
9월 22일 화요일 아침 7시 30분에 글 하나를 올렸습니다. 『된다! 링크드인 활용법』을 함께 만든 이지스퍼블리싱 권정하 마케터님이 출판사를 떠나시기 하루 전이었습니다. 같이 일하고 싶은 사람의 특징을 정하 님과의 일화로 풀어낸 감사 글이었습니다. 솔직히 말씀드리면 성과는 기대하지 않았습니다. 한 사람에게 쓰는 편지에 가까웠기 때문입니다. 그런데 며칠 뒤 애널리틱스를 열고 한참을 들여다봤습니다. 제가 알던 '잘된 글'의 공식과 정반대로 움직인 숫자가 있었습니다.
1. 성적표: 덜 퍼졌는데 더 많이 반응했습니다
Q. 이 글은 잘된 글일까요, 안된 글일까요?
기준에 따라 답이 갈립니다. 노출 9,500회, 도달 6,694명. 반응 118개, 댓글 18개, 저장 2개, 리포스트 1개. 늘어난 팔로워는 0명입니다.
비교 대상이 있습니다. 지난 뉴스레터에서 다룬 '전공 후회' 글입니다. 요일은 달랐지만 같은 아침 7시 30분에 올렸습니다. 그 글은 노출 23,138회에 반응 76개였습니다.
나란히 놓으면 이렇습니다. 이번 글의 노출은 41% 수준입니다. 그런데 반응은 1.5배입니다. 댓글은 그 글의 78%를 받았고, 저장과 리포스트는 오히려 더 많았습니다. 노출 대비 참여율은 0.43%에서 1.46%로 세 배가 넘습니다.
조회수로 보면 평범한 글이고, 참여율로 보면 올해 제 글 중 손에 꼽는 글입니다. 같은 글이 어떤 숫자를 보느냐에 따라 성공도 되고 실패도 됩니다.
2. 왜 멀리 가지 않았나: 알고리즘이 배달할 '주제'가 없었습니다
Q. 반응이 이렇게 좋았는데 왜 더 퍼지지 않았을까요?
저는 이 글에 알고리즘이 붙잡을 주제가 없었기 때문이라고 봅니다.
지금 링크드인은 관심사 그래프(Interest Graph, 누구와 연결되어 있는지가 아니라 어떤 주제에 반응해왔는지를 기준으로 글을 배달하는 방식)로 움직입니다 (출처: Melanie Goodman, 2026). '전공 후회'는 한국 직장인 대부분이 당사자인 주제였습니다. 그래서 알고리즘이 저를 모르는 사람에게까지 밀어 넣었습니다.
반면 이번 글의 주인공은 한 사람입니다. 권정하라는 이름에 반응해온 낯선 사람은 없습니다. 그래서 글은 이미 저와 연결된 사람들 사이에 머물렀습니다.
숫자도 같은 방향을 가리킵니다. 독자 중 서울·인천 비중은 59%에서 67%로 올라갔습니다. 도달한 사람 중 프로필을 열어본 비율은 2.5%에서 0.6%로 떨어졌습니다. 프로필을 열어보지 않았다는 건, 이미 제가 누군지 아는 사람들이 읽었을 가능성이 크다는 뜻입니다.
3. 팔로워 0명이 알려준 것: 참여와 성장은 다른 지표입니다
Q. 반응 118개에 팔로워 0명이면 실패일까요?
사실 저도 처음에는 조금 허탈했습니다. 그런데 2번의 답과 이어 보면 당연한 결과입니다. 이미 저를 팔로우하는 사람이 읽고 반응했습니다. 새로 팔로우할 사람이 애초에 거의 없었습니다.
지난 뉴스레터에서 저는 이렇게 정리했습니다. 공감은 도달을 만들고, 유용함은 저장을 만들고, 전문성은 팔로우를 만든다. 이번 글이 네 번째 줄을 보태줬습니다.
감사는 참여를 만듭니다. 그리고 그 참여는 이미 곁에 있는 사람들에게서 나옵니다.
도달 글은 새 사람을 데려오고, 관계 글은 곁에 있는 사람을 붙잡습니다. 팔로워가 늘지 않는 글이라고 계정에 아무 일도 하지 않는 글은 아닙니다. 아는 사람의 반응은 다음 글의 초기 참여로 돌아옵니다.
4. 그래도 이런 글을 쓰는 이유: 누가 읽었는지를 봤습니다
Q. 성장에 도움이 안 된다면 왜 계속 써야 할까요?
독자 구성을 보면 답이 보입니다. 이 글을 본 사람의 직급은 시니어 28%, 신입 23%였습니다. 디렉터(9%)와 CXO(8%), VP(3%)를 합치면 20%입니다. 직함 1위는 CEO(4%), 2위는 창업자(2%)였습니다.
저는 사업 개발을 하는 사람입니다. 제 글을 읽는 의사결정권자 다섯 명 중 한 명이 이 글에서 본 건 제 전문성이 아니었습니다. 함께 일한 사람에게 공개적으로 공을 돌리는 태도였습니다. 제가 정하 님에게서 본 '같이 일하고 싶은 사람'의 조건은 이런 것이었습니다. 안 되는 이유보다 대안을 먼저 가져오고, 상대의 일정을 내 일정처럼 챙기고, 받은 아이디어를 더 키워서 돌려주는 것. 그 이야기를 쓰는 과정 자체가 제가 어떤 협업자인지 보여주는 일이기도 했습니다.
전문성 글은 "이 사람이 무엇을 아는지"를 보여주고, 감사 글은 "이 사람과 일하면 어떤지"를 보여줍니다. 파트너를 찾는 사람에게는 둘 다 필요합니다.
오늘 확인해보실 것
최근 한 달 동안 올린 글 중 노출이 가장 높은 글과 참여율이 가장 높은 글을 각각 찾아보시면 어떨까요? 둘이 같은 글인가요?
도달 대비 프로필 조회 비율도 계산해보시길 권합니다. 그 숫자가 낮다면 아는 사람 사이에서 돈 글이고, 높다면 낯선 사람에게 닿은 글입니다.
마지막으로, 최근 함께 일한 사람 중 공개적으로 고맙다고 말하지 못한 분이 있습니까? 저는 이번 글로 그 한 문단의 힘을 숫자로 확인했습니다.
원문 보기: https://lnkd.in/p/gwQEZWp2
참고 자료
- Melanie Goodman, "LinkedIn Algorithm 2026: Why Your Reach Dropped (and 9 Data-Backed Fixes)": https://melaniegoodmanlinkedinconsultant.substack.com/p/linkedin-algorithm-2026-reach-topic-authority

의견을 남겨주세요