核心用法
Social Intelligence 是 Xpoz 推出的 MCP-native 社交数据研究工具，专为 AI 代理设计。用户通过 mcporter 调用 MCP 服务器，即可在终端完成跨平台社交情报任务，无需编写复杂代码或申请官方 API。
典型工作流：
1. 安装与认证：执行 xpoz-setup 完成 OAuth 2.1 授权（约 2 分钟）
2. 数据检索：使用 xpoz.getTwitterPostsByKeywords 等 35+ MCP 工具进行布尔查询
3. 场景化分析：通过子技能（如 social-lead-gen、expert-finder）完成潜客挖掘、专家识别、情绪追踪
4. 导出与决策：单次查询可导出 64K 行 CSV（实测 38MB/63,936 条推文），对接下游分析
覆盖平台包括 Twitter（10 亿+帖子）、Instagram（4 亿+）、Reddit（1 亿+）及 TikTok，支持帖子搜索、用户画像、互动关系、评论追踪等多维度数据。
显著优点
- MCP 原生架构：专为 AI 代理设计，自然语言即可调用，无需 Dashboard 操作
- 数据规模优势：1.5B+ 索引帖子，远超多数第三方 Twitter/Instagram 数据服务
- 成本效率：免费 tier 可用，付费仅 $20/月，远低于官方 API 企业定价
- 快速冷启动：无 API key 申请流程，OAuth 认证后即刻可用
- 模块化生态：7 个细分子技能可按需安装，避免功能臃肿
潜在缺点与局限性
- 数据合规边界：抓取公开帖子虽技术可行，但用于商业决策时需自行评估平台 ToS 合规性（Twitter/X、Meta 对数据使用限制趋严）
- 实时性未明示："1.5B+ posts indexed" 暗示为索引库模式，非实时流，热点事件可能存在小时级延迟
- 地理与语言覆盖：文档未说明多语言 NLP 支持度及非英语市场数据完整性
- 依赖外部服务：后端完全依赖
mcp.xpoz.ai，可用性与数据持续性受制于 Xpoz 运营状态 - 情绪分析精度：未披露所用模型或人工校验机制，金融/医疗等敏感场景需谨慎验证
适合人群
- B2B 销售/SDR：需批量识别高意向潜客（抱怨竞品、求推荐场景）
- 市场情报分析师：竞品监控、品牌声量追踪、危机预警
- 投研/PE/VC：非传统数据来源的 sentiment 分析、专家网络 mapping
- 增长黑客/独立开发者：低成本验证 PMF，无需官方 API 审批
常规风险
| 风险类型 | 具体说明 | 缓解建议 |
|---------|---------|---------|
| 平台政策风险 | Twitter/X、Meta 频繁调整数据使用政策，存在账号封禁或法律追责可能 | 仅用于公开数据研究，避免自动化互动行为；关注平台政策更新 |
| 数据隐私合规 | GDPR/CCPA 适用场景下，导出含个人信息的 CSV 需评估合法性基础 | 脱敏处理后使用；涉及欧盟用户时咨询法务 |
| 供应商锁定 | 深度集成后迁移成本较高，且 Xpoz 为 2026 年新创项目，长期存续不确定 | 定期本地备份关键数据集；保持数据导出能力验证 |
| 分析偏见风险 | 社交样本不代表整体人群，情绪分析可能放大极端声音 | 结合多源数据交叉验证；明确标注数据来源局限性 |