Nessuno al di fuori di LinkedIn conosce la funzione di ranking. LinkedIn però è particolare perché il suo team di ingegneria pubblica paper sui meccanismi interni. Questo ti dà un’architettura, non una formula, e le due cose vengono spesso confuse.
La risposta breve: LinkedIn divide il problema in retrieval (quali post diventano candidati) e ranking (in che ordine appaiono), e nel 2026 entrambe le fasi sono guidate da modelli, non da regole.
Cosa dichiara di ottimizzare LinkedIn
In “Engineering the next generation of LinkedIn’s Feed”, pubblicato il 12 marzo 2026, LinkedIn Engineering descrive la sostituzione di diverse fonti di retrieval separate con un unico sistema di retrieval semantico basato su un modello linguistico dual-encoder, e la sostituzione della fase di ranking con un transformer sequenziale che chiama Generative Recommender.
La divisione dichiarata, nelle parole di LinkedIn: “il retrieval determina quali post arrivano alla fase di ranking, il ranking determina cosa vede davvero un membro.”
Il modello di ranking legge la cronologia di un membro in ordine, elaborando oltre 1.000 interazioni passate con attenzione causale, il che significa che non guarda mai avanti. È interessante notare che LinkedIn afferma che l’addestramento è stato filtrato sui post che hanno ricevuto un engagement positivo, escludendo i contenuti scorsi senza interazione.
Nota: i dati qui riportati sono stati verificati sul post del blog di LinkedIn Engineering “Engineering the next generation of LinkedIn’s Feed” (12 marzo 2026) e su un post precedente di LinkedIn Engineering sul tempo di permanenza nel feed, aggiornati a settembre 2026. Le piattaforme cambiano questi dettagli senza preavviso.
Su quali segnali si basa il ranking di LinkedIn?
In ordine di enfasi secondo quanto scritto da LinkedIn stessa.
| Gruppo di segnali | Cosa nomina LinkedIn | Note |
|---|---|---|
| Engagement attivo | Like, commenti, condivisioni, tempo di lettura prolungato | I segnali positivi su cui è addestrato il modello di ranking |
| Comportamento passivo | Tempo di permanenza, scorrimento senza interagire | LinkedIn Engineering ha un paper dedicato al tempo di permanenza come input di ranking |
| Sequenza delle tue interazioni | Oltre 1.000 interazioni precedenti, in ordine | L’input principale del Generative Recommender |
| Corrispondenza semantica | Embedding LLM di membro e post, confrontati per similarità del coseno | Decide la candidatura, prima del ranking |
| Contesto del profilo | Settore, competenze, area geografica | Usato come caratteristica |
| Conteggi di engagement | Codificati come fasce percentili anziché numeri grezzi | Attenua il vantaggio degli account molto grandi |
| Recency | Segnali espliciti di recency | Presenti, ma non descritti come dominanti |
Il dettaglio sulle fasce percentili è la cosa più utile di questo elenco. Implica che LinkedIn deliberatamente non passa al ranking il numero grezzo di follower o like, l’opposto di come la maggior parte delle persone descrive la piattaforma.
Cosa è cambiato più di recente
Dichiarato da LinkedIn: la ricostruzione di retrieval e ranking, marzo 2026. Il tempo di permanenza come input esplicito di ranking, pubblicato in precedenza dallo stesso team.
Ampiamente riportato, non confermato: l’idea che LinkedIn testi un post su una piccola fetta della tua rete e la espanda da lì (la “golden hour”). LinkedIn Engineering non descrive un rollout a fasi in questi termini. Ciò che descrive è una pipeline di generazione dei candidati e ranking che gira per ogni membro, per ogni sessione. È plausibile che l’engagement iniziale conti, perché cambia ciò che il modello ha visto, ma le soglie orarie precise che tutti citano non hanno una fonte.
Convinzione dei professionisti: la credenza che i link esterni riducano la copertura. Vedi sotto.
Miti da sfatare
“L’algoritmo odia i link.” È l’affermazione più ripetuta su LinkedIn e non è mai stata confermata da LinkedIn. Non esiste alcuna dichiarazione pubblicata secondo cui un post contenente un URL venga penalizzato. Ciò che è plausibile, ed è coerente con la descrizione che LinkedIn stessa dà del ranking basato su permanenza ed engagement, è che un post che manda le persone fuori dalla piattaforma accumuli meno di entrambi. Questo è un effetto, non una penalità, e la soluzione è scrivere un post che valga la pena leggere di per sé, non nascondere il link nei commenti.
Shadowban. Nessun meccanismo confermato. LinkedIn limita gli account e rimuove contenuti in base alle proprie policy, e te lo comunica quando lo fa. Un calo di copertura senza spiegazioni è più spesso legato a un cambiamento in ciò che hai pubblicato. Vedi cos’è davvero uno shadowban.
Gruppi di engagement. Una strategia infondata e in diretto contrasto con l’architettura pubblicata. Se i conteggi di engagement entrano nel ranking come fasce percentili, un gruppo di engagement al massimo ti compra il salto di una soglia. Peggio ancora, l’engagement da questi gruppi arriva da persone la cui cronologia di interazioni non corrisponde al tuo pubblico target, esattamente il tipo di segnale da cui un modello sequenziale impara.
L’orario di pubblicazione è decisivo. Sopravvalutato. Il pubblico di LinkedIn è concentrato negli orari lavorativi, quindi la base è reale, ma uno spostamento di un’ora non è ciò che separa un post che vola da uno che non decolla. La nostra guida su il momento migliore per pubblicare su LinkedIn e lo strumento per l’orario di pubblicazione su LinkedIn gestiscono i calcoli sui fusi orari. La frequenza conta di più, come spiegato in ogni quanto pubblicare su LinkedIn.
Cosa muove davvero la distribuzione, in ordine di priorità
- Se le persone si fermano a leggere. Il tempo di permanenza è un input documentato. Le prime due righe prima del “vedi altro” decidono tutto.
- Commenti sostanziali. Sono segnali attivi ed estendono la vita di un post.
- Chiarezza tematica. Il retrieval semantico associa il significato, quindi un post su un’unica cosa chiara è più facile da instradare rispetto a uno su quattro cose diverse.
- Rilevanza rispetto agli interessi della tua rete reale. Il modello si costruisce dalla sequenza di interazioni di ogni singolo spettatore.
- Repost e condivisioni con commento.
- Costanza. Non è un segnale di ranking. È il modo in cui ottieni abbastanza campioni per imparare qualcosa.
Cosa fare
Scrivi il post in modo che le prime due righe valgano il clic su “vedi altro”. Di’ una cosa sola. Rispondi ai commenti, perché le risposte sono engagement attivo esattamente dal pubblico che il modello osserva. Metti il link dove suona naturale.
Programmare LinkedIn insieme a tutto il resto
La frequenza è la parte di tutto questo che puoi sistematizzare. BulkPublish programma profili personali e pagine aziendali di LinkedIn dallo stesso calendario delle altre 14 piattaforme, con una coda per canale così che un post LinkedIn non debba seguire lo stesso ritmo di uno Instagram. La pagina del calendario editoriale mostra la struttura.
Le parti che controlli tu
Formato, hook, costanza. LinkedIn ti ha raccontato più dei propri meccanismi rispetto alla maggior parte delle piattaforme, e la conclusione onesta leggendo tutto questo è che il meccanismo per lo più premia un post per cui le persone si fermano davvero. Non è un trucco, e non esiste una versione di questo che tu possa comprare.