O LinkedIn reformulou seu algoritmo em 2026. Oito regras mudaram. Nós auditamos cada uma usando a própria pesquisa do LinkedIn.
ASSISTA A SEGUIR:
O LinkedIn substituiu seu antigo sistema de classificação de feed por um modelo de IA unificado construído sobre o LLaMA 3 da Meta, um Recomendador Generativo usando arquitetura de transformador, e um modelo de base de 150B parâmetros chamado 360Brew. O novo sistema mudou como o conteúdo é descoberto, como os perfis são correspondidos a públicos e quais sinais realmente impulsionam o alcance. Este vídeo detalha todas as oito regras diretamente do blog de engenharia do LinkedIn, do post público de Tim Jurka e dos artigos de pesquisa originais do arXiv.
O QUE VOCÊ VAI APRENDER:
→ Por que seu título é um dos apenas cinco campos que o algoritmo lê do lado do conteúdo
→ Como as primeiras 50 palavras do seu post determinam se você entra no pool de candidatos
→ Por que as salvamentos valem 5x mais alcance do que curtidas sob o novo sistema
→ Como o modelo de percentil de popularidade do LinkedIn substituiu contagens brutas de engajamento
→ Por que contas menores agora têm uma vantagem estrutural de distribuição
→ Como o Recomendador Generativo mapeia seu engajamento como uma jornada de aprendizado profissional
→ O que o anúncio corporativo de março de 2026 do LinkedIn diz sobre pods e automação
→ Como auditar seu próprio perfil em relação às oito novas regras
PONTOS CHAVE:
✓ O LinkedIn agora codifica apenas cinco campos de autor na distribuição de conteúdo: nome, título, empresa, setor e cargo
✓ O sistema de recuperação trunca seu post para os primeiros 60 tokens ao decidir se inclui você no pool de candidatos
✓ Um salvamento equivale a aproximadamente 5x o impacto de alcance de uma curtida sob o novo modelo de engajamento
✓ Os dados A/B do LinkedIn mostram que o novo sistema produziu um aumento de 3,29% na receita para contas menores — a execução está superando o tamanho do público
✓ O anúncio oficial de março de 2026 do LinkedIn confirma que eles estão ativamente suprimindo pods, automação de comentários e iscas de engajamento
✓ O novo Recomendador Generativo trata seu histórico de engajamento como uma sequência — ele mapeia seu arco de curiosidade profissional ao longo do tempo
FONTES:
• arXiv:2510.14223 – Recuperação em Grande Escala para o Feed do LinkedIn usando Modelos de Linguagem Causais (outubro de 2025)
• Blog de Engenharia do LinkedIn – Engenharia da Próxima Geração do Feed do LinkedIn, Hristo Danchev (12 de março de 2026)
• Comunicações Corporativas do LinkedIn – Como o LinkedIn Está Melhorando o Feed (12 de março de 2026)
• Tim Jurka (VP de Engenharia) – Como Funciona o Feed do LinkedIn? (agosto de 2025)
• Adam Bird (Líder Sênior de AI/ML) – Correções sobre dados de autor vs. escopo completo do perfil
• Shield Analytics – Benchmarks de fevereiro de 2026, Andreas Jonsson (CEO)
• AuthoredUp – Análise de impacto de engajamento (salvamentos vs. curtidas)
———
CARACTERÍSTICAS TEMPORAIS:
00:00 A aposta: conseguimos descobrir o que está suprimindo seu alcance?
02:00 Como o antigo algoritmo funcionava (e por que os truques funcionavam)
03:10 A reconstrução do zero: LLaMA 3 e o Recomendador Generativo
04:00 Corrigindo meu último vídeo
04:50 Regra 1: O que seu título realmente está fazendo pelo seu alcance
06:10 Regra 2: A janela de 50 palavras que decide seu pool de candidatos
07:05 Regra 3: Vá fundo ou fique invisível
08:45 O kit de auditoria do algoritmo do LinkedIn gratuito
09:15 Regra 4: Por que salvamentos superam curtidas sob o novo sistema
10:40 Regra 5: Como percentis de popularidade substituíram a velocidade de engajamento
11:48 Regra 6: Treinando seu próprio feed estrategicamente
13:30 Por que os pods parecem estar funcionando (e o que você não está vendo)
14:00 Regra 7: O que o anúncio oficial do LinkedIn diz sobre pods
15:30 Regra 8: A vantagem estrutural que contas menores acabaram de obter
17:00 Resultados reais de clientes: 1M de impressões com 17K seguidores
17:45 A lista de espera da comunidade
18:57 Seu checklist de 8 etapas para revisar hoje