J’ai conçu un protocole de diffusion sur LinkedIn avant l’été qui m’offrait pas mal de performance en terme d’affichage. Mais le déploiement progressif du nouvel algorithme a réduit par 5 la performance de mes actions.
Après quelques études des communiqués de LinkedIn et autres experts du média social, j’ai l’impression que la structure sémantique utilisée pour le calcul de la pertinence a nettement été impactée.
Je me demandais si d’autres que moi êtes en train de réaliser un « reverse engineering » concernant ces changements et si nous pourrions confronter nos observations.
Bonjour,
Je viens de sortir d’une session de test.
En fait, la notion de « pertinence » porté par LinkedIn pour provoquer un rayonnement de contenu (inbound marketing) repose sur les interactions. Toutes les formes d’interaction entre les personnes. L’intérêt et la pertinence se traduit donc par la réalisation d’un dialogue entre l’émetteur et le récepteur. Si vous augmentez les interactions humaines, alors vous générez de la pertinence pour l’algorithme.
C’est moins « sémantique » que je ne le pensais.