Is het nodig om emoji’s in je LinkedIn-berichten te plaatsen en zo ja, hoeveel? In het artikel van vandaag geef ik u de resultaten van een onderzoek dat ik uitvoerde op 4,599 miljoen LinkedIn-berichten.
Deze studie volgt op een eerdere studie die ik publiceerde over de impact van hashtags en het aantal woorden.
Als u als eerste mijn resultaten wilt ontvangen, schrijf u dan in voor mijn nieuwsbrief (vergeet niet op de validatielink te klikken die u per e-mail wordt toegestuurd).
Resultaten in het kort
- Door 15 of 16 emoji’s te gebruiken in je LinkedIn-bericht, vermenigvuldig je de kans om 100 reacties te krijgen met 2,5. Simpel gezegd, hoe meer emoji’s in je LinkedIn-berichten, hoe meer zichtbaarheid je bericht zal krijgen.
- Op basis van 4.599 miljoen geanalyseerde LinkedIn-berichten, stellen we ook vast dat 80% van de berichten geen emoji’s bevatten
- 90,42% van de LinkedIn-berichten bevatten 0,1 of 2 emoji’s
- 1,5% van de berichten op LinkedIn bevat meer dan 10 emoji’s.
Gedetailleerde resultaten
Uit de beschrijvende analyse van de dataset blijkt vooreerst dat 80,12% van de berichten op LinkedIn geen emoji’s bevat. Dit is een goede illustratie van de wet van Pareto.
90,42% van de berichten op LinkedIn bevat 0, of 2 emoji’s en slechts 1,5% bevat er meer dan 10. Het maximum dat werd waargenomen is een bericht met 1190 emoji’s!
Het voorspellingsmodel uitgevoerd met Timi Modeler toont aan dat de gemiddelde waarschijnlijkheid om 100 likes te krijgen op een LinkedIn-bericht 3,5987% bedraagt. Deze waarschijnlijkheid werd berekend door de waarnemingen te beperken tot auteurs met een maximum van 25000 likes (99% van de dataset). Ik wilde de uitschieters (te veel reacties) elimineren als gevolg van grote netwerken die kenmerkend zijn voor beroemde mensen (Barack Obama, Bill Gates, …). In de tabel onderaan dit artikel vindt u alle resultaten.
Ik heb de resultaten in Tableau ingevoerd en de uitschieter van het bericht met 1190 emoji’s verwijderd.
Ik heb ook (in oranje hieronder) het percentage van de berichten op basis van het aantal emoji’s opgenomen.
Hoe het aantal emoji’s een rol speelt
bij de zichtbaarheid van uw berichten op LinkedIn
Een polynoom geeft een zeer goede “fit” (R²=0,96, zie blauwe stippellijn) en we zien dat een asymptoot wordt bereikt rond 18 emoji’s. Het is dus niet nodig om er nog veel meer op te nemen.
Dit zijn de belangrijke lessen die ik uit deze analyse trek:
- het niet opnemen van emoji’s verlaagt statistisch gezien je kansen om 100 likes te krijgen.
- 15 of 16 emoji’s lijkt het optimum te zijn om je kansen op 100 likes te verhogen volgens het voorspellingsmodel, en 18 als ik de regressie in Tableau volg.
- 80% van de berichten op LinkedIn bevat geen emoji’s: door ze te gebruiken kun je je onderscheiden
Zoals bij de andere analyses die ik heb gepubliceerd, blijft de vraag naar het oorzakelijk verband essentieel. In dit stadium is het onmogelijk te zeggen wat de reacties veroorzaakt. “Pusht” het algoritme van LinkedIn meer publicaties die emoji’s bevatten, of wordt het menselijk oog meer aangetrokken tot publicaties die emoji’s bevatten? Om dit mysterie op te lossen, is nog veel werk nodig en misschien een eye tracking-studie.
Methode
Om deze studie uit te voeren, maakte ik gebruik van een dataset van 4.599 miljoen berichten op LinkedIn geleverd door Linkalyze. De gegevens werden voorbereid met Anatella en de modellering werd gedaan met Modeller (deze 2 oplossingen werden geleverd door Timi).
De voorbereiding van de gegevens bestond hoofdzakelijk uit de koppeling van 2 databanken in json-formaat (zie onderstaand schema):
- database met LinkedIn-berichten
- databank auteurs
Omdat emoji’s niet dadelijk leesbaar zijn, werd een reguliere expressie gebruikt om ze te extraheren en te tellen. Voor degenen die het nog een keer willen gebruiken, hier is het:
/(?:[\u2000-\u32FF]|[\ud83c-\ud83e][\udc00-\udfff])(?:\u200d(?:[\u2000-\u32FF]|[\ud83c-\ud83e][\udc00-\udfff]))*/g
Vervolgens moesten we handmatig andere tekens verwijderen die ook werden geëxtraheerd, maar niet uit emoji’s bestonden.
De modellering bestond uit het voorspellen van de kans om 100 reacties te bereiken met een LinkedIn-bericht (likes + comments). Om dat te doen, creëerde ik een variabele “ManyReactions” die berichten opspoort die de symbolische 100 reacties hebben bereikt.
In de modellering wordt “ManyReactions” de afhankelijke variabele. Alle andere variabelen in de dataset worden onafhankelijke variabelen.
Correlatie tussen het aantal emoji’s op een LinkedIn-bericht en de waarschijnlijkheid van het viraal gaan
| Aantal emoji’s | Waarschijnlijkheid van het krijgen van 100 likes op het LinkedIn-bericht |
| 0 | 3,09% |
| 1 | 4,24% |
| 2 | 4,85% |
| 3 | 5,46% |
| 4 | 5,93% |
| 5 | 6,77% |
| 6 | 6,98% |
| 7 | 7,58% |
| 8 | 8,12% |
| 9 | 8,82% |
| 10 | 8,69% |
| 11 | 8,80% |
| 12 | 8,81% |
| 13 | 8,86% |
| 14 | 9,55% |
| 15-16 | 10,38% |
| 17-18 | 9,96% |
| 19-21 | 9,99% |
| 22-28 | 9,88% |
| 29-1190 | 7,13% |
Dankwoord
Met dank aan Frank Vanden Berghen voor zijn hulp bij het programmeren van de functie op emoji’s te extraheren.
Posted in Data en IT.
