SNSの「いいね」は、押す側にとっては軽い共感の表明です。では、その場を運営するプラットフォーム企業からみると、「いいね」とはどういう意味を持つデータなのでしょうか。「いいねが増えれば投稿は多くの人に届くようになる」という通説はよく聞かれますが、プラットフォーム自身の説明に基づいて語られることはあまりありません。本記事では、Meta（Facebook・Instagram）とX（旧Twitter）が自ら公開している文書——Meta透明性センターのランキング解説、Instagram公式ブログのランキング解説、Xヘルプセンターのレコメンデーション解説、Xが2023年にオープンソース化したアルゴリズムの実コード——のみを典拠として、各プラットフォームが「いいね」に公式に与えている意味を整理します（引用文はいずれも2026年7月25日に原文ページで確認したものです）。

結論から — プラットフォームにとって、いいねとは「予測の材料」である

各プラットフォームの公式文書を突き合わせると、表題の問いへの答えは明確です。プラットフォームからみた「いいね」とは、投稿者への評価点である以前に、利用者の反応を予測するための入力データ（シグナル）です。その使い道は次の2つに集約されます。

役割FacebookInstagramX
① 押した本人の興味を学習する材料「何千ものシグナル」の代表例として明記Feedで最も重視する5つの予測に「いいねする確率」を明記ランキング用ニューラルネットワークの学習データとして明記
② 投稿を他の利用者へ浮上させる材料「友達が何人いいねしたか」が入力シグナル「何人が・どれほど速くいいねしたか」が投稿の人気度シグナル「ネットワーク内の人がいいねした投稿」が推薦対象

②があるため、冒頭の通説「いいねが増えれば投稿は浮上する」は公式文書で裏付けられます。ただし、直接の加点方式ではありません。いずれのプラットフォームも投稿の表示順を「いいね数の多い順」では決めていません。閲覧者ごとに「この人がこの投稿にいいね・返信などの反応をする確率」を予測し、その予測値から表示順を決めています。すでに集まったいいねは、この予測を押し上げる入力データとして間接的に効きます。

もう1点、FacebookとXに共通するのは、いいね単体は返信・コメントなど「会話を生む反応」より軽く扱われていることです。Xは公開コードの重み付けで、Metaは方針文書で、それぞれこれを明らかにしています。以下、順に見ていきます。

Facebook（Meta）— いいねは「何千のシグナル」の代表例

シグナルと予測の関係

Meta透明性センターの「Our approach to Facebook Feed ranking」は、フィードの表示順を決める仕組みを「シグナル（入力情報）から予測を立てる」構造として説明しています。

Then, for each of these posts, we consider thousands of “signals” to make predictions about what you will find most interesting.

（次に、これらの投稿一つひとつについて、あなたが最も興味深いと感じるものを予測するために、何千もの「シグナル」を考慮します）

そして、いいねはこのシグナルの代表例として名指しされています。

Many of these signals are pieces of information you give us directly when you like or share a post, you connect with a friend or Group, or you comment on a Page’s post

（これらのシグナルの多くは、あなたが投稿にいいねやシェアをしたとき、友達やグループとつながったとき、ページの投稿にコメントしたときに、あなたが直接提供する情報です）

「友達のいいね」が投稿を浮上させる

Metaは主要なAIシステムごとに「システムカード」と呼ばれる解説文書を公開しており、Facebookフィードのシステムカードには、投稿側から見た「いいねの効果」にあたる記述があります。入力シグナルの例として、投稿に付いた友達のいいねが挙げられているのです。

These signals might include who created the post and how you previously interacted with them, whether the post is a photo, a video or a link, or how many of your friends liked the post.

（これらのシグナルには、投稿の作成者とあなたがその人と過去にどう関わったか、投稿が写真・動画・リンクのいずれであるか、あるいは、あなたの友達が何人その投稿にいいねしたか、などが含まれます）

つまり、ある投稿にいいねが集まると、いいねした人の友達のフィードで「友達が何人いいねしたか」というシグナルの値が上がり、その投稿が浮上しやすくなります。いいねは本人の画面だけでなく、本人の交友関係を経由して投稿の配信範囲に影響する設計です。

ただし、いいねの重みは人によって違う

同じ文書は、いいねというシグナルの重みが一律ではないことも明記しています。

Another example is that for some people, “liking” a post is a strong indicator that they found that post valuable, whereas for others (such as people who don’t use the “Like” button), spending time reading the post may be a more useful prediction.

（もう一つの例を挙げると、投稿への「いいね」がその投稿を価値あるものと感じた強い指標になる人もいれば、（「いいね」ボタンを使わない人など）投稿を読むのに費やした時間の方が有用な予測材料になる人もいます）

方針としては「会話を生む投稿」を優先

Metaは2018年のニュースルーム記事で、リアクション数のようなエンゲージメントの量から、人と人との「意味のあるやり取り」を重視する方向へランキングを変更すると宣言しました。

we will predict which posts you might want to interact with your friends about, and show these posts higher in feed. These are posts that inspire back-and-forth discussion in the comments and posts that you might want to share and react to

（私たちは、あなたが友達とやり取りしたくなりそうな投稿を予測し、それらをフィードの上位に表示します。コメント欄で往復の議論を生む投稿や、シェアしたり反応したりしたくなる投稿がこれにあたります）

いいねは効くが、コメントの応酬を生む投稿の方が上に出る——この序列は、後述するXの公開コードでは具体的な数値として現れます。

Instagram — 面ごとに別のランキング、ExploreとReelsでは「いいね」が主要な予測

Instagramを運営するのも同じMetaですが、Instagramに単一のアルゴリズムはありません。Instagram公式ブログの解説「Instagram Ranking Explained」（2023年）によれば、Feed・ストーリーズ・発見タブ（Explore）・リールといった面ごとに、別々のランキングが動いています。そのうえで、Feedで最も重視する予測として5つのインタラクションが列挙されており、「いいねする確率」はその一つです。

In Feed, the five interactions we look at most closely are how likely you are to spend a few seconds on a post, comment on it, like it, share it, and tap on the profile photo.

（Feedで私たちが最も注視する5つのインタラクションは、あなたがその投稿に数秒間とどまる確率、コメントする確率、いいねする確率、シェアする確率、プロフィール写真をタップする確率です）

集まったいいねが投稿を浮上させる側の記述も明確です。同じ解説は、Feedのランキングに使う「投稿についての情報」として、いいねの数と付く速さを人気度の目安に挙げています。

These are signals both about how popular a post is – think how many people have liked it and how quickly people are liking, commenting, sharing and saving a post – and more mundane information about the content itself, like when it was posted, and what location, if any, was attached to it.

（これらは、投稿がどれほど人気か——何人がいいねしたか、どれほど速くいいね・コメント・シェア・保存が付いているか、を思い浮かべてください——を示すシグナルと、投稿日時や位置情報といったコンテンツ自体のより基本的な情報の両方です）

フォロー外へ露出する面では、いいねの予測はさらに前面に出ます。発見タブとリールについて、同じ解説は予測の最重要項目を次のように挙げています。

The most important actions we predict in Explore include likes, saves, and shares.

（Exploreで私たちが予測する最も重要なアクションには、いいね・保存・シェアが含まれます）

The most important predictions we make are how likely you are to reshare a reel, watch a reel all the way through, like it, and go to the audio page

（私たちが行う最も重要な予測は、あなたがそのリールを再シェアする確率、最後まで視聴する確率、いいねする確率、音源ページに移動する確率です）

Meta透明性センターのInstagram Feedシステムカードでも、「投稿を楽しむ確率」の予測材料として、いいねを含む積極的なアクションが挙げられています。

Whether you take a positive action on the post, such as liking, commenting or resharing

（その投稿に、いいね・コメント・再シェアなどの積極的なアクションをとるかどうか）

「いいねは反応確率の予測材料であり、集まったいいねの数と速さは人気度のシグナルになる」という構造は、Facebookと同じです。この構造はXでも変わりませんが、Xの場合は実コードが公開されているぶん、さらに具体的な数値まで確認できます。

X — ヘルプセンターの説明と、公開された実コードの重み

公式説明: いいねは学習データであり推薦のシグナル

Xヘルプセンターの「For You Home Timeline Recommendations」は、「For You」タイムラインの表示順を決める仕組みを次のように説明しています。

𝕏 ranks the relevance of posts using a neural network that is continuously trained on your interactions (e.g. Likes, Reposts, and Replies) to give you a positive experience.

（Xは、良い体験を提供するため、あなたのインタラクション（いいね、リポスト、返信など）で継続的に学習されるニューラルネットワークを使って、投稿の関連度をランク付けしています）

さらに同じ文書は、推薦に使うシグナルの例として「他人のいいね」を挙げています。

We recommend posts to you based on a variety of signals including, but not limited to, accounts you follow, Topics you follow, posts you like, posts liked by those in your network, and accounts followed by those in your network.

（私たちは、あなたがフォローしているアカウントやトピック、あなたがいいねした投稿、あなたのネットワーク内の人がいいねした投稿、ネットワーク内の人がフォローしているアカウントなど、さまざまなシグナル——ただしこれらに限りません——に基づいて投稿を推薦します）

Facebookの「友達のいいね」と同じ構造です。ある投稿にいいねが付くと、その投稿はいいねした人のフォロワーの「For You」に推薦される候補になります。フォロー外の投稿がタイムラインに現れる主要な経路の一つが、この「ネットワーク内のいいね」です。

公開コードに書かれた重み: いいね0.5、返信13.5

Xは2023年3月、レコメンデーションアルゴリズムの実コードをGitHubで公開しました。ランキングの最終段を担うモデル「Heavy Ranker」のREADMEには、スコアの計算式がそのまま書かれています。各エンゲージメント（いいね・リポスト・返信など）が起きる確率を予測し、それぞれに重みを掛けて合算する方式です。

score = sum_i { (weight of engagement i) * (probability of engagement i) }

（スコア ＝ Σ（エンゲージメントiの重み × エンゲージメントiの発生確率））

同READMEに記載された重みの実値（2023年4月5日時点）は次のとおりです。

エンゲージメント重み
いいねする確率（fav）0.5
リポストする確率（retweet）1.0
会話を開いて2分以上滞在する確率（good_click_v2）10.0
会話を開いて返信かいいねをする確率（good_click）11.0
プロフィールを開いていいねか返信をする確率（good_profile_click）12.0
返信する確率（reply）13.5
返信し、それに投稿者が反応する確率（reply_engaged_by_author）75.0
動画を半分以上視聴する確率（video_playback50）0.005
「表示を減らす」・ブロック・ミュートの確率（negative_feedback_v2）−74.0
通報する確率（report）−369.0

いいねはプラス方向の重みの中で最も軽い部類で、返信の27分の1、「返信に投稿者が応答する」確率の150分の1です。一方、ネガティブな反応の重みは大きく、単純計算では「表示を減らす」等の予測1件分がいいね148件分を打ち消します。

ただし、この数値を「Xにとって返信はいいねの27倍価値がある」と読むのは早計です。READMEには、重みは元々、発生頻度の異なる各エンゲージメントの寄与が平均して同程度になるよう設定されたと書かれています。いいねは返信よりはるかに高頻度に起きるため、重みが小さくても寄与は釣り合う設計だったわけです。そのうえで「その後はプラットフォーム指標を最適化するために定期的に調整してきた」とも明記されているため、公開時点の値がそのまま現在も使われている保証はありません。

なお、アルゴリズム公開時にX（当時Twitter）のエンジニアリングブログに掲載された解説記事は、2026年7月25日時点でリンク切れとなっており内容を確認できませんでした。現在も参照できる公式資料は、上記のヘルプセンターとGitHubリポジトリです。

いいねが増えると、投稿はどう浮上するのか

3つのプラットフォームの文書を総合すると、いいねが投稿の露出を押し上げる経路は2つに整理できます。

1つめは、予測モデルへの入力としてです。表示順は閲覧者ごとの「反応する確率」の予測で決まり、投稿にすでに付いたいいねの数や顔ぶれは、この予測を計算する材料に含まれます。いいねが集まっている事実そのものが、「次の閲覧者も反応するだろう」という予測を強めます。

2つめは、配信候補を作る経路としてです。Facebookでは「友達が何人いいねしたか」、Xでは「ネットワーク内の人がいいねした投稿」という形で、いいねはその投稿をいいねした人のつながりのフィードへ送り込む働きをします。Instagramでは「何人が・どれほど速くいいねしたか」という人気度シグナルに加え、フォロー外に露出する発見タブ・リールの最重要予測に「いいねする確率」が含まれます。フォロー外・友達外へ投稿が広がる仕組みの中核であり、投稿者側から見れば、こちらの効果が構造的に大きいと言えます。

一方で、どのプラットフォームも「いいね数の多い投稿を上に出す」という単純な仕組みは採っていません。Metaはいいねの重みが人によって違うことを明記し、Facebookでは2018年以降、会話を生む投稿を優先する方針を掲げています。Xの公開コードでは、いいねは返信系のエンゲージメントより一桁以上軽い重みで扱われていました。

まとめ

  • プラットフォームからみた「いいね」とは、公式文書上、利用者の反応を予測するための入力データ（シグナル）である。押した本人の興味を学習させる役割と、投稿を他の利用者へ浮上させる役割の2つがあり、後者はFacebookでは「友達が何人いいねしたか」、Instagramでは「何人が・どれほど速くいいねしたか」という人気度シグナル、Xでは「ネットワーク内の人がいいねした投稿」として明記されている
  • Facebook・Instagram・Xのいずれも、投稿の表示順を「いいね数の多い順」ではなく、閲覧者ごとの反応確率の予測で決めていると公式に説明している
  • したがって「いいねが増えれば投稿は届きやすくなる」は公式文書で裏付けられるが、効き方は直接の加点ではなく、予測を押し上げる間接的なものである
  • Instagramは面ごとに別のランキングを持ち、フォロー外へ露出する発見タブ・リールでは「いいねする確率」が最重要の予測に含まれる
  • FacebookとXは、いいね単体より会話を生む反応（コメント・返信とその応酬）を重く扱っている。Metaは方針文書で、Xは公開コード（2023年4月時点）で示しており、後者ではいいねの重み0.5に対し返信は13.5、返信に投稿者が応答する場合は75.0だった
  • Xの重みは頻度差を補正する意図で設定されたものであり、また定期的に調整されると明記されているため、数値の比率を「価値の比率」とそのまま読むことはできない

参考