 |
| Bellacosa Mainframe e a cacada ao algoritmo perdido para upar no linkedin |
☕ Um Café no Bellacosa Mainframe
Jogador Nº 1 — A Caçada pelo Algoritmo Perdido do LinkedIn
Como Attention Quality, reputação técnica e IBM Champions estão mudando as regras do marketing no mundo mainframe
Era uma quinta-feira aparentemente comum no grande datacenter da vida corporativa.
Os ventiladores dos servidores continuavam girando. Os JOBs entravam na fila do JES2. O CICS atendia milhares de transações sem pedir aplausos. Em algum lugar, um programa COBOL compilado antes de muitos profissionais nascerem calculava juros, atualizava saldos e mantinha uma instituição financeira funcionando.
Do lado de fora daquele universo, porém, outra máquina havia mudado silenciosamente suas regras.
Não era um IBM z17.
Não era um novo compilador Enterprise COBOL.
Não era uma atualização do Db2, do CICS ou do z/OS.
Era o LinkedIn.
Enquanto empresas, fornecedores, comunidades e especialistas continuavam publicando como haviam feito durante anos, o sistema de distribuição de conteúdo parecia ter trocado seu antigo mapa por outro completamente diferente.
As luzes do painel continuavam acesas.
O botão “Publicar” ainda funcionava.
As pessoas ainda apertavam “Curtir”.
Os departamentos de marketing ainda preparavam seus tradicionais cards azuis e brancos.
Mas alguma coisa havia mudado atrás da tela.
O alcance diminuía.
As páginas corporativas falavam para auditórios cada vez mais vazios.
Os compartilhamentos automáticos dos funcionários deixavam de produzir resultados.
Os links para whitepapers eram lançados no feed como mensagens dentro de garrafas digitais, desaparecendo no oceano antes que alguém os encontrasse.
A maioria não percebeu.
Continuou jogando segundo as regras antigas.
Foi então que surgiu na tela uma mensagem:
VOCÊ ESTÁ USANDO O MANUAL DA VERSÃO ANTERIOR.
Bem-vindo ao OASIS profissional.
Bem-vindo à busca pelo verdadeiro significado de Attention Quality.
Fase 1 — O velho placar de pontuação
Durante muitos anos, o sucesso de uma publicação nas redes sociais parecia fácil de medir.
O placar exibia números familiares:
visualizações;
impressões;
curtidas;
seguidores;
cliques;
compartilhamentos;
comentários.
Quanto maiores os números, melhor parecia o resultado.
Era como observar a pontuação de uma máquina de fliperama.
POST PUBLICADO........... 100 pontos
LIKE RECEBIDO............ 10 pontos
COMENTÁRIO............... 50 pontos
COMPARTILHAMENTO......... 100 pontos
NOVO SEGUIDOR............ 200 pontos
O marketing digital aprendeu a perseguir esses números.
Criaram-se horários “perfeitos” para publicar.
Inventaram-se fórmulas para títulos.
Hashtags passaram a ser usadas como se fossem comandos mágicos.
Empresas pediam aos funcionários:
“Curtam e compartilhem a postagem da página.”
Surgiram grupos de engajamento, comentários genéricos e redes de pessoas que interagiam umas com as outras não porque o conteúdo fosse interessante, mas porque todos queriam enganar o placar.
Era o equivalente digital de descobrir uma falha em um videogame antigo e ficar acumulando pontos infinitos no mesmo cenário.
O problema é que as plataformas também aprenderam.
Se um usuário consegue reconhecer um comentário vazio como:
“Excelente reflexão!”
um sistema de aprendizado de máquina também pode aprender a reconhecer esse padrão.
Se um profissional compartilha todas as publicações de sua empresa sem adicionar uma palavra, o sistema pode interpretar aquilo não como recomendação genuína, mas como comportamento automatizado.
Se dezenas de contas sempre interagem entre si alguns minutos depois de uma publicação, a plataforma pode detectar a regularidade.
Os velhos truques começaram a perder eficácia.
O placar ainda existia, mas já não mostrava toda a partida.
Fase 2 — A moeda escondida: Attention Quality
Attention Quality, ou Qualidade da Atenção, representa uma mudança profunda.
No antigo modelo, a pergunta era:
Quantas pessoas viram a publicação?
No novo modelo, a pergunta passa a ser:
O que essas pessoas realmente fizeram quando encontraram a publicação?
Uma impressão informa apenas que o conteúdo apareceu em uma tela.
Ela não prova que alguém leu.
Uma curtida informa que uma pessoa apertou um botão.
Ela não prova que a mensagem foi compreendida.
Um seguidor informa que alguém clicou em “seguir”.
Ele não prova que continuará interessado no conteúdo.
A Qualidade da Atenção tenta separar a simples exposição do interesse verdadeiro.
Imagine duas publicações.
Publicação A
Impressões: 25.000
Curtidas: 400
Comentários: 2
Salvamentos: 1
Tempo médio: 2 segundos
Publicação B
Impressões: 4.000
Curtidas: 90
Comentários: 28
Salvamentos: 37
Tempo médio: 48 segundos
À primeira vista, a Publicação A parece vencedora.
Ela alcançou muito mais gente e recebeu mais curtidas.
Contudo, a Publicação B fez as pessoas permanecerem, pensarem, comentarem e guardarem o conteúdo.
Ela alcançou menos olhos, mas ocupou mais cérebros.
Essa é a essência de Attention Quality.
Fase 3 — O dwell time entra no jogo
Um dos sinais mais importantes nessa discussão é o dwell time, ou tempo de permanência.
O LinkedIn já explicou publicamente que utiliza informações relacionadas ao tempo gasto diante de uma publicação para melhorar o ranking do feed. Em um trabalho de engenharia, a plataforma descreveu o uso da previsão de permanência muito curta como um sinal negativo: quando o comportamento indica que as pessoas passam rapidamente pelo conteúdo, isso pode ajudar o sistema a concluir que a publicação não é relevante. (LinkedIn)
Imagine o seguinte comportamento:
Usuário encontra a publicação
↓
Para de rolar o feed
↓
Lê as primeiras linhas
↓
Clica em “ver mais”
↓
Permanece por 50 segundos
↓
Lê os comentários
↓
Salva a publicação
Mesmo que essa pessoa não deixe uma curtida, ela produziu diversos sinais de interesse.
Agora compare:
Usuário encontra a publicação
↓
Passa para a próxima em 0,8 segundo
Tecnicamente, ambas podem ter gerado uma impressão.
Mas são impressões completamente diferentes.
É como comparar dois programas COBOL que terminaram com RETURN-CODE 0.
Um processou dez milhões de registros corretamente.
O outro abriu um arquivo vazio, não encontrou nada e terminou.
O código de retorno é igual.
O valor produzido não é.
Fase 4 — O misterioso 360Brew
Em algum ponto dessa história, surgiu o nome 360Brew.
Ele começou a circular como se fosse o novo chefão do LinkedIn: um grande modelo de Inteligência Artificial capaz de compreender conteúdo, contexto, interesses profissionais e comportamento dos usuários.
Há de fato documentação e discussões técnicas sobre uma arquitetura chamada 360Brew, apresentada como um modelo de base voltado a tarefas de recomendação e ranking. Entretanto, é preciso separar a pesquisa técnica das interpretações de marketing que se espalharam posteriormente.
Em 2026, também circularam relatos de que o sistema teria sido apenas testado com um grupo limitado e depois descontinuado, enquanto outras mudanças de arquitetura e ranking permaneceram. Portanto, afirmações como “todo o feed agora é controlado pelo 360Brew” devem ser tratadas com cautela, não como fato definitivamente confirmado. (LinkedIn)
Essa distinção é importante.
O nome do modelo pode mudar.
Uma experiência pode ser encerrada.
Uma arquitetura pode ser substituída.
Mas a direção geral permanece clara: o LinkedIn utiliza sistemas sofisticados de recuperação, recomendação e ranking, baseados em sinais profissionais e padrões de envolvimento, para decidir quais publicações serão mostradas a cada pessoa. A própria engenharia do LinkedIn descreve uma nova geração do feed baseada em sinais profissionais e padrões de engajamento. (LinkedIn)
Em outras palavras:
O easter egg não está no nome do algoritmo.
Está na lógica por trás dele.
Fase 5 — O algoritmo não é um SORT comum
Para um programador COBOL iniciante, pode ser tentador imaginar o feed como um arquivo classificado por pontuação.
Algo assim:
SORT POSTS-FILE
ON DESCENDING KEY POST-SCORE.
Mas o sistema real é muito mais complexo.
Não existe uma única classificação universal.
O post que aparece em primeiro lugar para você pode nem aparecer para outro profissional.
A classificação depende de fatores como:
relacionamento entre as pessoas;
histórico de interações;
assunto da publicação;
área profissional;
idioma;
interesse demonstrado anteriormente;
probabilidade de leitura;
probabilidade de interação;
relevância temporal;
qualidade estimada;
possibilidade de spam;
variedade necessária no feed.
Uma representação simplificada poderia ser:
POST
+
RELEVÂNCIA PARA O USUÁRIO
+
AUTORIDADE DO AUTOR NO ASSUNTO
+
HISTÓRICO DE RELACIONAMENTO
+
PROBABILIDADE DE ATENÇÃO
+
QUALIDADE DA CONVERSA
-
SINAIS DE SPAM
-
CONTEÚDO REPETITIVO
-
ENGAGEMENT BAIT
=
PONTUAÇÃO PERSONALIZADA
Portanto, não existe apenas um arquivo de entrada e uma chave de ordenação.
É mais parecido com um grande sistema online que consulta inúmeros sinais, calcula probabilidades e monta um feed diferente para cada usuário.
É um CICS da atenção.
Milhões de solicitações.
Milhares de sinais.
Decisões em frações de segundo.
Fase 6 — A página corporativa perde energia
O texto que iniciou nossa investigação apresenta números impressionantes sobre a queda do alcance das páginas de empresas.
Estudos e levantamentos de terceiros divulgados em 2025 e 2026 indicam forte redução no alcance orgânico de páginas corporativas. Alguns relatórios citam alcance médio próximo de 1,6% da base de seguidores e vantagem de até 561% para perfis pessoais, embora esses valores não sejam métricas oficiais universais do LinkedIn e possam variar conforme amostra, setor, período e método de análise. (Ordinal)
É fundamental compreender essa ressalva.
Não devemos transformar números de estudos independentes em constantes gravadas em pedra.
Não existe:
01 LINKEDIN-CONSTANTS.
05 COMPANY-REACH PIC 9V9(3) VALUE 0.016.
05 PERSONAL-BONUS PIC 9(3) VALUE 561.
As taxas mudam.
Os setores mudam.
A qualidade do conteúdo muda.
O tamanho da audiência muda.
Entretanto, mesmo que os números exatos variem, o fenômeno observado faz sentido: publicações de pessoas frequentemente produzem mais conversa e identificação do que publicações institucionais.
Uma página corporativa diz:
“Nossa empresa tem o prazer de anunciar uma nova solução inovadora.”
Um especialista diz:
“Passei seis meses tentando resolver este problema. Duas abordagens falharam. A terceira funcionou por um motivo que eu não esperava.”
Qual das duas mensagens você prefere ler?
A primeira parece um comunicado.
A segunda parece uma história.
A primeira pede atenção.
A segunda conquista atenção.
Fase 7 — O exército dos reposts automáticos
Quando as empresas percebem a queda de alcance da página, a reação geralmente é previsível:
“Vamos pedir para todos os funcionários compartilharem.”
Às nove horas da manhã, a página publica.
Às nove e cinco, vinte funcionários apertam o botão de repost.
Às nove e dez, aparecem vinte cópias do mesmo conteúdo no feed.
Nenhum comentário pessoal.
Nenhuma análise.
Nenhuma experiência.
Apenas duplicação.
É como executar vinte vezes o mesmo JOB esperando que o resultado se torne vinte vezes mais inteligente.
//REP001 JOB ...
//STEP01 EXEC PGM=REPOST
//
//REP002 JOB ...
//STEP01 EXEC PGM=REPOST
//
//REP003 JOB ...
//STEP01 EXEC PGM=REPOST
O problema não é compartilhar.
O problema é compartilhar sem acrescentar valor.
Um repost acompanhado de uma experiência real pode funcionar:
“Participei da implementação mencionada nesta publicação. O maior desafio não foi a migração técnica, mas convencer as equipes de que o processo de teste precisava mudar.”
Agora existe contexto.
Existe conhecimento.
Existe autoria.
Existe um motivo para alguém parar e ler.
O funcionário deixou de ser um repetidor da marca e tornou-se uma fonte.
Fase 8 — O mainframe vive preso no mesmo cenário
O mercado mainframe possui uma dificuldade particular: a repetição.
Os eventos usam as mesmas palavras.
As apresentações usam cores semelhantes.
Os fornecedores destacam praticamente os mesmos argumentos:
missão crítica;
segurança;
disponibilidade;
escalabilidade;
modernização;
Inteligência Artificial;
milhões de transações;
“o mainframe não é legado”;
“o mundo ainda roda sobre ele”.
Essas afirmações podem ser verdadeiras.
O problema não é a veracidade.
É a falta de diferenciação.
No OASIS do marketing mainframe, milhares de avatares usam a mesma armadura azul e branca.
Todos carregam o mesmo escudo de cinco noves.
Todos empunham a mesma espada chamada “missão crítica”.
Todos gritam:
“O mainframe não morreu!”
Depois se perguntam por que ninguém parou para ouvir.
Talvez o público não precise de mais uma defesa abstrata do mainframe.
Talvez queira saber:
como um S0C7 quase interrompeu o fechamento contábil;
por que uma COMMAREA mal dimensionada destruiu uma madrugada;
como um programador encontrou um erro em um COPYBOOK de trinta anos;
por que uma migração para Git falhou na primeira tentativa;
como uma equipe reduziu o tempo de compilação;
o que realmente acontece quando um banco atualiza milhões de contas;
quais decisões técnicas deram errado;
o que um especialista aprendeu depois de vinte anos.
Essas histórias têm aquilo que o algoritmo e as pessoas procuram:
especificidade.
Fase 9 — O IBM Champion como Jogador Nº 1
Aqui encontramos a primeira chave da caça.
O universo mainframe já possui os personagens que o novo sistema de visibilidade favorece.
São os especialistas.
Os instrutores.
Os arquitetos.
Os líderes de comunidade.
Os autores.
Os palestrantes.
Os IBM Champions.
Um IBM Champion não é apenas alguém que conhece tecnologia.
Ele ocupa uma posição especial entre a empresa, a comunidade e o conhecimento.
Ele pode dizer:
“Eu testei.”
“Eu ensinei.”
“Eu vi falhar.”
“Eu implementei.”
“Eu não concordo.”
“Esta documentação não explica o problema inteiro.”
“Para um iniciante, o verdadeiro perigo está aqui.”
Isso vale ouro em um ambiente saturado por textos genéricos.
O programa IBM Champion costuma ser compreendido como reconhecimento por contribuições técnicas e comunitárias.
Mas existe outra leitura possível:
Trata-se também de uma rede distribuída de confiança.
Cada Champion é como um jogador veterano que conhece uma parte diferente do mapa.
Um domina Db2.
Outro entende CICS.
Outro vive no universo de storage.
Outro ensina COBOL.
Outro trabalha com segurança.
Outro conecta mainframe e cloud.
Outro produz laboratórios.
Outro organiza comunidades.
Nenhuma página corporativa consegue reproduzir perfeitamente essa variedade de experiências humanas.
A empresa possui a marca.
O Champion possui a voz.
Fase 10 — A estratégia dos cinco avatares
Imagine uma empresa mainframe com uma única voz pública: o CEO.
Toda comunicação depende dele.
Isso cria um ponto único de falha.
Em COBOL, poderíamos representar assim:
TODAS AS MENSAGENS
↓
CEO
↓
LINKEDIN
Agora imagine uma estrutura com cinco especialistas:
CEO................ Visão de mercado
ARQUITETO........... Decisões técnicas
PROGRAMADOR......... Experiência prática
INSTRUTOR............ Educação
COMMUNITY LEADER.... Conversa com o ecossistema
Cada pessoa fala sobre aquilo que realmente conhece.
Não precisam repetir o mesmo comunicado.
Podem abordar o mesmo tema por perspectivas diferentes.
Exemplo: lançamento de uma ferramenta de testes.
Página da empresa
Publica:
anúncio oficial;
link;
data;
funcionalidades;
documentação.
Arquiteto
Explica:
“Por que escolhemos testes automatizados antes de modernizar o pipeline.”
Programador
Conta:
“O primeiro teste revelou um comportamento que existia havia doze anos.”
Instrutor
Ensina:
“Três conceitos que um programador COBOL precisa dominar antes de usar a ferramenta.”
Líder de comunidade
Pergunta:
“Por que tantas equipes mainframe ainda tratam teste como uma etapa final?”
Agora não existem cinco cópias.
Existem cinco portas de entrada.
Fase 11 — Links externos e a porta de saída
O texto original afirma que publicações com links externos podem sofrer reduções significativas de alcance.
Estudos independentes frequentemente relatam desempenho inferior para conteúdos que conduzem o usuário para fora da plataforma. Contudo, percentuais exatos, como uma redução fixa de 60%, devem ser tratados como estimativas dependentes de contexto, e não como regra oficial invariável.
A lógica econômica, porém, é simples.
O LinkedIn deseja que o usuário permaneça no LinkedIn.
Um link externo é uma porta de saída.
Isso não significa que você nunca deva usar links.
Significa que o post precisa entregar valor antes de pedir que a pessoa saia.
Estratégia fraca
Novo artigo publicado!
Clique no link para ler.
O usuário precisa sair da plataforma para descobrir se existe algo interessante.
Estratégia melhor
Durante anos tratamos o S0C7 como um simples erro de dados.
Mas, em muitos ambientes, ele revela um problema maior:
a distância entre o layout documentado e o registro realmente recebido.
Neste artigo mostro três casos:
1. campo numérico contaminado;
2. COPYBOOK incompatível;
3. redefinição interpretada incorretamente.
O material completo está no link.
A publicação já ensinou alguma coisa.
O link tornou-se aprofundamento, não isca.
Fase 12 — O tesouro dos comentários reais
Comentários possuem valor porque exigem mais esforço do que curtidas.
Mas nem todo comentário é igual.
Compare:
Muito bom!
com:
Passei por algo semelhante durante uma migração de Endevor
para Git. O problema não foi versionar o fonte COBOL, mas
reproduzir as dependências do processo de build.
O segundo comentário acrescenta conhecimento.
Ele pode gerar resposta.
Pode atrair outro especialista.
Pode iniciar uma conversa técnica.
O post deixa de ser uma placa e vira uma sala.
Relatórios independentes sugerem que a interação inicial pode influenciar a amplificação, mas fórmulas como “três comentários na primeira hora produzem cinco vezes mais alcance” não devem ser consideradas garantias universais. O próprio LinkedIn evita publicar uma receita matemática completa, justamente porque o ranking combina muitos sinais e evolui continuamente.
A lição prática não é:
“Consiga três comentários a qualquer custo.”
A lição é:
“Publique algo que dê às pessoas uma razão verdadeira para comentar.”
Fase 13 — Salvamentos: o inventário secreto
Em videogames, o jogador guarda itens que pretende usar depois.
No LinkedIn, o botão “Salvar” cumpre função semelhante.
Salvar uma publicação pode significar:
quero ler com calma;
preciso usar isso no trabalho;
quero estudar depois;
pretendo mostrar para minha equipe;
esse exemplo será útil;
não quero perder esta referência.
Para um criador técnico, isso é valioso.
Conteúdos que costumam gerar salvamentos incluem:
checklists;
diagramas;
exemplos de código;
comandos;
comparações;
roteiros de estudo;
mapas mentais;
explicações passo a passo;
tabelas de referência;
listas de erros;
procedimentos de diagnóstico.
Exemplo:
Post esquecível
“O VSAM continua importante nas empresas.”
Post salvável
“Antes de investigar um erro em KSDS, verifique nesta ordem: FILE STATUS, chave, modo de acesso, definição do SELECT, IDCAMS LISTCAT e consistência entre FD e cluster.”
O primeiro expressa uma opinião genérica.
O segundo oferece uma ferramenta.
Fase 14 — O poder dos documentos e carrosséis
Levantamentos de marketing frequentemente apontam documentos em formato carrossel entre os conteúdos de melhor desempenho no LinkedIn, embora o resultado varie segundo audiência e execução. Uma explicação provável é o aumento do tempo de permanência: o usuário precisa avançar por várias páginas, o que produz uma interação mais longa do que simplesmente passar por uma imagem. (LinkedIn)
Para o programador COBOL, um carrossel poderia seguir esta estrutura:
SLIDE 1 — O mistério
“Por que este programa terminou com FILE STATUS 35?”
SLIDE 2 — O significado
Arquivo inexistente ou não localizado.
SLIDE 3 — Primeira verificação
Nome do dataset no JCL.
SLIDE 4 — Segunda verificação
SELECT e ASSIGN.
SLIDE 5 — Terceira verificação
DISP e catálogo.
SLIDE 6 — Exemplo de JCL
SLIDE 7 — Exemplo COBOL
SLIDE 8 — Checklist final
Cada página oferece uma pequena recompensa.
Cada avanço mantém a atenção.
O formato não salva conteúdo ruim, mas pode ajudar conteúdo bom a ser consumido.
Fase 15 — O perigo do texto fabricado
A Inteligência Artificial tornou a produção de conteúdo muito fácil.
É possível gerar cinquenta publicações em alguns minutos.
O problema é que facilidade de produção não significa valor.
Quando milhares de pessoas usam as mesmas estruturas, surgem textos com aparência semelhante:
“No mundo acelerado de hoje…”
“Aqui estão cinco lições poderosas…”
“Concorda? Deixe sua opinião nos comentários.”
“Vamos juntos nessa jornada!”
O feed fica cheio de vozes que parecem ter sido compiladas pelo mesmo programa.
INPUT: TEMA
PROCESS: ADICIONAR FRASES CORPORATIVAS
OUTPUT: POST GENÉRICO
A IA pode ajudar a organizar ideias, revisar linguagem, estruturar argumentos e transformar uma palestra em texto.
Mas a matéria-prima precisa vir de uma pessoa.
A IA não viveu sua madrugada no CPD.
Não discutiu com o change manager.
Não tentou descobrir por que o arquivo tinha um byte a mais.
Não sentiu o silêncio da sala quando alguém perguntou quem havia executado o JOB errado.
Não carregou a lembrança de um sistema antigo que funcionava melhor do que sua substituição “moderna”.
A experiência continua sendo humana.
Fase 16 — O método Bellacosa de Attention Quality
Sem usar esse nome, o estilo Bellacosa Mainframe já trabalha com diversos elementos capazes de aumentar a qualidade da atenção.
1. Criar uma entrada narrativa
Em vez de começar com:
“Neste artigo explicaremos DFSORT.”
começar com:
“Às duas da manhã, o arquivo chegou com dez milhões de registros fora de ordem.”
O leitor entra na cena.
2. Usar referências culturais
Filmes, séries, livros, animes e quadrinhos funcionam como pontos de conexão.
O leitor talvez não conheça SORT FIELDS, mas conhece um pelotão tentando colocar o caos em ordem.
3. Explicar por camadas
Primeiro a metáfora.
Depois o conceito.
Depois o exemplo.
Depois o código.
Depois o caso real.
Isso permite que iniciantes e veteranos encontrem valor no mesmo texto.
4. Criar elementos salváveis
Checklists, comandos, exemplos de JCL e estruturas COBOL fazem o leitor guardar o artigo.
5. Inserir curiosidades e easter eggs
Eles recompensam a atenção.
Quem lê rapidamente recebe a explicação.
Quem lê até o fim encontra algo a mais.
6. Manter uma voz reconhecível
O leitor não encontra apenas informação.
Encontra Bellacosa.
Essa identidade é difícil de substituir.
Fase 17 — Passo a passo para o programador COBOL
Você não precisa virar influenciador.
Não precisa dançar diante de um mainframe.
Não precisa publicar frases motivacionais.
Precisa apenas transformar experiência em conhecimento compartilhável.
Passo 1 — Escolha um problema real
Exemplos:
um ABEND;
um erro de arquivo;
uma dúvida de JCL;
uma dificuldade com Git;
uma diferença entre COMP e COMP-3;
um comportamento inesperado do CICS;
uma falha em teste;
uma curiosidade histórica.
Passo 2 — Escreva o gancho
Hoje encontrei um S0C7 em uma linha que não realizava
nenhuma operação matemática.
Essa frase cria mistério.
Passo 3 — Explique o contexto
O erro aparecia durante a movimentação de um campo recebido
de um arquivo legado.
Passo 4 — Mostre a investigação
1. Conferi o FILE STATUS.
2. Examinei o layout.
3. Comparei o LRECL.
4. Descobri que o campo estava deslocado.
Passo 5 — Entregue a lição
O S0C7 aparecia no MOVE, mas a causa estava na interpretação
incorreta do registro.
Passo 6 — Acrescente um artefato útil
Pode ser:
código;
checklist;
diagrama;
comando;
comparação;
pergunta técnica específica.
Passo 7 — Converse nos comentários
Não responda apenas:
“Obrigado!”
Aprofunde.
Pergunte sobre o ambiente.
Compare experiências.
Explique exceções.
Os comentários podem se tornar uma continuação do artigo.
Fase 18 — Métricas que realmente interessam
Para avaliar Attention Quality, não observe apenas impressões.
Crie um painel mais completo:
ALCANCE
Quantas pessoas receberam a publicação?
RETENÇÃO
A publicação fez as pessoas permanecerem?
EXPANSÃO
Quantas abriram “ver mais”?
CONVERSA
Os comentários possuem conteúdo real?
SALVAMENTO
A publicação foi guardada para consulta?
COMPARTILHAMENTO
Alguém considerou útil enviar para outra pessoa?
CONVERSÃO
A publicação trouxe visitas, inscrições, contatos ou convites?
REPUTAÇÃO
As pessoas passaram a associar seu nome ao assunto?
A última métrica é a mais difícil de visualizar.
Também pode ser a mais valiosa.
Quando alguém pensa em COBOL e lembra de você, ocorreu uma conversão de reputação.
Quando uma empresa procura um instrutor e recebe seu nome como indicação, o conteúdo cumpriu uma missão muito maior do que acumular curtidas.
O easter egg final — Halliday não escondeu três chaves
No romance e no filme Jogador Nº 1, os participantes procuram chaves escondidas pelo criador do OASIS.
No universo da Attention Quality, também existem três chaves.
A Chave de Cobre — Atenção
Faça a pessoa parar.
Use uma pergunta, uma história, uma contradição ou um problema real.
A Chave de Jade — Conhecimento
Entregue algo que justifique o tempo investido.
Uma explicação.
Uma solução.
Um aprendizado.
A Chave de Cristal — Confiança
Publique com consistência, honestidade e identidade.
Admita erros.
Explique limites.
Não finja ter vivido o que não viveu.
A atenção abre a porta.
O conhecimento mantém a pessoa na sala.
A confiança faz com que ela volte.
Epílogo — O verdadeiro Jogador Nº 1
O futuro do marketing mainframe provavelmente não pertencerá à empresa com o maior número de cards publicados.
Nem àquela que repetir mais vezes que o mainframe não é legado.
Nem à que possuir mais hashtags.
Nem à que obrigar todos os funcionários a compartilhar o mesmo anúncio.
Pertencerá às organizações capazes de reconhecer que seu maior ativo de comunicação já está dentro de casa.
É o programador que conhece os detalhes.
É o operador que viu a madrugada dar errado.
É o arquiteto que sabe por que uma decisão foi tomada.
É o instrutor que consegue explicar.
É o Champion que já possui a confiança da comunidade.
É a pessoa que escreve algo que apenas ela poderia escrever.
A página corporativa continuará tendo utilidade.
Ela será o catálogo.
O arquivo oficial.
A vitrine.
O lugar dos anúncios, lançamentos, vagas e documentos.
Mas a descoberta, a conversa e a construção da reputação acontecerão cada vez mais por meio das pessoas.
Porque ninguém cria relacionamento com um logotipo.
Ninguém conta uma história inesquecível sobre uma página empresarial.
Ninguém confia em um degradê azul.
Confiamos em nomes.
Em rostos.
Em trajetórias.
Em pessoas que demonstraram conhecimento antes de tentar vender alguma coisa.
O algoritmo pode mudar novamente amanhã.
O 360Brew pode existir, desaparecer, ser substituído ou renascer com outro nome.
Os percentuais de alcance podem subir ou cair.
Os carrosséis podem perder espaço para vídeos.
Os links podem ser tratados de outra maneira.
Mas uma regra provavelmente continuará valendo:
A conta nunca foi a empresa. A conta sempre foi a pessoa que estava por trás dela.
E talvez esse seja o maior easter egg escondido no LinkedIn.
O Jogador Nº 1 não é quem descobriu como enganar o algoritmo.
É quem compreendeu que não precisa enganá-lo.
Precisa apenas conquistar a atenção de seres humanos reais, compartilhar conhecimento verdadeiro e construir uma reputação que nenhum ajuste de ranking consiga apagar.
No final da partida, o prêmio não é um milhão de impressões.
É ser lembrado.
E, no grande OASIS do mainframe, onde sistemas antigos sustentam o futuro e veteranos carregam histórias que nunca foram documentadas, ainda existem milhares de aventuras esperando que alguém aperte o botão:
https://eljefemidnightlunch.blogspot.com/2026/03/badge-ibm-champion-class-2026-gratidao.html
