Die führende Quelle für Erkenntnisse zu Geschäftsmodellstrategie und technischen Geschäftsmodellen
Alles, was Sie über den LinkedIn-Feed-Algorithmus wissen müssen und wie Sie Ihr LinkedIn-Netzwerk für Ihr persönliches und geschäftliches Branding erweitern können
Viele Gurus werden Ihnen sagen, dass es Ihnen gut gehen wird, sobald Sie für Menschen schreiben. Dies ist teilweise wahr. In der Tat, obwohl der LinkedIn-Algorithmus Inhalte basierend auf Qualität und Relevanz aufgreift. Ich glaube, es ist wichtig zu wissen, wie LinkedIn „Qualität und Relevanz“ definiert.
Tatsächlich bewertet der Algorithmus den Inhalt der Plattform basierend auf den Richtlinien, die es von Menschen erhält. Daher ist es entscheidend, zu wissen, wie der Algorithmus funktioniert, um auf LinkedIn erfolgreich zu sein. Wieso den? Indem Sie den Algorithmus in der Realität verstehen, verstehen Sie, was das Ziel des ist Plattform und auch wie es sich entwickelt.
Darüber hinaus, auch wenn Sie dies nicht tun Plan zu bauen ein und Dritten auf LinkedIn, aber Sie sind ein Benutzer und Sie sind neugierig, was sich hinter a verbirgt Plattform die kürzlich eine halbe Milliarde Mitglieder überschritten hat, ist dieser Artikel für Sie.
Den LinkedIn-Feed relevant zu halten, indem unprofessionelle und Spam-Inhalte identifiziert werden, ist entscheidend, um die Qualität der Inhaltskonsumerfahrungen unserer Mitglieder aufrechtzuerhalten. In diesem Beitrag beschreiben wir die verschiedenen Prozesse und Algorithmen, die unseren Feed von Spam freihalten und für unsere Mitglieder relevant halten.
Somit wird die Relevanz des Inhalts bewertet über Negativa. Kurz gesagt, der LinkedIn-Algorithmus versucht zu jeder Zeit zu verstehen, ob ein Inhalt Spam ist oder nicht:
Dazu werden kleine Tests durchgeführt. Mit anderen Worten, anstatt das Post-Update an die meisten von Ihnen zu verteilen Netzwerk, beginnt der LinkedIn-Algorithmus mit einer kleinen Anzahl von Personen; wenn diese Personen den Inhalt ansprechend finden. Die Auswahl beginnt sich zu erweitern. Wenn Sie Inhalte auf LinkedIn veröffentlichen, werden daher drei Hauptakteure durchlaufen:
Nutzer
Algorithmus
menschliche Redakteure
Die User geben ihre Stimme mit Likes, Kommentaren und Shares ab. Der Algorithmus fungiert als eine Art Mittelsmann zwischen den Benutzern und den menschlichen Redakteuren, um den Fluss am Laufen zu halten. Wenn der Inhalt eine niedrige Inhaltsqualitätsbewertung erhält (die versucht zu beantworten: „Ist der Inhalt gut?“), löst dies die Überprüfung eines menschlichen Redakteurs aus, um festzustellen, ob es sich um Spam handelt. Wenn der Inhalt stattdessen die Inhaltsqualitätsbewertung besteht, wird er gelöscht und einer kleinen Anzahl von Benutzern angezeigt, die ihre Stimme abgeben können.
Nach der Abstimmung (mit Likes, Kommentaren und Shares) führen Qualitätsklassifizierer und Viralitätsvorhersagealgorithmen eine Bewertung durch, die erneut eine Überprüfung durch menschliche Redakteure auslöst. Wenn es den Test besteht (ist der Inhalt gut?), wird es gelöscht und den Benutzern wieder angezeigt.
Aus diesem Grund ist es entscheidend, Dinge zu posten, die für die Menschen interessant sind, anstatt sich auf den Algorithmus zu konzentrieren. Wenn Ihr Beitrag viral wird, aber möglicherweise Spam ist, wird er dennoch von menschlichen Redakteuren überprüft, die ihn möglicherweise herabstufen! Denn die Beurteilung, ob der Inhalt minderwertig ist oder nicht, hängt auch von Faktoren ab, die nicht leicht zu gewichten sind.
Kurz gesagt, ab sofort ist es möglicherweise einfacher, Algorithmen zu täuschen als menschliche Redakteure. Die Algorithmen spielen jedoch eine entscheidende Rolle beim Herausfiltern von Inhalten. In der Tat, Menschen dazu zu benutzen, für a Plattform mit über einer halben Milliarde Nutzern vielleicht unmöglich.
Welche Schritte unternimmt der LinkedIn-Feed-Algorithmus, damit ein Beitrag oder Artikel viral wird?
Die Rolle des LinkedIn-Feeds besteht darin, zeitnahe, professionelle Inhalte bereitzustellen. Was als akzeptabler Inhalt in einem allgemeinen sozialen Umfeld durchgehen kann Netzwerk möglicherweise keine erfreuliche Erfahrung für ein professionelles soziales Netzwerk Netzwerk wie LinkedIn. Wir möchten so viele minderwertige Inhalte wie möglich von der Website entfernen. Gleichzeitig möchten wir nicht übereifrig Inhalte von der Website filtern, da dies zu mehr Fehlalarmen und Unzufriedenheit der Benutzer führen könnte. Mit anderen Worten, wir müssen nach Höherem streben Präzision und Erinnerung für unsere Einstufung und Kennzeichnung.
Das Hauptziel von LinkedIn ist es, „aktuelle, professionelle Inhalte“ bereitzustellen. Diese Definition ist kritisch. In der Tat lohnt es sich, dies zu verstehen, da LinkedIn Facebook immer näher kommt LinkedIn-Geschäftsmodell ist ganz anders als es.
Ab 2015 (bevor LinkedIn mit Microsoft fusioniert wurde) stammten mehr als 50 % der LinkedIn-Einnahmen aus Einstellungen und Premium-Abonnements. Wenn wir uns stattdessen die Einnahmen von Facebook ab 2017 ansehen, können Sie sehen, dass sie hauptsächlich aus Werbung stammen. Warum ist das überhaupt wichtig, um den LinkedIn-Feed-Algorithmus zu verstehen?
Ob freiwillig oder nicht, die Entscheidungen von Unternehmen werden von der Art und Weise beeinflusst, wie sie Geld verdienen. Wobei Facebook für die Monetarisierung stark von seinem Feed abhängig ist. LinkedIn ist es weniger. Das bedeutet, dass LinkedIn auch mehr Freiheit hat, seinen Feed so zu gestalten, dass er besser zu den abonnementbasierten Benutzern und HR-Experten passt, die Teil der Plattform sind.
Daher konzentriert sich der LinkedIn-Algorithmus darauf, minderwertige Inhalte im Feed zu vermeiden, während sichergestellt wird, dass keine Inhalte gefiltert werden, die zu Fehlalarmen führen könnten (Fälle, in denen etwas als Spam erscheint, es aber in Wirklichkeit nicht ist). Wie macht es das?
Precision- und Recall-Mechanismus zur Auswahl relevanter Inhalte
In Mustererkennung, Informationsrückgewinnung und binäre Klassifikation, Präzision (auch positive Vorhersage genannt Wert) ist der Anteil relevanter Instanzen unter den abgerufenen Instanzen, während erinnern (auch bekannt als Sensitivität) ist der Anteil relevanter Instanzen, die an der Gesamtmenge relevanter Instanzen abgerufen wurden. Sowohl Precision als auch Recall basieren daher auf einem Verständnis und Maß für Relevanz.
Kurz gesagt, dies ist eine Art Ausgleichsmechanismus. Einerseits konzentriert sich die Präzision darauf, relevante Instanzen zu finden. Während sich der Rückruf auf Vollständigkeit konzentriert. Stellen Sie sich also vor, es erscheinen zehn Posts in Ihrem Feed, von denen nur fünf für Sie relevant zu sein scheinen. Das bedeutet, dass die Genauigkeit 5/10 beträgt. Kurz gesagt, Sie bekommen die Hälfte der Zeit, was Sie suchen.
Stellen Sie sich das jedoch in Ihrem vor Netzwerk von hundert Kontakten zu diesem Zeitpunkt wurden dreißig Beiträge gepostet, die für Sie relevant gewesen sein könnten. Aber du hast nur fünf. Dies bedeutet, dass der Rückruf 5/30 ist. Da Sie andere fünfundzwanzig potenziell relevante Beiträge verpasst haben.
Mit anderen Worten, dieser Mechanismus versucht, zwei spezifische Fragen zu beantworten:
Wie nützlich ist der gezeigte Inhalt?
und wie viele relevante Informationen werden jedem Benutzer angezeigt?
Der FollowFeed-Mechanismus der Viralität
Bereits 2012 führte LinkedIn eine Feed-Infrastruktur namens ein Sensei. Dabei handelte es sich um ein verteiltes Datensystem, das auch den LinkedIn-Feed unterstützte. Wie von LinkedIn erklärt, war Sensei sowohl eine Suchmaschine als auch eine Datenbank. Im Jahr 2014 machte sich LinkedIn jedoch daran, FollowFeed zu entwickeln, das im März 2016 eingeführt wurde und heute das LinkedIn-Feed-Erlebnis verbessert. Warum ist es überhaupt wichtig?
Erstens konnte LinkedIn mit FollowFeed seine Feed-Performance verbessern und gleichzeitig die Anzahl der Benutzer steigern (im Jahr 2016 wuchs LinkedIn auf über 400 Millionen Mitglieder). Zweitens, obwohl LinkedIn in Bezug auf die Benutzerbasis skaliert wurde, verbesserte es auch die Relevanz seines Feeds, indem es Algorithmen einführte, die in der Lage sind, Benutzern in Echtzeit bessere Inhaltsempfehlungen anzubieten.
Der FollowFeed verwendet das Konzept einer Zeitleiste (einen Artikel teilt, ein Mitglied in einem Artikel erwähnt wird usw.), um den Feed für jedes Mitglied zusammenzustellen. Zum Zusammenstellen des Feeds verwendet LinkedIn a Modell genannt "Fan-out-on-Write” was wie erklärt:
Der Feed für jeden Betrachter wird vorberechnet, materialisiert und mithilfe einer einfachen Suchabfrage zum Abruf bereitgehalten. Dies wird ermöglicht, indem ein Inhaltsdatensatz auf vormaterialisierte Feeds mehrerer Entitäten aufgefächert wird.
Wie LinkedIn das Aktivitätsdiagramm aus einem Fehler erstellt hat, um organische Inhalte hervorzuheben
LinkedIn's und Dritten basiert auf dem Engagement der Benutzer. Das Stärke von LinkedIn – glaube ich – basiert auf seiner GeschäftModell. Tatsächlich – da Werbung eine der Einnahmequellen ist, auf die LinkedIn angewiesen ist – kann sich das Unternehmen auf das Engagement konzentrieren, ohne sein Endergebnis zu sehr zu beeinträchtigen.
DIE Story des fast einjährigen Projekts hinter dem Activity Graph von LinkedIn beginnt wie immer mit einem Fehlerbericht. Wir haben festgestellt, dass manchmal gesponserte Inhalte (dh eine Anzeige) an der ersten Position im Feed eines Mitglieds angezeigt wurden. Dies verstößt gegen unsere internen Best Practices und wir versuchen aktiv zu vermeiden; Wir möchten, dass die interessantesten organischen Inhalte das erste sind, was ein Mitglied sieht, nicht eine Anzeige.
Mit anderen Worten, sobald das LinkedIn-Team herausgefunden hat, dass Sie mit einem gesponserten Beitrag seinen Feed-Algorithmus kapern könnten. Sie haben einen Weg gefunden, dies zu vermeiden, sodass organische Inhalte gegenüber gesponserten Inhalten hervorgehoben werden können.
Was ist ein organischer Inhalt?
Es besteht aus den von Mitgliedern generierten Inhalten im Feed, die wir „Aktivitäten“ nennen. Eine Aktivität wird durch drei Hauptkomponenten definiert: Akteur, Verb und Objekt. Ein Beispiel in Prosa wäre „Val hat einen Textbeitrag geteilt“ oder „Vivek hat einen Kommentar gefallen“. Wir präsentieren diese Aktivitäten als Karten in der Feed-Benutzeroberfläche.
Jedes Mal, wenn Sie einen Textbeitrag liken, teilen oder schreiben, kann dies als Aktivität definiert werden, die von LinkedIn als organischer Inhalt gekennzeichnet wird.
Kurz gesagt, da der LinkedIn-Algorithmus anscheinend einen Prozess namens „Dekoration“ entwickelt hatte, wurde ein organischer Spam-Inhalt entfernt, bevor er den Benutzern angezeigt werden konnte. So kann ein gesponserter Inhalt (eine Anzeige) den ersten Platz erhalten, der stattdessen für den organischen Inhalt reserviert war.
Bevor Sie fortfahren, denken Sie daran, dass nicht alle Likes gleich geboren sind.
Achtung, LinkedIn ist nicht Facebook
Wenn Sie etwas mögen, teilen oder posten, wird dies in Ihr Aktivitätsdiagramm eingetragen. Daher sollte jede dieser Aktivitäten strategisch durchgeführt werden, wenn Sie LinkedIn für verwenden Geschäft. Wenn Ihnen beispielsweise etwas gefällt, sollten Sie es vermeiden, ein Katzenvideo zu mögen (es sei denn, Sie verkaufen Zubehör oder Futter für Katzen).
Wieso den? Erstens wird dies in Ihr Aktivitätsdiagramm eingetragen und beeinflusst so den Feed-Algorithmus und was Sie als nächstes in Ihrem LinkedIn-Feed sehen. Zweitens, wenn Ihnen etwas gefällt, dient dies als Abstimmung/Empfehlung, die Sie Ihren anbieten Netzwerk. Kurz gesagt, ein „Gefällt mir“ auf LinkedIn wiegt viel mehr als ein „Gefällt mir“ auf Facebook.
Bevor Sie also das nächste lustige Katzenvideo mögen (vorausgesetzt, der LinkedIn-Feed-Algorithmus stuft es nicht herab), sollten Sie sich davor hüten!
LinkedIn führte auch das Konzept von Inhalten von geringer Qualität (genannt LQ) ein.
Vermeiden Sie minderwertige Inhalte, um hyperviral zu werden
Wenn der Präzisions- und Rückrufmechanismus es dem LinkedIn-Algorithmus ermöglicht, relevante Inhalte zu filtern, indem versucht wird, Inhalte fernzuhalten, die Spam oder minderwertige Inhalte sind. Es gibt ein Problem der Skalierbarkeit. Tatsächlich als LinkedIn hat es formuliert:
Wenn ein paar minderwertige Aktien hyperviral werden, kann dies bei einer sehr großen Anzahl von Mitgliedern zu Unzufriedenheit führen.
Da das Risiko, dass minderwertige Inhalte hyperviral werden, zu hoch ist, würde der Algorithmus also lieber etwas „Verdächtiges“ stoppen, als es viral werden zu lassen.
Inhaltssyndizierung von LinkedIn-Feeds zusammengefasst
Wie vom LinkedIn-Engineering-Team erklärt, ist der Mechanismus der folgende:
Bei der Schöpfung
Es gibt eine Reihe von Klassifikatoren, die den Inhalt auf drei Arten kennzeichnen:
Spam
geringe Qualität
klar
Es ist wichtig zu verstehen, dass dieser Prozess nahezu in Echtzeit abläuft. Sobald Sie also auf die Schaltfläche „Veröffentlichen“ klicken, wird Ihnen der Inhalt angezeigt Netzwerk es wurde bereits vom LinkedIn-Algorithmus gekennzeichnet.
Wenn der Inhalt als Spam oder von geringer Qualität eingestuft wird, kann er entweder herabgestuft oder an einen menschlichen Bearbeiter weitergeleitet werden. Es ist wichtig, das als professionell zu verstehen Netzwerk LinkedIn bekommt die meisten davon Wert seinen Feed so frei wie möglich von Spam zu halten. Wenn also ein Inhalt als Spam oder von geringer Qualität eingestuft werden kann, wird er herabgestuft, anstatt zu riskieren, dass er viral wird.
Wenn der Inhalt die Bewertung des Qualitätsfaktors besteht, wird er freigegeben, um einige Publikumsdaten zu sammeln.
Wie es Publikum sammelt
In diesem Stadium ist der LinkedIn-Algorithmus Bedürfnisse um Daten aus dem Publikum in einer Person zu sammeln Netzwerk um zu beurteilen, ob sich der Inhalt lohnt. Um jedoch das Risiko zu vermeiden, dass minderwertige Inhalte viral werden, überwacht der LinkedIn-Feed-Algorithmus weiterhin einige Aspekte:
Reichweite des Originalplakats,
Mitglieder, die mit dem Inhalt interagieren,
und die zeitlichen Signale wie die Geschwindigkeit von Likes, Shares und Kommentaren,
die berechneten Content-Qualitäts-Scores
Diese Art von Rezept ermöglicht es dem Algorithmus, zwei Hauptdinge zu verstehen. Erstens, wenn der Inhalt wahrscheinlich viral wird. Zweitens, wenn der Inhalt, der wahrscheinlich viral wird, auch potenziell minderwertiger Inhalt ist. Diese Analysen werden alle paar Stunden durchgeführt, um das Futter so sauber wie möglich zu halten.
Es gibt einen Aspekt, der vom LinkedIn-Engineering-Team hervorgehoben wird:
Die meisten leicht zu erfassenden Inhalte werden zum Zeitpunkt der Erstellung herausgefiltert, wodurch schwer zu klassifizierende Instanzen im Feed zurückbleiben.
Wenn Sie also zum Zeitpunkt der Erstellung auf LinkedIn auf die Schaltfläche „Veröffentlichen“ klicken, werden Ihre Inhalte möglicherweise bereits auf Qualitätssicherung überprüft, bevor sie überhaupt jemandem angezeigt werden. Da das Feedback von LinkedIn-Mitgliedern zunimmt, sammelt der LinkedIn-Feed-Algorithmus Daten, um den Inhalt durch die Feeds zu pushen Netzwerk.
Mitglieder spielen auch eine Schlüsselrolle bei der Bewertung der Inhaltsqualität
Wenn Mitglieder minderwertige oder Spam-Inhalte melden, werden diese aus zwei Gründen berücksichtigt. Erstens, um Inhalte neu zu bewerten und herunterzufahren, die der Feed-Algorithmus oder menschliche Redakteure nicht erkennen konnten. Zweitens werden diese Daten dem LinkedIn-Algorithmus zugeführt, damit dieser lernen kann, was die LinkedIn-Mitglieder wertvoll finden und was nicht.
Nun, da wir wissen, wie der Algorithmus funktioniert, wie können Sie LinkedIn nutzen Netzwerk bewirken?
Nutzen Sie den Netzwerkeffekt, um Ihr LinkedIn-Publikum zu vergrößern
Beginnen Sie mit der Analyse Ihres LinkedIn Netzwerk mit http://socilab.com/#home.
Stellen Sie sicher, dass Sie Ihre erweitern Netzwerk ist wichtig. Größe ist jedoch relativ wichtig. Wissen, mit wem Sie sprechen müssen; zum Aufbau Ihres Marke/geschäft ist entscheidend. Ich habe zum Beispiel verwendet gesellig zu verstehen, wie meine Netzwerk ist geclustert.
Es gibt ein paar Metriken, die Sie vielleicht überwachen möchten, um die „Netzwerk Effekt“ (obwohl das von mir verwendete Tool nur maximal 499 Verbindungen analysiert):
Die effektive Größe Ihres LinkedIn-Netzwerks
Das sagt Ihnen, dass nicht alle Kontakte gleich geboren werden, da sich einige mit Ihren überschneiden Netzwerk. Diese Überlappungen könnten weniger hinzufügen Wert in Sachen Reichweite. Sie könnten jedoch auch wichtig sein, um eine starke aufzubauen Marke. Wenn Sie also versuchen, eine zu bauen Marke Bei sozialen Medien kann es sinnvoll sein, ein Clustering zu haben Netzwerk anfänglich. Wenn Sie dann in diesem Cluster bekannt werden, ist es sinnvoll, das zu erweitern Netzwerk zu Kontakten, die sich nicht überschneiden, um eine größere Reichweite zu haben.
Einschränkungen des LinkedIn-Netzwerks
Das ist ein Index, der misst, wie verteilt Sie sind Netzwerk. Während eine weit verbreitete Netzwerk könnte gut für die Viralität sein. Das könnte weniger so sein, um ein zuverlässiges zu bauen Marke. Daher müssen Sie diese beiden Aspekte ausbalancieren
LinkedIn-Netzwerkdichte
Es zeigt, wie nah du bist Netzwerk in Bezug auf tatsächliche Bindungen im Vergleich zu möglichen Bindungen. Je dichter Ihre Netzwerk desto besser kennen sich Ihre Kontakte. Noch einmal, während dies zunächst gut sein könnte, um einen zu übernehmen Nische, sobald du darin bekannt geworden bist Nische Vielleicht möchten Sie die Dichte unserer verringern Netzwerk.
LinkedIn-Netzwerkhierarchie
Die Hierarchie bewertet, wie abhängig Sie von einigen wenigen zentralen Kontakten sind (stellen Sie sich vor, die meisten Ihrer Kontakte kennen Sie durch Ihren Chef!). Im Allgemeinen möchten Sie Ihre Netzwerk zu verteilen, um die Abhängigkeit von wenigen Ansprechpartnern zu vermeiden. Kurz gesagt, auch in puncto Networking sollten Sie vermeiden, alles auf eine Karte zu setzen.
LinkedIn-Netzwerk Betweenness
Das zeigt Ihnen die Überbrückungschancen (z. B. welcher Ihrer Kontakte Sie einem Cluster näher bringen könnte oder ein Kontakt, der Ihre Kontakte erweitern kann Netzwerk schnell). Zum Beispiel habe ich bemerkt, dass es zwei Kontakte in meinem gibt Netzwerk die mich mit einer Industrie verbinden, in der ich schwächer bin. Ich verbinde mich wieder mit diesen beiden Kontakten, um meine zu erweitern Netzwerk.
Gennaro ist der Schöpfer von FourWeekMBA, das allein im Jahr 2022 rund vier Millionen Geschäftsleute erreichte, darunter C-Level-Führungskräfte, Investoren, Analysten, Produktmanager und aufstrebende digitale Unternehmer | Er ist auch Director of Sales für ein Hightech-Scaleup in der KI-Industrie | Im Jahr 2012 erwarb Gennaro einen internationalen MBA mit Schwerpunkt auf Unternehmensfinanzierung und Geschäftsstrategie.
