1. اتصالات شخصية:
2. ملاءمة الاهتمامات:
3. احتمالية الارتباط:

تستخدم خوارزمية LinkedIn الإشارات التالية لتصفية وتصنيف المشاركات التي تظهر في خلاصات الأعضاء.



1. اتصالات شخصية:



يمكنك متابعة أوبرا وينفري على Linkedin، ولكن من المحتمل أنك لا تعرفها شخصيًا. تهدف خوارزمية LinkedIn الجديدة إلى منح الروابط الشخصية وزنًا أكبر. لتحديد المشاركات الأكثر ارتباطًا شخصيًا بالأعضاء، تأخذ LinkedIn الإشارات الضمنية والصريحة في الاعتبار. حيث يأخذ بعين الاعتبار من تفاعلت معه مباشرةً، من خلال التعليقات والمشاركات وردود الفعل. كما يأخذ في الاعتبار معلومات حول الملفات الشخصية، مثل الاهتمامات والمهارات، والأعضاء الذين يعملون معهم، من بين إشارات أخرى.



2. ملاءمة الاهتمامات:



قد تكون متصلاً بشخص ما، لكن هذا لا يعني أنك تستمتع بالمحتوى نفسه. لهذا السبب تقيس خوارزمية LinkedIn تقارب المنشور مع اهتمامات شخص ما بناءً على المجموعات التي ينتمي إليها، وعلامات التصنيف والأشخاص والصفحات التي يتابعونها.



وفقًا لمدونة LinkedIn الخاصة بالهندسة، تبحث الخوارزمية أيضًا في لغة المنشور والشركات والأشخاص والمواضيع المذكورة فيها.



3. احتمالية الارتباط:



يعد التفاعل مفتاحًا لنجاح أداء الخوارزمية. تصنف خوارزمية LinkedIn هذا المكون في مرحلتين:


تقوم الخوارزمية (أولاً ) بتقييم احتمالية مشاركة منشور أو التعليق عليه أو الرد عليه، وقد تقيس ذلك بناءً على المحتوى الذي أعجبك وشاركته في الماضي، وكذلك الأشخاص الذين تتفاعل معهم كثيرًا. يطلق LinkedIn على هذا التحسين متعدد الأهداف.


(ثانيًا) كما يقول موقع LinkedIn “يأخذ النموذج أيضًا في الاعتبار التعليقات في الوقت المناسب لمنشئي المحتوى”. بعبارة أخرى، بعد نشر المنشور كلما بدأت في التعجيل بالتفاعلات، زادت احتمالية تضمين LinkedIn في خلاصات الآخرين. ربما لاحظت أن هذه العوامل تشترك كثيرًا مع إشارات خوارزمية Instagram.