Nadie fuera de LinkedIn conoce la función de clasificación. Sin embargo, LinkedIn es poco habitual en que su equipo de ingeniería publica artículos sobre la maquinaria. Eso te da una arquitectura, no una fórmula, y a menudo se confunden ambas cosas.
La respuesta corta: LinkedIn divide el problema en recuperación (qué publicaciones son siquiera candidatas) y clasificación (en qué orden aparecen), y desde 2026 ambas fases están dirigidas por modelos y no por reglas.
Para qué dice LinkedIn que optimiza
En “Engineering the next generation of LinkedIn’s Feed”, publicado el 12 de marzo de 2026, el equipo de ingeniería de LinkedIn describe la sustitución de varias fuentes de recuperación independientes por un único sistema de recuperación semántica basado en un modelo de lenguaje de doble codificador, y la sustitución de la fase de clasificación por un transformer secuencial al que llama Generative Recommender.
La división que plantea, con las palabras de LinkedIn: “la recuperación determina qué publicaciones llegan a la fase de clasificación, la clasificación determina qué ve realmente un miembro”.
El modelo de clasificación lee el historial de un miembro en orden, procesando más de 1.000 interacciones pasadas con atención causal, es decir, nunca mira hacia adelante. Cabe destacar que, según LinkedIn, el entrenamiento se filtró para incluir solo publicaciones que recibieron interacción positiva, descartando los elementos que se desplazaron sin interactuar.
Nota: las cifras aquí se verificaron con el artículo del blog de ingeniería de LinkedIn “Engineering the next generation of LinkedIn’s Feed” (12 de marzo de 2026) y con un artículo anterior del mismo equipo sobre el tiempo de permanencia en el feed, a fecha de septiembre de 2026. Las plataformas cambian esto sin previo aviso.
¿Sobre qué señales clasifica LinkedIn?
Ordenadas según el énfasis que les da LinkedIn en sus propios textos.
| Grupo de señales | Lo que nombra LinkedIn | Notas |
|---|---|---|
| Interacción activa | Me gusta, comentarios, compartidos, tiempo de lectura extendido | Las señales positivas con las que se entrena el modelo de clasificación |
| Comportamiento pasivo | Tiempo de permanencia, desplazarse sin interactuar | El equipo de ingeniería de LinkedIn tiene un artículo dedicado al tiempo de permanencia como entrada de clasificación |
| Secuencia de tus interacciones | Más de 1.000 interacciones previas, en orden | La entrada principal del Generative Recommender |
| Coincidencia semántica | Embeddings de LLM del miembro y de la publicación, comparados por similitud del coseno | Decide la candidatura, antes de clasificar |
| Contexto del perfil | Sector, competencias, ubicación geográfica | Se usan como características |
| Recuentos de interacción | Codificados como cubos por percentil en lugar de números en bruto | Suaviza la ventaja de las cuentas muy grandes |
| Actualidad | Señales explícitas de actualidad | Presentes, pero no descritas como dominantes |
El detalle de los cubos por percentil es lo más útil de esa lista. Implica que LinkedIn deliberadamente no introduce en la clasificación el número en bruto de seguidores o de me gusta, justo lo contrario de cómo la mayoría describe la plataforma.
Qué ha cambiado más recientemente
Confirmado por LinkedIn: la reconstrucción de recuperación y clasificación, marzo de 2026. El tiempo de permanencia como entrada explícita de clasificación, publicado antes por el mismo equipo.
Muy reportado, no confirmado: la idea de que LinkedIn prueba una publicación en una pequeña porción de tu red y la expande desde ahí (la “hora dorada”). El equipo de ingeniería de LinkedIn no describe un despliegue por etapas en estos términos. Lo que describe es un proceso de generación de candidatos y clasificación que se ejecuta por miembro y por sesión. La interacción temprana probablemente importa porque cambia lo que ha visto el modelo, pero los umbrales horarios ordenados que se citan no tienen fuente.
Heurística de quien lo practica: la creencia de que los enlaces externos reducen el alcance. Ver más abajo.
Mitos que esto desmonta
“El algoritmo odia los enlaces”. Es la afirmación más repetida sobre LinkedIn y nunca ha sido confirmada por LinkedIn. No existe ninguna declaración publicada de que se penalice una publicación con una URL. Lo que sí es plausible, y coherente con la propia descripción de LinkedIn sobre clasificar según permanencia e interacción, es que una publicación que envía a la gente fuera de la plataforma acumula menos de ambas cosas. Eso es una consecuencia, no una penalización, y la solución es escribir una publicación que valga la pena leer por sí sola en lugar de esconder el enlace en los comentarios.
Shadowbans. No hay ningún mecanismo confirmado. LinkedIn sí restringe cuentas y elimina contenido según sus políticas, y te avisa cuando lo hace. Una caída de alcance sin explicación suele deberse más a un cambio en lo que publicaste. Ver qué es en realidad un shadowban.
Grupos de interacción (pods). Sin base como estrategia y directamente en contra de la arquitectura publicada. Si los recuentos de interacción entran en la clasificación como cubos por percentil, un pod te compra como mucho un salto de cubo. Peor aún, la interacción de un pod viene de personas cuyo historial de interacciones no coincide con tu audiencia objetivo, que es exactamente la señal de la que aprende un modelo secuencial.
La hora de publicar es decisiva. Exagerado. La audiencia de LinkedIn se concentra en horario laboral, así que el suelo es real, pero un desplazamiento de una hora no es lo que separa una publicación que viaja de una que no. Nuestra guía de mejor hora para publicar en LinkedIn y la herramienta de hora de publicación en LinkedIn se encargan de las cuentas de zona horaria. La frecuencia importa más, tratado en con qué frecuencia publicar en LinkedIn.
Qué mueve realmente la distribución, por orden de prioridad
- Si la gente se detiene y lee. El tiempo de permanencia es una entrada documentada. Lo deciden las dos primeras líneas antes del pliegue de “ver más”.
- Comentarios con contenido. Son señales activas y alargan la vida de una publicación.
- Claridad temática. La recuperación semántica empareja significados, así que una publicación sobre una sola cosa clara es más fácil de encaminar que una sobre cuatro.
- Relevancia para los intereses reales de tu red. El modelo se construye a partir de la secuencia de interacciones de cada persona que la ve.
- Republicaciones y compartidos con comentario.
- Constancia. No es una señal de clasificación. Es cómo consigues suficientes muestras para aprender algo.
Qué hacer
Escribe la publicación de modo que las dos primeras líneas valgan el clic en “ver más”. Di una sola cosa. Responde a los comentarios, porque las respuestas son interacción activa procedente exactamente de la audiencia que observa el modelo. Pon el enlace donde encaje de forma natural.
Programar LinkedIn junto con todo lo demás
La frecuencia es la parte de esto que puedes sistematizar. BulkPublish programa perfiles personales y páginas de empresa de LinkedIn desde el mismo calendario que las otras 14 plataformas, con una cola por canal para que una publicación de LinkedIn no tenga que seguir el calendario de Instagram. La página de la función de calendario muestra la disposición.
Las partes que controlas
Formato, gancho, constancia. LinkedIn te ha contado más sobre su maquinaria que la mayoría de las plataformas, y la conclusión honesta de leerlo es que la maquinaria sobre todo recompensa una publicación por la que la gente realmente se detiene. No es un truco, y no existe una versión de esto que puedas comprar.