Jak rozwinąć profil na LinkedIn - wyniki badania

W skrócie

• Zbadaliśmy cztery profile na LinkedIn i razem 2193 ich własne posty. Każdy autor prowadzi profil inaczej. Maciej L. poszedł w AI, Michał S. korzysta ze wszystkich formatów, Szymon J. stawia na zdjęcia z sesji i z życia, a Grzegorz Wysocki ma mały profil i szuka sposobu, żeby go rozwinąć.
• Liczymy reakcje pod postami, bo zasięgu LinkedIn publicznie nie pokazuje. Typowy post z miesięcy od stycznia do sierpnia zbiera dziś mniej reakcji niż dwa lata temu u wszystkich czterech autorów. Najmniej stracił Michał S., bo 22%, a najwięcej mały profil Grzegorza Wysockiego, bo 83%.
• Na wszystkich czterech profilach więcej od typowego posta zbiera prawdziwe zdjęcie autora. Udostępnienie cudzego posta z komentarzem przegrywa u każdego autora, który go używa.
• Filmy pomagają tylko Michałowi S., który nagrywa je od lat i robi z nich mniej więcej co ósmy post. Grzegorz Wysocki od marca 2026 roku publikuje głównie filmy, a jego typowy post spadł z 8 reakcji do 1.

W dwóch poprzednich badaniach przeanalizowaliśmy po jednym dużym profilu na polskim LinkedIn. Tym razem dołożyliśmy dwa kolejne profile i policzyliśmy wszystkie cztery tą samą metodą. Wyszły z tego cztery różne sposoby prowadzenia profilu i cztery różne wyniki.

Czwarty profil należy do Grzegorza Wysockiego, właściciela emedia i autora tego badania. Jego profil jest dużo mniejszy od pozostałych, bo typowy post zbiera u niego kilka reakcji, a nie sto. Dlatego sprawdzamy, co robią inaczej autorzy, którym LinkedIn wychodzi, i co z tego może przejąć mały profil.

Trzech pozostałych autorów nie podajemy z nazwiska, bo interesuje nas sposób prowadzenia profilu, a nie konkretne osoby. Na zrzutach postów ukryliśmy ich nazwiska, adresy stron i nazwy firm. Pod każdym wyliczeniem jest rozwijany blok Jak to policzyliśmy. Tłumaczymy w nim sposób liczenia i pokazujemy zrzuty postów użytych w przykładzie.

Grzegorz Wysocki
CEO emedia

Komentarz autora: Mój profil jest w tym badaniu najmniejszy. Typowy post zbiera u mnie kilka reakcji, a u pozostałych autorów sto i więcej. Zamiast zgadywać, co robią inaczej, policzyłem ich posty i swoje tą samą metodą. Wynik moich filmów z tego roku mi się nie podoba, ale pokazuję go bez upiększania, bo inaczej to badanie nie miałoby sensu.

Co liczymy i co znaczą słowa

Kilka słów wraca w tym tekście wiele razy i każde z nich znaczy u nas zawsze to samo.

• Reakcje to kliknięcia pod postem, czyli kciuki, serca, brawa i pozostałe. To główna liczba w badaniu, bo każdy widzi ją pod postem.
• Komentarze i udostępnienia to wpisy pod postem i podania posta dalej. Te liczby też widać publicznie.
• Zaangażowanie to suma reakcji, komentarzy i udostępnień. Kiedy piszemy o zaangażowaniu łącznie, sumujemy je ze wszystkich postów z miesiąca.
• Zasięg to liczba osób, które zobaczyły post. LinkedIn pokazuje ją tylko autorowi, więc jej nie mierzymy. Najbliżej zasięgu są reakcje, bo im więcej osób widzi post, tym więcej osób klika. Jeśli w tekście pada słowo zasięg, używamy go potocznie, a liczby zawsze dotyczą reakcji.
• Typowy post to post ze środka listy, kiedy ułożymy wszystkie posty z danego okresu od najsłabszego do najmocniejszego. Statystycy nazywają to medianą. Nie liczymy średniej, bo jeden post z tysiącem reakcji zawyżyłby cały miesiąc.
• Prawdziwe zdjęcie to zdjęcie autora z telefonu albo z sesji, bez scen wygenerowanych przez AI. Zdjęcie z ręki to jego najprostsza odmiana, czyli zwykła fotka z pracy albo z życia.

Kogo porównujemy i jak liczyliśmy

We wszystkich czterech profilach liczyliśmy tak samo, więc wyniki można porównywać. Braliśmy tylko to, co widać publicznie pod postem: reakcje, komentarze, udostępnienia, rodzaj posta i pierwszą grafikę. Pominęliśmy posty młodsze niż dwa tygodnie, bo wciąż zbierają reakcje. Kiedy porównujemy posty ze sobą, wyrównujemy różnice w rodzaju posta, dniu tygodnia, częstości publikowania i długości tekstu. Cechy AI w tekstach i w zdjęciach oceniał u wszystkich ten sam model, na ślepo i według tych samych wzorców.

Profile mają bardzo różną skalę, dlatego częściej niż liczby porównujemy zmiany w procentach. U Szymona J. i Grzegorza Wysockiego posty do porównań bierzemy z ostatnich trzech lat, a u dwóch pozostałych autorów z okresu, w którym publikują regularnie. Nie mamy danych o zasięgu i wyświetleniach, o liczbie obserwujących ani o postach, które autorzy usunęli. Cztery profile nie zastąpią całego LinkedIn, ale pokazują cztery niezależne przypadki.

Wszyscy tracą reakcje, ale nie tak samo

W każdym roku bierzemy te same miesiące, od stycznia do sierpnia, i sprawdzamy, ile reakcji zbierał typowy post. U Macieja L. typowy post zbierał w 2024 roku 117 reakcji, a rok później prawie tyle samo, 116. W 2026 roku zbiera już tylko 81. U Michała S. typowy post zbierał w 2024 roku 209 reakcji, a rok później 177. W 2026 roku zbiera 162.

Najmocniej stracił Szymon J.. W 2024 roku jego typowy post zbierał 258 reakcji i był najmocniejszy ze wszystkich czterech. Rok później zbierał 113 reakcji, a w 2026 roku zbiera 82. U Grzegorza Wysockiego liczby są małe, więc mocniej się wahają. Jego typowy post miał 6 reakcji w 2024 roku i 10 w 2025 roku. W 2026 roku ma 1 reakcję.

W ciągu dwóch lat najmniej stracił Michał S., bo 22%. Maciej L. stracił 31%, a Szymon J. aż 68%. Mały profil Grzegorza Wysockiego stracił 83%, ale przy kilku reakcjach na post jeden słabszy miesiąc zmienia ten wynik bardzo mocno.

iJak to policzyliśmy: typowy post, czyli mediana (przykład: Szymon J.)

Typowy post to post środkowy. Bierzemy wszystkie posty z danego okresu, układamy je od najsłabszego do najmocniejszego i patrzymy na ten, który wypada w połowie. Statystycy nazywają tę wartość medianą.

Weźmy posty Szymona J. z października 2025. Autor opublikował wtedy 13 postów, a reakcje pod nimi układają się tak: 53, 62, 78, 111, 117, 145, 174, 178, 233, 240, 271, 639, 1384. W połowie tej listy stoi 174 i tyle reakcji zebrał typowy post tego miesiąca.

Średnia z tych samych postów wynosi 283, bo podbijają ją najmocniejsze posty. Dlatego w całym badaniu patrzymy na typowy post. Pojedynczy bardzo mocny albo bardzo słaby post nie zmienia wtedy obrazu całego miesiąca.

Poniżej są trzy posty z tej listy: najsłabszy, środkowy i najmocniejszy. Pod każdym widać liczbę reakcji, która weszła do obliczenia.

iJak to policzyliśmy: typowy post, czyli mediana (przykład: Grzegorz Wysocki)

Typowy post to post środkowy. Bierzemy wszystkie posty z danego okresu, układamy je od najsłabszego do najmocniejszego i patrzymy na ten, który wypada w połowie. Statystycy nazywają tę wartość medianą.

Weźmy posty Grzegorza Wysockiego z października 2021. Autor opublikował wtedy 8 postów, a reakcje pod nimi układają się tak: 5, 7, 9, 10, 11, 13, 14, 26. W połowie tej listy stoją dwa posty, z 10 i 11 reakcjami. Typowy post leży dokładnie między nimi i ma 10,5 reakcji.

Średnia z tych samych postów wynosi 12, bo podbijają ją najmocniejsze posty. Dlatego w całym badaniu patrzymy na typowy post. Pojedynczy bardzo mocny albo bardzo słaby post nie zmienia wtedy obrazu całego miesiąca.

Poniżej są trzy posty z tej listy: najsłabszy, środkowy i najmocniejszy. Pod każdym widać liczbę reakcji, która weszła do obliczenia.

Sprawdziliśmy to jeszcze drugim sposobem. Tym razem patrzymy na każdy post osobno i liczymy, ile reakcji ubywa z miesiąca na miesiąc, po wyrównaniu różnic między postami. W ostatnich 24 miesiącach posty Macieja L. traciły 1,7% reakcji co miesiąc, a posty Michała S. 3,4%. Najszybciej tracił Grzegorz Wysocki, 7,8% miesięcznie. Te trzy wyniki są pewne statystycznie, więc taki spadek raczej nie jest dziełem przypadku. U Szymona J. ten test nie pokazał pewnego spadku. Jego największy spadek wypadł jesienią 2024 roku, na samym początku tego okresu, więc test nie widzi go jako trendu.

Ostatnie 12 miesięcy wyglądają inaczej. Szymon J. traci w nich najszybciej, 10,6% reakcji miesięcznie, a Maciej L. 3,5%. Oba wyniki są pewne statystycznie. Reakcje Michała S. stoją w miejscu. Grzegorz Wysocki opublikował w tym czasie za mało postów, żeby ten test dał wynik.

iJak to policzyliśmy: porównanie po wyrównaniu różnic (przykład: Szymon J.)

Posty różnią się nie tylko tym, czy mają cechy AI. Jedne mają grafikę, inne są samym tekstem albo karuzelą. Wychodzą w różne dni tygodnia, mają różną długość, a w niektórych tygodniach autor publikuje więcej. Gdybyśmy zestawili wprost posty z AI i bez AI, moglibyśmy wziąć za wpływ AI coś innego, na przykład to, że posty z AI częściej wychodzą w piątek.

Dlatego używamy modelu statystycznego, który analizuje wszystkie posty naraz. Dla każdej cechy, takiej jak rodzaj posta, dzień tygodnia, liczba postów w tygodniu czy długość tekstu, model sprawdza, jak zwykle zmienia ona liczbę reakcji. Potem odlicza ten wpływ. Różnica, która zostaje, należy do badanej cechy, na przykład do tekstu z cechami AI.

Wynik podajemy w procentach. Jeśli piszemy, że post z daną cechą ma 27% mniej reakcji, to zbiera on zwykle o tyle mniej niż taki sam post bez tej cechy. Statystycy nazywają tę metodę regresją. Użyliśmy jej odmiany dopasowanej do danych, w których większość postów ma niewiele reakcji, a kilka ma ich tysiące.

Najprostszy przykład, jeszcze bez modelu, to dwa posty Szymona J. opublikowane w październiku 2025. Oba mają grafikę. Tekst pierwszego model ocenił na 72 punkty za cechy AI, a sam post zebrał 53 reakcje. Tekst drugiego dostał 12 punktów, a post zebrał 174 reakcje. Model statystyczny robi takie porównanie dla setek par jednocześnie.

Weźmy jeszcze trzy okresy po 12 pełnych miesięcy, każdy kończący się w sierpniu. W okresie do sierpnia 2024 roku typowy post Szymona J. zbierał 273 reakcje. W ostatnim okresie zbiera 111. Michał S. zszedł w tym czasie z 234 do 148 reakcji, a Maciej L. ze 122 do 97. Typowy post Grzegorza Wysockiego miał najpierw 6,5 reakcji, a rok później 10. W ostatnim okresie ma 3 reakcje.

Zaangażowanie łącznie pokazuje, ile reakcji, komentarzy i udostępnień zbiera w miesiącu cały profil. U Szymona J. najpierw wzrosło z 3813 do 4235 miesięcznie, bo publikował prawie dwa razy częściej. W ostatnim okresie spadło do 2900, kiedy zaczął publikować rzadziej. U Michała S. spadło z 9195 do 2811, bo publikował mniej i każdy post zbierał mniej. U Macieja L. spadło z 3067 do 2783, choć publikuje tyle samo co wcześniej.

Ile zabrał LinkedIn, a ile sami autorzy

Żeby oddzielić jedno od drugiego, szukaliśmy dnia, w którym poziom reakcji nagle się zmienia i zostaje na nowym poziomie. U Michała S. taki schodek wypadł 25 sierpnia 2024 roku. Przed nim typowy post zbierał 224 reakcje, a po nim 148. Michał S. niczego wtedy nie zmienił, więc zmianę przyniosła platforma.

U Szymona J. podobny schodek wypadł sześć tygodni później, na początku października 2024 roku. Typowy post zbierał przed nim 272 reakcje, a po nim 113. Jest jednak ważna różnica. Szymon J. zaczął wtedy publikować prawie dwa razy częściej i coraz więcej jego postów było samym tekstem, bez zdjęcia. Dlatego nie da się policzyć, ile z jego spadku zabrał LinkedIn, a ile zmiana sposobu publikowania.

U Macieja L. algorytm nie znalazł schodka, bo jego reakcje spadały powoli. U Grzegorza Wysockiego schodek wypadł w listopadzie 2025 roku. Typowy post zbierał przed nim 7,5 reakcji, a po nim 2,5. Stało się to kilka miesięcy przed tym, jak zaczął publikować filmy.

Dwa schodki w odstępie sześciu tygodni na dwóch niezależnych dużych profilach to najmocniejszy ślad zmiany na samym LinkedIn. Decyzje autorów widać za to w porównaniach postów z tych samych miesięcy. U Macieja L. typowy post z tekstem z cechami AI zbiera 0,74 tego, co post bez nich, czyli około trzech czwartych. U Szymona J. post z samym tekstem zbiera wyraźnie mniej niż post ze zdjęciem, a w 2025 roku takie posty stanowiły połowę jego profilu. LinkedIn traktuje posty jednego autora z tego samego miesiąca jednakowo, więc takich różnic nie da się zrzucić na platformę.

AI nie tłumaczy jednak całego spadku Macieja L. Kiedy dodaliśmy do testu trendu informację o cechach AI w poście, spadek z ostatnich dwóch lat prawie się nie zmienił i wyniósł 1,6% miesięcznie zamiast 1,7%.

Z tych faktów wychodzi uczciwy bilans. Jesienią 2024 roku LinkedIn zabrał część reakcji dużym profilom. Potem Michał S. przestał tracić, a Maciej L. i Szymon J. tracili dalej. U obu zbiega się to z ich własnymi zmianami, u Macieja L. z AI w tekstach i portretach, a u Szymona J. z dużą liczbą postów bez zdjęcia. Na czterech profilach nie da się policzyć, ile dokładnie dołożyli sami autorzy, ale widać, że dołożyli.

Ile tekstów ma cechy AI i co to zmienia

Każdy tekst oceniał model językowy, na ślepo, bez daty i nazwiska autora. Za cechy stylu typowe dla AI przyznawał od 0 do 100 punktów, a listę tych cech pokazujemy w rozwijanym bloku poniżej. Tekst, który dostał 50 punktów lub więcej, nazywamy tekstem z cechami AI. Model sprawdziliśmy na postach sprzed premiery ChatGPT. Trzech autorów ma takie posty i u żadnego z nich stary tekst nie przekroczył tej granicy.

iJak to policzyliśmy: ocena tekstu za cechy AI (przykład: Szymon J.)

Tekst każdego posta ocenił model językowy, który nie widział daty ani nazwiska autora. Dostał polecenie, żeby w skali od 0 do 100 ocenił, na ile tekst wygląda na napisany przez model, i wypisał cechy, na których opiera ocenę.

Ocenę podwyższały między innymi kontrasty w stylu to nie X, to Y, ciągi zdań o identycznej budowie i pytanie z krótką puentą w osobnej linii. Podwyższały ją też ogólniki bez liczb, długie myślniki, kalki z angielskiego i pytanie do czytelnika na końcu, które nie ma związku z treścią. Ocenę obniżały konkretne liczby, nazwy własne, osobiste historie, nierówny rytm, żart i drobne błędy.

Post Szymona J. z 12.11.2025 dostał 85 punktów. Model wskazał w nim między innymi takie cechy:

• myślnik jako separator myśli: „to nie jest współpraca - to trzy osobne zespoły”, „a przede wszystkim - większą przewidywalność”
• schemat kontrastu „To nie X. To Y.”: „Nie jest to nowy dział ani modne hasło. To system…”, „To nie jest rewolucja w narzędziach, tylko w myśleniu”, „RevOps nie jest kolejnym modnym skrótem”
• anafora i triada: „Marketing nie kończy na leadzie. Sprzedaż nie kończy na podpisie. Obsługa nie naprawia po innych.”

Post z 28.09.2020 dostał tylko 3 punkty. W uzasadnieniu model napisał między innymi: Krótka, konkretna informacja z nazwiskiem, nazwą konkursu i linkiem, z literówkami i brakami polskich znaków - typowe dla szybkiego wpisu człowieka.

Od 50 punktów nazywamy tekst tekstem z pomocą AI, bo schematy modelu mieszają się w nim z konkretami autora. Od 75 punktów piszemy o tekście ewidentnie z AI. Ocena opisuje styl tekstu, a nie narzędzie, którego użył autor.

iJak to policzyliśmy: sprawdzenie, czy model nie widzi AI wszędzie (przykład: Maciej L.)

Model oceniający teksty mógłby widzieć AI wszędzie, więc sprawdziliśmy go na tekstach, które na pewno powstały bez modelu językowego. To posty opublikowane przed premierą ChatGPT, czyli przed 30 listopada 2022. Gdy profil nie ma tak starych postów, bierzemy najstarsze dostępne.

Jeśli stare teksty dostają niskie oceny, model odróżnia naturalny styl autora od stylu modelu. Gdyby dostawały wysokie, cała ocena nie miałaby sensu.

Post Macieja L. z 09.11.2022 dostał 25 punktów. W uzasadnieniu model napisał między innymi: Struktura jest bardzo regularna, ale to tłumaczenie cudzej listy z jawną atrybucją, literówkami, potocznym żartem 'Keep it simple, stupid!’ i konkretem - to wskazuje na autora-człowieka.

Najwięcej tekstów z cechami AI ma Maciej L. W 2024 roku było to 19% jego postów, a od 2025 roku mniej więcej co trzeci post. Szymon J. do 2024 roku prawie nie miał takich tekstów. W 2025 roku cechy AI miało już 31% jego postów, a w 2026 roku 11%. U Michała S. i Grzegorza Wysockiego takie teksty to w każdym roku najwyżej 6% postów.

Na trzech profilach tekst z cechami AI zbiera mniej reakcji niż tekst tego samego autora bez nich. Pewny statystycznie jest wynik Macieja L. Policzyliśmy go na 103 jego postach z oceną poniżej 75 punktów i wyszło 27% mniej reakcji. U Szymona J. wyszło 19% mniej, a u Michała S. 49% mniej. Te dwa wyniki mogą być przypadkiem, bo Michał S. ma tylko 9 takich postów, a Szymon J. 60. Grzegorz Wysocki ma 3 takie posty, więc u niego nie da się tego ocenić.

Kierunek jest ten sam u trzech autorów. Tekst o równym rytmie i bez konkretów przegrywa z tekstem, który autor napisał po swojemu, bez względu na to, czy pomagał mu model.

Jakie posty i zdjęcia działają

Każdy rodzaj posta porównujemy z typowym postem tego samego autora, bo profile mają różną skalę. Wynik 2 znaczy, że taki post zbiera dwa razy więcej reakcji niż typowy post profilu. Wynik 0,5 znaczy, że zbiera połowę.

Prawdziwe zdjęcie autora zbiera więcej niż typowy post na wszystkich czterech profilach. U Michała S. zdjęcie z ręki zbiera 1,9 razy więcej niż typowy post, a u Grzegorza Wysockiego 2,2 razy więcej. U Macieja L. i Szymona J. zbiera 1,1 razy więcej. U Grzegorza Wysockiego liczymy zdjęcia z całej historii profilu, bo w ostatnich trzech latach miał ich za mało.

Portret z sesji działa różnie i dobrze pokazuje, na czym polega różnica. U Szymona J. zbiera 1,6 razy więcej niż typowy post. Po wyrównaniu różnic to 64% więcej niż zdjęcie z ręki, i ten wynik jest pewny statystycznie. Model uznał 94% jego zdjęć z osobą za prawdziwe zdjęcia. U Macieja L. portret zbiera tylko 0,7 tego, co typowy post, bo wiele jego portretów to sceny wygenerowane przez AI z podpisem. Od października 2025 roku to już połowa jego zdjęć z osobą. Takie sceny zbierają u niego o 52% mniej reakcji niż prawdziwe zdjęcia.

iJak to policzyliśmy: rodzaj grafiki i ocena retuszu (przykład: Szymon J.)

Pierwszą grafikę każdego posta osobno ocenił model rozpoznający obrazy, który nie widział tekstu posta ani daty. Każdej grafice przypisał jeden rodzaj: zdjęcie z ręki, portret wypiękniony, kartę cytatu w stylu wpisu z X, szablon ze zdjęciem albo bez, zrzut ekranu, wykres, mem albo grafikę AI. Portret wypiękniony to zdjęcie z sesji z mocną korektą kolorów, retuszem albo obróbką AI.

Zdjęciom z osobą model dawał też ocenę retuszu w skali od 0 do 100. Zwykłe selfie z telefonu dostaje od 0 do 15 punktów. Zdjęcie z profesjonalnej sesji bez śladów obróbki dostaje od 30 do 50. Widoczna obróbka AI to co najmniej 70 punktów.

Dobrze widać to na dwóch postach Szymona J. opublikowanych dzień po dniu. Zdjęcie z ręki z 26.07.2022 ma 8 punktów za retusz i zebrało 514 reakcji. Portret wypiękniony z 25.07.2022 ma 45 punktów i zebrał 2090 reakcji. Przy portrecie model wskazał takie cechy:

• dramatyczne, reżyserowane światło i ciemne tło
• chłodna, filmowa gradacja kolorów
• bardzo bliski kadr portretowy z ostrością na oku i łzie

iJak to policzyliśmy: etapy AI w zdjęciach z osobą (przykład: Maciej L.)

Etapy wyznaczyliśmy ręcznie, przeglądając profil post po poście. Etap A otwiera pierwszy post, w którym na prawdziwe zdjęcie domontowano drobne elementy AI. Etap B zaczyna się od pierwszego posta z całą sceną wygenerowaną przez AI. Etap C liczymy od miesiąca, w którym pełnokadrowe zdjęcie AI z podpisem pojawiło się w większości postów.

Potem model rozpoznający obrazy dostał po kilka zdjęć wzorcowych z każdego etapu. Na tej podstawie każde zdjęcie z osobą w całym profilu przypisał do jednej z czterech grup:

• prawdziwe ujęcie
• prawdziwe zdjęcie z domontowanymi elementami
• scena wygenerowana z kartą cytatu
• scena wygenerowana z podpisem

Model widział też tekst posta. Scena dobrana pod metaforę z tekstu, na przykład auto przy tekście o wymianie oleju, mocno zdradza, że obraz jest wygenerowany.

Na koniec sprawdziliśmy, czy model się nie myli. Wśród zdjęć z osobą sprzed etapu A, kiedy AI jeszcze nie było w grafikach, uznał za scenę AI tylko 3%. Pozostałe badane profile dostały te same polecenia i te same wzorce, więc udział scen AI liczymy u wszystkich tą samą miarą.

Szymon J. często wraca do tych samych zdjęć z sesji. Spośród jego zdjęć 23 wróciły w kolejnych 72 postach. Post z powtórzonym zdjęciem zbiera po wyrównaniu różnic 48% więcej reakcji niż post ze zdjęciem użytym tylko raz. Wynik jest pewny statystycznie, choć blisko granicy. Powtórka zdjęcia nie obniża więc reakcji, a jedna dobra sesja starcza na wiele miesięcy postów.

iJak to policzyliśmy: powtórzone zdjęcia (przykład: Szymon J.)

Dla każdej grafiki liczymy jej odcisk, czyli skrócony zapis tego, gdzie na obrazie są jasne, a gdzie ciemne plamy. Dwa obrazy z podobnym odciskiem to najpewniej to samo zdjęcie, nawet jeśli ktoś je inaczej przyciął albo dał na nie inny napis.

Odcisk liczymy dla całego obrazu i osobno dla samego środka, bo u góry i u dołu zwykle są belki i podpisy. Środek to obraz bez 18% wysokości z góry i z dołu. Porównujemy też krótkie opisy scen przygotowane przez model. Gdy opis miejsca, ubrania i rekwizytów jest prawie taki sam, uznajemy to za tę samą scenę.

U Szymona J. ta sama scena wróciła w 18 postach. Za pierwszym razem, 22.04.2024, post zebrał 1157 reakcji. Za drugim razem, 22.05.2024, zebrał 7618 reakcji.

Udostępnienie cudzego posta z komentarzem wypada najsłabiej u każdego autora, który go używa. U Michała S. taki post zbiera tylko jedną piątą tego, co typowy post, a po wyrównaniu różnic 79% mniej niż post ze zdjęciem. U Grzegorza Wysockiego traci 47% i ten wynik też jest pewny statystycznie. Maciej L. zrobił tylko 4 takie posty i straciły 75%. Szymon J. nie udostępnia cudzych postów z komentarzem.

Artykuły LinkedIn przegrywają z postem ze zdjęciem u Macieja L., Michała S. i Szymona J., od 46% do 60%. Szablon graficzny ze zdjęciem, czyli zdjęcie wklejone w planszę z napisami, traci wobec zdjęcia z ręki 62% u Michała S. i 70% u Szymona J. Oba wyniki są pewne statystycznie. Sam tekst bez grafiki nie ma jednej reguły. U Macieja L. i Michała S. nie odstaje od posta z grafiką, a u Szymona J. zbiera 32% mniej.

iJak to policzyliśmy: jak rozpoznajemy rodzaj posta (przykład: Michał S.)

Rodzaj posta odczytujemy z danych LinkedIn, a nie z oceny modelu. Plik PDF w poście oznacza karuzelę, film wgrany wprost na LinkedIn oznacza wideo natywne, a brak załącznika oznacza sam tekst. Cudzy post z dopisanym komentarzem autora liczymy jako udostępnienie z komentarzem, a ankietę jako osobny rodzaj.

Link do YouTube, Vimeo albo TikToka w treści oznaczamy osobno jako link do wideo. Udostępnienia cudzych postów bez komentarza pomijamy, bo reakcje pod nimi należą do autora oryginału.

Dla każdego rodzaju liczymy, ile reakcji zbiera typowy post. Potem model porównuje każdy rodzaj z postem z grafiką, po wyrównaniu pozostałych różnic.

Czy filmy pomagają rozwinąć profil

Filmy wgrane wprost na LinkedIn zbierają więcej reakcji niż typowy post tylko u Michała S. Ma ich 64, a typowy z nich zbiera 244 reakcje. To 1,4 razy więcej niż jego typowy post. Nagrywa je od początku badanego okresu i co roku to od 10% do 15% jego postów. Po wyrównaniu różnic przewaga filmu nad postem ze zdjęciem nie jest jednak pewna statystycznie.

Do badania wybraliśmy Szymona J. jako autora, który przeszedł z tekstów na krótkie filmy ze sobą. Dane tego nie potwierdzają. W latach 2024 i 2025 opublikował jeden film. W 2026 roku opublikował 6 filmów, czyli 13% postów. Typowy film z ostatnich trzech lat zbiera u niego 91 reakcji, mniej niż jego typowy post, ale przy 7 filmach to może być przypadek. Autentyczność Szymona J. widać w danych przede wszystkim w prawdziwych zdjęciach, o których piszemy wyżej.

Grzegorz Wysocki postawił na filmy w 2026 roku. Od marca filmy to 60% jego postów, a wcześniej były to 2%. W dwóch latach przed tą zmianą typowy post zbierał 8 reakcji, a po niej zbiera 1 reakcję. Film zbiera u niego po wyrównaniu różnic 55% mniej niż post ze zdjęciem i ten wynik jest pewny statystycznie.

Filmy nie są jedyną przyczyną tego spadku. Schodek w reakcjach Grzegorza Wysockiego wypadł już w listopadzie 2025 roku, kilka miesięcy przed pierwszym filmem z tej serii. Filmy tego spadku jednak nie zatrzymały. Po przejściu na filmy profil publikował też rzadziej niż wcześniej, około 1,7 posta miesięcznie zamiast 2.

Z czterech profili wynika prosty wzór. Filmy działają u autora, dla którego są jednym z wielu formatów i który nagrywa je od lat. Nie zadziałały u autora, który w kilka miesięcy zamienił na nie większość postów.

Częstsze publikowanie i rozmowa pod postami

Częstsze publikowanie nie daje więcej reakcji na post. U Macieja L. dwa razy więcej postów w tygodniu oznacza 20% mniej reakcji na każdy z nich i ten wynik jest pewny statystycznie. U pozostałych trzech autorów test pokazuje od 3% do 13,5% mniej, ale takie różnice mogą być przypadkiem.

Dobrze widać to u Szymona J. W 2024 roku publikował 8 postów miesięcznie, a w 2025 roku prawie 15. W miesiącach od stycznia do sierpnia jego profil zebrał w obu latach mniej więcej tyle samo reakcji, komentarzy i udostępnień, bo każdy post zbierał mniej. Prawie dwa razy więcej pracy dało więc to samo zaangażowanie łącznie.

Rozmowa pod postami rośnie za to u wszystkich czterech autorów. Na każde 100 reakcji przypada dziś od 12,9 komentarza u Michała S. do 42,9 u Grzegorza Wysockiego. Dwa lata wcześniej te liczby były u każdego z nich niższe. Najprostsze wyjaśnienie jest takie, że LinkedIn daje mniej kliknięć, a osoby, które zostają pod postem, częściej coś piszą.

Mały profil ma tu wyraźnie najwięcej rozmowy. Grzegorz Wysocki dostaje prawie dwa razy więcej komentarzy na reakcję niż Maciej L. i Szymon J. Przy kilku reakcjach na post każdy komentarz waży jednak bardzo dużo, więc tę liczbę trzeba czytać ostrożnie.

iJak to policzyliśmy: komentarze na sto reakcji (przykład: Grzegorz Wysocki)

Sumujemy komentarze ze wszystkich postów z danego okresu, dzielimy przez sumę reakcji i mnożymy przez 100. Jeśli wynik wynosi 23,5, to na każde sto reakcji przypada 23,5 komentarza. Ta liczba pokazuje, czy ludzie tylko klikają, czy też piszą. Liczymy ją na sumach, a nie jako średnią z postów, żeby małe posty nie ważyły tyle samo co duże.

Spośród postów Grzegorza Wysockiego z ponad 12 reakcjami najwięcej rozmowy miał post z 24.01.2025. Zebrał 14 reakcji i 14 komentarzy, czyli 100,0 komentarza na sto reakcji. Najmniej rozmowy miał post z 05.05.2022, który zebrał 14 reakcji i 0 komentarzy.

Jak rozwinąć profil: osiem wniosków

1. Część spadku reakcji robi sam LinkedIn. Typowy post zbiera dziś mniej reakcji niż dwa lata temu u wszystkich czterech autorów. U Michała S. i Szymona J. poziom reakcji spadł nagle jesienią 2024 roku, w odstępie sześciu tygodni. Jeśli Twoje reakcje spadają, porównaj je z tymi samymi miesiącami rok wcześniej, zanim zmienisz wszystko naraz.

2. Pokazuj prawdziwe zdjęcia siebie. Prawdziwe zdjęcie autora zbiera więcej niż typowy post na każdym z czterech profili, u Grzegorza Wysockiego 2,2 razy więcej. Portrety z sesji Szymona J. zbierają o 64% więcej niż jego zdjęcia z ręki. Sceny wygenerowane przez AI zbierają u Macieja L. o 52% mniej niż prawdziwe zdjęcia.

3. Jedna sesja zdjęciowa starcza na długo. Szymon J. użył tych samych zdjęć ponownie w 72 postach i nie stracił na tym reakcji. Post z powtórzonym zdjęciem zbierał u niego nawet więcej niż post ze zdjęciem użytym raz. Nie musisz mieć nowego zdjęcia do każdego posta.

4. Pisz własnym głosem. Tekst z cechami AI zbiera mniej reakcji na trzech profilach, a u Macieja L. to pewne statystycznie 27% mniej. AI może pomóc zebrać dane i skrócić tekst, ale przykład z własnej pracy i puentę lepiej napisać samemu.

5. Zamiast udostępniać cudzy post, napisz własny. Udostępnienie z komentarzem traci 79% u Michała S. i 47% u Grzegorza Wysockiego. Artykuły LinkedIn przegrywają z postem ze zdjęciem u trzech autorów. Jeśli chcesz odnieść się do cudzego posta, napisz o nim własnymi słowami.

6. Filmy dodawaj do innych postów, a nie zamiast nich. U Michała S. filmy to mniej więcej co ósmy post i zbierają 1,4 razy więcej niż typowy post. U Grzegorza Wysockiego filmy to 60% postów w 2026 roku i zbierają o 55% mniej niż post ze zdjęciem. Zacznij od kilku filmów w miesiącu i sprawdź, jak wypadają na tle Twoich zdjęć.

7. Więcej postów nie oznacza więcej reakcji. Szymon J. publikował w 2025 roku prawie dwa razy częściej niż rok wcześniej, a jego profil miał mniej więcej to samo zaangażowanie łącznie. U Macieja L. dwa razy więcej postów w tygodniu zabiera każdemu postowi 20% reakcji. Lepiej publikować rzadziej i pokazywać w każdym poście coś własnego.

8. Sprawdzaj typowy post z tych samych miesięcy rok do roku. Każdy z trzech dużych autorów miał w latach 2024 i 2025 posty z tysiącem i więcej reakcji, więc średnia łatwo pokaże, że jest dobrze. Spadek widać dopiero wtedy, gdy porównasz typowy post z pełnych miesięcy. Wystarczy sprawdzać go raz na kwartał, a sposób liczenia opisujemy w rozwijanym bloku przy pierwszym wykresie.

Co z tego wynika dla małego profilu

Mały profil nie powinien kopiować dużego jeden do jednego, bo przy kilku reakcjach na post każdy wynik mocniej się waha. Kilka rzeczy działa jednak u wszystkich badanych autorów, także u najmniejszego.

• Zacznij od zdjęć z pracy i z życia. U Grzegorza Wysockiego typowy post ze zdjęciem z ręki zbiera 11 reakcji, a typowy post całego profilu 5.
• Zrób jedną sesję zdjęciową i wracaj do niej. U Szymona J. powtórzone zdjęcia nie traciły reakcji, choć wróciły w 72 postach.
• Pisz o cudzych postach we własnych postach. U Grzegorza Wysockiego udostępnienia z komentarzem traciły 47% reakcji.
• Traktuj filmy jako jeden z formatów. U Michała S. film to mniej więcej co ósmy post. U Grzegorza Wysockiego filmy to 60% postów z 2026 roku i zbierają o 55% mniej niż post ze zdjęciem.
• Nie dokładaj postów na siłę. U Szymona J. prawie dwa razy więcej postów dało tyle samo zaangażowania łącznie.
• Dbaj o rozmowę pod postem. Mały profil ma jej najwięcej, bo u Grzegorza Wysockiego na 100 reakcji przypada 42,9 komentarza.

Grzegorz Wysocki
CEO emedia

Komentarz autora: Z tych czterech przypadków biorę dla siebie trzy rzeczy. Będę publikował więcej prawdziwych zdjęć z pracy i z życia, bo u mnie zbierają ponad dwa razy więcej niż typowy post. Zamiast udostępniać cudze posty z komentarzem, napiszę o nich własne. Filmy zostawiam, ale jako jeden z formatów, tak jak robi to autor, u którego filmy działają.

Jak emedia może w tym pomóc

Tę samą analizę możemy zrobić dla profilu osoby albo strony firmowej i pokazać wynik na tle czterech badanych profili. Policzymy trend po pełnych miesiącach, sprawdzimy rodzaje postów i zdjęć oraz cechy AI w tekście i w obrazie. Dostaniesz też listę postów, które opłaca się powtórzyć, i takich, których lepiej nie powtarzać. Jeśli wolisz zacząć od rozmowy o tym, jak Twoja firma komunikuje się w social mediach, umów się na konsultację komunikacji w social mediach. Szczegóły dwóch pierwszych przypadków opisaliśmy w osobnych tekstach, czyli w badaniu profilu z AI i w badaniu profilu bez AI.

Podsumowanie

Zbadaliśmy cztery profile na LinkedIn i razem 2193 posty, licząc wszystko tak samo. Liczyliśmy reakcje pod postami, bo zasięgu LinkedIn nie pokazuje. Wszyscy autorzy tracą reakcje od 2024 roku, a dwa duże profile straciły je nagle jesienią 2024 roku, więc część spadku należy do LinkedIn. Najlepiej trzyma się Michał S., który korzysta ze wszystkich formatów i od roku nie traci. Maciej L., który poszedł w AI, traci dalej. Szymon J. od jesieni 2024 roku publikuje dużo samego tekstu i stracił najwięcej z dużych profili. Mały profil Grzegorza Wysockiego stracił najwięcej po przejściu na filmy, choć spadek zaczął się wcześniej. Na wszystkich profilach wygrywa prawdziwe zdjęcie autora, a udostępnienia cudzych postów przegrywają. Praktyczny wniosek jest prosty: pokazuj siebie i pisz po swojemu, a filmy i AI traktuj jako dodatek.

Najczęstsze pytania

Jak to powstaje. Temat, wybór czterech profili, opis ich sposobów na profil i wnioski przygotował Grzegorz Wysocki, właściciel emedia. Model Claude Opus 5 w narzędziu Claude Code pobrał dane, przeprowadził testy i oceny cech AI oraz napisał pierwszą wersję tekstu. Grafiki złożyliśmy z naszych makiet z danymi. Każdy tekst przed publikacją czyta i poprawia człowiek.

Na czym to stoi. Dane to 2193 własne publiczne posty czterech profili LinkedIn. Pobraliśmy je 14 września 2026 roku przez Apify, aktorem harvestapi/linkedin-profile-posts, bez logowania. Trend liczyliśmy testem Manna-Kendalla z nachyleniem Sena na miesięcznych medianach. Pojedyncze posty porównywaliśmy regresją ujemną dwumianową, która wyrównuje rodzaj posta, dzień tygodnia, liczbę postów w tygodniu i długość tekstu. Grupy postów porównywaliśmy testem Manna-Whitneya, a nagłe zmiany poziomu reakcji i udziału filmów wykrywaliśmy algorytmem PELT. Cechy AI w tekstach i zdjęciach oceniał Claude Opus 5, na ślepo i według tych samych wzorców dla wszystkich profili. Nie znamy zasięgu i wyświetleń, historii obserwujących ani usuniętych postów. Nie wiemy też, na ile różnice między profilami wynikają z tematów i publiczności. Cztery profile nie są próbą całego LinkedIn. Pobranie danych i oceny kosztowały łącznie około 66 USD.

Realizacja: artykuł zrealizowany przez człowieka we współpracy z systemami AI. Redakcję i publikację firmuje autor. Wykorzystane systemy: Anthropic.

Przeczytaj także

• Jak sprawdzić, czy AI zabiera zasięgi na LinkedIn. Badanie 612 postów jednego profilu
• Co dzieje się z zasięgami na LinkedIn bez AI. Badanie 600 postów profilu Michała S.
• Filmy z YouTube mają bardzo dobrą widoczność w Google na frazy dotyczące nauki

Opublikowano 14.09.2026