Et innlegg med 10 000 visninger kan ha nådd omtrent 2 700 til 6 000 unike personer, ikke 10 000. En analyse av 42 493 LinkedIn-innlegg fant at medianinnlegget nådde bare 46,5 % så mange unike medlemmer som det totale antallet visninger, og de fleste innleggene lå mellom 27 % og 60 % (AuthoredUp's analyse av LinkedIn-visninger og visninger). Det gapet endrer hvordan du bør lese nesten alle tall i et LinkedIn-analysepanel.
Visninger er eksponering, ikke publikumsstørrelse. Engasjementsrate er et forholdstall, ikke en karakter. Følgervekst er bare nyttig når det nye publikummet passer dine kommersielle eller profesjonelle mål. Panelet blir verdifullt når du slutter å spørre hvilket innlegg som fikk det største tallet, og begynner å spørre hvilket innhold som utvidet relevant rekkevidde, skapte nyttige interaksjoner og flyttet folk mot et resultat.
Hva LinkedIn Analytics-panelet faktisk viser
LinkedIns sideanalysepanel inneholder separate måleområder, ikke én universell engasjementsscore. Den offisielle strukturen inkluderer Innhold, Besøkende, Følgere, Søkevisninger, Leads, Nyhetsbrev, Konkurrenter og Arbeidsgiverprofil. Oversikten fokuserer på sidebesøkende, nye følgere, innleggvisninger og klikk på egendefinerte knapper (LinkedIns dokumentasjon for sideanalyse).
Hver modul svarer på et annet spørsmål:
- Besøkende: Hvilke personer kom til siden?
- Følgere: Skapte eksponering et varig publikum?
- Innhold: Hva distribuerte LinkedIn, og hvordan reagerte seerne?
- Søkevisninger: Hvordan finner folk siden?
- Leads og klikk på egendefinerte knapper: Skapte aktiviteten en handling knyttet til et forretningsmål?
Panelet blir nyttig når disse spørsmålene holdes adskilt. Visninger måler leverte visninger, mens unike besøkende viser hvor mange forskjellige personer som kom inn. Et innlegg kan få gjentatte visninger fra en smal gruppe, eller nå personer utenfor det eksisterende nettverket uten å konvertere dem til følgere. Disse resultatene krever ulike beslutninger.
Bruk panelet som et beslutningssystem
Begynn med resultatet du vurderer, og velg den relevante modulen. For synlighet, sammenlign visninger med besøkende og unik rekkevidde. For publikumsutvikling, undersøk nye følgere og sammensetningen deres. For anskaffelse, se på klikk, søkevisninger og leads i stedet for å behandle reaksjoner som sluttpunktet.
LinkedIns besøksoversikt sammenligner de siste 30 dagene med de foregående 30 dagene, inkludert sidevisninger, unike besøkende og klikk på egendefinerte knapper. Sammenligningen viser retning, ikke et enkelt isolert resultat. Den skiller også mellom totale besøk og unike besøkende, noe som hjelper analytikere med å identifisere gjentatt oppmerksomhet i stedet for å forveksle det med publikumsvekst.
Engasjementsrate trenger samme disiplin. Det er et forhold mellom interaksjoner og den relevante eksponeringsbasen, ikke en kvalitetskarakter. En høyere rate kan gjenspeile et mindre, men mer responsivt publikum, mens bredere distribusjon kan senke forholdstallet uten at innholdet blir ineffektivt.
Praktisk regel: Hold visninger, unike besøkende, følgere og klikk i separate beslutningskolonner. De representerer ulike stadier av oppmerksomhet.
Bruk panelet til å spore bevegelsen fra eksponering til publikumsvekst og deretter til handling. Den sekvensen viser om distribusjonen gikk utover det eksisterende nettverket, om folk valgte å bli værende, og om LinkedIn-aktiviteten bidro til et målbar forretningsresultat.
Anatomien til et LinkedIn Analytics-panel
Et LinkedIn-analysepanel blir nyttig når hver modul svarer på et eget forretningsspørsmål. Visningene Innhold, Besøkende, Følgere og Søkevisninger beskriver ulike stadier av oppmerksomhet, så å kombinere totalene deres kan skjule om synligheten nådde nye personer, tiltrakk riktig publikum eller skapte varig interesse.
Innholdsanalyse spør hva som fungerte
Området Innhold evaluerer sideoppdateringer, inkludert video. Sammenlign formater, temaer og oppfordringer til handling ved å se på både distribusjon og respons. Visninger viser hvor ofte LinkedIn viste et innlegg, ikke hvor mange unike medlemmer som så det. Et innlegg med bred distribusjon kan gi færre meningsfulle handlinger enn et som vises til et mindre, mer relevant publikum.
Hold interaksjonstyper adskilt. Klikk, reaksjoner, kommentarer, delinger, lagringer, sendinger og reposts representerer ulike nivåer av intensjon. En reaksjon kan indikere rask godkjenning, mens en lagring eller sending tyder på at noen mente materialet var nyttig nok til å beholde eller sende videre. Engasjementsrate er derfor et forholdstall som må tolkes sammen med eksponeringsbasen, ikke en frittstående kvalitetskarakter.
Besøksanalyse spør hvem som kom
Visningen Besøkende dekker demografi og kilder for besøkende. LinkedIn identifiserer dimensjoner som jobbfunksjon, sted, ansiennitet, bransje og bedriftsstørrelse i sine analyseområder og demografirapportering.
Vekst i besøkende betyr bare noe når publikumet som kommer, passer det tiltenkte markedet. Et konsulentselskap som retter seg mot seniorinnkjøpere i én bransje, bør sammenligne sammensetningen av besøkende med det publikummet, i stedet for å behandle et større totalt antall besøkende som automatisk fremgang. Det samme prinsippet gjelder unik rekkevidde: den viser publikumsutvidelse tydeligere enn gjentatte visninger.
Følgeranalyse spør hvem som ble værende
Modulen Følgere rapporterer demografi og kilder for følgere. Nye følgere viser at noe av oppmerksomheten ble til en løpende forbindelse med siden, men sammensetningen av følgerne avgjør om forbindelsen støtter strategien.
Et publikum av irrelevante seere kan øke totalen uten å forbedre tilgangen til kjøpere, kandidater, partnere eller beslutningstakere. Sammenlign følgervekst med rolle, ansiennitet, bransje, bedriftsstørrelse og sted før du vurderer det som strategisk fremgang.
Søkevisninger spør hvordan folk finner deg
Søkevisninger viser hvem som søkte etter siden, hvilke nøkkelord de brukte, og hvor ofte siden dukket opp i søk i løpet av de siste 7 dagene. Denne visningen måler synlighet, ikke responsen på et publisert innlegg. Den kan avsløre om siden blir lettere å finne gjennom språket målmarkedet bruker.
De fire tallene som faktisk betyr noe
Et innlegg kan samle visninger uten å nå et større publikum. LinkedIn-analysepanelet skiller dette gjennom fire måleverdier, hver knyttet til en annen beslutning om distribusjon, publikums kvalitet, interaksjon og beholdning.
| Måleverd | Hva den teller | Hva den svarer på | Vanlig felle |
|---|---|---|---|
| Visninger | Eksponeringer av innhold, inkludert gjentakelser | Hvor mye potensiell distribusjon fikk innlegget? | Å behandle eksponering som unik publikumsstørrelse |
| Rekkevidde | Unike medlemmer som så innholdet | Hvor mange forskjellige personer nådde innlegget? | Å anta at alle seere er kommersielt relevante |
| Engasjementsrate | Interaksjoner delt på visninger | Hvor effektivt skapte eksponering interaksjoner? | Å lese forholdstallet som en endelig score |
| Følgervekst | Nye følgere som siden har fått | Ble oppmerksomhet til et varig publikum? | Å feire vekst uten å sjekke om publikummet passer |
Visninger måler distribusjon
Visninger teller hvor ofte LinkedIn viste et innlegg. De hjelper analytikere med å sammenligne distribusjon på tvers av lignende innlegg og eksponeringsperioder, men de identifiserer ikke antallet ulike seere.
Gjentatt eksponering kan forsterke kjennskap, særlig når et budskap trenger flere møter. Det kan også få distribusjonen til å se bredere ut enn den er. Les visninger sammen med unik rekkevidde for å skille frekvens fra publikumsutvidelse.
Rekkevidde måler publikumsstørrelse mer presist
Unik rekkevidde svarer på et snevrere spørsmål: hvor mange forskjellige medlemmer så innholdet? Det er en nærmere indikator på publikumsstørrelse enn visninger, selv om det ikke sier noe alene om relevans, ansiennitet eller intensjon.
Et nyttig panel legger derfor til en sjekk av publikums kvalitet. Sammenlign seerne med jobbfunksjonene, ansiennitetsnivåene, bransjene, bedriftsstørrelsene og stedene som betyr noe for kontoen. Et innlegg som når flere personer i feil marked, kan bidra mindre enn et med lavere rekkevidde blant kvalifiserte prospekter.
Engasjementsrate måler effektivitet
LinkedIn definerer engasjementsrate som et forhold mellom interaksjoner og visninger, der interaksjoner inkluderer klikk, reaksjoner, kommentarer og delinger. Forholdstallet er nyttig for å sammenligne lignende innlegg og identifisere endringer i respons, men estimerte visninger gjør det til et retningsgivende mål snarere enn et revidert tall for publikums kvalitet.
Følgervekst måler konvertering til et eid publikum
En ny følger representerer en vedvarende forbindelse, ikke bare en enkelt eksponering. Verdien avhenger av om personen passer det tiltenkte publikummet og sannsynligvis vil ha nytte av fremtidige sideoppdateringer.
Les følgervekst sammen med besøkskilder og demografi. Vekst uten publikumsfit øker totalen, men lar tilgangen til relevante kjøpere, kandidater, partnere eller beslutningstakere være uendret.
Bruk panelets sammenligningsvisninger til å undersøke om oppmerksomhet, unike besøkende og klikk på egendefinerte knapper øker sammen eller hver for seg. Avvik kan identifisere et svakt punkt i veien fra distribusjon til handling. Høye visninger med flat unik rekkevidde tyder på gjentatt eksponering; økende rekkevidde med liten følgervekst tyder på at bevissthet ikke blir til et varig publikum.
Hvordan lese engasjementsrate uten å lure deg selv
Engasjementsrate er en prosent, ikke en dom. Telleren teller utvalgte interaksjoner, mens nevneren bruker estimerte visninger. Det gjør målet nyttig for sammenligning, men for ustabilt til å fungere som et frittstående mål på innholdskvalitet eller publikumsverdi.
En høy rate kan gjenspeile mange lette reaksjoner. En lavere rate kan inkludere klikk, kommentarer, lagringer eller sendinger som betyr mer for virksomheten. Behandle forholdstallet som et diagnostisk signal. Bruk det til å sammenligne lignende innlegg og identifisere endringer i respons, og undersøk deretter handlingene bak prosenttallet.
Del opp telleren
LinkedIns veiledning for engasjement teller klikk, reaksjoner, kommentarer og delinger blant interaksjonene som brukes i raten (LinkedIns veiledning for engasjementsrate). Kombinert analyse inkluderer også reaksjoner, kommentarer, lagringer, sendinger og reposts blant engasjementene.
Hver handling svarer på et annet spørsmål:
- Klikk kan indikere interesse for innholdet, siden, profilen eller destinasjonen.
- Kommentarer kan avsløre kvaliteten på samtalen, uenighet, spørsmål eller mulig kjøpsintensjon.
- Delinger og reposts indikerer distribusjonsverdi fordi noen valgte å eksponere innlegget for et annet publikum.
- Lagringer og sendinger kan signalisere profesjonell nytte, særlig når folk vil komme tilbake til materialet eller dele det privat.
Et innlegg med en 6 % rate drevet hovedsakelig av lette reaksjoner kan være mindre nyttig enn et innlegg med en 3 % rate drevet av lagringer fra relevante seniorbeslutningstakere. Disse tallene illustrerer hvordan forholdstallet kan villede; de er ikke påstander om referanseverdier. Prosenten kan ikke forklare hvorfor folk interagerte.
B2B-spillboken for influencer-partnerskap gir kontekst for å evaluere samarbeidinnhold. Vurder et partnerskapsinnlegg etter publikumsfit, samtalekvalitet og handlinger som støtter relasjonen, ikke bare synlige reaksjoner.
Sammenlign like med like
Bygg en rullerende engasjementsvisning gruppert etter:
- Format, som tekst, video eller dokument.
- Tema, som produktopplæring, bransjeanalyse eller rekruttering.
- Publikum, basert på de profesjonelle segmentene som betyr noe for kontoen.
- Publiseringstidspunkt, justert for publikums lokale kontekst.
Sammenlign innlegg med lignende eksponeringsvinduer. Et nytt innlegg har hatt mindre tid til å samle interaksjoner enn et eldre. Gå også gjennom endringer mellom rapporteringsperioder, siden slettede kommentarer, fjernede reaksjoner og andre justeringer kan endre totalene.
For en nærmere forklaring av beregningen, se denne veiledningen til LinkedIn-engasjementsrate.
Bruk forholdstallet til å velge neste test, ikke til å kåre en permanent vinner. Økende klikk med flate reaksjoner kan tyde på mer seriøs interesse. Økende kommentarer uten følgervekst kan vise til diskusjon som ennå ikke har blitt til et varig publikum. Undersøk disse mønstrene sammen med unik rekkevidde og visninger før du bestemmer om distribusjonen utvidet seg eller bare gjentok eksponering.
Distribusjon i nettverket versus utenfor nettverket
Totale visninger blir mer nyttige når panelet viser hvor de kom fra. LinkedIns kombinerte analyse skiller visninger i nettverket, generert av følgere eller forbindelser, fra visninger utenfor nettverket, generert av personer utenfor det eksisterende publikummet (LinkedIns dokumentasjon for kombinert analyse).
Det skillet gjør distribusjon til en vekstdiagnose:
- Distribusjon i nettverket måler forsterkning blant personer som allerede er knyttet til siden eller skaperen.
- Distribusjon utenfor nettverket måler oppdagelse utover det nåværende publikummet.
- En økende total med stabil andel i nettverket peker på sterkere spredning innenfor det eksisterende nettverket.
- En voksende andel utenfor nettverket indikerer at innholdet når potensielle nye publikumssegmenter.
Les distribusjon og respons sammen
Eksponering utenfor nettverket er et distribusjonssignal, ikke en kvalitetskarakter. Nye seere kan engasjere seg mindre umiddelbart fordi de mangler kontekst eller kjennskap. Vurder hvert innlegg langs to dimensjoner:
| Distribusjonsspørsmål | Interaksjonsspørsmål |
|---|---|
| Nådde innlegget utover det eksisterende nettverket? | Skapte den eksponeringen nyttige handlinger? |
| Var det nye publikummet relevant? | Var handlingene klikk, kommentarer, lagringer, sendinger eller reposts? |
| Forbedret følger-sammensetningen seg? | Skapte innlegget samtale eller støtte for fremtidig distribusjon? |
Denne sammenligningen skiller publikumsutvidelse fra gjentatt synlighet. Sterk ytelse i nettverket kan utdype autoritet hos et etablert publikum. Sterk ytelse utenfor nettverket kan utvide bevisstheten og introdusere kontoen for nye profesjonelle grupper. Ingen av resultatene er automatisk bedre. Riktig tolkning avhenger av om det nåværende målet er forsterkning, oppdagelse eller publikumsutvikling.
Behandle profesjonell nytte som et distribusjonssignal
LinkedIn definerer engasjement bredt, inkludert reaksjoner, kommentarer, lagringer, sendinger og reposts. Hold disse komponentene adskilt før du kombinerer dem til en engasjementsrate eller et annet sammendragsmål.
Lagringer og sendinger kan indikere praktisk nytte tydeligere enn raske reaksjoner. Folk lagrer rammeverk, sjekklister og forklaringer for senere bruk. De sender materiale når det hjelper noen andre. Sammenlign disse handlingene med nettverksdistribusjon før du bestemmer hvilke temaer du skal gjenbruke, utvide eller utvikle til en serie.
Et panel som bare rapporterer totalengasjement, viser hvor mye aktivitet som skjedde. Et panel som kombinerer nettverkssammensetning med handlingstype, viser om den aktiviteten forsterket det eksisterende publikummet eller støttet publikumsutvidelse.
Hvorfor høye visninger kan bety nesten ingenting
Rå visninger måler eksponering, ikke publikumsstørrelse. Det samme medlemmet kan se et innlegg flere ganger, så en stor total kan gjenspeile frekvens snarere enn utvidelse. Unik rekkevidde gir et nærmere anslag på hvor mange forskjellige medlemmer som møtte innlegget, mens publikumsrelevans fortsatt krever separat analyse.
Analysen av 42 493 LinkedIn-innlegg fant at medianinnlegget nådde 46,5 % så mange unike medlemmer som det totale antallet visninger, og de fleste innleggene lå mellom 27 % og 60 % (AuthoredUp's analyse av LinkedIn-visninger versus unike visninger). Et innlegg med 10 000 visninger kan derfor ha nådd omtrent 2 700 til 6 000 personer. Den resterende eksponeringen representerer gjentatte visninger. For en praktisk sammenligning, se hvordan visninger skiller seg fra visninger på LinkedIn.
Gjentatt eksponering har fortsatt verdi. Den kan forsterke gjenkjennelse blant et eksisterende publikum og støtte senere handling. Den endrer påstanden du kan komme med: innlegget skapte betydelig eksponering, men det nådde ikke nødvendigvis 10 000 forskjellige personer.
Erstatt volum med kvalifisert gjennomtrengning
To innlegg kan gi identiske visningstall, men tjene ulike forretningsmål. Det ene kan sirkulere gjentatte ganger blant nåværende følgere. Det andre kan nå personer utenfor det eksisterende nettverket som matcher den tiltenkte bransjen og ansiennitetsprofilen.
LinkedIns sideanalyse kan vise demografiske trender som jobbfunksjon, sted, ansiennitet, bransje og bedriftsstørrelse (LinkedIns dokumentasjon for publikumsdemografi). Bruk disse dimensjonene til å vurdere om distribusjonen nådde relevante profesjonelle grupper, i stedet for å behandle hver ekstra visning som lik.
Det sterkere spørsmålet er:
Hvilke innlegg utvider relevant publikums gjennomtrengning, og hvilke gjenbruker bare synlighet blant eksisterende følgere?
Et beslutningsorientert panel bør derfor undersøke:
- Unik rekkevidde: Hvor mange forskjellige medlemmer så innlegget?
- Nettverkssammensetning: Utvidet distribusjonen seg utover følgere og forbindelser?
- Publikumsfit: Matchet seerne de tiltenkte profesjonelle segmentene?
- Konvertering til følger: Valgte relevante seere å følge?
- Handlingskvalitet: Skapte innlegget klikk, kommentarer, lagringer, sendinger eller reposts?
En nyttig vurdering er unik rekkevidde vektet etter publikumsfit. Den trenger ikke bli en kunstig score. Kvalitative kategorier kan styre handling: høy rekkevidde med svak fit, høy fit med begrenset rekkevidde, sterk oppdagelse med nyttige handlinger, eller sterk forsterkning innenfor det eksisterende publikummet.
Visninger forblir nyttige for å måle eksponering. De blir misvisende når de blir bedt om å representere unik rekkevidde, publikums kvalitet eller forretningsverdi.
Å gjøre paneldata om til en publiseringsstrategi
En publiseringsstrategi trenger et utgangspunkt før den trenger en reaksjon. Bygg en rullerende oversikt over nylige innlegg, og grupper dem deretter etter format, tema, publikum og publiseringstidspunkt. Sammenlign innlegg med lignende eksponeringsvinduer. Et nytt innlegg bør ikke konkurrere direkte med et eldre innlegg som har hatt lengre tid til å sirkulere.
Innebygd LinkedIn-rapportering har begrensede historiske vinduer, UTC-basert rapportering, datoforsinkelser og begrenset evne til trendanalyse, ifølge nyere analysekommentarer (Socialitys diskusjon av begrensningene i LinkedIn-analyse). Kortsiktige endringer kan derfor gi feil konklusjoner. Normaliser tidssoner, registrer innsamlingsdatoer og oppretthold en ekstern historikk når det innebygde panelet mangler kontekst.
Bruk en beslutningssløyfe
- Sett målet. Skill mellom bevissthet, autoritet, publikumsvekst og konvertering.
- Gå gjennom kohorten. Sammenlign lignende formater, temaer, publikum og eksponeringsvinduer.
- Undersøk kvaliteten. Sjekk unik rekkevidde, nettverkssammensetning, publikumsdemografi, engasjementsrate og interaksjonstype.
- Velg neste handling. Gjenbruk nyttige ideer, utvid sterke temaer, avslutt svake formater eller publiser en oppfølging.
- Registrer resultatet. Lagre beslutningen og begrunnelsen ved siden av måleverdiene.
Visninger kan falle uten at innholdskvaliteten faller tilsvarende. Kommentarer om et skifte i 2025 mot eldre, mer relevante innlegg fremfor ren nylighet tyder på at lavere umiddelbar rekkevidde kan sameksistere med sterkere autoritet eller bedre engasjementskvalitet. Sammenlign unik rekkevidde, publikumsfit og meningsfulle handlinger før du endrer publiseringsfrekvens.
Verktøy kan støtte vurderingen. Ressurser for omgåelse av LinkedIn AI-deteksjon kan hjelpe team med å vurdere om utkast høres naturlige ut, mens panelet må fastslå om det publiserte innlegget når det tiltenkte publikummet og genererer nyttige handlinger. For planlegging, bruk LinkedIn Post Time Wizard som et utgangspunkt, og test deretter anbefalingen mot publikumsdata.
RedactAI hjelper fagfolk med å utarbeide, planlegge, gjenbruke og gjennomgå LinkedIn-innhold, samtidig som de sporer visninger, engasjement, følgervekst og innholds-ROI. Besøk RedactAI for å organisere panelmålinger i en repeterbar arbeidsflyt for innholdsbeslutninger.
