如何整理 LinkedIn 的杂乱

过去几年我每天都会使用的产品之一是 LinkedIn。我以前更喜欢使用 LinkedIn，而不是 Instagram 等其他社交媒体平台，因为它有丰富且高质量的专业内容，而且垃圾邮件很少。我以前也发布了很多内容，尤其是在疫情期间，但随着内容过载随着时间的推移，我停止了发布。

我使用 LinkedIn 来提高我的写作水平，并从其他专业人士那里学习关于我所写主题的全新视角。内容过载对我的用户体验产生了负面影响。

以下是我在 LinkedIn 上观察到的近期内容和功能混乱问题的几个例子：

• 每天都会有新的人工智能工具和功能出现，这对于作为技术爱好者的我来说是令人兴奋的，但在 LinkedIn 上重复发布相同类型内容的人数数量让我这样想要获得有价值的见解和相关更新的人感到失望。

• 我认为贡献专业知识是 LinkedIn 上一项非常棒的功能，它让我可以在日常工作中学习知识和进行实验，但抄袭答案的数量让我根本不会使用这项功能。该功能的积极意图已被偏离 LinkedIn 使命的内容实践所掩盖。

• 我仍在努力理解 LinkedIn 上游戏/谜题的必要性。它让我想起 Facebook 上美好的 Farmville 时光，尽管我看不出它与 LinkedIn 有什么关联。

在深入探讨痛点和潜在解决方案之前，让我们先回顾一下 LinkedIn 的使命和愿景。

LinkedIn的使命很简单：连接世界各地的专业人士，使他们更有效率、更成功。

LinkedIn 的愿景是为全球劳动力的每一位成员创造经济机会。

既然我已经提供了背景和背景，以下似乎是我今天在 LinkedIn 上注意到的最大痛点。请注意，这些都是基于个人经验，由于缺乏定量和定性研究，现实可能有些牵强。

• 数据混乱 - 内容过载、低质量和不相关内容：LinkedIn 上内容生成速度快，导致低质量或不相关内容重复出现。用户被来自联系人的广告、通知、帖子和更新轰炸，相关的行业见解被淹没在噪音中。

• 算法挑战：LinkedIn 优先考虑参与度驱动的帖子，这些帖子倾向于耸人听闻或“病毒式”的帖子，而不是可能与用户的职业目标不符的真正有见地的帖子。

• 功能过载：LinkedIn 的各种功能（例如游戏、贡献专业知识、LinkedIn 新闻、群组、文章、活动和媒体）增加了平台的混乱程度。这不仅是 LinkedIn 的问题，也是任何公司的问题。即使我今天开始推出一款用户体验简单的竞争产品，由于饱和点之后增长潜力有限，它可能会在 10 年后演变成另一个 LinkedIn。

• 定制化程度有限：目前 LinkedIn 信息流在筛选用户感兴趣的相关内容方面灵活性有限，没有提供符合用户需求的定制内容。

• 用户体验影响：总而言之，所有上述痛点都降低了 LinkedIn 作为专业网络和知识共享工具的有效性。

  
  

有效解决这些问题将带来更好的用户体验，并帮助 LinkedIn 更符合其使命和愿景。随着人工智能能力的最新进步，LinkedIn 可以利用以下一些工具来提供更加个性化和整洁的用户体验。

• 用于内容摘要的生成式人工智能
• 人工智能内容质量评分
• 增强的人工智能搜索和推荐
• 对话式人工智能助力深度互动

我的目标不是过度使用“AI”一词，而是建议使用实用的 AI 应用来解决这些问题。结合上述工具可以帮助 LinkedIn 产生一致的用户体验，旨在减少内容混乱并提供更加以用户为中心的体验。

LinkedIn 已经为其功能实现了一些 AI 工具，例如 AI 驱动的 Feed Summarization 和用于内容摘要的生成式 AI。请查看链接了解更多详细信息。

我还想到了一些其他潜在的想法，可以减少内容和功能的混乱问题。

可自定义的通知控件：当前通知中心过于繁琐且难以使用。分析用户行为以建议相关的通知偏好有助于改善用户体验。

个性化信息流过滤器：高级过滤选项允许用户根据相关主题、行业和连接级别调整信息流，所有这些都由 AI 提供支持，以获得更加动态的信息流。标签确实在一定程度上有助于缓解这个问题，但并非万无一失。

LinkedIn 游戏：由于 LinkedIn 并不是一个我真正想玩游戏的平台，我认为它可以调整当前的游戏功能，以符合其使命。他们可以游戏化，以便用户可以学习或更新各种主题的技能。采用 Duolingo 方法来学习产品管理技能、软件开发技能、营销等将是一个值得探索的好方法。

与 LinkedIn 顶级语音徽章类似，游戏化可以添加更多徽章，这确实会鼓励用户创建更多真实内容或学习新技能，从而让很多用户受益。我个人对这个话题有很多想法，希望能看到。我的一个业余项目就是类似的，我可以在另一篇博客文章中谈论这个页面。

内容质量评分人工智能是另一个我非常看重的功能。与 ChatGPT 内容被点赞或点踩的方式类似，LinkedIn 可以为帖子作者以外的用户添加此功能，让他们可以点赞或点踩，并且这些数据不需要与作者共享。但 LinkedIn 可以使用它来推荐或提升此内容的排名。

这并不意味着这必须是确定内容质量的唯一方法，但可以用作考虑算法挑战的附加参数。

总而言之，我还有很多想法可以考虑，比如优化或更改贡献专业知识功能和文章功能。与工作相关的功能是完全不同的难题，但总的来说，我觉得 LinkedIn 到目前为止做得相当不错，我希望他们继续利用人工智能来改善内容和功能集的过载问题。

参考：

LinkedIn AI 功能

提示 DALL.E 图像生成 - 生成用于 LinkedIn 整理的图像