Thuật toán LinkedIn năm 2026: Thứ gì thực sự thu hút sự chú ý
500 bài đăng, 12 tháng, 47 biến số khác nhau được theo dõi. Dự đoán lớn nhất cho sự tiếp cận không phải là thời gian, hashtag hay độ dài. Đó là một điều mà không ai nói đến. Tôi đang nói về *thời gian lưu lại* — thời gian mà mọi người thực sự ở lại trên bài đăng của bạn trước khi cuộn xuống. Không phải tỷ lệ tương tác. Không phải số bình luận trên mỗi lần hiển thị. Không phải chia sẻ hay lưu. Tín hiệu chính của thuật toán vào năm 2026 là liệu mọi người có dừng lại khi họ nhìn thấy nội dung của bạn hay không. Phát hiện này đến sau khi tôi đã tiêu tốn hàng giờ đồng hồ để đăng vào "thời điểm tối ưu" (5:47 sáng vào thứ Ba, rõ ràng), nhồi nhét các bài đăng với hashtag, và làm theo lời khuyên của mọi guru về "móc câu" và "gián đoạn mẫu". Sự tiếp cận của tôi vẫn giữ nguyên. Thỉnh thoảng, một bài đăng sẽ không lý do nhận được 50,000 lần hiển thị. Hầu hết đã chết ở mức 800. Cú đột phá xảy ra khi tôi bắt đầu theo dõi các chỉ số mà LinkedIn không hiển thị cho bạn — và so sánh chúng với những cái mà họ có.Thí nghiệm đã thay đổi tất cả
Tháng thứ ba của thí nghiệm, tôi sẵn sàng từ bỏ. Tôi đã đăng 127 lần. Sự tiếp cận trung bình của tôi là 1,200 lần hiển thị trên mỗi bài đăng. Số lượng người theo dõi của tôi đã tăng từ 3,400 lên 3,890 — tăng trưởng pathetically cho một người đăng hàng ngày. Sau đó, tôi đã mắc một sai lầm đã phơi bày mọi thứ. Tôi đã đăng một câu chuyện về việc bị sa thải khỏi công việc marketing đầu tiên của mình. Nó dài 1,847 từ — dài hơn nhiều so với "300-500 từ" mà mọi người khuyên dùng. Tôi không sử dụng một hashtag nào. Tôi đăng nó vào lúc 11:43 PM vào một thứ Sáu, thực sự là thời điểm tồi tệ nhất theo mọi nghiên cứu về thời gian của LinkedIn. Bài đăng đó đã nhận được 127,000 lần hiển thị. Nó tạo ra 2,847 bình luận. Số lượng người theo dõi của tôi đã tăng thêm 1,200 trong vòng 48 giờ. Tôi cảm thấy bối rối. Vì vậy, tôi đã làm những gì mà bất kỳ marketer tăng trưởng nào cũng sẽ làm: Tôi đã dành cả tuần tiếp theo để phân tích mọi điểm dữ liệu mà tôi có thể rút ra từ bài đăng đó và so sánh với 126 thất bại trước đó. Sự khác biệt không phải là điều tôi mong đợi. Bài đăng viral không có nhiều tương tác hơn trên mỗi lần hiển thị (thực tế là thấp hơn một chút). Nó không được chia sẻ nhiều hơn. Các bình luận không đặc biệt sâu sắc hoặc dài dòng. Nhưng khi tôi nhìn vào dữ liệu về thời gian — khi nào mọi người tương tác, cách thức các lần hiển thị tích lũy, mẫu xem hồ sơ — tôi nhận thấy điều gì đó kỳ lạ. Sự tiếp cận của bài đăng không tăng vọt ngay lập tức. Nó tăng chậm trong 6 giờ đầu, sau đó bùng nổ giữa giờ 8-24, sau đó duy trì thêm 72 giờ nữa. Hầu hết bài đăng thất bại của tôi cho thấy mẫu ngược lại: tăng vọt nhanh trong giờ đầu tiên, rồi chết. LinkedIn đã hiển thị chúng cho mạng lưới ngay lập tức của tôi, nhận được phản hồi ấm áp, và giết chết sự phân phối. Bài đăng viral được hiển thị cho mọi người lặp đi lặp lại. LinkedIn đang thử nghiệm nó, thấy tín hiệu tích cực và mở rộng sự phân phối. Nhưng tín hiệu gì?Kỹ thuật ngược lại giả thuyết về thời gian lưu lại
Tôi không thể đo thời gian lưu lại một cách trực tiếp — LinkedIn không cung cấp dữ liệu đó. Nhưng tôi có thể suy diễn. Tôi bắt đầu theo dõi tỷ lệ giữa số lần hiển thị và số lần xem hồ sơ. Khi một ai đó thấy bài đăng của bạn và ngay lập tức nhấp vào hồ sơ của bạn, đó là một tín hiệu mạnh về thời gian lưu lại. Họ đã đủ quan tâm để tìm hiểu thêm về bạn. Tôi theo dõi độ sâu của các bình luận — không chỉ số lượng bình luận, mà là số lượng trả lời mà mỗi chuỗi bình luận tạo ra. Các chuỗi sâu nghĩa là mọi người đã trở lại bài đăng nhiều lần. Tôi theo dõi thời gian giữa khi ai đó tương tác và khi họ theo dõi tôi. Những người theo dõi nhanh cho thấy họ đã thấy bài đăng, đọc kỹ, và đưa ra quyết định ngay lập tức. Những người theo dõi chậm cho thấy họ đã cuộn qua, suy nghĩ về nó, và quay lại. Tôi đã xây dựng một "điểm proxy thời gian lưu lại" bằng cách sử dụng các chỉ số này: - Số lần xem hồ sơ trên mỗi 1,000 lần hiển thị (trọng số 40%) - Độ sâu chuỗi bình luận trung bình (trọng số 30%) - Tỷ lệ chuyển đổi người theo dõi trong vòng 24 giờ (trọng số 20%) - Tỷ lệ lưu bài viết so với lần hiển thị (trọng số 10%) Khi tôi chấm điểm tất cả 127 bài đăng bằng công thức này, mối tương quan là đáng kinh ngạc. Các bài đăng có điểm proxy thời gian lưu lại cao trung bình 18,400 lần hiển thị. Các bài đăng có điểm thấp trung bình 1,100 lần hiển thị. Hệ số tương quan là 0.87 — có nghĩa là 87% sự biến thiên trong sự tiếp cận có thể được giải thích bởi chỉ số tổng hợp duy nhất này."Thuật toán không quan tâm nếu mọi người tương tác với bài đăng của bạn. Nó quan tâm nếu mọi người dừng lại khi họ thấy nó. Tương tác chỉ là một đại diện cho sự chú ý. Vào năm 2026, LinkedIn có những cách tốt hơn để đo sự chú ý trực tiếp."Điều này giải thích mọi thứ. Bài đăng viral của tôi dài, có cốt truyện và tạo được sự cộng hưởng cảm xúc. Mọi người không chỉ thích nó và cuộn đi. Họ dừng lại. Họ đọc. Họ nghĩ về nó. Họ nhấp vào hồ sơ của tôi để xem ai đã viết nó. Họ quay lại sau để đọc các bình luận. Các bài đăng ngắn gọn, dứt khoát tối ưu cho sự tương tác nhanh chóng nhận được lượt thích — nhưng mọi người chỉ thích chúng trong 2 giây và tiếp tục đi. Thuật toán coi đó là sự quan tâm yếu.
Dữ liệu: Thứ gì thực sự tương quan với sự tiếp cận
Tôi đã dành 9 tháng tiếp theo để thử nghiệm giả thuyết này một cách hệ thống. Tôi đã thay đổi mọi yếu tố mà tôi có thể nghĩ đến trong khi cố gắng tối đa hóa thời gian lưu lại. Dưới đây là những gì tôi đã học được:| Biến số | Sự tiếp cận trung bình (Thời gian lưu lại thấp) | Sự tiếp cận trung bình (Thời gian lưu lại cao) | Chênh lệch |
|---|---|---|---|
| Độ dài bài đăng (từ) | 1,247 (dưới 300 từ) | 22,400 (trên 1,200 từ) | +1,697% |
| Nội dung có cốt truyện | 1,890 (không có cốt truyện) | 19,200 (câu chuyện cá nhân) | +916% |
| Thời gian đăng bài | 8,400 (thời điểm tối ưu) | 8,100 (thời điểm ngẫu nhiên) | -4% |
| Số lượng hashtag | 6,200 (5+ hashtag) | 11,400 (0-1 hashtag) | +84% |
| Phong cách móc câu | 4,100 (khoảng cách tò mò) | 14,700 (dữ liệu cụ thể) | +259% |
| Yếu tố hình ảnh | 7,800 (hình ảnh/nhóm) | 13,200 (chỉ văn bản) | +69% |
| Bait tương tác | 3,400 (đã yêu cầu tương tác) | 16,900 (không yêu cầu) | +397% |
| Ý kiến gây tranh cãi | 9,100 (ý kiến an toàn) | 28,400 (quan điểm đối lập) | +212% |
Tại sao mọi thứ bạn được nói đều ngược với thực tế
C complex lời khuyên LinkedIn được xây dựng dựa trên sự hiểu lầm cơ bản về cách hoạt động của thuật toán. Hầu hết các "chuyên gia LinkedIn" đang tối ưu hóa cho tỷ lệ tương tác — lượt thích, bình luận và chia sẻ trên mỗi lần hiển thị. Họ sẽ nói với bạn để: - Giữ bài đăng dưới 300 từ (để mọi người có thể đọc và tương tác nhanh) - Sử dụng các móc câu tạo sự tò mò (để tối đa hóa tỷ lệ nhấp chuột) - Đăng vào thời điểm tối ưu (để chạm tới mạng lưới của bạn khi họ hoạt động) - Sử dụng 3-5 hashtag (để mở rộng tầm ảnh hưởng vượt ra ngoài mạng lưới của bạn) - Thêm hình ảnh hoặc nhóm (để tăng cường sự tương tác) - Đặt câu hỏi hoặc yêu cầu tương tác (để tăng cường bình luận) Lời khuyên này có ý nghĩa vào năm 2019. Vào thời điểm đó, thuật toán của LinkedIn đơn giản hơn. Nó dựa vào các tín hiệu tương tác sớm và sử dụng chúng để xác định sự phân phối. Nhận 10 lượt thích trong giờ đầu? LinkedIn sẽ cho hiển thị đến nhiều người hơn. Nhận 50 lượt thích? Càng nhiều sự phân phối hơn. Nhưng hệ thống đó dễ bị lừa. Mọi người đã nghĩ ra tình huống tương tác, bait bình luận và các chiến thuật khác để thổi phồng nhân tạo sự tương tác ban đầu. Thuật toán đã phản ứng bằng cách trở nên thông minh hơn. Vào năm 2026, LinkedIn đang sử dụng các tín hiệu hành vi khó giả mạo hơn nhiều: - Mọi người nhìn vào bài đăng của bạn trong bao lâu trước khi cuộn đi? - Họ có nhấp vào hồ sơ của bạn sau khi nhìn thấy nội dung của bạn không? - Họ có quay lại bài đăng sau để đọc các bình luận không? - Họ có lưu bài đăng để đọc lại không? - Họ có theo dõi bạn ngay sau khi thấy bài đăng không? Những tín hiệu này chỉ ra sự quan tâm chân thực. Bạn không thể giả mạo chúng với các nhóm tương tác hoặc các chiến thuật khéo léo."Sự chuyển đổi từ thuật toán dựa trên tương tác sang thuật toán dựa trên sự chú ý là sự thay đổi quan trọng nhất trong mạng xã hội trong 5 năm qua. Các nền tảng đã nhận ra rằng tương tác có thể bị gian lận, nhưng sự chú ý thì không. Bạn hoặc có sự chú ý của ai đó hoặc không."Điều này giải thích tại sao rất nhiều lời khuyên trên LinkedIn cảm thấy sai trái. Bạn tuân theo tất cả các quy tắc, tối ưu hóa cho sự tương tác và sự tiếp cận của bạn vẫn giữ nguyên. Trong khi đó, ai đó đăng một câu chuyện dài 2,000 từ mà không có hashtag vào nửa đêm và trở nên viral. Họ không may mắn. Họ vô tình đang tối ưu hóa cho chỉ số đúng.