fix(linkedin-studio): N21 — scaffold-bånd-redesign + ferskhet-rester (newsletter-guide, first-comment) [skip-docs]

Del 1 — scaffold-bånd (KTG-beslutning: behold målbåndet, utvid komponentene).
Komponentsummen var 960–1 640 mot målbåndet 1 200–1 800: en skjelett-konform
draft kunne lande under gulvet og nådde aldri taket. Nye bånd — Context
250–350, Insight 550–850, Implication 250–350 (Hook 110–140 og CTA 50–100
uendret) — summerer til 1 210–1 790, altså INNI 1 200–1 800. Skjelett-konform
er nå gate-konform per konstruksjon.

Målbåndet 1 200–1 800 er uendret overalt; hooks/prompts/content-quality-gate.md
(den kanoniske gaten) er ikke rørt. Alternativet — å heve taket per AuthoredUp
D-4 — ville krevd 25 filer / 40 linjer inkl. gate-prompten, begge skills,
quality-scorecard, config-malen og brain-fiksturen.

Skjelettet fantes i seks kopier, alle rettet på KTG-go: commands/post.md,
commands/batch.md, commands/pipeline.md, references/engagement-frameworks.md,
agents/content-optimizer.md, skills/linkedin-content-creation/SKILL.md. De tre
siste lå utenfor planens scope, men to av dem var internt selvmotsigende på én
linje (overskrift 1 200–1 800 over komponenter som summerte til 960–1 640), og
engagement-frameworks.md er nettopp fila post.md/pipeline.md instruerer
modellen om å LESE for strukturen.

Nabofunn tatt med på KTG-go: post.md:95 ga «Personal stories → 1 000–1 400»,
som motsa post.md:136s egen gate. Kald-review R2a MAJOR — nå 1 200–1 800.

D-4 inn i kanonfila: ny «Post length»-seksjon i
references/algorithm-signals-reference.md med AuthoredUp-optimumet 1 301–2 500
(372 126 poster, sep 2025–feb 2026), merket single-vendor/ett vindu, med
eksplisitt note om at datapunktet gjør det shippede taket konservativt — ikke
feil — og at de to AuthoredUp-N-ene i fila (621K vs 372K) er ulike studier.
Kilde verifisert mot primærkilden, ikke overført fra planen.

Del 2 — ferskhet-rester (begge påstander verifisert mot LinkedIn Help):
- D-6 newsletter-strategy-guide.md: «5 000+ følgere» framstilt som terskel er
  feil — «All LinkedIn members have access to create a newsletter on LinkedIn»
  (a517914). Omskrevet til redaksjonell modenhetsvurdering (også i
  Mistakes-tabellen og Bottom Line). E-post er ikke garantert: LinkedIn
  de-dupliserer på tvers av kanaler — «if you receive an in-app or push
  notification, you should not expect to also receive an email for the same
  notification» (a517914). Bringer referansefila i tråd med newsletter.md:2384.
  Fjernet samtidig den ukildede «Algorithm favors newsletters from established
  creators» i den omskrevne blokka.
- D-7 first-comment-strategy.md: «pinned by default» er uverifisert og feil —
  pinning er en eksplisitt forfatterhandling (a524166), og standard
  kommentarsortering er algoritmisk. Lagt til «What this file does not claim»-
  avsnitt som speiler kanonfilas «contested»/low-confidence-epistemikk.

Scope 3 (KTG-go, amend): references/engagement-frameworks.md har FIRE
skjeletter, ikke ett. To til brot gulvet i malbandet — Data-Driven Post
(1 050-1 400) og Contrarian Post (1 060-1 410) — og er lagt om til samme
komponentprofil som Standard, sum 1 210-1 790. Narrative Arc (1 350-1 500) la
allerede inni og star urort; alle tre har na en eksplisitt sum-linje. Fila er
den post.md:104 sender modellen til for «story structures», sa a sertifisere
den som fikset med to odelagte skjeletter igjen ville vaert usant.

SUPERSEDED og ikke gjeninnført: gammel B §S6 Del 2 pkt 1 (first-comment
−5/−10 %-tall, pods-eskalering, 360Brew-fotnote).

Verifisering: bånd-summen ligger inni målbåndet i alle seks kopier av
standard-skjelettet og i alle fire skjelettene i engagement-frameworks.md
(grep-bevis, 0 gjenværende 200-300/400-800) · D-6/D-7 omformulert (0 treff på
«5,000+ followers» / «pinned by default» / «inbox + email») · alle ti suiter
grønne, alle floors uendret: test-runner 270/0 (269 assertions >= floor 251) ·
trends 300/0 · analytics 202/0 · hooks 191/0 · brain 134/0 · editions 72/0 ·
render 63/0 · specifics-bank 45/0 · tests 35/0 · contract-gate 33/0.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01LhF1H7ctT5Fk8KkoCQpe5n

references/algorithm-signals-reference.md

@@ -62,6 +62,23 @@ The defensible spine is the **order**, not the multiplier:
 > The personal-profile **per-post baseline** (~2.0–2.6%) is a *different denominator* from
 > a format benchmark — never present an account baseline as a carousel rate.
 
+## Post length (text posts)
+
+| Claim | Statement | Source | Confidence |
+|-------|-----------|--------|------------|
+| Engagement optimum | Median engagement peaks in the **1,301–2,500 character** band (2.61–2.67%, against 2.10% below 400 chars); 2,501–3,000 falls back slightly. **Single vendor, personal profiles, one six-month window** — the defensible part is the direction (substance beats soundbite), not the boundaries. | AuthoredUp (372,126 posts, Sep 2025–Feb 2026) | medium |
+
+> **On the plugin's own 1,200–1,800 standard band:** it overlaps the measured optimum from
+> 1,301 up, with its bottom ~100 characters below it, and its ceiling 700 short. Read
+> 1,301–2,500 as evidence that the shipped ceiling is **conservative, not wrong** — one
+> vendor's medians over one window is not enough to move an SSOT that every gate enforces
+> (`hooks/prompts/content-quality-gate.md`). Test a longer post against your own baseline
+> before concluding anything.
+>
+> **Two AuthoredUp sample sizes appear in this file** — 621K (NLP-quality-scored engagement
+> study) and 372K (this length study). Different studies, different windows; not a
+> transcription error.
+
 ## External links (in post body)
 
 | Claim | Statement | Source | Confidence |
@@ -188,7 +205,7 @@ source.)
 
 ---
 
-*Last updated: 2026-07-17 (GR-model correction). Maintained as the single canonical
+*Last updated: 2026-07-31 (post-length section added). Maintained as the single canonical
 algorithm statement; cite, do not restate.*
 
 *Sources (per-claim quality/confidence noted inline): LinkedIn Engineering — "Engineering
@@ -197,6 +214,7 @@ research paper, withdrawn 2025-08-23); LinkedIn Engineering — "Leveraging Dwel
 AI (2025-08-11); Laura Lorenzetti, VP & Exec Editor (2026-05-19); Gyanda Sachdeva, VP
 Product (2026-02-16); Matt Navarra relaying LinkedIn Sr. Director Product (Aug 2025);
 Ordinal link-penalty study (900K, p<0.001); Socialinsider (1.3M); Buffer (2M+); Metricool
-(673K); AuthoredUp (621K, NLP-quality-scored); van der Blom Algorithm Insights 2025 (1.8M);
+(673K); AuthoredUp (621K, NLP-quality-scored); AuthoredUp post-length study (372,126 posts,
+Sep 2025–Feb 2026); van der Blom Algorithm Insights 2025 (1.8M);
 Originality.ai (8,795 posts); Inc. (buzzword editorial). Full provenance: research brief
 `docs/remediation/research/01-linkedin-algorithm-signals.md`.*