料。一页返回 20 条帖子加其 20 份作者资料的搜索，在官方模型上按 40 次单独读取计费，在按请求计费的模型上只是一次请求。

官方 X API 走消费模型。按其 2026 年 4 月定价，帖子读取每条 $0.005，用户读取（以及粉丝或关注）每资源 $0.010，按量付费账号每月上限 200 万次帖子读取，访问用 OAuth 2.0 加一个 bearer 令牌。Sorsa 无论一次 API 调用返回什么都只收一次请求，作者资料免费内嵌在每条推文里，用单个密钥认证。下面是同一份竞品分析工作两种方式的定价：

任务官方 X API（按资源）Sorsa API（按请求）
拉 1 页搜索（20 帖 + 20 份作者资料）20 × $0.005 + 20 × $0.010 = $0.301 次请求（Pro 上约 $0.002），作者免费包含
查询 100 份竞品资料100 × $0.010 = $1.001 次 /info-batch 请求（Pro 上约 $0.002）
拉 1,000 份粉丝资料1,000 × $0.010 = $10.00通过 /followers 约 5 次请求（Pro 上约 $0.01）
认证OAuth 2.0 + bearer 令牌单个 ApiKey 请求头
速率限制按接口窗口，不定所有套餐统一 20 次/秒
每月读取上限200 万次帖子读取，之后被封锁套餐额度（1 万到 50 万次请求），无按接口上限
写操作（发帖、私信）支持（另行定价）无（只读）

在现实的竞品分析体量上，差异很快叠加。以每周节奏追踪五个竞品的资料、近期帖子和提及，一旦把作者读取算进去，在官方 API 上约为每月 $60 量级，而在 Sorsa 上舒服地落进 $49 的 Starter 套餐、还有富余。跨读密集型负载，按请求计费最多可便宜 50 倍，完整拆解在我们的 Twitter API 定价分析里。按请求计费如何与更广的服务商格局对比，见我们的 Twitter API 替代方案指南。

诚实的取舍：当你需要写入（发帖、回复、发私信）或需要过滤流式时，官方 X API 才是要用的那个，因为 Sorsa 从设计上就是只读。而对分析这种只读任务来说，这个局限从不适用，只读的稳定性反而正是数据保持一致的部分原因。

如果你宁愿完全不写代码，免费的账号对比工具把两个用户名的粉丝、互动率、平均点赞和转发、发帖频率、账号年龄并排列出；互动率计算器则为单个账号处理逐帖互动计算。

多久跑一次，以及拿发现做什么 {#how-often-to-run-it-and-what-to-do-with-the-findings}

每季度跑一次深度竞品分析、每周跑一次轻量的。季度那一遍重置你对格局的认识（谁在增长、谁改了定位、什么格式占了上风），每周那一遍则捕获发帖和互动上快速移动的变化。这么易变的数据几周内就过时，所以一次性分析远不如一次定时的值钱。同样的调度原则支撑着对提及和竞品活动的实时监测。

发现只有变成一个计划才有用。给输出结构化的一个简单办法是按时间跨度分：

  • 速赢（本月）： 你能立即测试的变化，比如一个竞品明显受益的发帖时间、一个在你细分领域一贯胜出的格式，或一个简介调整。
  • 中期（一到三个月）： 内容日历的调整、要试的新格式，或者参照你所在领域里领先者如何回应受众的社区管理节奏。
  • 长期（三到六个月）： 数据能证明合理的更大押注，比如一个新内容系列或一次重新定位，由证据而不是直觉支撑。

对收集到的数据做一遍 SWOT（竞品在哪里强、在哪里弱、什么是开放的、什么威胁你），是把原始指标翻译进那三个类别的快捷方式。

常见错误 {#common-mistakes}

Twitter 竞品分析里反复出现的错误是可预测的。避开这些：

  • 追逐虚荣指标。 粉丝数会奉承大而停滞的账号。互动率和增长率才描述实际在发生什么。
  • 复制而不是学习。 目标是弄懂某样东西为什么对一个共享受众有效、再改编它，而不是克隆一个竞品的日历。
  • 在不匹配的账号间对比。 一个经营了十年、有一支大团队的账号，不是一个一年大品牌的同类对标。给竞品分层，让对比公平。
  • 忽视成本和规模。 手动审视和按资源定价都在几个账号之后崩溃。分析如果不便宜、不可重复，就没法保持规律。
  • 从极小样本下结论。 寥寥几条帖子不是一个内容策略。在你判断一个竞品的组合是什么之前，先拉几百条。

自动化一份每周竞品报告 {#automating-a-weekly-competitor-report}

上面五种分析组合成一个定时任务，就是持续竞品追踪的基础：为竞品组拉资料、记一个快照并算增长、拆解近期内容、获取已认证粉丝、给提及分类，并算声量占比，全都用同一个密钥。三个竞品、每周节奏、默认深度，整份报告每次执行约 150 到 200 次请求，舒服地落在每月 1,000 次请求之下。

自 2022 年起构建并运营 Sorsa API 的过程中，我们见得最多的模式是团队把这些调用缝进一个 cron 任务或 GitHub Actions 工作流，写一个 CSV 或往 Slack 发一份摘要。完整的整合脚本、每个辅助函数都接在一起，在我们的竞品分析工作流文档里，密钥配置见认证文档。

实战里，我们合作过的一家约 12 人的社交分析机构，跨其客户账号每周追踪约 20 个竞品用户名。在官方 X API 上，附在每条帖子上、单独计费的作者资料读取，让他们的月账单随体量摆动、并向每月读取上限逼近。把读取负载迁到按请求计费的模型、作者资料不额外收费地打包进每条推文之后，成本变得月月可预测、也大幅下降。考虑到上面按资源对按请求的成本账，这本就是预期结果。他们收集的数据没变，变的只是成本和账单的稳定性。

常见问题 {#faq}

Twitter 竞品分析和对标有什么区别？ 竞品分析是研究对手账号的策略、内容和受众以找机会的更广做法。对标是更窄的一步：把互动率或粉丝增长等特定指标和那些竞品或一个行业平均值对比。对标是一次完整竞品分析的一个组成部分，提供你衡量自己所对照的数字。

能不写代码就做一次 Twitter 竞品分析吗？ 能。免费的无代码工具覆盖基础。Sorsa 的账号对比工具把两个用户名的核心指标并排列出，包括粉丝、互动率、平均点赞和转发、发帖频率、账号年龄；互动率计算器则为一个账号处理逐帖计算。而要定期追踪许多竞品、或把数据喂进你自己的模型，用 API 更实用。

如何以高性价比大规模分析竞品推文？ 用按请求计费的 API，而不是官方 X API 的按资源计费。Sorsa API 无论返回什么都按一次调用一次请求，把推文、资料、粉丝列表和提及以 JSON 返回，作者资料免费内嵌在每条推文里。套餐从 $49 含 1 万次请求、统一 20 次/秒起，拉数百条竞品帖子只花几美分、而不是几美元。

能分析一个竞品多久以前的推文？ 比官方 API 允许的更远。官方 X API 把用户时间线读取封顶在 3,200 帖，但 Sorsa 的 user-tweets 接口不带这个上限分页，所以你能一直翻到一个账号最早的帖子；其搜索接口配合 since 和 until 操作符，还能从任意历史窗口拉帖子。

竞品分析中哪些 Twitter 指标最要紧？ 互动率、粉丝增长率、发帖节奏和内容格式分布承载最多信号。互动率胜过原始粉丝数，因为它反映受众如何回应、而不是有多大；增长率则揭示一个静态粉丝总数掩盖掉的势头。

分析一个竞品的公开 X 数据被允许吗？ 分析公开可得的账号数据（比如公开帖子、粉丝数和互动数字）是标准的竞争研究，天生只读。它收集的是已经存在的公开信息，而不是发帖或互动。这是一般信息、不是法律意见；请针对你的具体用途查阅平台当前条款和你自己的法律要求。

如何开始 {#getting-started}

约三分钟就能跑你的第一次竞品拉取。注册即送 100 次免费请求，一次性、无需绑卡、永不过期、覆盖全部 40 个只读接口，然后创建一个无需开发者账号审批的密钥。同一个 ApiKey 请求头在每个接口上都能用，从批量资料查询到带互动筛选的提及。付费套餐从每 1,000 条推文 $0.02（Starter $49 含 1 万次请求）起，每个套餐都统一 20 次/秒运行，没有要管理的按接口窗口。

先在在线试用工具 Playground 里不写代码测试接口、在我们的文档里读完整的每周报告脚本，或在定价页面对比套餐。每月 50 万次请求以上或需要专属速率限制，请联系销售。

审校：Keksich（Sorsa 创始人，X API 研究者）

本指南是怎么写成的：内容取材于我们构建并运营 Twitter/X API 替代方案的一线工作、线上 API 本身，以及当前的 Sorsa API 文档。成本对比用 Sorsa 已发布的按请求定价和官方 X API 的 2026 年 4 月按资源定价，为完全相同的竞品分析任务定价。接口名称、限制和响应字段对照 Sorsa API v3 参考核查。于 2026 年 7 月 6 日核实。