Un plan de acción en Linkedin para 2020 basado en el análisis de datos

Juan Delgado Díaz-Pache    9 enero, 2020
linkedin-plan-accion

Con el cierre del año me he lanzado a analizar todo lo que he publicado durante los últimos doce meses en Linkedin para repasar los temas sobre los que he trabajado, averiguar cuáles han despertado mayor interés, intentar descubrir si hay algún día de la semana mejor que otro para publicar contenido en esta red social, etc. Aunque tenía mis creencias e intuiciones al respecto, nada como un análisis a partir de datos para definir una estrategia más efectiva de cara a 2.020.

El primer problema que me encuentro es que Linkedin solo proporciona análisis de datos a las páginas de empresas. A los usuarios particulares únicamente les facilita información sobre el impacto de cada una de sus publicaciones, es decir, que hay que recorrer uno a uno todos los posts para recopilar la siguiente información:

  • Número de visualizaciones y reacciones
  • Comentarios
  • Lista de las empresas con mayor número de visualizaciones de la publicación
  • Lista de los cargos con mayor número de visualizaciones de la publicación
  • Lista de las ubicaciones con mayor número de visualizaciones de la publicación

Linkedin tiene una API para conectar una aplicación e interactuar de manera automática pero por desgracia no incluye una función para extraer esta información de manera masiva.

La única opción que he encontrado de conseguirlo es a través de las opciones de privacidad de mi cuenta. De esta manera uno puede pedir una extracción de todos sus datos en esta red. Para ello, hay que entrar en la opción “Settings and privacy” y seleccionar en el menú la opción “How Linkedin uses your data”. Allí descubriréis la opción “Get a copy of your data”:

El proceso tarda veinticuatro horas, al cabo de las cuales recibiréis un correo con un enlace para descargar un fichero comprimido con un conjunto de ficheros CSV con vuestra información: contactos, publicaciones, artículos, recomendaciones, comentarios, etc. El fichero de publicaciones se llama “Shares.csv” y no contiene información sobre el impacto de las publicaciones, únicamente la fecha, enlace a la publicación, comentario, enlace publicado y enlace al contenido multimedia (imagen o video):

Con ayuda de un robot

Aunque con esta información ya podía hacer un recuento de las publicaciones y clasificarlas por tema para mi propósito, seguía estancado. Decidí entonces aplicar los conocimientos adquiridos en uno de los cursos que había realizado en 2019, así que desarrollé un robot que se conectara a Linkedin en mi nombre y extrajese la información del impacto de cada publicación. Utilicé la herramienta Blueprism, y creé una aplicación que para cada entrada del CSV de publicaciones se conecta a la URL de cada una de ellas y extrae el número de visualizaciones, reacciones y comentarios.

Éste es el aspecto  que tiene la aplicación que creé:

El resultado fue otro Excel, como el de publicaciones, con varias columnas añadidas que contienen la información mencionada, además del mensaje de error, en caso de existir, generado por el robot.

A partir de este Excel pude pasar a la fase de análisis de la información, que comenzó con la revisión, limpieza y clasificación de la misma. Lo primero que me llamó la atención fue que Linkedin publica información de impacto durante diez meses y luego deja de indicar el número de visualizaciones. Esto hizo que me quedara solo con la información posterior al 15 de febrero, un total de 316 publicaciones hasta diciembre. A continuación, revisé que el robot hubiese realizado un buen trabajo con la extracción y, tras detectar algunas entradas sin información, volví a alimentar al robot para completar el Excel. También revisé la categorización automática, que simplemente trasladaba los hashtags encontrados en el texto de los artículos a la columna de categorías, la completé y modifiqué aquéllas que consideré que no aportaban valor. Por último, incluí una nueva columna que indicaba qué publicaciones hacen referencia a una fuente externa (blog, informe, etc.) y cuáles fueron cosecha propia.

Análisis de la información

Tras esta limpieza y clasificación de la información utilicé PowerBI de Microsoft para realizar el análisis. Los temas más frecuentes en mis publicaciones son los dispositivos, los distintos fabricantes (Samsung, Apple, Microsoft, etc.), sistemas operativos (Windows, Android, iOS, etc.) y herramientas de colaboración (Office 365, G-Suite, Webex, etc.), como se ve en el gráfico inferior:

Curiosamente los temas que más interés han despertado no son los más frecuentes, sino los relativos a contenido propio, como eventos y servicios de Telefónica y pruebas realizadas por mí en torno a Android 10 y Teams, sobre 5G y sobre herramientas de colaboración:

Visto esto, me parece interesante analizar la diferencia entre las publicaciones propias y las que se refieren a contenidos de terceros:

Confirmado: el contenido generado por mí ronda el 15 por ciento del contenido total y consigue en torno al triple de visualizaciones y reacciones.

Por último, tenía la sensación de que hay días mejores que otros para realizar publicaciones, algo que también confirman los datos:

Según los gráficos, el jueves es el mejor día para publicar, sospecho que, porque durante el fin de semana la gente dispone de más tiempo para Linkedin, mientras que el peor día es el domingo, seguido del lunes.

Con toda esta información, mi plan de acción este año consiste en trabajar más el contenido propio, sobre eventos, pruebas y datos interesantes de los servicios de Telefónica, que intentaré publicar entre el martes y el sábado. Dejo para una segunda fase el análisis del resto de información de Linkedin, como las empresas o cargos que se interesan por las publicaciones o las posibles correlaciones que puedan existir en los datos.

Imagen: Bernard Goldbach

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *