LinkedIn Post Analyzer

Entenda por que uma publicação do LinkedIn performou do jeito que performou — sem sair da aba. O LinkedIn Post Analyzer (LPA) lê a publicação aberta na sua aba atual e organiza o que já está visível na tela em uma análise estruturada: quem é o autor, quais métricas de engajamento o post reuniu, o que os comentários carregados dizem, e que padrões de sentimento e comportamento aparecem entre eles. O que ele faz: ✓ Extrai dados do post e do autor diretamente do que está renderizado na página. ✓ Organiza métricas de reações, comentários, compartilhamentos e visualizações, quando disponíveis. ✓ Classifica sentimento e emoção dos comentários já carregados, com um léxico local por padrão. ✓ Agrupa comentários em clusters comportamentais (elogio, dúvida, networking, crítica, entre outros). ✓ Gera um relatório com hipóteses de motivação claramente identificadas como hipótese, nunca como certeza. ✓ Exporta o resultado em JSON, CSV, Markdown ou HTML. Como funciona: Você abre a publicação no LinkedIn, rola e carrega os comentários que quiser incluir na amostra, e clica em "Analisar publicação". O LPA nunca clica, rola nem carrega conteúdo por conta própria — a amostra é sempre a que você decidiu carregar. Modo IA (opcional): Se preferir uma análise mais aprofundada, você pode ativar o modo IA e usar sua própria chave de API da Anthropic (Claude) ou da OpenAI (GPT). Antes de qualquer envio, o LPA mostra exatamente o que será transmitido — nunca cookies, tokens ou URLs de perfil — e pede sua confirmação a cada análise. Privacidade em primeiro lugar: Por padrão, toda a análise roda localmente no seu navegador. Nada é enviado a lugar nenhum a menos que você ative o modo IA e confirme o envio. Veja a política de privacidade completa: https://github.com/repositorio-da-serp/linkedin-post-analyzer/blob/main/politica-privacidade/index.md. Limitações que você deve saber: ➔ A extensão só analisa os comentários que já estiverem carregados na página no momento da análise; para ampliar a amostra, carregue mais comentários e use "Atualizar coleta". ➔ A classificação de sentimento por regras locais tem precisão limitada com ironia e contexto implícito; o modo IA tende a captar isso melhor, mas depende de uma chave de API sua. ➔ As "hipóteses de motivação" são leituras interpretativas, não fatos — o relatório é desenhado para deixar isso explícito em cada seção.