Menu
Dify-FB-OGP3 (6)

Part4. スプレッドシートにデータを格納する

,

目次

1. はじめに

本記事は、Difyのワークフローを使って、X（旧Twitter）のソーシャルリスニングを⾃動化するシリーズのPart 4です。

Part 3の復習: 前回の記事では、取得したツイートデータに対してLLMで感情ラベル付与、健康関連性の判定、カテゴリ分類、健康トピック • デバイストピックの抽出を⾏い、元データと統合する処理を解説しました。具体的には、以下のノードを実装しました。

  1.  LLM処理（感情ラベル判定 • 健康関連性判定 • カテゴリ分類 • トピック抽出）
  2.  データ統合（LLM結果と元データのマージ）

Part 4（本記事）では、統合したデータをCSV形式に変換し、Google Apps Script（GAS）に送信してスプレッドシートに保存する処理を詳しく解説します。これにより、ユーザーはスプレッドシートで分析結果を確認できるようになります。

シリーズ構成

  • Part 0: X APIを⽤いたソーシャルリスニング概要
  • Part 1: X 旧Twitter) APIの基礎
  • Part2: Difyを⽤いてX APIから直近のポストを取得する
  • Part 3: LLMを⽤いて⾃動でデータラベルを付与する
  • Part 4（本記事）: スプレッドシートにデータを格納する
  • Part 5: Streamlitを⽤いたデータの可視化例

2. Part 3からの流れ

Part 3で統合したデータは、以下のような構造になっています。

{
  "data": [
    {
      "tweet_id": "1234567890", 
      "search_keyword": "Apple Watch", 
      "created_at": "2025-01-14T12:00:00.000Z",
      "author_id": "987654321",
      "text": "Apple Watchの心拍数と睡眠トラッキングが便利...", 
      "retweet_count": 10,
      "reply_count": 5,
      "like_count": 20,
      "quote_count": 2, 
      "sentiment_label": "positive",
      "sentiment_reasoning":  "健康管理機能への満足度が高い内容",
      "is_health_related": true,
      "category": "health_monitoring",
      "health_topics": ["心拍モニタリング", "睡眠トラッキング"], 
      "device_topics": ["バッテリー寿命"],
      "tokens": ["Apple Watch", "心拍数", "睡眠トラッキング"], 
      "post_url": "<https://x.com/i/web/status/1234567890>"
    }
  ],
  "meta": { 
    "result_count": 20
  }
}

本記事では、この統合データに対して、以下の処理を⾏います。

  1.   CSV形式への変換（カラム定義、データ整形）
  2.   GASへのHTTPリクエスト（POST, JSON形式）
  3.   スプレッドシートへの⾃動保存

3. 各ノードの詳細解説

3-1. GAS送信⽤のCSV作成（Codeノード）

GAS送信⽤のCSV作成（Codeノード）

統合済みのツイートデータを、Google Apps Script（GAS）に送信するためのCSV形式に変換するノードです。

⼊⼒変数

変数名ソース型
rowsデータ統合ノードarray[object]

コード

import csv 
import io
from typing import List, Dict, Any

def main(rows: List[Dict[str, Any]]): 
  # CSV出力用のStringIOオブジェクトを作成 
  output = io.StringIO()
  writer = csv.writer(output)

  # CSVのヘッダー行を定義 
  headers = [
    "tweet_id", 
    "search_keyword", 
    "created_at", 
    "author_id", 
    "text", 
    "retweet_count", 
    "reply_count", 
    "like_count", 
    "quote_count", 
    "post_url", 
    "sentiment_label",
    "sentiment_reasoning", 
    "is_health_related", 
    "category", 
    "health_topics", 
    "device_topics", 
    "tokens",
  ]
  writer.writerow(headers)

  # 各ツイートデータをCSV行に変換
  for row in rows:
    # adverse_eventsは配列なので、パイプ区切り文字列に変換 
    adverse_events = row.get("adverse_events") or [] 
    if isinstance(adverse_events, list):
      adverse_events_str = "|".join(adverse_events) 
    else:
      adverse_events_str = str(adverse_events)

    # tokensも配列なので、パイプ区切り文字列に変換 
    tokens = row.get("tokens") or []
    if isinstance(tokens, list): 
      tokens_str = "|".join(tokens)
    else:
      tokens_str = str(tokens)

    #  テキスト内の改行をスペースに置換（CSVの可読性向上）
    text = row.get("text", "")
    text = text.replace("\\n", " ")

    # CSV行を生成 
    writer.writerow([
      row.get("tweet_id", ""),
      row.get("search_keyword", ""),
      row.get("created_at", ""),
      row.get("author_id", ""), 
      text, 
      row.get("retweet_count", 0),
      row.get("reply_count", 0),
      row.get("like_count", 0),
      row.get("quote_count", 0),
      row.get("post_url", ""),
      row.get("sentiment_label", "") or "", 
      row.get("sentiment_reasoning", "") or "", 
      row.get("is_health_related", "") or "",
      row.get("category", "") or "",
      health_topics_str, 
      device_topics_str, 
      tokens_str,
    ])

  # CSV文字列を取得
  csv_string = output.getvalue() 
  output.close()

  return {
    "csv_output": csv_string
  }

処理の流れ

  1. CSV出⼒準備: io.StringIO() でメモリ上にCSV出⼒⽤のバッファを作成
  2. ヘッダー⾏の⽣成: 19個のカラムを定義（tweet_id, search_keyword, created_at等）
  3. データ⾏の⽣成: 各ツイートデータに対して：
    • adverse_events 配列をパイプ区切り⽂字列（ \| ）に変換（例: “発熱\|倦怠感” ）
    • tokens 配列もパイプ区切り⽂字列に変換
    • テキスト内の改⾏（ \\\\n ）をスペースに置換（CSVの可読性向上）
    • 各フィールドを取得し、デフォルト値を設定
  4. CSV⽂字列の取得: getvalue() でCSV⽂字列を取得する

CSVカラム構成

カラム名説明データソース
tweet_idツイートIDXから取得される元データ
search_keyword検索キーワードXから取得される元データ
created_at作成⽇時Xから取得される元データ
author_id著者IDXから取得される元データ
textツイート本⽂Xから取得される元データ
retweet_countリツイート数Xから取得される元データ
reply_countリプライ数Xから取得される元データ
like_countいいね数Xから取得される元データ
quote_count引⽤ツイート数Xから取得される元データ
post_urlツイートURL⽣成（ https://x.com/i/web/status/{tweet_id} ）
sentiment_label感情ラベルLLM抽出結果
sentiment_reasoning感情判断の理由LLM抽出結果
is_health_related健康 • ヘルスケア関連かどうかLLM抽出結果
categoryツイートのメインカテゴリLLM抽出結果
health_topics健康トピック（パイプ区切り）LLM抽出結果
device_topicsデバイストピック（パイプ区切り）LLM抽出結果
tokens重要な単語（パイプ区切り）LLM抽出結果

データ整形のポイント

  1. 配列の処理: tokens は配列なので、パイプ区切り（ \| ）で結合（例: “発熱\|倦怠感” ）
  2. 改⾏の処理: テキスト内の改⾏（ \\\\n ）をスペースに置換（CSVの可読性向上）
  3. デフォルト値: 各フィールドにデフォルト値を設定（空⽂字列、0等）

出⼒例

tweet_id,search_keyword,created_at,author_id,text,retweet_count,reply_count,like_count,quote_count,po st_url,sentiment_label,sentiment_reasoning,is_health_related,category,health_topics,device_topics,tok  ens
1234567890,Apple  Watch,2025-01-14T12:00:00.000Z,987654321,Apple  Watchの心拍数と睡眠トラッキングが便利...,10,5,20,2,<https://x.com/i/web/status/1234567890,positive,健康管理機能への満足度が高い内容,true,health_moni toring,心拍モニタリング|睡眠トラッキング,バッテリー寿命,Apple Watch|心拍数|睡眠トラッキング

出⼒

出⼒名型説明
csv_outputstringCSV形式の⽂字列

3-2. GASにデータ送信（HTTP Requestノード）

⽣成したCSVデータをGoogle Apps Script（GAS）のWebアプリに送信するノードです。

設定内容

項⽬設定値
メソッドPOST
URLhttps://script.google.com/macros/s/…/exec
認証なし
ヘッダーContent-Type:application/json

リクエストボディ

{ 
  "output": "#csv_output#", 
  "keyword": "Apple Watch"
}
  • output : CSV⽂字列（前のノードから取得）
  • keyword : 検索キーワード（固定値または環境変数から取得）

Google Apps Scriptとは？

Google Apps Script（GAS）は、Googleが提供するクラウドベースのJavaScript実⾏環境で、Google Workspace（スプレッドシート、ドライブ、メール、カレンダーなど）を⾃動化 • 拡張するために設計されたプラットフォームです。ブラウザ上のエディタだけで完結し、インフラ構築やサーバ管理なしでスクリプトを動かせるため、「ちょっとした業務⾃動化」から「⼩さな業務システム」までを素早く⽴ち上げられる点が特徴です。

GAS Webアプリの作成⽅法（参考）

  1. Google Apps Scriptエディタを開く: https://script.google.com/
  2. 新しいプロジェクトを作成
  3. 以下のようなコードを記述:
function doPost(e) { 
  try {
    const data = JSON.parse(e.postData.contents); 
    const csvString = data.output;
    const keyword = data.keyword;

    // スプレッドシートを取得または作成
    const spreadsheet = SpreadsheetApp.getActiveSpreadsheet() ||
                        SpreadsheetApp.create('ソーシャルリスニング結果'); 
    const sheet = spreadsheet.getActiveSheet() ||
                  spreadsheet.insertSheet('データ');

    // CSVをパースしてスプレッドシートに追記
    const rows = Utilities.parseCsv(csvString); 
    sheet.getRange(sheet.getLastRow() + 1, 1, rows.length, rows[0].length)
         .setValues(rows);

    return ContentService.createTextOutput(JSON.stringify({ 
      status: 'success',
      message: 'Data appended successfully', 
      spreadsheet_url: spreadsheet.getUrl()
    })).setMimeType(ContentService.MimeType.JSON);
  } catch (error) {
    return ContentService.createTextOutput(JSON.stringify({ 
      status: 'error',
      message: error.toString()
    })).setMimeType(ContentService.MimeType.JSON);
  }
}

  Webアプリとしてデプロイ:

  • 「デプロイ」→「新しいデプロイ」を選択種類: 「ウェブアプリ」を選択
  • アクセス権限: 「全員」を選択
  • 「デプロイ」をクリック
  • 表⽰されたURLをコピー（これがHTTP RequestノードのURLになります）

レスポンス例

{ 
  "status": "success", 
  "message": "Data appended successfully", 
  "spreadsheet_url": "<https://docs.google.com/spreadsheets/d/>..."
}

エラーハンドリング

GAS側でエラーが発⽣した場合、以下のようなレスポンスが返されます。

{
  "status": "error",
  "message": "Error message here"
}

Dify側では、このレスポンスを確認し、必要に応じてエラーログを記録する処理を追加できます。

4.  ワークフローの完成

ここまでで、ソーシャルリスニングワークフローの主要な処理が完成しました。

スプレッドシートをデータベース代わりに利⽤しているため、以下のようにデータが蓄積されます。

データ蓄積

5.  まとめ

本記事（Part 4）では、統合したデータをCSV形式に変換し、Google Apps Script（GAS）に送信してスプレッドシートに保存する処理を詳しく解説しました。

本記事で実現したこと

  • CSV形式への変換処理（カラム定義、データ整形）
  • GASへのHTTPリクエスト（POST, JSON形式）
  • スプレッドシートへの⾃動保存
  • エラーハンドリングとレスポンス処理

処理の流れの確認

  1.   CSV作成: 統合済みデータをCSV形式に変換（配列の処理、改⾏の処理等）
  2.   GAS送信: Google Apps ScriptのWebアプリにPOSTリクエストで送信
  3.   スプレッドシート保存: GAS側でCSVをパースしてスプレッドシートに追記

シリーズ全体のまとめ

本シリーズ（Part 2〜4）では、Difyのワークフローを使って、X（旧Twitter）のソーシャルリスニングを⾃動化するシステムを構築しました。

  • Part 2: DifyのワークフローでX APIからツイートを取得し、構造化データに変換
  • Part 3: LLMによる感情判定 • カテゴリ分析と、データ統合処理
  • Part 4: CSV形式への変換と、Google Apps Scriptへの送信 • スプレッドシート保存

これらの処理により、ツイートを取得 • 分析 • 保存するシステムが完成しました。

次のPart5ではこのStreamlitデータを⽤いたデータの可視化⽅法を解説します。企業におけるX投稿データの利⽤例として使える、現実的なサンプルを⽤意しています。

シリーズ構成

  • Part 0: X APIを用いたソーシャルリスニング概要
  • Part 1: X(旧Twitter) APIの基礎
  • Part 2: Difyを用いてX APIから直近のポストを取得する
  • Part 3: LLMを用いて自動でデータラベルを付与する
  • Part 4（本記事）: スプレッドシートにデータを格納する
  • Part 5: Streamlitを用いたデータの可視化例（次の記事）
check

ヘルツレーベンでは、ライフサイエンス業界に特化したDX・自動化支援を提供しています。
PubMedや学術情報の自動収集をはじめ、Slack・Gmailなどを活用したナレッジ共有の仕組みまで、実務に直結するワークフローを設計・導入いたします。

提供サービスの例

  • 製薬・医療機器業界での提案活動や調査業務の自動化支援
  • アカデミアや研究者向けの文献レビュー・情報共有フローの最適化
  • 医療従事者のキャリア開発を支援するリスキリングプログラム

👉 ご興味をお持ちの方はぜひお気軽にお問い合わせください。
お問い合わせフォームはこちら

株式会社ヘルツレーベン代表 木下 渉

監修者　株式会社ヘルツレーベン代表 木下 渉

株式会社ヘルツレーベン 代表取締役／医療・製薬・医療機器領域に特化したDXコンサルタント／
横浜市立大学大学院 ヘルスデータサイエンス研究科 修了

製薬・医療機器企業向けのデータ利活用支援、提案代行、営業戦略支援を中心に、医療従事者向けのデジタルスキル教育にも取り組む。AI・データ活用の専門家として、企業研修、プロジェクトPMO、生成AI導入支援など幅広く活動中

Related Posts


株式会社ヘルツレーベン
お問い合わせ
CONTENT
私たちについて　 サービス内容　 DX人材育成　 導入事例　 会社概要　 お役立ち情報　 お知らせ　 資料請求
Privacy Policy
copyright©HertzLeben Inc. all rights reserved.