Respuesta rápida: El algoritmo de LinkedIn es el conjunto de modelos de aprendizaje automático que deciden qué publicaciones aparecen en el feed de cada miembro y en qué orden. LinkedIn afirma que clasifica el contenido según el espectador, utilizando señales sobre identidad, contenido y comportamiento pasado. Todo lo demás, como que los guardados tengan más peso que los "me gusta", es una observación de los creadores. Escribe pensando en tu relación con el lector y luego prueba qué funciona.
Datos clave
- La publicación de ingeniería de LinkedIn más detallada que hemos encontrado sobre las señales del feed tiene fecha del 29 de marzo de 2018. Clasifica las señales en identidad, contenido y comportamiento.
- Un artículo de febrero de 2026 escrito por autores de LinkedIn indica que un clasificador basado en transformadores llamado Feed SR reemplazó a uno basado en DCNv2 y ha gestionado la mayor parte del tráfico del feed durante más de tres meses.
- El mismo documento informa de ganancias en pruebas A/B del +2,10 % en tiempo de permanencia y del +3,52 % en "me gusta", comentarios o compartidos en comparación con el modelo anterior.
- El Centro de ayuda de LinkedIn indica que el feed muestra las publicaciones "Destacadas" por defecto, y que los miembros pueden cambiar a "Recientes".
- En las analíticas de páginas de LinkedIn, una impresión cuenta cuando al menos el 50 % de una publicación está visible durante al menos 300 milisegundos.
- No hemos encontrado ningún anuncio oficial de LinkedIn con fecha de diciembre de 2025 que describa un cambio en la clasificación.
El algoritmo de LinkedIn en 2026: cómo funciona en términos sencillos
LinkedIn no publica una tabla de ponderación, por lo que nadie fuera de la empresa puede darte fórmulas exactas. Lo que sí publica es la arquitectura: cómo se recopilan, puntúan y ordenan las publicaciones. Eso es suficiente para razonar al respecto.
En términos sencillos, el feed se construye para cada espectador. Las publicaciones se extraen de tu red y de los temas con los que interactúas, son puntuadas por un modelo de clasificación y luego ordenadas en la lista que ve el miembro. Los lectores que preguntan cómo funciona el algoritmo de LinkedIn en 2026 a menudo esperan una lista de trucos. La respuesta honesta es que la clasificación es personal, por lo que la misma publicación puede tener una posición alta para un espectador y baja para otro.
De esto se derivan dos consecuencias. Primero, el alcance proviene de la relevancia para personas específicas, no de una puntuación universal. Segundo, tu historial con esas personas importa, porque los modelos aprenden de lo que cada miembro hizo anteriormente.
¿Qué ha dicho realmente LinkedIn y cuándo?
La siguiente tabla es el registro cronológico. Cada fila está etiquetada para que puedas distinguir lo que LinkedIn ha declarado de lo que informan los creadores.
| Fecha | Fuente | Qué dice | Etiqueta |
|---|---|---|---|
| 29 mar 2018 | Blog de ingeniería de LinkedIn | Las señales se dividen en identidad, contenido y comportamiento. Los clics por sí solos son un indicador deficiente de valor. El equipo invierte en modelos que recompensan a los miembros que crean contenido de calidad a lo largo del tiempo. | Declarado por LinkedIn |
| Ene 2025 | Artículo de investigación de LinkedIn, 360Brew | Describe un modelo de solo decodificador de 150 mil millones de parámetros para la clasificación y recomendación personalizada. El documento no indica si se utiliza en el feed en vivo. | Declarado por LinkedIn (investigación) |
| Oct 2025 | Artículo de investigación de LinkedIn sobre recuperación de feed | Describe la recuperación para el feed construida con modelos de lenguaje causales. | Declarado por LinkedIn (investigación) |
| Dic 2025 | Ninguna encontrada | No se encontró ningún anuncio oficial. Las afirmaciones en circulación provienen de publicaciones de creadores y proveedores. | Observado por creadores |
| Feb 2026, rev. sep 2026 | Artículo de investigación de LinkedIn, Feed SR | Un clasificador secuencial basado en transformadores reemplaza a uno basado en DCNv2 y gestiona la mayor parte del tráfico del feed. Resultados A/B: +2,10 % en tiempo de permanencia, +3,52 % en "me gusta", comentarios o compartidos. | Declarado por LinkedIn |
Observa lo que falta: cualquier declaración de que los comentarios superan a los "me gusta", que los enlaces reducen el alcance o que una publicación debe tener una longitud determinada. Esas afirmaciones circulan ampliamente, pero no están en el registro oficial de LinkedIn.
Actualización del algoritmo de LinkedIn de diciembre de 2025: ¿qué está confirmado?
Buscamos una actualización oficial del algoritmo de LinkedIn de diciembre de 2025 y no encontramos ninguna. Lo que hallamos fueron publicaciones de creadores y blogs de proveedores que describían cambios que observaron. Trátelos como hipótesis.
El material oficial más cercano es el documento de recuperación de octubre de 2025 y el documento sobre el clasificador de febrero de 2026. Ambos describen trabajos de investigación e ingeniería, no un anuncio de producto con fecha.
Cómo interpretar las noticias sobre el algoritmo de LinkedIn
Las noticias sobre algoritmos suelen seguir un patrón: un creador observa un cambio en el alcance, un proveedor escribe sobre ello y la afirmación se extiende. Antes de cambiar sus hábitos, hágase cuatro preguntas.
- ¿La fuente cita a LinkedIn directamente, con un enlace?
- ¿La afirmación tiene fecha?
- ¿Se basa en los resultados de una sola cuenta o en los de muchas?
- ¿El consejo seguiría siendo sensato si la afirmación fuera falsa?
Si la respuesta a la última pregunta es sí, adóptelo. Si no, espere.
¿Qué señales importan y cuáles son mitos?
Esta tabla clasifica las afirmaciones comunes según la evidencia. "Sin confirmar" significa que LinkedIn no ha dicho nada al respecto en lo que hemos encontrado.
| Señal o afirmación | Estado | Lo que podemos decir |
|---|---|---|
| Su relación con el espectador | Declarado por LinkedIn | Las señales de comportamiento incluyen con quién interactúa más un miembro |
| Tema, idioma y antigüedad de la publicación | Declarado por LinkedIn | Las señales de contenido incluyen tema, antigüedad e idioma |
| Historial de interacciones de un miembro | Declarado por LinkedIn | El clasificador de 2026 es secuencial, lo que significa que lee el comportamiento pasado en orden |
| Los comentarios pesan más que los "me gusta" | Sin confirmar | Solo observación de creadores |
| Los guardados pesan más que los "me gusta" | Sin confirmar | Solo observación de creadores |
| Tiempo de permanencia en una publicación | Sin confirmar | La publicación de 2018 cita el tiempo dedicado a leer artículos, no publicaciones |
| Los enlaces en el cuerpo de la publicación reducen el alcance | Sin confirmar | Disputado entre creadores |
| El número de hashtags cambia el alcance | Sin confirmar | No se encontró ninguna declaración oficial |
| Los grupos de interacción (pods) ayudan | Sin confirmar | Un grupo le da comentarios de personas a las que quizás no les importe el tema |
Es fácil encontrar gráficos sobre la tasa de interacción, pero LinkedIn la define como clics, "me gusta", comentarios, compartidos y seguidores divididos por impresiones. Esa es una métrica de informes, no un factor de clasificación publicado.
¿Formatos como los carruseles y el video cambian el alcance?
El algoritmo de LinkedIn no tiene pesos de formato publicados. Lo que puede deducir es el comportamiento: un formato que le da al espectador más razones para interactuar deja al sistema con más evidencia sobre el interés de ese espectador.
- Publicaciones de texto: rápidas de leer y fáciles de responder, por lo que se adaptan a opiniones y lecciones breves.
- Documentos y carruseles: cada deslizamiento es una interacción. Nuestra guía de carruseles de LinkedIn cubre tamaños y estructura.
- Video: funciona cuando los primeros segundos transmiten el punto principal, ya que los espectadores deciden rápido.
- Encuestas: fáciles de responder, aunque una encuesta con una pregunta vaga le enseña poco al sistema.
Trate esto como razonamiento, no como datos. Pruebe cada formato con sus propias analíticas durante un mes antes de comprometerse.
¿Qué debería cambiar en sus publicaciones?
Estas son nuestras recomendaciones, basadas en las señales que LinkedIn ha declarado. No dependen de ninguna ponderación rumoreada.
- Empiece con el punto principal. La vista previa antes del enlace "ver más" es lo que juzgan los espectadores. Ponga la afirmación o el resultado primero.
- Pida una respuesta específica. "¿Cuál de estos tres usa usted?" obtiene respuestas más útiles que "¿Qué opinan?".
- Responda a los comentarios pronto y por su nombre. Construye el historial de relaciones del que aprenden los modelos.
- Sea honesto con los enlaces. Si un enlace es el punto central de la publicación, inclúyalo. Si sospecha que hay una penalización, realice una prueba de dos semanas comparando enlaces en el cuerpo frente a enlaces en un comentario de seguimiento.
- Manténgase en el tema. Un feed que repite tres temas le enseña al sistema qué mostrarle.
- Elija los horarios según sus propios datos. Consulte nuestra nota sobre el mejor momento para publicar en LinkedIn para conocer el método.
Lista de verificación posterior a la auditoría
Califica cada publicación reciente del 1 al 10, un punto por cada sí.
- La primera línea establece la afirmación o el resultado.
- Una idea por publicación.
- Una pregunta o instrucción específica para responder.
- Comentarios respondidos en menos de un día.
- Un formato elegido para la idea, no por costumbre.
- Sin enlace, o un enlace que se ha ganado su lugar.
- No más de unos pocos hashtags, si es que hay alguno.
- El tema encaja con tus últimas cinco publicaciones.
- Una persona o empresa nombrada aparece solo si es relevante.
- Impresiones verificadas según la definición de 300 ms y 50 % de visibilidad antes de comparar publicaciones.
Las publicaciones con una puntuación de 8 o más son tus plantillas. Las publicaciones con menos de 5 necesitan una reescritura, no una republicación.
Cómo ayuda Publiqa con las publicaciones en LinkedIn
Publiqa convierte una idea, artículo o enlace de la competencia en contenido para 12 canales, entre ellos LinkedIn. Adapta la misma tesis al límite de 3000 caracteres de LinkedIn y crea carruseles de 5 a 10 diapositivas en formato 4:5.
Un flujo de trabajo práctico para este tema: escanea la página pública de un competidor con Competitor Radar para ver brechas y contraargumentos, luego abre Campaign Studio con el enfoque que prefieras. Crear el núcleo más las 12 versiones para plataformas cuesta alrededor de 10 créditos. Revisa la versión de LinkedIn con la lista de verificación anterior y planifica la semana en el Smart Planner, que sugiere horarios de publicación que deberías probar en lugar de confiar ciegamente en ellos.
Publiqa envía contenido a tus canales a través de webhooks salientes e integraciones con CMS headless, que ya están activos. La publicación directa en redes sociales se está implementando, así que consulta la documentación de canales e integraciones para conocer el estado actual de LinkedIn.
Medir e iterar
Trata cualquier cambio reportado en el algoritmo de LinkedIn como una hipótesis hasta que tus propios números coincidan. Utiliza las definiciones de análisis propias de LinkedIn y compara elementos similares. Una impresión cuenta cuando una publicación es visible durante 300 milisegundos con al menos la mitad de ella en pantalla. Las vistas repetidas de un mismo miembro cuentan de nuevo, así que observa también a los espectadores únicos.
Ejecuta un ciclo de cuatro semanas. Cambia una variable por semana, como la línea de apertura, y registra las impresiones, comentarios y visitas al perfil en una hoja de cálculo. Mantén lo que se repite en varias publicaciones y descarta lo que apareció solo una vez.
Preguntas frecuentes
¿Cómo funciona el algoritmo de LinkedIn?
Es un conjunto de modelos de aprendizaje automático que recuperan publicaciones candidatas, las califican para cada espectador y las ordenan. Las publicaciones de ingeniería de LinkedIn describen señales de identidad, contenido y comportamiento. Un artículo de 2026 describe un clasificador secuencial de tipo transformer. Las ponderaciones exactas no son públicas.
¿Cambió LinkedIn su algoritmo en diciembre de 2025?
No encontramos ningún anuncio oficial de LinkedIn con fecha de diciembre de 2025. Las publicaciones de creadores y proveedores describen cambios observados, pero no son una confirmación. Los elementos oficiales más cercanos son artículos de investigación de octubre de 2025 y febrero de 2026.
¿El algoritmo de LinkedIn pondera los comentarios por encima de los "me gusta"?
Muchos creadores informan que sí, pero LinkedIn no lo ha confirmado en nada de lo que hemos encontrado. Los comentarios siguen valiendo la pena, porque inician conversaciones y profundizan la relación con las personas que te importan.
¿El algoritmo de LinkedIn penaliza los enlaces en una publicación?
Esto no está confirmado. Los creadores no están de acuerdo y LinkedIn no ha publicado ninguna regla al respecto. Pruébalo en tu propia cuenta: publica dos actualizaciones similares, una con el enlace en el cuerpo y otra sin él, y compara las impresiones después de una semana.
¿Con qué frecuencia deberías publicar en LinkedIn?
No existe una cifra oficial. Un punto de partida común son de dos a tres publicaciones por semana, que es nuestra recomendación y no una regla de la plataforma. Mantén ese ritmo durante un mes y luego ajústalo usando tus análisis.
Tu plan de prueba de cuatro semanas
Semana uno: audita tus últimas diez publicaciones con la lista de verificación. Semana dos: reescribe solo las aperturas. Semana tres: prueba un cambio de formato. Semana cuatro: revisa el registro y quédate con el ganador.
Si quieres borradores para probar, comienza gratis con 200 créditos. No se requiere tarjeta de crédito. Convierte una idea en contenido para 12 canales y compara la versión de LinkedIn con lo que habrías escrito por tu cuenta.
Fuentes
- LinkedIn Engineering: Un vistazo a la IA que impulsa el feed de LinkedIn (29 de marzo de 2018)
- arXiv: Un recomendador secuencial a escala industrial para la clasificación del feed de LinkedIn (2602.12354)
- arXiv: Recuperación a gran escala para el feed de LinkedIn mediante modelos de lenguaje causales (2510.14223)
- arXiv: 360Brew, un modelo fundacional solo de decodificador para clasificación y recomendación personalizada (2501.16450)
- Ayuda de LinkedIn: Ordena tu feed por publicaciones principales o recientes
- Ayuda de LinkedIn: Análisis de contenido para tu página de LinkedIn