LinkedIn feed algoritması, mart 2026’da yayımlanan bir mühendislik yazısıyla baştan tarif edildi: eski çok kaynaklı yapı gitti, yerine büyük dil modeliyle üretilen gömülemelere ve sıralı davranış okuyan bir modele dayanan tek bir sistem geldi. Yani “doğru saatte paylaş, üç hashtag ekle” döneminden, “kim olduğun ve neyi tutarlı biçimde anlattığın” dönemine geçiyoruz.
Bu yazıyı haber olarak değil, iletişimciler için bir okuma kılavuzu olarak yazdım. Çünkü LinkedIn’in kendi anlattığı ile sosyal medya dünyasında dolaşan “algoritma sırları” arasında ciddi bir mesafe var. İkisini ayırmak, haftalarca yanlış bir taktiğe emek vermekten kurtarır.
Not: Sitede LinkedIn’de yapay zeka içeriklerinin erişimini ele alan bir yazı daha var; burada odak içerik üretimi değil, sıralamanın nasıl çalıştığı.
Kısaca: LinkedIn, feed’i LLM tabanlı tek bir getirme sistemi ve bir üyenin 1.000’den fazla geçmiş etkileşimini sıralı okuyan bir modelle yeniden kurduğunu açıkladı. Sıralamada profil bilgisi, etkileşim geçmişi ve gönderi içeriği birlikte kullanılıyor. Markalar için pratik sonuç: profil netliği, konu tutarlılığı ve okuyucuyu gerçekten tutan içerik, saat ve hashtag oyunlarından daha değerli.
LinkedIn feed algoritmasında ne değişti?
LinkedIn’in 12 Mart 2026 tarihli mühendislik yazısına göre feed’e içerik getiren birden çok kaynak (trend olanlar, işbirlikçi filtreleme, farklı gömüleme sistemleri) tek bir sistemle değiştirildi. Bu sistem gönderileri ve üye profillerini LLM ile aynı anlamsal uzaya yerleştiriyor ve benzerlik üzerinden aday içerik buluyor.
Sıralama tarafında “Generative Recommender” adlı bir dönüştürücü (transformer) model var. Eski yaklaşım her gösterimi bağımsız değerlendiriyordu; yeni model bir üyenin geçmiş etkileşimlerini sıralı bir hikâye gibi okuyor ve yazıya göre 1.000’den fazla etkileşimi işleyebiliyor. Yazının yazarı Hristo Danchev, farkı basit bir cümleyle anlatıyor: eski modeller bağımsız kararlar görür, sıralı model yörüngeyi anlar.
Hangi sinyaller kullanılıyor?
Resmi yazı şunları sayıyor: üyenin paylaştığı profil verisi (sektör, deneyim, beceriler, coğrafya), etkileşim geçmişi (okuma, beğenme, yorum yapma, geri dönme, kaydırıp geçme), gönderi verisi (format, yazar bilgisi, etkileşim sayıları, metin) ve cihaz türü gibi bağlam özellikleri. Bu sinyallerin hangisinin ne kadar ağırlığı olduğunu LinkedIn paylaşmıyor.
Teknik ayrıntılar neden iletişimciyi ilgilendirir?
Yazıdaki bazı detaylar sıkıcı mühendislik gibi görünür ama bir mesaj taşır. Örneğin LinkedIn, ham etkileşim sayılarını yüzdelik dilimlere çevirdiğini söylüyor; böylece “bin beğeni” ile “on beğeni” modelin gözünde anlamlı bir ölçeğe oturuyor. Getirme aşaması milisaniyeler içinde, milyonlarca gönderilik bir dizinden aday seçiyor ve içerik ile profil gömülemeleri dakikalar içinde tazeleniyor.
İletişimci açısından çıkarım şu: dağıtım, “bir kez çalışan hile” ile değil, sürekli güncellenen bir anlam eşleşmesiyle işliyor. Bir gönderinin ömrü kısa, ama profilinizin ve geçmişinizin ömrü uzun. Bu yüzden tek bir gönderiyi optimize etmek yerine hesabın bütününü düşünmek gerekiyor.
Bu mekanizma ne anlama geliyor?
Burada resmi bilgi ile yorumu ayırıyorum. Resmi olan: profil ve metin, aday seçiminde de sıralamada da girdi. Benim yorumum: gönderiniz profilinizin anlattığı konuyla ne kadar uyumluysa, doğru kitleye gösterilme ihtimali o kadar artıyor. Bu bir çıkarım; LinkedIn “profil uyumu puanı” gibi bir şey açıklamadı.
NetInfluencer’ın aktardığına göre sistem, etkileşim geçmişi az olan üyeler için de profil verisinden ilgi alanı çıkarabiliyor. Bu, gönderilerin takipçi ağınızın dışına çıkabilme ihtimalini artıran bir tasarım. Ama “kesin çıkar” demek abartı olur.
Rakamlara dikkat
İnternette “şirket sayfalarına feed’in yüzde 5’i, kişisel profillere yüzde 65’i” ya da “harici link erişimi yüzde 60 düşürür” gibi sayılar dolaşıyor. İncelediğim bu tür anlatılarda kaynak ya yok ya da bir ajans blogu. LinkedIn bunları doğrulamadı. Bu yüzden yazıda kullanmıyorum; sektörde gözlemlenen eğilim olarak “çalışan sesleri şirket sayfasından genellikle daha iyi performans gösteriyor” demek daha dürüst.
Markalar ve kurumsal iletişimciler için etkisi
Sıralı davranış okuyan bir model, tek seferlik viral bir gönderiden çok, aynı konuda düzenli ve okunan içeriğin izini sürmeye uygun. Bu, lider iletişimi için iyi haber: yöneticinin kendi alanında tutarlı konuşması, rastgele “bugün de güzel bir gün” gönderilerinden daha anlamlı bir sinyal üretiyor olabilir.
Kurumsal sayfa için tablo biraz daha zor. Sayfanın profili, sektörü ve geçmiş içerikleri de girdi; ama sayfanın “bir insan gibi” yorum yapıp ilişki kurması mümkün değil. Bu yüzden sayfayı yayın aracı, çalışanları ve liderleri ise asıl konuşmacı olarak konumlandırmak mantıklı. LinkedIn’de kişisel marka oluşturma adımları yazısındaki temel, burada da geçerli.
Okunan içerik kazanıyor olabilir
Yazı, sıralamada “dwell” (içerikte geçirilen süre), beğeni, yorum ve paylaşımı sayıyor; kaydırıp geçmek de bir davranış olarak izleniyor. Yani ilk iki satırdan sonra okuyucuyu bırakan bir gönderi, kendi geçmiş verinizle sizi cezalandırıyor olabilir. Bu da bir yorum; ama mekanizmayla uyumlu.
Eski alışkanlıklar ne olacak?
Hashtag, paylaşım saati ve “ilk saatte yorum toplama” gibi alışkanlıkların hepsi bir anda geçersiz olmadı; ama LinkedIn’in kendi anlattığı mekanizmada bunların hiçbirine öncelik verilmiyor. Hashtag’in tek başına dağıtımı belirlediğini gösteren resmi bir veri yok. Bu yüzden eski alışkanlıkları tamamen bırakmayın, sadece yatırım oranını azaltın.
Bence daha önemli bir değişim şu: artık “ne zaman” sorusundan çok “kime ve hangi konuda” sorusu belirleyici. Takvimle uğraşan ekipler, konu haritasıyla uğraşan ekiplerden bir adım geride kalabilir.
Uygulamada ne yapmalı?
- Profili bir sıralama girdisi gibi düzenleyin: başlık, hakkında bölümü ve beceriler, anlattığınız konuyla örtüşsün. Profil “pazarlama” diyor, gönderiler kripto anlatıyorsa model kafa karıştırıcı bir tablo görür.
- 2–3 ana konuya sadık kalın: bir çeyrek boyunca aynı üç tema etrafında yazın. Çeşitlilik yerine tutarlılık deneyin.
- İlk iki satıra yatırım yapın: okuyucuyu “devamını gör”e değil, gerçekten okumaya taşıyan bir açılış yazın. Boş merak kancaları geri dönüyor.
- Yöneticileri ve uzmanları sahneye çıkarın: şirket sayfasını sadece duyuru panosu olmaktan çıkarın; çalışan anlatılarını destekleyin. Zorlama değil, gönüllü ve kendi sesiyle.
- Kendi A/B testinizi yapın: linki gövdeye ve yoruma koyduğunuz gönderileri 4–6 hafta karşılaştırın. Başkasının rakamına değil kendi verinize inanın.
- Yoruma emek verin: sıralı davranış verisinde sizin de diğer gönderilerle etkileşiminiz iz bırakıyor; sektörünüzün konuşmalarında anlamlı yorum yazın.
- Ölçümü erişimden derinliğe taşıyın: kaydetme, gönderme ve yorum kalitesini görüntülenmeden daha çok izleyin.
Sıkça Sorulan Sorular
LinkedIn feed algoritması resmi olarak neye bakıyor?
LinkedIn’in mühendislik yazısı profil bilgisini, etkileşim geçmişini (okuma, beğeni, yorum, paylaşım, geri dönüş), gönderi verisini ve cihaz gibi bağlam bilgisini sayıyor. Ağırlıkların nasıl dağıldığını ise açıklamıyor.
Şirket sayfası yerine çalışan profilleri mi öne çıkarmalıyım?
Resmi bir kaynak bunu söylemiyor. Sektörde şirket sayfalarının erişiminin düşük kaldığı gözlemleniyor, ama bu rakamlar çoğunlukla ajans analizlerine dayanıyor. Küçük bir deneyle kendi hesabınızda test etmek en sağlıklısı.
Harici link koymak erişimi gerçekten düşürür mü?
LinkedIn bunu resmi olarak doğrulamadı. Bazı üçüncü taraf analizler düşüş bildiriyor, ancak yöntemleri belirsiz. Linki yoruma ya da ikinci aşamaya taşıyıp kendi verinizle karşılaştırın.
Kaynaklar
- LinkedIn Engineering — Engineering the next generation of LinkedIn’s Feed (Hristo Danchev, 12 Mart 2026)
- NetInfluencer — LinkedIn deploys LLM-based feed ranking system to surface content beyond members’ networks (20 Mart 2026)
- PPC Land — LinkedIn rebuilds its feed from scratch with LLMs and GPU-powered ranking (Mart 2026)
- SocialPilot — LinkedIn Algorithm 2026 (üçüncü taraf analiz; rakamları doğrulanmamış olarak okundu)
Sedat Şenol · İletişim Uzmanı
Görsel: Giorgio Trovato / Unsplash

