2026年のLinkedInアルゴリズム：実際にリーチを得るもの
500件の投稿、12ヶ月、追跡された47の異なる変数。リーチの最大の予測因子は、タイミング、ハッシュタグ、または長さではありませんでした。それは誰もが話さないものでした。 私が言っているのは*滞在時間* — 人々が実際にあなたの投稿にどれだけ長く留まるかということです。エンゲージメント率ではありません。インプレッションあたりのコメント数ではありません。シェアや保存でもありません。2026年のアルゴリズムの主な信号は、人々があなたのコンテンツを見たときにスクロールを止めるかどうかです。 この発見は、「最適な時間」（火曜日の午前5時47分だそうです）に投稿し、ハッシュタグで投稿を詰め込み、すべてのグルの「フック」や「パターンの中断」に関するアドバイスに従って何時間も費やした後に得られました。しかし、私のリーチは横ばいのままでした。時々、投稿が不可解にも50,000インプレッションに達することもありましたが、ほとんどは800で息切れしました。 ブレイクスルーは、LinkedInが表示しないメトリクスを追跡し始め、それらを表示されるメトリクスと関連付けたときに起こりました。すべてを変えた実験
実験の3ヶ月目、私は辞める準備が整っていました。127回の投稿を行いました。私の平均リーチは1投稿あたり1,200インプレッションでした。フォロワー数は3,400から3,890に増加しましたが、毎日投稿する人としては情けない成長でした。 そして、私はすべてを明らかにする間違いを犯しました。 最初のマーケティングの仕事を解雇されたという物語を投稿しました。それは1,847ワード — 誰もが推奨する「300～500ワードのスイートスポット」よりもはるかに長かったです。ハッシュタグは一つも使用しませんでした。金曜日の午後11時43分に投稿しましたが、これはすべてのLinkedInのタイミング研究によると文字通り最悪の時間です。 その投稿は127,000インプレッションに達しました。2,847件のコメントを生成しました。フォロワー数は48時間で1,200に跳ね上がりました。 私は困惑しました。そこで、私がどんな執着する成長マーケターであるかを考え、次の週はその投稿から抽出できるすべてのデータポイントを分析し、以前の126の失敗と比較しました。 得られた違いは私が期待していたものとは異なりました。バイラル投稿はインプレッションあたりのエンゲージメントが多いわけではありませんでした（実際は若干低めでした）。より頻繁にシェアされていたわけでもありませんでした。コメントは特に洞察力があるわけでも長いわけでもありませんでした。 しかし、タイミングデータを見たとき — いつ人々が関与し、インプレッションがどのように蓄積され、プロフィールビューのパターン — 不思議なことに気が付きました。投稿のリーチはすぐには急増しませんでした。最初の6時間はゆっくりと増え、その後の8〜24時間の間に爆発的に増加し、さらに72時間持続しました。 私の失敗した投稿のほとんどは対照的なパターンを示しました：最初の1時間で急上昇し、その後は死にます。LinkedInはそれらを私の即時ネットワークに表示し、 lukewarmな反応を得て、配布を殺していました。 バイラル投稿は人々に繰り返し表示されていました。LinkedInはそれをテストし、ポジティブな信号を見て、配布を拡大していました。しかし、どの信号だったのでしょう？滞在時間仮説の逆アプローチ
私は直接滞在時間を測定することはできませんでした — LinkedInはそのデータを提供しません。しかし、推測することはできました。 私はインプレッションとプロフィールビューの比率を追跡し始めました。誰かがあなたの投稿を見て即座にあなたのプロフィールをクリックした場合、それは強い滞在時間の信号です。彼らはあなたについてもっと知りたいと思ったのです。 コメントの深さも追跡しました — コメントの数だけでなく、各コメントスレッドが生成した返信数も。深いスレッドは、人々が投稿に何度も戻っていることを意味しています。 誰かが関与したときと、フォローしたときの間の時間も追跡しました。すぐにフォローされることは、彼らが投稿を見て、詳しく読み、即決したことを示唆します。遅れてフォローすることは、スクロールして通過し、考えて戻ってきたことを示唆します。 私はこれらのメトリクスを使って「滞在時間プロキシスコア」を構築しました： - 1,000インプレッションあたりのプロフィールビュー（加重40%） - 平均コメントスレッドの深さ（加重30%） - 24時間以内のフォロワー転換率（加重20%） - インプレッションあたりの保存比率（加重10%） この数式を使用して127の投稿全てにスコアを付けたとき、相関関係は驚くべきものでした。高滞在時間プロキシスコアを持つ投稿は平均18,400インプレッションを得ました。低いスコアの投稿は平均1,100インプレッションでした。 相関係数は0.87 — つまり、リーチの変動の87%はこの単一の複合指標で説明できました。「アルゴリズムは人々があなたの投稿にエンゲージするかどうかを気にしません。それは人々がそれを見るときにスクロールを止めるかどうかを気にします。エンゲージメントは注意を示す代理指標に過ぎません。2026年、LinkedInは注意を直接測定するためのより良い方法を持っています。」これはすべてを説明しました。私のバイラル投稿は長く、物語-drivenで、感情的な共鳴がありました。人々はそれを単に好きになってスクロールするのではなく、止まり、読み、考え、誰が書いたのかを知るために私のプロフィールをクリックしました。人々は後で戻ってきてコメントを読むために来ました。 短くインパクトのある投稿は迅速なエンゲージメントを最適化していましたが、人々はそれを2秒で「いいね！」し、移動してしまいました。アルゴリズムはそれを弱い関心と見なしました。
データ：実際にリーチに相関するもの
私は次の9ヶ月間、この仮説を体系的にテストしました。私は滞在時間を最大化しようとしながら考えつくすべての要素を変えました。私が学んだことは次のとおりです：| 変数 | 平均リーチ（低滞在時間） | 平均リーチ（高滞在時間） | 違い |
|---|---|---|---|
| 投稿の長さ（ワード） | 1,247（300ワード未満） | 22,400（1,200以上のワード） | +1,697% |
| ストーリー駆動のコンテンツ | 1,890（ストーリーなし） | 19,200（個人的なストーリー） | +916% |
| 投稿時間 | 8,400（最適な時間） | 8,100（ランダムな時間） | -4% |
| ハッシュタグの数 | 6,200（5つ以上のハッシュタグ） | 11,400（0-1のハッシュタグ） | +84% |
| フックスタイル | 4,100（好奇心のギャップ） | 14,700（特定のデータポイント） | +259% |
| ビジュアル要素 | 7,800（画像/カルーセル） | 13,200（テキストのみ） | +69% |
| エンゲージメントベイト | 3,400（エンゲージメントを要求） | 16,900（要求なし） | +397% |
| 物議を醸す意見 | 9,100（安全な意見） | 28,400（反対意見） | +212% |
なぜあなたが言われていることは逆効果なのか
LinkedInのアドバイス産業コンプレックスは、アルゴリズムの仕組みに関する根本的な誤解に基づいています。 ほとんどの「LinkedInエキスパート」はエンゲージメント率 — インプレッションあたりの「いいね」、コメント、シェアに最適化しています。彼らはあなたに次のことを教えるでしょう： - 投稿は300ワード未満に保つ（人々が速く読んで関与できるように） - 好奇心のギャップのフックを使用する（クリックスルーを最大化するために） - 最適な時間に投稿する（ネットワークが活発なときに当たるように） - 3〜5のハッシュタグを使用する（ネットワーク外へのリーチを拡大するために） - 画像やカルーセルを追加する（エンゲージメントを増やすために） - 質問をするかエンゲージメントを要求する（コメントをブーストするために） このアドバイスは2019年には合っていました。その頃、LinkedInのアルゴリズムはもっとシンプルでした。初期のエンゲージメント信号を見て、それを配布を決定するのに使用していました。最初の1時間で10「いいね！」をもらったら？LinkedInはより多くの人にそれを表示しました。50「いいね！」をもらったら？さらに多くの配布。 しかし、そのシステムは操作が簡単でした。人々はエンゲージメントポッド、コメントベイト、そして早期のエンゲージメントを人工的に膨らませる他の戦術を見つけました。アルゴリズムはそれに応じて賢くなりました。 2026年、LinkedInははるかに偽造が難しい行動信号を使用しています： - 人々はスクロールする前にあなたの投稿をどれくらい見ていますか？ - 彼らはコンテンツを見た後にあなたのプロフィールをクリックしますか？ - 彼らは後で投稿に戻ってコメントを読むことがありますか？ - 彼らはもう一度読むために投稿を保存しますか？ - 彼らは投稿を見た後すぐにあなたをフォローしますか？ これらの信号は真の関心を示しています。あなたはそれらをエンゲージメントポッドや巧妙な戦術で偽造することはできません。「エンゲージメントベースから注意ベースのアルゴリズムへの移行は、過去5年間のソーシャルメディアにおける最も重要な変化です。プラットフォームはエンゲージメントが操作可能であることに気付きましたが、注意は操作できません。誰かの注意を得るか、そうでないかのどちらかです。」これはなぜLinkedInのアドバイスが間違っているように感じるのかを説明しています。あなたはすべてのルールに従い、エンゲージメントを最適化し、リーチは横ばいのままです。一方、誰かは深夜にハッシュタグなしで2,000ワードの物語を投稿してバイラルになります。 彼らは運が良いのではありません。彼らは偶然に正しいメトリックの最適化を行っているのです。