LinkedIn算法:LinkedIn写了什么,研究测到了什么,哪些只是转述
LinkedIn算法根据你的互动历史给帖子排序,靠的不是技巧。本文整理LinkedIn官方写了什么、第三方研究测到了什么,并用一张表逐条核对流传的规则。
LinkedIn算法是决定每位会员的信息流(feed)里出现哪些帖子、按什么顺序出现的系统。截至2026年11月,LinkedIn(领英)把它描述为一个模型:先读取你的个人档案和你过去的互动,再预测你接下来会读什么。LinkedIn公开的相关信息,比大多数指南暗示的要少。
关于信息流的说法分三种。有的是LinkedIn自己写的,有的是第三方在一批帖子样本上测出来的,还有的只是在一篇篇指南之间互相转述。在帖子里放链接这件事上,前两种说法指向不同的方向。
我是一名营销工程师(Marketing Engineer):12岁起就在数字领域,20岁起做全方位的营销。这篇指南里的每个说法都标上这三类中的一类,并附上来源链接。
要点先看
- 信息流读的是你的历史。 LinkedIn说,它的排序模型会处理你过去一千多次互动,同时结合行业、技能等个人档案信息。
- 阅读时间算数。 停留时间(dwell time),也就是一条帖子停在你屏幕上的秒数,从2020年起就是有文档记载的信号。
- 链接仍是悬而未决的问题。 据报道,一位LinkedIn产品总监说过平台并没有刻意限制触达,而两项研究分别测到触达少了16%、展示次数少了36%。
- “第一个小时”没有官方来源。 2026年一项覆盖120多万条帖子的分析发现,一条帖子85%的触达出现在发布两小时之后。起步慢的帖子,仍然很少能超过作者自己的平均水平。
- 有些行为受到官方打击。 LinkedIn点名了互动小组(engagement pods),也就是约好互相给对方帖子点赞、评论的群体,还有自动评论。
- 你自己的平均值是有用的参照。 在同一期通讯里,创作者过去的平均值解释了帖子之间触达差异的51%。
LinkedIn算法是什么?
LinkedIn算法是信息流背后的排序系统,信息流就是你打开LinkedIn时看到的那一串帖子。它为每位会员挑出候选帖子,再排好顺序。根据LinkedIn工程博客,信息流服务的专业人士超过13亿。

2026年3月,LinkedIn在新闻中心关于改进信息流的文章里宣布了这个系统的新一代。原文是:“我们正在升级信息流给内容排序的方式,使用更大的序列模型,即生成式推荐模型(Generative Recommenders),并辅以大语言模型(LLM)”。
序列模型按顺序读取你的行为,就像一份清单,记着你读过、跳过和评论过什么。大语言模型就是聊天机器人背后的那类AI,在这里用来理解一条帖子讲的是什么。
很多指南把新系统叫作360Brew。这个名字来自2025年1月关于360Brew的研究论文,论文描述的是一个用LinkedIn数据训练的模型。论文称它是“我们的研究性预生产模型”,所以它描述的并不是一个已经向会员上线的系统。
我为这篇指南读过的官方信息流页面,都没有用这个名字。截至2026年11月,这些页面用的名字是Generative Recommenders,所以我不会把正在运行的信息流叫作360Brew。
2026年LinkedIn算法是怎么运作的?
分两步。先是召回(retrieval)步骤,从所有已发布的内容里为你挑出候选帖子,然后由排序模型把这些候选排好顺序。LinkedIn工程博客说这个排序模型是序列式的,意思是它把你过去的行为按顺序读成一个完整的故事。
模型的起点,是你主动告诉LinkedIn的关于你自己的信息。新闻中心的文章说,这些模型“会看你选择分享的信号,比如你的行业、技能、经历和地区,同时结合你长期以来与内容互动的方式”。
第二个输入是行为。工程博客说,模型并不是孤立地给每条帖子打分,而是处理“你一千多次历史互动”。它预测两组行为:“被动任务(点击、跳过、长时间停留)和主动任务(点赞、评论、分享)”。
LinkedIn举了个例子:你周一和一条关于机器学习的帖子互动,周二和分布式系统的内容互动,周三再次打开LinkedIn。博客的评论是:“传统模型看到的是三个独立的决定;序列模型理解的是其中的轨迹”。
很多第三方指南描述了三到四个固定阶段,先在一小群受众里做第一轮测试。我读过的官方文本里没有这个流程,所以我把它当作外部作者的描述。
质量过滤是官方说法,LinkedIn关于信息流相关性的帮助页面有描述。原文是:“这些算法还会过滤掉低质量和不安全的内容,或逐步减少其分发,以提升你在信息流中看到的内容的价值”。
LinkedIn说它用了哪些信号?
LinkedIn的帮助页面说,它“评估三大类信号”:身份、内容和活动。身份是你在个人档案上是谁,内容是一条帖子讲什么,活动是你在信息流里做了什么。页面没有给出它们的权重。

内容包括一条帖子被查看或互动的频率、它有多新,以及“它是否提供知识或建议”。活动包括你花最多时间看的内容,以及你经常或最近互动的人。
同样这些文本也说明了哪些不算在内。工程博客说,排序依据的是职业信号和互动模式,“从不使用人口统计属性”。
作者这一侧也算数。LinkedIn工程副总裁Tim Jurka在他2025年8月关于信息流如何运作的文章里谈到了这一点。他写道,系统会考虑作者的职业身份,“比如经历、个人档案上分享的内容和技能”。
这也是我会先把个人档案填完整、再去琢磨帖子的原因之一。具体步骤见我的LinkedIn个人主页优化指南。
有些指南在每个排序信号旁边写上百分比或权重。那些数字是作者自己的估计。在我读过的文本里,LinkedIn没有公布任何信号的权重。
停留时间是什么,为什么重要?
停留时间是一条帖子停在你屏幕上的时间,以秒计。LinkedIn在2020年关于停留时间的工程文章里解释过它,至今仍把阅读时间列为信号之一。它之所以重要,是因为很多会员只读不点,也不做任何反应。
2020年的文章给出了理由:“点击和传播类行为可能很少见,对信息流里的被动消费者来说尤其如此”。
在信息流里,计时“在一条动态至少有一半可见时开始”。
新模型保留了这个信号。关于LinkedIn序列式信息流排序器的研究论文这样定义它:“长时间停留:在一条帖子上停留超过某个时间阈值,阈值取决于帖子类型”。论文没有写出这个阈值,所以任何报出具体秒数的指南,我都不太信。
阅读时间是我在自己的草稿里留出篇幅的原因之一:讲清楚发生了什么,给出一个数字,再说明它意味着什么。这是一个编辑习惯,不是对触达的承诺。
2026年LinkedIn算法有哪些变化?
2026年3月,LinkedIn把信息流排序换成了上文说的Generative Recommenders,并写明这些变化已经在逐步上线。它还说,在接下来几个月里会努力让互动小组和自动评论失效,并过滤掉纯粹为了收集反应而写的帖子。到2026年10月,它扩大了针对低质量AI内容的自动过滤。
LinkedIn用一句话说明了目标:“我们希望信息流与你的兴趣相关,而不是一场人气比赛”。
这个系统也一直在变。LinkedIn产品管理副总裁Gyanda Sachdeva在她2025年12月整理的信息流热门问题里回答过这个问题:“是的,算法一直在变”。她还补充:“并不是每次改动都能马上被察觉,有些实验效果不好,我们就会撤回”。
流传的规则:官方、实测,还是只是转述?
关于信息流的规则来自三类来源:LinkedIn本身、测量过某个样本的第三方,或者互相转述的指南。下表列出八条规则,以及各个来源怎么说、每条规则目前处于什么状态。一项研究只是某个时期对某个样本的测量,不是平台的规则。
| 流传的规则 | LinkedIn怎么说 | 研究测到了什么 | 状态 |
|---|---|---|---|
| 帖子里放链接会降低触达 | 据报道,一位产品总监说平台没有刻意限制触达 | 一项研究测到触达少16%,另一项测到展示次数少36% | 悬而未决 |
| 把链接放在第一条评论里 | 官方文本里没有提到 | 一位作者报告评论被隐藏、转化更少;ContentIn转述的其他测试发现没有差别或结果相反 | 非官方;数据互相矛盾 |
| 第一个小时决定一切 | 官方文本里没有提到 | 一位作者发现85%的触达出现在头两个小时之后,起步慢的帖子只有8%超过作者平均水平 | 非官方;一项分析指向相反方向 |
| 互动小组有帮助 | 正在努力让互动小组失效 | 我的来源里没有样本 | 官方打击 |
| 话题标签能增加触达 | 话题标签不影响分发 | 我的来源里没有样本 | 官方否认 |
| 编辑帖子会伤害它 | 官方文本里没有提到 | 一位作者建议最多改5%,没有说明方法 | 只是转述 |
| 一天发不止一条会有伤害 | 不会影响总触达,但单条帖子的互动可能会波动 | Buffer测到较忙的周里每条帖子展示次数更多;Ordinal引用Linkboost的数据,一天发两条或以上时单条触达更低 | 总触达方面被否认;单条帖子方面数据互相矛盾 |
| 信息流模型叫360Brew | 信息流页面用的名字是Generative Recommenders | 一篇2025年的研究论文把这个名字用于一个预生产模型 | 未确认用于正在运行的信息流 |
帖子里放链接会降低触达吗?
据报道,一位LinkedIn产品总监说过平台没有刻意限制触达,而两项第三方研究在带链接的帖子上测到了更低的数字。一项发现触达少了16%,另一项发现展示次数少了36%。两个说法可以同时成立,因为研究显示的是一个样本发生了什么,而不是为什么。

官方这一侧的说法是二手的。ContentIn关于帖子链接的文章转述了LinkedIn产品管理高级总监Rishi Jobanputra在2025年一段视频里的回答。转述的原话是:“我们不会刻意限制带链接帖子的触达”。
这句话是通过ContentIn的文章、而不是原视频传到这篇指南里的,所以我按转述的形式传递它。Jack Appleby在2026年3月为他的Future Social通讯向LinkedIn高管提问,报告的也是同样的立场。按他的总结,算法不会因为一条帖子链接到别的网站就区别对待它。
第一项研究出自Richard van der Blom,他写过一份关于LinkedIn算法的付费报告。他2026年7月关于链接和触达的通讯基于“2026年3月到6月间发布的近300,000条帖子”。结论是:“现在,一个外部链接会让一条帖子损失16%的触达”。
他补充说,这个数字在4月是18.8%。详细数据在他的付费报告里,所以方法无法公开核查。
第二个数字来自LinkPost的研究,由Ordinal关于这项链接研究的文章转述。它覆盖2026年发布的358,000条帖子,账号类型混合。带链接帖子的展示次数中位数是448,不带链接的是705,差距为36%。
中位数是处在中间的那个值,一半帖子高于它,一半低于它。Ordinal补充了两点提醒。
第一点关于账号类型。Ordinal说,在它自己的数据里,差距主要落在公司主页上,“而个人档案几乎没有差距”,但它没有公布这个拆分的数字。ContentIn转述的一项Metricool研究发现的情况正相反:带链接的个人档案展示次数更少,公司主页反而更多。
第二点关于因果。Ordinal把这个差距称为“在大样本中观察到的相关性”。相关性指两件事一起变化,但不能证明其中一件导致了另一件。
Van der Blom补充了一个例外:“LinkedIn新闻通讯(Newsletter)不会因为外部链接受到惩罚”。我在LinkedIn新闻通讯指南里专门讲了这种形式。
链接应该放在第一条评论里吗?
没有任何LinkedIn官方文本这样建议。链接放第一条评论是一个在指南之间传开的习惯,依据的想法是不带链接的帖子能走得更远。已公布的数据彼此并不一致。
在同一期7月的通讯里,van der Blom写道:“LinkedIn现在会主动隐藏含有链接的评论,除了作者本人,其他人都看不到”。他报告说,在默认的相关性筛选下,最多80%的情况下这类评论不会显示。没有任何官方文本证实这一点。
他的第二个数字关于结果:“放在帖子正文里的链接,现在的转化效果是放在评论里的同一个链接的5.2倍”。转化指读者做了链接要求的事,比如打开文章或者注册。
其他数据指向别处,我只是通过ContentIn对各项链接研究的比较读到它们的。MagicPost对1,824位创作者的比较发现,两种放法之间只差2%。在GrowthRocks较早的测试里,链接放在评论里的帖子触达人数是另一种放法的2.9倍,2021年重测时是1.8倍。
在我自己的写作规则里,链接放第一条评论被标为候选:常见做法,未经证实。我坚持的是另一条规则:指向一篇文章的帖子,只有在文章上线之后才算准备好。
想在自己的帖子上验证,可以在相似的帖子上交替使用两种放法,持续六到八周,这是ContentIn建议的公平测试时长。然后比较中位数,而不是单条帖子。
第一个小时决定一条帖子的触达吗?
没有任何LinkedIn官方来源这样说。黄金一小时(golden hour)指发布后的前60分钟决定一切,这个说法流传很广,背后却没有LinkedIn的来源。来源里唯一的大规模测量指向相反的方向:大部分触达来得更晚。

在他2026年11月关于第一个小时的通讯里,van der Blom依据的是“超过120万条帖子”。他的主要数字是:“2026年,一条帖子85%的触达出现在发布后的头两个小时之后”。
这里有个细节。他写道:“在头120分钟里没有获得实质互动的帖子中,只有8%最终超过创作者的平均水平”。两个数字可以同时成立:大部分触达来得晚,而起步冷清的帖子仍然很少能超过作者的平均水平。
这是一位作者对他自己数据集的分析,完整方法没有公开。几家销售LinkedIn工具的公司仍在博客里建议在头一两个小时里拼命争取评论,却没有公布样本。这两种说法,我都不会拿来安排自己的一天。
话题标签还有用吗?
按LinkedIn的说法,对触达没用。Sachdeva在2025年12月的回答很直接:“话题标签不影响分发,所以没必要加”。她补充说,你可以留着它们方便自己追踪,或者帮助正在搜索的会员,因为话题标签可以点击。
Appleby在2026年3月的报告里用了一个更温和的比喻:“把话题标签想成方向盘,而不是油门”。按他的总结,话题标签可以帮内容找到合适的受众,但不会增加触达。
发帖更频繁会降低触达吗?
LinkedIn自己的建议是每周两到五条。这句话写在它面向创作者的页面上,也出现在Sachdeva的清单里:“目标是每周发布2-5条帖子”。按她的说法,一天发不止一条没有问题:“一天发不止一次不会影响你的总触达”。
她补充了一个限制:“如果你在很短的时间里连续分享几条帖子,会员很可能只会看到其中与他们最相关的那一条”。她还提到,“你单条帖子的互动可能会波动”。关于发帖的帮助页面划出了最外层的界限:当LinkedIn检测到过度发帖或自动化工具时,可能会限制帖子的可见度。
第三方数据指向同一个方向。Buffer关于发帖频率的分析发表于2025年8月,覆盖“来自94,000多个LinkedIn账号的200多万条帖子”。
Buffer比较了同一批账号较忙和较闲的周。每周发两到五条,比每周只发一条,每条帖子多出1,182次展示。互动率,也就是看到帖子的人里与之互动的比例,高出0.23个百分点。
Buffer的文章这样总结:“你发得越频繁,每条帖子走得越远”。Buffer的数据科学家用另一种方式读了同一批数据,得出单条触达更低的结论,我在LinkedIn内容策略指南里比较了这两种读法。
一家销售LinkedIn工具的公司在细节上持不同意见。Ordinal关于发帖频率的指南说:“无论你每周发一次还是六次,互动率都大致持平”。它还告诉读者“帖子之间至少间隔24小时”,而这两句话它都没有公布自己的样本。
对于一天发两条或以上的情况,同一篇指南引用了Linkboost的一个数字:单条帖子的触达中位数下降超过40%。
我会选一个忙碌的月份也能坚持下来的节奏,再拿你自己的平均值来衡量它。具体哪天、几点发,见我的LinkedIn最佳发布时间指南。
LinkedIn算法会惩罚什么?
LinkedIn点名了它限制的四类东西:互动小组、自动评论、互动诱饵(engagement bait)和低质量内容。互动诱饵指纯粹为了收集反应而写的帖子,比如让人评论某个词来表示同意。这四类都出现在2025年或2026年的官方文本里。

关于互动小组,Social Media Today在2025年11月引用了Sachdeva的一条LinkedIn帖子:“我们的目标是让互动小组完全失效”。对于被标记为人为助推的内容,她的帖子说“我们正在限制这类内容的触达”。同一篇文章指出,互动小组的行为违反LinkedIn的服务条款。
自动化也在范围之内。Jurka关于2026年3月信息流更新的文章点名了评论自动化,“包括使用第三方软件或浏览器插件,这些在LinkedIn上都是不允许的”。Sachdeva的清单也是同样的说法:“用第三方程序自动发评论违反我们的社区政策”。
关于互动诱饵,2026年3月新闻中心的文章承诺会减少“纯粹为了操纵分发而设计”的帖子。低质量内容是下一节的主题。
编辑是另一回事:没有任何官方文本为它定过规则。Van der Blom建议“修改永远不要超过原文的5%”,这是一位作者的建议,没有公布方法。
LinkedIn怎么对待AI生成的内容?
LinkedIn并不禁止用AI写作。它限制的是常被称作AI slop(AI垃圾内容)的东西,用Jurka的话说就是“泛泛而谈、千篇一律的内容”。被它的分类器标记的帖子会展示给更少的人,这里的分类器是一种把帖子分到不同类别的模型。
在他2026年10月关于AI slop的文章里,Jurka写道,分类器已经扩展到“覆盖所有分发范围超出你直接人脉的帖子”。他报告的数据是“识别AI slop的精确率达到94%”。精确率指在被标记的100条帖子里,大约94条是标对的。
LinkedIn报告的效果是它自己的数字:“截至2026年8月,被我们归为AI slop的内容,会员的浏览量减少了40%”。比较的对象是几周之前,在我的来源里,没有外部机构核实过这个数字。
我在关于AI slop与人工审核瓶颈的文章里写过这个问题的审核那一面。
算法偏爱哪些形式?
没有任何官方文本把某种形式排在另一种前面。LinkedIn给出了怎么写、怎么拍的建议,并说触达会随内容本身而变化。按平均触达给形式排名的结果都来自第三方样本,所以我把它们当作测量来读。
Sachdeva的写作建议很简短:“一个有力的开头句,一个清晰的观点,一段简单的叙述”。她也解释了每个作者都会遇到的起伏:“分发和触达本来就会随着你发的内容而波动”。
想细看其中一种形式,我的LinkedIn轮播指南讲了文档帖。
一条真实的帖子:LinkedIn从未证实过的链接规则
Skool社区Scale Camp的一位成员用几行字总结了这条链接规则。帖子发布于2026年3月16日。

真实帖子,来自Skool社区Scale Camp。
帖子开头是一个问题:“Myth or fact? Adding a link to your LinkedIn post decreases reach.”(迷思还是事实?在LinkedIn帖子里加链接会降低触达。)
接着是回答:“It used to, at least that’s what we all believed. We never got it confirmed by LinkedIn.”(以前会,至少我们都这么认为。但LinkedIn从来没有证实过。)
我喜欢这条帖子,因为它用两行字把“相信”和“证实”分开了。这条链接规则被当作事实传来传去,而它背后站着的是大家共同的经验。共同的经验可能是对的,但它仍然不是平台的表态。
Van der Blom自己的一句话解释了这个话题为什么永远没有定论:“LinkedIn永远不会给出所有人都想要的那种干脆的坦白”。当一条规则没有书面来源时,我会把它当作假设,在养成习惯之前先测试它。
Ordinal的文章说得好:“两个可信的来源指向不同方向,是继续测量的理由,而不是选边站的理由”。
有了这些事实,我会怎么做
从你自己的数字出发,而不是从一条通用规则出发。Van der Blom用每位创作者3月到6月的平均值,去预测他们7月和8月的帖子。他的结果是:“这一个数字解释了帖子之间触达差异的51%”。
Jurka的建议类似:“我总是建议大家按主题、形式和时间去看自己的发帖规律”。Van der Blom关于耐心的建议很短:“给它一周时间再做判断”。
根据这篇指南里的事实,我会按这个顺序来:
- 把个人档案填完整,因为身份是LinkedIn点名的三类信号之一。
- 写值得花时间读的帖子,因为停留时间是有文档记载的信号。
- 把链接放在对读者有用的位置。
- 远离互动小组和评论自动化,LinkedIn正在努力让它们失效。
- 一周后再评判每条帖子,拿它和你自己的平均值比。
想读懂自己的数字,我的LinkedIn展示次数指南解释了这些计数的含义,以及怎样公平地比较帖子。
常见问题
LinkedIn算法是怎么运作的?
它先为每位会员挑出候选帖子,再由排序模型排序。截至2026年11月,LinkedIn说这个模型会用到个人档案信息和你的互动历史,包括你在一条帖子上停留多久。
2026年LinkedIn算法有什么变化?
2026年3月,LinkedIn宣布了一套基于Generative Recommenders的排序系统,这类模型把你过去的行为当作一个序列来读。它还说正在对互动小组、自动评论和互动诱饵采取行动。
LinkedIn算法是叫360Brew吗?
在我读过的官方信息流页面里不是。360Brew是2025年1月一篇论文里一个研究模型的名字,而截至2026年11月,信息流页面用的名字是Generative Recommenders。
LinkedIn帖子里放链接会影响触达吗?
据报道,一位LinkedIn产品总监说过,带链接帖子的触达并没有被刻意限制。两项第三方研究在各自的样本上测到触达少16%、展示次数少36%,所以这个问题仍然没有定论。
发帖后的第一个小时是决定性的吗?
没有任何LinkedIn官方来源这样说。2026年一项覆盖120多万条帖子的分析发现,一条帖子85%的触达出现在发布两小时之后。同一期通讯还补充,头两个小时冷清的帖子里,只有8%最终超过作者的平均水平。
LinkedIn一周发几条比较好?
LinkedIn的产品团队建议每周两到五条。它也说,一天发不止一次不会影响你的总触达。
LinkedIn允许互动小组吗?
不允许。LinkedIn说它正在努力让互动小组失效,2025年11月的报道也指出,互动小组的行为违反它的服务条款。
话题标签能增加LinkedIn上的触达吗?
不能。一位LinkedIn副总裁在2025年12月写道,话题标签不影响分发。不过它们仍然可以帮助正在搜索的会员,因为话题标签可以点击。
我能改变LinkedIn在信息流里给我看的内容吗?
可以。LinkedIn的帮助页面列出了这些选项:把帖子标记为不感兴趣(Not interested),取消关注某位作者或将其静音(mute),以及隐藏或举报帖子。你还可以按最新或最相关给信息流排序。
LinkedIn算法小结
LinkedIn算法根据个人档案信息和过去的行为(包括阅读时间),为每位会员给帖子排序。关于它的大多数流行规则,要么是第三方在某个样本上的测量,要么是没有来源的说法,所以在改变发帖方式之前,先看清楚是谁在说什么。
我写营销、AI,以及它们背后的数字。如果这篇文章对你有用,欢迎在LinkedIn上关注我。


