social-graph-ranker

Social Graph Ranker

Couche de classement de graphe social pondérée canonique pour la prospection consciente du réseau.

Utilisez ceci lorsque l'utilisateur a besoin de :

• classer les relations mutuelles ou connexions existantes par valeur d'introduction
• cartographier les chemins chaleureux vers une liste de cibles
• mesurer la valeur de pont à travers les connexions de premier et second degré
• décider quelles cibles méritent des introductions chaleureuses par rapport à un démarchage direct froid
• comprendre les mathématiques du graphe indépendamment de lead-intelligence ou connections-optimizer

Quand utiliser ce skill de manière autonome

Choisissez ce skill lorsque l'utilisateur souhaite principalement le moteur de classement :

• "qui dans mon réseau est le mieux placé pour me présenter ?"
• "classe mes relations mutuelles par qui peut m'emmener à ces personnes"
• "cartographie mon graphe contre cet ICP"
• "montre-moi les mathématiques de pont"

N'utilisez pas ce skill seul lorsque l'utilisateur souhaite réellement :

• la génération complète de leads et le séquençage sortant -> utilisez lead-intelligence
• l'élagage, le rééquilibrage et la croissance du réseau -> utilisez connections-optimizer

Entrées

Collecter ou déduire :

• personnes cibles, entreprises ou définition d'ICP
• le graphe actuel de l'utilisateur sur X, LinkedIn, ou les deux
• priorités de pondération telles que le rôle, le secteur, la géographie et la réactivité
• profondeur de parcours et tolérance à la décroissance

Modèle central

Soit :

• T = ensemble cible pondéré
• M = vos relations mutuelles / connexions directes actuelles
• d(m, t) = distance de saut la plus courte de la relation mutuelle m à la cible t
• w(t) = poids de la cible provenant du scoring de signal

Score de pont de base :

B(m) = Σ_{t ∈ T} w(t) · λ^(d(m,t) - 1)

Où :

• λ est le facteur de décroissance, généralement 0.5
• un chemin direct apporte une valeur complète
• chaque saut supplémentaire réduit de moitié la contribution

Expansion au second ordre :

B_ext(m) = B(m) + α · Σ_{m' ∈ N(m) \ M} Σ_{t ∈ T} w(t) · λ^(d(m',t))

Où :

• N(m) \ M est l'ensemble des personnes que la relation mutuelle connaît et que vous ne connaissez pas
• α réduit la portée au second ordre, généralement 0.3

Classement final ajusté par réponse :

R(m) = B_ext(m) · (1 + β · engagement(m))

Où :

• engagement(m) est la réactivité normalisée ou la force de la relation
• β est le bonus d'engagement, généralement 0.2

Interprétation :

• Niveau 1 : R(m) élevé et chemins de pont directs -> demandes d'introductions chaleureuses
• Niveau 2 : R(m) moyen et chemins de pont à un saut -> demandes d'introductions conditionnelles
• Niveau 3 : R(m) faible ou aucun pont viable -> démarchage direct ou combler les lacunes du graphe

Signaux de scoring

Pondérez les cibles avant le parcours du graphe avec tout ce qui importe pour l'ensemble de priorités actuel :

• alignement du rôle ou du titre
• adéquation entreprise ou secteur
• activité actuelle et récence
• pertinence géographique
• influence ou portée
• probabilité de réponse

Pondérez les relations mutuelles après le parcours avec :

• nombre de chemins pondérés vers l'ensemble cible
• directeté de ces chemins
• réactivité ou historique d'interaction antérieur
• adéquation contextuelle pour faire l'introduction

Workflow

1. Construire l'ensemble cible pondéré.
2. Extraire le graphe de l'utilisateur depuis X, LinkedIn, ou les deux.
3. Calculer les scores de pont directs.
4. Développer les candidats au second ordre pour les relations mutuelles de plus haute valeur.
5. Classer par R(m).
6. Retourner :
   • meilleures demandes d'introductions chaleureuses
   • chemins de pont conditionnels
   • lacunes du graphe là où aucun chemin chaleureux n'existe

Format de sortie

CLASSEMENT DU GRAPHE SOCIAL
============================

Ensemble prioritaire :
Plateformes :
Modèle de décroissance :

Meilleurs ponts
- relation mutuelle / connexion
  score_de_base :
  score_étendu :
  meilleures_cibles :
  résumé_du_chemin :
  action_recommandée :

Chemins conditionnels
- relation mutuelle / connexion
  raison :
  coût_du_saut_supplémentaire :

Pas de chemin chaleureux
- cible
  recommandation : démarchage direct / combler la lacune du graphe

Skills connexes

• lead-intelligence utilise ce modèle de classement dans le pipeline plus large de découverte de cibles et de prospection
• connections-optimizer utilise la même logique de pont pour décider qui garder, élaguer ou ajouter
• brand-voice doit être exécuté avant de rédiger toute demande d'introduction ou tout démarchage direct
• x-api fournit l'accès au graphe X et les chemins d'exécution optionnels