social-graph-ranker

name social-graph-ranker description 加权社交图谱排名，用于在X和LinkedIn上发现温暖介绍、桥梁评分和网络差距分析。当用户想要可重用的图谱排名引擎本身，而不是其上层更广泛的推广或网络维护工作流时使用。 origin ECC 社交图谱排名器 面向网络感知外联的规范化加权图排名层。 当用户需要以下功能时使用此工具： 根据内在价值对现有互关或联系人进行排名 为目标列表绘制温暖路径 衡量跨一度和二度连接的桥梁价值 决定哪些目标适合温暖引荐而非直接冷启动外联 独立于 lead-intelligence 或 connections-optimizer 理解图谱数学原理 何时独立使用 当用户主要需要排名引擎时选择此技能： "我的网络中谁最适合引荐我？" "对我的互关进行排名，看谁能帮我联系到这些人" "针对此ICP映射我的图谱" "展示桥梁数学计算" 当用户真正需要以下功能时，请勿单独使用此技能： 完整的潜在客户生成和外联序列 -> 使用 lead-intelligence 修剪、重新平衡和扩展网络 -> 使用 connections-optimizer 输入 收集或推断： 目标人物、公司或ICP定义 用户在X、LinkedIn或两者上的当前图谱 权重优先级，如角色、行业、地理位置和响应性 遍历深度和衰减容忍度 核心模型 给定： T = 加权目标集 M = 你当前的互关/直接联系人 d(m, t) = 从互关 m 到目标 t 的最短跳数距离 w(t) = 来自信号评分的目标权重 基础桥梁分数： B(m) = Σ_{t ∈ T} w(t) · λ^(d(m,t) - 1) 其中： λ 是衰减因子，通常为 0.5 直接路径贡献全部价值 每增加一跳，贡献减半 二度扩展： B_ext(m) = B(m) + α · Σ_{m' ∈ N(m) \\ M} Σ_{t ∈ T} w(t) · λ^(d(m',t)) 其中： N(m) \\ M 是互关认识但你认识的人集合 α 对二度可达性进行折扣，通常为 0.3 响应调整后的最终排名： R(m) = B_ext(m) · (1 + β · engagement(m)) 其中： engagement(m) 是归一化的响应性或关系强度 β 是参与度加成，通常为 0.2 解读： 第一梯队：高 R(m) 和直接桥梁路径 -> 温暖引荐请求 第二梯队：中等 R(m) 和一跳桥梁路径 -> 条件性引荐请求 第三梯队：低 R(m) 或无可行桥梁 -> 直接外联或关注缺口填补 评分信号 在图遍历前根据当前优先级集对目标进行加权： 角色或职位匹配度 公司或行业契合度 当前活跃度和时效性 地理相关性 影响力或覆盖范围 响应可能性 在遍历后对互关进行加权： 进入目标集的加权路径数量 这些路径的直接性 响应性或过往互动历史 进行引荐的上下文契合度 工作流程 构建加权目标集。 从X、LinkedIn或两者拉取用户的图谱。 计算直接桥梁分数。 为最高价值的互关扩展二度候选者。 按 R(m) 排名。 返回： 最佳温暖引荐请求 条件性桥梁路径 不存在温暖路径的图谱缺口 输出格式 社交图谱排名 ==================== 优先级集合： 平台： 衰减模型： 顶级桥梁 - 共同好友 / 连接 基础分数： 扩展分数： 最佳目标： 路径摘要： 推荐操作： 条件路径 - 共同好友 / 连接 原因： 额外跳数成本： 无温暖路径 - 目标 推荐：直接联系 / 填补图谱空白 相关技能 lead-intelligence 在更广泛的目标发现和外联管道中使用此排名模型 connections-optimizer 在决定保留、修剪或添加谁时使用相同的桥梁逻辑 brand-voice 应在起草任何引荐请求或直接外联之前运行 x-api 提供X图谱访问和可选执行路径