האלגוריתם של לינקדאין – Brew360

איך לינקדאין “מדרגת” פוסט היום (High-level Scoring) ?

זה לא ניקוד רשמי שמפורסם עם משקולות, אבל לפי מה שלינקדאין פרסמה ומה שנמדד בשטח—המודל היום מנבא “מה יעניין את מי” על בסיס מודל יסוד מרכזי (360Brew) + אותות מעורבות/רלוונטיות היסטוריים:

מודל מרכזי 360Brew:מודל LLM גדול (~150B) שמחליף אלפי מודלי דירוג נפרדים ומשרת כמה “משטחים” (פיד, “אנשים שאולי תכיר”, משרות ועוד). הוא לומד מהיסטוריית אינטראקציות והקשרים כדי לנבא למי הפוסט יהיה רלוונטי.

אז מה חשוב?

Dwell Time (זמן שהייה):אחד האותות החשובים מהנדסת לינקדאין עצמה: כמה זמן אנשים נעצרים/קוראים לפני/אחרי קליק. זמן שהייה ארוך מנבא עניין ולכן מעלה דירוג; זמן קצר מאותת לדחוף הלאה.

קרבה ורלוונטיות זהות/רשת:חוזק הקשר (תגובות הדדיות, מסרים, מעקב), עניין נושאי (האשטגים/נושאים שאותו משתמש צורך) והיסטוריית אינטראקציות עם היוצר—מגדילים את הסיכוי לחשיפה. (תקצירי best-practice עדכניים).

איכות מעורבות, לא רק כמות:תגובות משמעותיות ושיתופים/שמירות נשקלים יותר מלייקים “דקים”. המערכת מרחיבה קהלים כשיש איכות אינטראקציות מוקדמות. (סיכומי 2024–2025).

מודל סקורינג קונספטואלי (לא רשמי, אבל עובד מצוין מעשית)

נוח לחשוב כך (כדי לעצב תוכן):

Score ≈ P(Stop) · P(Read) · P(Interact_quality) · CreatorTrust · TopicalMatch · Freshness

P(Stop)= האם העין נעצרת (כותרת/שורה ראשונה/ויז’ואל). קשור לדוול-טיים ראשוני.

P(Read)= האם גוללים וקוראים/שומרים (מבנה שמירה, בהירות).

P(Interact_quality)= הסתברות לתגובה עניינית/שיתוף/שמירה (CTA חכם, שאלה ממוקדת).

CreatorTrust = עקביות נושאית/מומחיות נתפסת של היוצר.

TopicalMatch= התאמה לנושאים שהקהל צורך.

Freshness = טריות לעומת “ערך נצבר” (לינקדאין מאזנת: לא רק חדש—גם תוכן רלוונטי לאורך זמן).

איך עושים פוסט ויראלי (Playbook ממוקד)

מטרתנו: להקפיץ את P(Stop)→P(Read)→P(Interact_quality) תוך ניצול TopicalMatch ו-CreatorTrust.

א. Hook (3–5 שניות ראשונות) – מעלה P(Stop)

פתח בשורה פעולה/מספר: “7 טעויות שמורידות לכם 40% חשיפה בגיוס” או “טבלת שכר PM 2025: דראפט עובד”.

עדיף ללא לינק חיצוני בראש הפוסט; ויז’ואל אחד נקי עוזר לעצירה.

ב. גוף לשמירה – מעלה P(Read) ו-Saves

תן צ’ק-ליסט/טבלה/קרוסלה עם ערך פרקטי (Template, KPI-List, Pricing). “תוכן שמירת מדף” נצרך שוב ומאותת איכות.

ג. CTA חכם – מעלה Interact_quality

לא “מה דעתכם?”, אלא שאלה ממקדת כישורי-על:

“איזה KPI אחד אתם דורשים מ-VP Marketing לפני הצעה—ולמה?”

עודד דוגמאות מהשטח (מגביר תגובות איכותיות ושיח).

ד. סידינג איכותי (60 דקות ראשונות)

שלח ל-3–7 אנשי מפתח שמסוגלים להגיב עניינית. עדיף תגובות שמוסיפות נתון/דוגמה not “+1”. זה אות חזק להרחבת קהל.

ה. ניהול שרשורים

השב לכל תגובה מהותית עם שאלת המשך/מספר (מעמיק Dwell ותגובות).

הוסף בשרשור קבצי מיני-טמפלטים (Google Sheet/Doc) כדי לעודד שמירות/שיתופים.

ו. עקביות נושאית

פרסם סביב 2–3 “עמודי-תוכן” קבועים (למשל: שכר, KPIs, פלייבוקים לריאיונות). זה בונה CreatorTrust ומתאים את הקהל לאורך זמן.

ז. טיימינג וקצב

2–4 פוסטים איכותיים בשבוע. לטסטינג—פרסם בשעות שבהן הקהל המקצועי שלך פעיל בישראל; עקוב אחרי Visits/Comments/Saves. (Best-practice עדכני).

תבנית “ויראלית” מוכנה (להעתקה)

כותרת:

[טבלת KPI לגיוס VP Sales – מה באמת מנבא רווחיות]

פתיח (שורה-שתיים):

אחרי 38 ריאיונות השנה—זה ה-KPI שגרם לי לעצור. צירפתי טבלה לשמירה.

גוף (לשמור):

Pipeline → SQL→ Win% (יעד/ביצוע, מרווחי טעות).

CAC-Payback (לפני/אחרי שינוי אסטרטגי).

Expansion vs New Logo (יחס + דוגמה).

Cycle Time (שינוי אחרי Enablement X).

3 כשלים שחוזרים—ומה שינה את המשחק.

CTA לדיון איכותי:

איזה KPI אחד הייתם דורשים מחבר’ה שמבקשים 1M ₪ OTE? תנו מספר + הקשר.

אחרי השקה (שעה ראשונה):

להביא 3–5 מומחי מכירות שיגיבו עם דוגמאות/מספרים (לא “יפה”).

בונוס: בדיקת AB מהירה (שבוע)

Hook A/B: שורת פתיחה נתון-מוביל מול שאלה-ממוקדת. מדד: Stop→Read (דיווח עוקף דרך CTR על “ראה עוד” + שמירות).

מבנה A/B:פוסט טקסט מול קרוסלה. מדד: Saves/Views ו-Comments/Views.

CTA A/B: “ספרו דוגמה” מול “העלו טבלה שלכם”. מדד: Comment depth (שרשורים)

לבקשת העוקבים להלן מקורות + לזה הוא הוסיף מידע שאסף מרשתות חברתיות ועוד:

1. Weezly – “Master LinkedIn’s 2025 Algorithm: Top Tips” Published: “yesterday” (2025) Source: Weezly https://weezly.com/blog/master-linkedins-2025-algorithm-top-tips/?utm_source=chatgpt.com

---

1. arXiv – “Large Scale Retrieval for the LinkedIn Feed using Causal Language Models” Date: 16 October 2025 Source: arXiv https://arxiv.org/abs/2510.14223?utm_source=chatgpt.com

---

1. LinkedIn Pulse – “The Algorithm Insights Report 2025” Date: Published after 6-month research period (exact date not listed) Source: LinkedIn https://www.linkedin.com/pulse/algorithm-insights-report-2025-here-xdooc?utm_source=chatgpt.com

---

1. Medium – “Decoding LinkedIn: How the Algorithm Shapes Your Feed and Engagement” Date: “4 months ago” (2025) Source: Medium https://medium.com/design-bootcamp/decoding-linkedin-how-the-algorithm-shapes-your-feed-and-engagement-cefc35c3bf96?utm_source=chatgpt.com

---

1. Hootsuite Blog – “How the LinkedIn algorithm works in 2025” Date: 16 July 2025 Source: Hootsuite (Social Media Management Platform) https://blog.hootsuite.com/linkedin-algorithm/?utm_source=chatgpt.com

1. arXiv – “360Brew: A Decoder-only Foundation Model for Personalized Ranking and Recommendation” Date: Jan 27 2025 Source: arXiv https://arxiv.org/abs/2501.16450v2

---

1. Trust Insights – “The Unofficial LinkedIn Algorithm Guide, Fall 2025 Edition” Date: Sept 2025 Source: Trust Insights (PDF guide) https://www.trustinsights.ai/wp-content/uploads/2025/09/the_unofficial_linkedin_algorithm_guide_fall_2025_edition.pdf

---

1. The Linked Blog – “360Brew and the LinkedIn Algorithm: What We Know, What’s Confirmed, and What Remains Unclear?” Date: Oct 21 2025 Source: The Linked Blog https://thelinkedblog.com/2025/360brew-linkedin-algorithm-new-update-3619/

---

1. TourismIQ/Blog Post – “LinkedIn Quietly Rolls Out New Algorithm: 360Brew” Date: Nov 12 2025 Source: TourismIQ (blog post) https://mytourismiq.com/posts/linkedin-quietly-rolls-out-new-algorithm-360brew