Reichweitenschwankungen systematisch untersuchen

Diese Lektion beginnt mit einer Beobachtung: Ein LinkedIn-Beitrag hat deutlich mehr oder weniger Impressionen als erwartet. Deine Aufgabe ist nicht, sofort eine Algorithmuserklärung zu finden, sondern mögliche Ursachen geordnet zu prüfen.

Die allgemeine Einordnung des Empfehlungssystems findest du im Ratgeber LinkedIn-Algorithmus verstehen.

Schritt 1: Die Abweichung beschreiben

«Der Post lief schlecht» ist keine Diagnose. Notiere:

• Welche Kennzahl weicht ab?
• Mit welchem Ausgangswert vergleichst du sie?
• Wie lange nach Veröffentlichung misst du?
• Ist die Differenz gross genug, um ausserhalb normaler Schwankung zu liegen?

Vergleiche nicht automatisch mit deinem erfolgreichsten Beitrag. Nutze mehrere frühere Posts mit ähnlichem Thema, Ziel und Format.

Schritt 2: Ziel und Zielgruppe prüfen

Ein Beitrag kann viele Menschen erreichen und trotzdem die falsche Aufgabe erfüllen. Halte fest:

• Für wen war der Beitrag gedacht?
• Welche Frage sollte er beantworten?
• Welche Handlung oder Erkenntnis war gewünscht?
• Welche Personen haben tatsächlich reagiert oder nachgefragt?

Wenn die gewünschte Zielgruppe klein ist, kann eine niedrigere Reichweite normal sein. Relevante Rückfragen wiegen dann unter Umständen stärker als eine hohe Impressionszahl.

Schritt 3: Inhaltliche Faktoren untersuchen

Prüfe zuerst, was im Beitrag selbst liegt.

Thema

War die Frage spezifisch und für dein Netzwerk erkennbar relevant? Ein internes Unternehmensthema kann fachlich gut sein, aber ausserhalb des Teams wenig Anschluss bieten.

Einstieg

Wurde schnell klar, worum es geht und für wen der Beitrag gedacht ist? Ein präziser Einstieg hilft Lesern bei der Entscheidung, ohne eine dramatische Hook-Formel zu benötigen.

Aussage

Enthält der Beitrag eine erkennbare Perspektive, ein Beispiel oder einen nächsten Schritt? Allgemeine Zusammenfassungen lösen oft weniger fachliche Rückfragen aus.

Verständlichkeit

Sind Absätze, Begriffe und visuelle Elemente mobil lesbar? Bei Dokumenten und Videos gehören auch Seitendichte, Ton, Untertitel und Vorschaubild zur Prüfung.

Schritt 4: Kontextfaktoren notieren

Reichweite entsteht nicht nur aus dem Beitrag.

• War das Thema bereits kurz zuvor präsent?
• Hat eine erwähnte Person oder Organisation den Beitrag weiterverteilt?
• Gab es zusätzliche Verteilung über Newsletter, Mitarbeitende oder andere Kanäle?
• War dein Netzwerk in dieser Phase gewachsen oder verändert?
• Wurde der Beitrag aufgrund einer Veranstaltung oder Nachricht aktuell?

Diese Faktoren können Ergebnisse stark verändern, ohne dass sich eine Plattformregel geändert hat.

Schritt 5: Veröffentlichungsdaten dokumentieren

Notiere Zeitpunkt, Format, externe Links, Tags und spätere Bearbeitungen. Behandle sie zunächst als Variablen, nicht als Ursachen.

Ein externer Link in einem schwachen Beitrag beweist keine Linkstrafe. Eine Korrektur vor einem Reichweitenrückgang beweist keine Editierstrafe. Erst wiederholte, möglichst vergleichbare Tests können einen Hinweis liefern.

Schritt 6: Qualitative Rückmeldungen lesen

Kommentare und Nachrichten erklären häufig mehr als eine Gesamtsumme.

Frage:

• Welche Aussage wurde zitiert oder aufgegriffen?
• Wo entstand ein Missverständnis?
• Welche Einwände wiederholen sich?
• Kam eine Rückfrage aus der gewünschten Zielgruppe?
• Wurde der Beitrag intern oder extern weiterverwendet?

Ein Beitrag kann redaktionell wertvoll sein, obwohl seine Reichweite unter dem Durchschnitt liegt.

Schritt 7: Eine Hypothese formulieren

Formuliere eine prüfbare Vermutung, keine Gewissheit.

Zu allgemein:

LinkedIn bestraft unsere Links.

Prüfbar:

Bei fachlich ähnlichen Beiträgen könnte ein direkt sichtbarer Link die Nutzung verändern. Wir vergleichen in den nächsten sechs passenden Posts drei Varianten mit und drei ohne direkten Link.

Die Hypothese nennt Vergleich, Umfang und Variable. Sie garantiert trotzdem kein eindeutiges Ergebnis.

Schritt 8: Nur eine wesentliche Variable testen

Verändere nicht gleichzeitig Thema, Format, Uhrzeit, Länge und CTA. Sonst bleibt unklar, welche Änderung mit dem Ergebnis zusammenhing.

Mögliche Tests:

• gleicher Fragetyp, unterschiedlicher Einstieg,
• ähnliche Anleitung als Text und Dokument,
• vergleichbare Themen mit und ohne externen Link,
• Veröffentlichung in zwei praktikablen Zeitfenstern,
• engeres und breiteres Zielgruppenproblem.

Für saubere Tests nutzt du die Lektion Systematisch testen.

Schritt 9: Mehrere Beiträge abwarten

Ein einzelner Post ist anfällig für Zufall und Kontext. Lege vorab fest, wie viele vergleichbare Beiträge du beobachten willst und welche Kennzahlen relevant sind.

Halte auch fest, wann du eine Hypothese verwirfst. Sonst suchst du nachträglich nur die Beispiele aus, die deine Vermutung bestätigen.

Diagnosematrix

Beobachtung	Mögliche Prüfung	Keine vorschnelle Schlussfolgerung
Weniger Impressionen	Thema, Netzwerkpassung, Ausgangswert	«Das Format wird bestraft»
Viele Impressionen, kaum Rückfragen	Zielgruppe und Aussage prüfen	«Der Beitrag war erfolgreich»
Viele Reaktionen derselben Kontakte	Reichweite ausserhalb des Stammnetzwerks prüfen	«Kommentare sind das stärkste Signal»
Mehr Profilaufrufe	Profil, Tags, Erwähnungen und Verteilung prüfen	«Der Hook war die Ursache»
Späte Zunahme	Reposts, Kommentare und externe Verweise prüfen	«Es gibt keine frühe Verteilung»
Rückgang nach Bearbeitung	Inhalt, Zeitpunkt und Vergleichsgruppe prüfen	«Editieren setzt den Algorithmus zurück»

Was in den Bericht gehört

Dokumentiere pro Test:

1. Ziel und Hypothese
2. Zielgruppe und Thema
3. Beitragsformat
4. veränderte Variable
5. Beobachtungszeitraum
6. quantitative Kennzahlen
7. qualitative Rückmeldungen
8. Einschränkungen
9. nächste Entscheidung

Diese Struktur macht aus Analytics eine redaktionelle Lernschleife.

Checkliste

• Ich vergleiche mit mehreren ähnlichen Beiträgen.
• Ich trenne Reichweite von Zielerreichung.
• Ich unterscheide Beobachtung, Hypothese und Beleg.
• Ich prüfe Inhalt und Kontext vor Algorithmusannahmen.
• Ich ändere möglichst nur eine wesentliche Variable.
• Ich dokumentiere qualitative Rückmeldungen.
• Ich ziehe aus einem Einzelpost keine allgemeine Regel.

Für die Grenzen allgemeiner Algorithmusaussagen lies LinkedIn-Algorithmus verstehen.