社交图谱排序器 是做什么的？
网络感知外展的规范加权图谱排名层。
当用户需要以下功能时使用此技能：
- 按介绍价值对现有的共同联系或人脉进行排名
- 绘制通往目标列表的温暖路径
- 衡量跨一级和二级连接的桥接价值
- 决定哪些目标值得通过暖介绍而非直接的冷外联
- 与
lead-intelligence或connections-optimizer无关地理解图谱数学
何时独立使用
当用户主要需要排序引擎时选择此技能：
- “我的网络中谁最适合介绍我？”
- “按谁能让我接触到这些人对我的共同联系进行排名”
- “针对此 ICP 绘制我的图谱”
- “向我展示桥接数学”
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展序列 -> 使用
lead-intelligence - 网络修剪、再平衡和增长 -> 使用
connections-optimizer
输入
收集或推断：
- 目标人员、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、地域和响应能力
- 遍历深度和衰减容限
核心模型
给定：
T= 加权目标集合M= 你当前的共同联系 / 直接连接d(m, t)= 从共同联系m到目标t的最短跳数w(t)= 来自信号评分的目标权重
基础桥接分数：
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
二阶扩展：
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是共同联系认识但你却不认识的人组成集合α折扣二阶可达性，通常为0.3
根据响应调整后的最终排名：
R(m) = B_ext(m) · (1 + β · engagement(m))
其中：
engagement(m)是标准化后的响应能力或关系强度β是参与度奖励，通常为0.2
解释：
- 第一梯队：高
R(m)和直接桥接路径 -> 请求暖介绍 - 第二梯队：中等
R(m)和一跳桥接路径 -> 有条件地请求介绍 - 第三梯队：低
R(m)或没有可行的桥接 -> 直接外联或填补图谱缺口
评分信号
在图谱遍历之前，根据当前优先级对目标进行加权：
- 角色或职位匹配度
- 公司或行业契合度
- 当前活跃度和近况
- 地域相关性
- 影响力或触达范围
- 回复可能性
在图谱遍历之后，对共同联系进行加权：
- 进入目标集合的加权路径数量
- 这些路径的直达性
- 响应能力或之前的互动历史
- 牵线搭桥的情境契合度
工作流程
- 构建加权目标集合。
- 从 X、LinkedIn 或两者中拉取用户的图谱。
- 计算直接桥接分数。
- 为最高价值的共同联系扩展二阶候选人。
- 按
R(m)排序。 - 返回：
- 最佳的暖介绍请求
- 有条件的桥接路径
- 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：
顶级桥接
- 共同联系 / 连接
base_score：
extended_score：
best_targets：
path_summary：
recommended_action：
有条件路径
- 共同联系 / 连接
reason：
extra hop cost：
无温暖路径
- 目标
recommendation：直接外联 / 填补图谱缺口
相关技能
lead-intelligence在更广泛的潜在客户发现和外展流程中使用此排名模型connections-optimizer在决定保留、修剪或添加哪些联系人时使用相同的桥接逻辑brand-voice应在草拟任何介绍请求或直接外联之前运行x-api提供 X 图谱访问和可选的执行路径