LinkedIn以外の誰も、正確なランキング関数を知りません。ただしLinkedInが珍しいのは、そのエンジニアリングチームが仕組みについての論文を公開している点です。それによってわかるのはアーキテクチャであって計算式ではなく、両者はしばしば混同されます。
短く言えば、LinkedInは問題を検索(そもそも候補となる投稿はどれか)とランキング(それらをどの順序で表示するか)に分けており、2026年時点ではどちらの段階もルールベースではなくモデル駆動です。
LinkedInが最適化していると述べていること
2026年3月12日に公開された「Engineering the next generation of LinkedIn’s Feed」で、LinkedIn Engineeringは、複数の別々の検索ソースをデュアルエンコーダー型の言語モデルに基づく単一のセマンティック検索システムに置き換え、ランキング段階を「Generative Recommender」と呼ぶ逐次型トランスフォーマーに置き換えたと説明しています。
LinkedIn自身の表現による役割分担は次のとおりです。「検索はどの投稿がランキング段階に到達するかを決め、ランキングはメンバーが実際に何を目にするかを決める。」
ランキングモデルはメンバーの履歴を時系列で読み込み、1,000件を超える過去のインタラクションを因果的注意機構で処理します。つまり、決して先を見ることはありません。注目すべきは、LinkedInが学習データをポジティブなエンゲージメントを得た投稿に絞り込み、スクロールされて素通りされた投稿を除外したと述べている点です。
注: ここに記載した数値は、LinkedIn Engineeringのブログ記事「Engineering the next generation of LinkedIn’s Feed」(2026年3月12日)と、同チームによるフィード滞留時間に関する以前の記事を基に、2026年9月時点で確認したものです。プラットフォームは予告なくこれらを変更することがあります。
LinkedInはどのシグナルでランク付けしているのか
LinkedIn自身の記述での強調度合いの順に並べています。
| シグナルのグループ | LinkedInが挙げているもの | 補足 |
|---|---|---|
| 能動的なエンゲージメント | いいね、コメント、シェア、読む時間の延長 | ランキングモデルが学習に使うポジティブなシグナル |
| 受動的な行動 | 滞留時間、エンゲージメントせずにスクロールして通り過ぎること | LinkedIn Engineeringには滞留時間をランキング入力とすることに特化した論文がある |
| インタラクションの時系列 | 1,000件を超える過去のインタラクションを時系列で | Generative Recommenderへの中核的な入力 |
| セマンティックな一致 | メンバーと投稿のLLM埋め込みをコサイン類似度で比較 | ランキング前の候補選定を決める |
| プロフィールの文脈 | 業種、スキル、地域 | 特徴量として使用 |
| エンゲージメント数 | 生の数値ではなくパーセンタイル区分としてエンコード | 非常に大きなアカウントの優位性を鈍らせる |
| 新しさ | 明示的な新しさシグナル | 存在するが、支配的とは説明されていない |
このパーセンタイル区分の詳細は、リストの中でも最も有用な情報です。これは、LinkedInが意図的にフォロワー数やいいね数の生の数値をランキングに投入していないことを示唆しており、多くの人がこのプラットフォームについて語る内容とは正反対です。
直近で最も大きく変わったこと
LinkedInが明言していること: 2026年3月に行われた検索とランキングの再構築。同チームが以前に公開した、滞留時間を明示的なランキング入力とする件。
広く報道されているが確認されていないこと: LinkedInがネットワークのごく一部に投稿をテストし、そこから広げていくという主張(いわゆる「ゴールデンアワー」)。LinkedIn Engineeringは、そのような表現での段階的な公開を説明していません。彼らが説明しているのは、メンバーごと、セッションごとに実行される候補生成とランキングのパイプラインです。初期のエンゲージメントがモデルの見ているものを変える以上、意味を持つ可能性はもっともらしいですが、人々が引用するきっちりとした時間単位のしきい値には出典がありません。
実務者の経験則: 外部リンクがリーチを抑制するという説。これについては以下で扱います。
この記事が否定する俗説
「アルゴリズムはリンクを嫌う」。 これはLinkedInについて最も繰り返される主張ですが、LinkedInによって確認されたことは一度もありません。URLを含む投稿が格下げされるという公式声明は存在しません。もっともらしく、かつLinkedIn自身の滞留時間とエンゲージメントによるランキングの説明と整合するのは、人をプラットフォーム外へ送り出す投稿は、その両方をより少なくしか蓄積しないという点です。それはペナルティではなく結果であり、対処法はリンクをコメント欄に隠すことではなく、それ単体で読む価値のある投稿を書くことです。
シャドウバン。 確認された仕組みはありません。LinkedInは自社のポリシーに基づいてアカウントを制限したりコンテンツを削除したりすることはあり、その際には通知します。説明のつかないリーチ低下は、投稿内容自体の変化によるものであることのほうが多いです。シャドウバンとは実際には何かについても参照してください。
エンゲージメントポッド。 戦略として根拠がなく、公開されているアーキテクチャと真っ向から矛盾します。エンゲージメント数がパーセンタイル区分としてランキングに入るのであれば、ポッドが買えるのはせいぜい区分の境界線程度です。さらに悪いことに、ポッドによるエンゲージメントは、あなたのターゲットオーディエンスとインタラクション履歴が一致しない人々から来るものであり、それはまさに時系列モデルが学習してしまうシグナルです。
投稿時間が決定的。 過大評価されています。LinkedInのオーディエンスは就業時間帯に集中しているため、下限としての事実はありますが、1時間程度のずれが、拡散する投稿とそうでない投稿を分けるわけではありません。私たちのLinkedInに投稿するのに最適な時間ガイドとLinkedIn投稿時間ツールがタイムゾーンの計算を代行します。頻度のほうがより重要で、LinkedInにどのくらいの頻度で投稿すべきかで扱っています。
実際に拡散を左右するもの(優先順)
- 人が立ち止まって読むかどうか。 滞留時間は文書化された入力です。「もっと見る」で折りたたまれる前の最初の2行がそれを決めます。
- 中身のあるコメント。 これらは能動的なシグナルであり、投稿の寿命を延ばします。
- 話題の明確さ。 セマンティック検索は意味で一致させるため、1つの明確なことについての投稿のほうが、4つのことについての投稿よりもルーティングしやすいです。
- あなたの実際のネットワークの興味との関連性。 モデルは各閲覧者自身のインタラクション履歴の時系列から構築されます。
- コメント付きの再投稿やシェア。
- 一貫性。 ランキングシグナルではありません。何かを学ぶのに十分なサンプルを得るための手段です。
するべきこと
最初の2行が「もっと見る」のクリックに値するように投稿を書きましょう。1つのことだけを言いましょう。コメントには返信しましょう。返信は、まさにモデルが注視しているオーディエンスからの能動的なエンゲージメントだからです。リンクは、自然に読める場所ならどこに置いても構いません。
LinkedInを他のすべてと一緒に予約投稿する
頻度は、この中で仕組み化できる部分です。BulkPublishなら、他の14のプラットフォームと同じカレンダーからLinkedInの個人プロフィールと会社ページを予約投稿でき、チャンネルごとのキューがあるため、LinkedInの投稿がInstagramのスケジュールに従う必要はありません。カレンダー機能のページでそのレイアウトを紹介しています。
あなたがコントロールできる部分
フォーマット、フック、一貫性です。LinkedInは他のほとんどのプラットフォームよりも、その仕組みについて多くを語ってきました。それを読んで得られる正直な結論は、その仕組みは主に、人が実際に立ち止まる投稿に報いるということです。それは裏技ではなく、お金で買えるバージョンも存在しません。