Hoe werkt het LinkedIn publicatie algoritme?

Published by Melany on

4 minutes
Rate this post

Hoe bepaalt het LinkedIn algoritme welke inhoud je te zien krijgt? Op welk moment? Achter de “zwarte doos” zit een vrij elementaire logica. Ik zal het je uitleggen.

Je de juiste LinkedIn post tonen

LinkedIn is een sociaal netwerk. En zoals de meerderheid van de sociale netwerken vandaag, is hun business gebaseerd op reclame.

Het bedrijfsmodel van adverteren bestaat erin de aandacht van gebruikers te verkopen aan merken die hun diensten, producten of inhoud willen promoten.

We kunnen ons dus voorstellen dat als ze aandacht verkopen, hoe meer ze er hebben, hoe groter hun potentiële winst. Dit is het hele model van sociale netwerken zoals LinkedIn: meer van uw aandacht krijgen.

Een sociaal netwerk moet er dus voor zorgen dat u de meeste tijd op zijn site of applicatie doorbrengt.

Om dit te doen, zetten ze verschillende mechanismen op:

  • Externe triggers: notificaties en e-mails om je terug te brengen naar het netwerk
  • Het gebruik van cognitieve biases (zoals “Fear Of Missing Out” of “Fear of missing something” die ons doen terugkomen, ook beschouwd als een “interne trigger”)
  • Willekeurige beloning: je weet nooit wat je zult vinden als je door een nieuwsfeed scrollt. Van tijd tot tijd geeft een bijzonder relevant bericht ons een golf van dopamine (het hormoon van plezier). Zoals elke goede primaat, hunkeren we naar meer van deze dopamine door te scrollen op andere inhoud.

Ik ga niet in detail in op deze psychologische mechanismen. Ik nodig u uit “Hooked” van Nir Eyal te lezen, een bestseller over dit onderwerp.

Wat ons vooral interesseert is het 3e punt en hoe het content display algoritme dit probeert te optimaliseren door ons relevante posts te tonen.

Emoties en engagement rate op een post

De overgrote meerderheid van het social media-publiek is stil. Het is ook een van de grote scharnierpunten van Twitter: ze dachten aanvankelijk dat iedereen naar Twitter ging. Door het observeren van hun gegevens, realiseerden ze zich dat de meerderheid van de mensen op zoek waren om inhoud te volgen zonder deze te creëren of er interactie mee te hebben.

Door het observeren van virale posts op sociale netwerken merken we twee dingen op:

  • Ze hebben vaak een sterke emotionele impact (dit is waarom video’s van kittens altijd zo populair zijn op het web)
  • Ze hebben een hoge engagement rate (verhouding comments + likes / views)

Deze twee observaties zijn direct met elkaar verbonden: inhoud met een sterke emotionele impact heeft een grotere kans om ons te doen reageren (of deze impact nu negatief of positief is in het proces).

Maar, zoals we al eerder zeiden, LinkedIn (en andere sociale netwerken in het algemeen) heeft als doel je intense emoties te laten voelen, waardoor hormonen in je lichaam vrijkomen.

Maar omdat het LinkedIn algoritme (nu nog) niet in staat is om deze emoties te voelen en de kwaliteit van de inhoud te bepalen, zal het gebaseerd zijn op de emoties die gevoeld worden door mensen vóór jou.

En wordt dat gemeten? Via de engagement rate natuurlijk!

Reacties, vind-ik-leuks en views en het LinkedIn algoritme

Hoe hoger het aandeel comments en likes / views, hoe meer de content aan een groot publiek getoond zal worden.

Het proces werkt in de vorm van een spiraal:

  • Wanneer je je inhoud publiceert, wordt die getoond aan een klein deel van je netwerk, dat fungeert als een steekproef. De steekproefgrootte varieert afhankelijk van de optimalisatie van je post
  • Het algoritme observeert wat de engagement rate is op deze steekproef, d.w.z. het percentage mensen die liken en commentaar geven. Deze engagement rate is essentieel omdat het grotendeels het uiteindelijke bereik van de post beïnvloedt. Of eerder het omgekeerde: het algoritme is van mening dat als er geen sterke initiële betrokkenheid is, de inhoud niet relevant is. Er wordt gezegd dat dit wordt gemeten tussen het eerste uur en de eerste drie uur van het leven van de inhoud.
  • Op basis van deze initiële betrokkenheid verbreedt het algoritme het publiek door voorrang te geven aan de mensen in je netwerk, maar vooral aan de mensen in het netwerk van degenen die zich met je post hebben beziggehouden, beschouwd als “gelijkaardige profielen”, die dus ook geïnteresseerd zouden kunnen zijn in je inhoud. (Ja, we hebben de neiging om dezelfde dingen leuk te vinden als de mensen om ons heen, cultuur, netwerk, dus om soortgelijke emoties te voelen bij soortgelijke inhoud).
  • Als de engagement rate vergelijkbaar blijft, blijft de post groeien in het aantal views. Dit is wat ervoor zorgt dat inhoud met een hoge engagement rate viraal kan gaan.

Er is een belangrijk criterium om rekening mee te houden:

  • Zoals je je kunt voorstellen, is het plaatsen van een reactie een handeling die veel meer betrokkenheid vereist dan een like. Ze hebben helemaal niet hetzelfde “emotionele gewicht”, en dus ook niet hetzelfde gewicht voor het algoritme. Ik zou zeggen dat de verhouding tussen 10 en 20 ligt (1 comment = 10 tot 20 likes).

LinkedIn algoritme – Andere factoren om rekening mee te houden

We kunnen zeggen dat de engagement ratio alle andere criteria voor het verspreiden van een publicatie ver overstijgt.

Toch zullen bepaalde andere criteria de reikwijdte van een post kunnen beïnvloeden (vooral naar beneden toe):

  • Het aantal gebruikte hashtags. De hashtag is als een “categorie” van de post voor LinkedIn. Als er geen is, kan het LinkedIn algoritme het niet categoriseren. Als er te veel zijn, zal het denken dat het overdreven is en dat je probeert om het in alle categorieën te laten verschijnen.
  • Grootte van het netwerk: hoewel het lijkt dat deze factor weinig invloed heeft, lijkt het erop dat de grootte van je netwerk invloed kan hebben op de initiële steekproef van de post. (Een studie is gepland om deze hypothese te ontkrachten of te bevestigen).
  • Leesbaarheid: een view op LinkedIn is gewoon een persoon die je post passeert, zonder noodzakelijkerwijs te stoppen. Als uw post niet leesbaar is, is de kans op engagement zeer laag.
  • Views op je laatste publicaties. Als je laatste posts veel views hebben gehad, zal LinkedIn geneigd zijn om de initiële steekproef te vergroten, gezien de kwaliteit van de post waarschijnlijker goed is.
  • Uitgaande links. Zoals we al zeiden, LinkedIn wil gebruikers op het netwerk houden om ze te monetariseren. Het opnemen van links buiten LinkedIn in je posts verhoogt de kans dat de gebruiker LinkedIn verlaat. Publicaties met een uitgaande link worden daarom gedevalueerd.

Aangezien het algoritme een black box is, zijn deze verklaringen gebaseerd op observaties die in de loop van de tijd door de LinkedIn gemeenschap zijn gedaan. Het algoritme zal waarschijnlijk evolueren en de invloed van bepaalde criteria blijft onbekend.

 

Categories: LinkedIn Tips

Tweet
Share
Share