Classificador de Grafo Social

O que Classificador de Grafo Social faz?

Camada de classificação ponderada canônica de grafo para divulgação consciente da rede.

Use isto quando o usuário precisar:

• classificar mutuais ou conexões existentes pelo valor de introdução
• mapear caminhos quentes para uma lista de alvos
• medir o valor de ponte entre conexões de primeiro e segundo graus
• decidir quais alvos merecem apresentações quentes versus divulgação direta a frio
• entender a matemática do grafo independentemente de lead-intelligence ou connections-optimizer

Quando Usar Isto de Forma Independente

Escolha esta habilidade quando o usuário quiser principalmente o motor de classificação:

• "quem em minha rede está melhor posicionado para me apresentar?"
• "classifique meus mutuais por quem pode me levar a essas pessoas"
• "mapeie meu grafo contra este ICP"
• "mostre-me a matemática da ponte"

Não use isto sozinho quando o usuário realmente quiser:

• geração completa de leads e sequenciamento de divulgação -> use lead-intelligence
• poda, reequilíbrio e crescimento da rede -> use connections-optimizer

Entradas

Colete ou infira:

• pessoas, empresas ou definição de ICP alvo
• o grafo atual do usuário no X, LinkedIn, ou ambos
• prioridades de ponderação como cargo, setor, geografia e capacidade de resposta
• profundidade de travessia e tolerância de decaimento

Modelo Central

Dado:

• T = conjunto alvo ponderado
• M = seus mutuais / conexões diretas atuais
• d(m, t) = menor distância em saltos do mutual m ao alvo t
• w(t) = peso do alvo a partir de pontuação de sinal

Pontuação de ponte base:

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

Onde:

• λ é o fator de decaimento, geralmente 0.5
• um caminho direto contribui com valor total
• cada salto extra reduz a contribuição pela metade

Expansão de segundo grau:

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

Onde:

• N(m) \ M é o conjunto de pessoas que o mutual conhece que você não conhece
• α desconta o alcance de segundo grau, geralmente 0.3

Classificação final ajustada por resposta:

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

Onde:

• engagement(m) é a capacidade de resposta normalizada ou força do relacionamento
• β é o bônus de engajamento, geralmente 0.2

Interpretação:

• Nível 1: R(m) alto e caminhos de ponte diretos -> solicitações de apresentação quente
• Nível 2: R(m) médio e caminhos de ponte de um salto -> solicitações de apresentação condicionais
• Nível 3: R(m) baixo ou nenhuma ponte viável -> divulgação direta ou preenchimento de lacuna de grafo

Sinais de Pontuação

Pese os alvos antes da travessia do grafo com o que importa para o conjunto de prioridades atual:

• alinhamento de cargo ou função
• adequação a empresa ou setor
• atividade e atualidade atuais
• relevância geográfica
• influência ou alcance
• probabilidade de resposta

Pese os mutuais após a travessia com:

• número de caminhos ponderados para o conjunto alvo
• grau de direção desses caminhos
• capacidade de resposta ou histórico de interação anterior
• adequação contextual para fazer a introdução

Fluxo de Trabalho

1. Construa o conjunto alvo ponderado.
2. Obtenha o grafo do usuário do X, LinkedIn, ou ambos.
3. Calcule as pontuações de ponte diretas.
4. Expanda candidatos de segundo grau para os mutuais de maior valor.
5. Classifique por R(m).
6. Retorne:
   • melhores solicitações de apresentação quente
   • caminhos de ponte condicionais
   • lacunas no grafo onde nenhum caminho quente existe

Formato da Saída

CLASSIFICAÇÃO DE GRAFO SOCIAL
=============================

Conjunto de Prioridades:
Plataformas:
Modelo de Decaimento:

Principais Pontes
- mutual / conexão
  pontuação_base:
  pontuação_estendida:
  melhores_alvos:
  resumo_do_caminho:
  ação_recomendada:

Caminhos Condicionais
- mutual / conexão
  motivo:
  custo_do_salto_extra:

Sem Caminho Quente
- alvo
  recomendação: divulgação direta / preencher lacuna do grafo

Habilidades Relacionadas

• lead-intelligence usa este modelo de classificação dentro do pipeline mais amplo de descoberta de alvos e divulgação
• connections-optimizer usa a mesma lógica de ponte ao decidir quem manter, podar ou adicionar
• brand-voice deve ser executado antes de redigir qualquer solicitação de introdução ou divulgação direta
• x-api fornece acesso ao grafo do X e caminhos de execução opcionais