31 mayo 2021 2018 palabras, 9 min. read Última actualización : 12 junio 2021

Los 3 factores que determinan el 55% del éxito de sus publicaciones en LinkedIn

Por Pierre-Nicolas Schwab Doctor en marketing, director de IntoTheMinds
Es necesario entender cómo funciona el algoritmo de LinkedIn para mantenerse visible en esta red social. Este artículo revela los resultados de un análisis que realicé utilizando 4,599 millones de publicaciones en LinkedIn en 193 países. Los resultados son sorprendentes […]

Es necesario entender cómo funciona el algoritmo de LinkedIn para mantenerse visible en esta red social. Este artículo revela los resultados de un análisis que realicé utilizando 4,599 millones de publicaciones en LinkedIn en 193 países. Los resultados son sorprendentes y desafían muchas nociones preconcebidas. Sólo hay 3 factores que intervienen en la visibilidad de las publicaciones en LinkedIn. Este artículo también incluye los resultados de una investigación que ya publiqué anteriormente sobre el efecto de los hashtags, la influencia del número de palabras y el impacto de los emoji en la popularidad de las publicaciones en LinkedIn.

Si le interesa mi análisis, le animo a que se suscriba a mi newsletter más abajo (asegúrese de hacer clic en el enlace de confirmación que le enviaré) y a que me envíe una solicitud en … LinkedIn? También puede descargar gratuitamente el informe completo de 36 páginas en formato pdf.

Índice


crédits : Shutterstock

Introducción

Entender el funcionamiento de los algoritmos es un reto para cualquier persona activa en las redes. Los algoritmos determinan la visibilidad de sus contribuciones en la red. LinkedIn no es una excepción. El «tiempo de permanencia» es el principio que rige la visibilidad en esta red profesional.  Pero, ¿cómo es posible «hackear» el algoritmo sin recurrir a métodos prohibidos (comprar likes, pod)?

Para responder a esta pregunta, he utilizado un conjunto de datos de 4,599 millones de publicaciones en LinkedIn proporcionado por Linkalyze. Lo preparé utilizando las soluciones de ciencia de datos propuestas por TIMi: Anatella para la preparación de datos, Modeler para el modelado estadístico. Le invito a leer la parte de este artículo dedicada a la metodología. Encontrará todos los detalles técnicos y la receta técnica que le permitirá preparar los datos con Anatella y «hacerlos hablar» con Modeler.

Resumen de los resultados

  • Sólo 3 factores ejercen una influencia estadísticamente significativa en la visibilidad de las publicaciones en LinkedIn: el número de personas en su red, el número de palabras y el número de emoji.
  • Variables como los hashtags, el idioma de la publicación o el país no influyen significativamente en la visibilidad de las publicaciones de LinkedIn.
  • El tamaño de su red explica el 34% de la visibilidad de sus publicaciones en LinkedIn.
  • El número de palabras utilizadas en sus publicaciones de LinkedIn representa el 19,1% de su visibilidad
  • Los emoji explican sólo el 2,4% de la probabilidad de obtener 100 o más reacciones.
  • El 51,04% de los usuarios de LinkedIn tiene menos de 1442 conexiones, sólo el 7% tiene más de 10000 y el 1,3% tiene más de 20000.
  • El 80,3% de las publicaciones en LinkedIn incluye menos de 92 palabras.
  • El 2,2% de las publicaciones en LinkedIn incluye más de 200 palabras.
  • El 80,12% de las publicaciones en LinkedIn no contiene ningún emoji.

Resultados detallados: los 3 factores que influyen en la visibilidad de sus publicaciones en LinkedIn

En primer lugar, es esencial definir el término «visibilidad» en LinkedIn. En este análisis, he explorado la probabilidad de obtener 100 reacciones (me gusta y comentarios) para miembros con 25.000 conexiones como máximo. Por lo tanto, he hecho 2 elecciones arbitraries, es decir:

  • mi deseo de definir un objetivo binario (100 reacciones) que es probable pero poco frecuente;
  • la necesidad de eliminar las cuentas que distorsionan los resultados (personalidades seguidas por cientos de miles o incluso millones de personas).

Nota metodológica: variables consideradas en el modelo

En un análisis anterior, estudié el papel de los hashtags. En este análisis preliminar, no he incluido los emoji. Sin embargo, parece que el impacto de los emoji, aunque sea modesto, supera al de los hashtags hasta el punto de hacer que estos últimos sean insignificantes.

Este tipo de fenómeno es bastante común y aparece cuando se consideran nuevas variables en un modelo de predicción.

Por lo tanto, es probable que los resultados cambien a medida de que se incluyan nuevas variables en el modelo. Actualmente, el modelo de previsión considera las siguientes variables

  • tamaño de la red
  • número de hashtags
  • número de emoji
  • número de palabras
  • idioma
  • país

Al final, sólo 3 factores juegan un papel importante en el número de reacciones (y por tanto en la visibilidad) de sus publicaciones en LinkedIn:

  • El 34% del efecto se explica por el tamaño de la red
  • El 19,1% por el número de palabras
  • El 2,4% por los emoji

Estos 3 factores explican el 55% de la visibilidad. Los factores que componen el 45% restante todavía no se conocen.


Factores que no influyen: idioma, país y … hashtag

El país y el idioma no afectan a la probabilidad de obtener 100 reacciones en una publicación de LinkedIn. Es una buena noticia porque significa que no es necesario vivir en Estados Unidos ni escribir en inglés para lograr este objetivo.

Sin embargo, es una sorpresa descubrir que los hashtags tampoco ejercen ninguna influencia estadística. En otras palabras, los hashtags no influyen significativamente en la probabilidad de obtener 100 reacciones. En el primer modelo que publiqué en el blog, todavía no se tenían en cuenta los emoji, «dejando espacio» para que los hashtags ejercieran su efecto. Pero en cuanto se incluyó el emoji en el modelo, su impacto, aunque modesto (2,4% del total), «aplastó» al de los hashtags.


Factor nº 1: El tamaño de su red afecta a la visibilidad de sus publicaciones en LinkedIn

Un análisis de estos 4,599 millones de publicaciones en LinkedIn muestra claramente el efecto del tamaño de la red. En definitiva, es bastante lógico: cuanto mayor sea la red de un miembro de LinkedIn, más probabilidades tendrá de conseguir apoyos en una de sus publicaciones.

Sin embargo, es sorprendente ver la influencia de esta variable: el 34%. En otras palabras, alcanzar 100 reacciones en LinkedIn está condicionado por 1/3 por el tamaño de la red. En pocas palabras, la probabilidad de obtener 100 reacciones aumenta un 1% por cada 500 conexiones.

network size effect on linkedin post reach

El 50% de los usuarios de LinkedIn tiene menos de 1442 conexiones. Con 1.442 conexiones, tenemos una probabilidad de 1 entre 50 de conseguir 100 likes/comentarios (2%).

Sin embargo, con 24.000 conexiones, la probabilidad aumenta al 19%. Casi 10 veces más.

Conclusión nº 1: Si quiere ser visible en LinkedIn, asegúrese de tener una red amplia. Esta es la clave del éxito. Lamentablemente, LinkedIn acaba de limitar a 100 el número de invitaciones que se pueden enviar cada semana. Así que tendrá que desarrollar estrategias alternativas, como expliqué en este artículo.


Factor nº 2: El número de palabras representa el 19,1% de la viralidad de las publicaciones en LinkedIn

El segundo factor importante es el número de palabras de la publicación en LinkedIn. Supone casi el 20% de la probabilidad de llegar a los 100 likes o comentarios.

Un post que contenga entre 220 y 230 palabras tiene 6 veces más posibilidades de obtener 100 likes/comentarios que un post medio.

Como expliqué detalladamente en este artículo, el efecto no es lineal. Es visible un punto de inflexión alrededor de las 150-170 palabras. Esto significa que hay interés en superar este límite al escribir contenidos..

Este efecto se explica por los cambios realizados en el algoritmo de LinkedIn en 2020. «El tiempo de permanencia» se convierte en la variable que afecta a la visibilidad de una publicación dentro de la red de LinkedIn y, por tanto, a su capacidad de recibir likes o comentarios. El «tiempo de permanencia» mide el tiempo de interacción con el contenido. Cuanto más tiempo pasa un usuario leyendo un contenido, más el algoritmo cree que ese contenido es interesante y merece ser expuesto a otras personas en la red. Un contenido de 224 palabras tiene más probabilidades de enganchar al usuario durante más tiempo que un contenido de 50 palabras. Así, el efecto era previsible, pero se cuantifica por primera vez.

En cuanto al punto de inflexión visible en torno a las 150-170 palabras, no puedo explicar qué puede representar.

Conclusión n°2: para atraer likes y comentarios en LinkedIn, es mejor escribir posts largos que superen las 176 palabras.


Factor nº 3: el número de emoji influye en el éxito de sus publicaciones en LinkedIn

La última variable con un efecto significativo es el número de emoji. Lo he discutido en detalle aquí.

Vemos un efecto positivo desde el primer emoji. En otras palabras, poner un solo emoji en una publicación de LinkedIn ya aumenta las posibilidades de obtener 100 likes/comentarios.

La razón es bastante sencilla de entender viendo la distribución estadística de las publicaciones de LinkedIn en emoji. El 80% de las publicaciones no contiene ni un emoji. Incluyendo 16 emoji, como se ve en el gráfico siguiente, obtendrá un buen resultado.

Con 16 emoji, las posibilidades de superar las 100 reacciones se multiplicarán por 2,5.

El análisis no dice dónde hay que incluir estos emoji ni cuáles e tienen que utilizar.

Conclusión n°3: Incluya emoji en sus publicaciones de LinkedIn, y preferiblemente muchos. Mi intuición me dice que los emoji visibles en las 3 primeras líneas del post son decisivos, pero todavía tengo que probarlo.


Metodología detallada

Utilicé TIMi Modeler para encontrar el modelo de predicción más eficaz.

En concreto, he considerado 6 variables independientes:

  • el nombre de la persona que publicó el mensaje
  • el país introducido en el perfil del autor
  • el idioma en el que se escribió la publicación
  • el número de palabras
  • el número de emoji
  • el número de hashtags

Para evitar introducir un sesgo, se eliminaron del conjunto de datos a los miembros de LinkedIn con una red de más de 25.000 miembros. Los VIPs no tienen problemas para conseguir 100 likes, a diferencia de los simples mortales como usted y yo.

 

qualité modélisation facteurs visibilité posts Linkedin

Modelé la variable predicha en forma binaria. En lugar de predecir el número de «me gusta» o de «comentarios», intenté predecir la probabilidad de superar las 100 reacciones (me gusta + comentarios).

Elegí este límite de 100 reacciones de forma arbitraria porque menos del 3% de las publicaciones en LinkedIn alcanzaron este umbral. Yo, hasta hace poco, sólo lo había alcanzado una vez.

Probé diferentes tipos de modelado (CART, bosque aleatorio), pero al final, obtuve los mejores resultados utilizando el algoritmo «interno» de TIMi Modeler. El AUC (Área bajo la curva) es del 62% con 3 variables. Esto significa que 3 de las 6 variables hicieron una «contribución» significativa en la predicción del resultado.

 


crédits : Shutterstock

Conclusiones generales

Estos primeros resultados proporcionan una visión objetiva de la influencia de varios factores en la visibilidad de las publicaciones en LinkedIn. Estos resultados ponen en tela de juicio los supuestos desarrollados sobre los supuestos efectos de una u otra práctica.

Sin embargo, es fundamental tener en cuenta que;

  • sólo se han tenido en cuenta 6 variables, y que quedan por investigar otros efectos
  • todavía se desconoce la relación causal entre estos factores (emoji, número de palabras) y el número de reacciones. En este momento, es imposible decir si es el algoritmo el que empuja las publicaciones que contienen emoji o si los emoji atraen la atención de los usuarios que hacen más clic en ellos y envían una señal positiva al algoritmo.

Así pues, aún queda mucho camino por recorrer antes de entender todos los detalles del algoritmo de Linkedin (si es que es posible entenderlo).


Agradecimientos

Al final de este primer análisis, me gustaría dar las gracias a Sylvain Tillon, Thomas Pons y Laetitia Verrière de Linkalyze, que me proporcionaron el conjunto de datos.

Mi más sincero agradecimiento también a Frank Vanden Berghen por facilitar el conjunto TIMi utilizado en este trabajo.


Informe completo para descargar

factores- viralidad-LinkedIn


Posted in big data, Sin categorizar.

2 comentarios

  1. Hola! quisiera saber si las publicaciones corresponían a páginas empresa o perfiles personales. No me queda claro. Muchas gracias

Publique su opinión

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *