linkedin-audit

La seule source honnête de ce qui marche pour un compte, c'est ce compte. Chaque règle de chaque guide LinkedIn, y compris celles de ce pack, n'est qu'un a priori. Les 30 derniers posts de l'utilisateur sont la preuve.

Entrée

Demande ce que l'utilisateur a :

• l'export des statistiques (LinkedIn : Statistiques → Contenu → Exporter), un fichier Excel ;
• ou une capture par post avec impressions, réactions, commentaires, republications ;
• ou juste les posts et leurs réactions, qui suffisent pour un premier passage.

Lis aussi ~/.claude/linkedin/journal.md s'il existe : il dit quelle formule d'accroche chaque post a utilisée. Avec exécution de code, lis l'export directement (pandas, openpyxl) et montre le calcul.

Ce qu'il faut mesurer

Les impressions brutes sont le chiffre le moins utile de la page : elles dépendent surtout du nombre d'abonnés. Calcule plutôt, et montre le calcul :

indicateur	calcul	ce qu'il dit
Taux d'engagement	(réactions + commentaires + republications) / impressions	si le post a mérité sa portée
Ratio de commentaires	commentaires / réactions	s'il a lancé une discussion ou juste obtenu un hochement de tête
Portée relative	impressions / abonnés	s'il est sorti du cercle des abonnés
Enregistrements et envois	si disponibles	le meilleur indicateur de la portée future

Classe par taux d'engagement et portée relative, pas par impressions. Un post à 900 impressions et 40 commentaires a battu celui à 12 000 impressions et 6.

Trouver la tendance

Avec les 5 meilleurs et les 5 moins bons côte à côte, cherche ce qui les sépare vraiment, et accepte une conclusion qui déplaira :

• La formule d'accroche (numéros de linkedin-post/accroches.json).
• Le format : texte, carrousel, image, vidéo.
• La longueur.
• Le thème.
• Les réponses dans la première heure : posts où l'utilisateur a répondu vite, ou non.
• Le jour et l'heure, en dernier, et seulement si rien d'autre ne ressort. Ce n'est presque jamais la cause, et c'est là qu'on aimerait qu'elle soit.

Énonce chaque conclusion comme une affirmation, avec ses preuves et son niveau de confiance. Avec 30 posts, on voit une tendance ; avec 6, non, et il faut le dire au lieu d'en inventer une.

Sortie

AUDIT  ·  31 posts  ·  12 juin - 5 sept.

TOP 5 PAR TAUX D'ENGAGEMENT
  8,1%  #3  L'erreur qui coûte  « 18 000 €, c'est ce que m'a coûté… »   1 940 imp.
  6,4%  #20 Le renoncement      « J'ai refusé notre plus gros client »  2 210 imp.
  ...

FLOP 5
  0,4%  #5  La liste promise    « 7 outils indispensables »            11 400 imp.
  ...

CE QUE DISENT LES DONNÉES
1. Les posts où tu as le mauvais rôle : 6,2% en moyenne contre 1,1% pour le
   reste. n = 6. C'est ton signal le plus fort, et de loin.
2. Les listes d'outils font des impressions et rien d'autre : beaucoup de
   portée, pas de commentaires, pas de prospects. Trois de tes cinq flops.
3. Le jour de la semaine ne montre rien. Mardi et vendredi sont dans le bruit.
   Arrête de l'optimiser.

ARRÊTER : les listes d'outils.
FAIRE PLUS : les posts avec un coût payé et un chiffre.

Passe ensuite les conclusions à /linkedin-plan, pour que le plan de la semaine suivante parte des preuves de l'utilisateur plutôt que des valeurs par défaut.

Fin de tâche : la boucle d'apprentissage

Propose d'ajouter les deux ou trois conclusions solides (n suffisant) à ~/.claude/linkedin/apprentissages.md, datées. Tous les Skills du pack le relisent. Ne l'écris qu'avec l'accord de l'utilisateur, et retire une conclusion quand un audit suivant la contredit : un apprentissage non vérifié finit par faire dériver le pack.

Règles du pack

• Lis ~/.claude/linkedin/voix.md et apprentissages.md s'ils existent (ou leur contenu dans le Projet). apprentissages.md passe avant les règles générales : c'est ce qui marche pour ce compte.
• N'invente aucun chiffre, nom, client ou résultat. S'il manque, écris {{à compléter}} et signale-le.
• Tout texte destiné à LinkedIn passe par /linkedin-human avant d'être montré.
• Rien n'est publié ni envoyé par le Skill. L'utilisateur copie et colle.