社交圖譜排名器 是做什麼的？
用於網絡感知外展的規範加權圖譜排名層。
當用戶需要以下事項時使用此技能：
- 對現有共同聯繫或連接按介紹價值進行排名
- 繪製通往目標列表的溫暖路徑
- 衡量跨一度和二度連接的橋樑價值
- 決定哪些目標值得暖介紹與直接冷外展
- 獨立於
lead-intelligence或connections-optimizer理解圖譜數學
何時獨立使用此技能
當用戶主要想要排名引擎時選擇此技能：
- "我網絡中誰最適合介紹我？"
- "對我的共同聯繫進行排名，看誰能幫我聯繫到這些人"
- "針對此 ICP 繪製我的圖譜"
- "展示橋樑數學"
當用戶真正想要以下內容時，請勿單獨使用此技能：
- 完整的潛在客戶開發和對外排序 -> 使用
lead-intelligence - 修剪、重新平衡和擴展網絡 -> 使用
connections-optimizer
輸入
收集或推斷：
- 目標人物、公司或 ICP 定義
- 用戶在 X、LinkedIn 或兩者上的當前圖譜
- 加權優先級，例如角色、行業、地理位置和回應性
- 遍歷深度和衰減容忍度
核心模型
給定：
T= 加權目標集M= 你當前的共同聯繫/直接連接d(m, t)= 從共同聯繫m到目標t的最短跳數距離w(t)= 來自信號評分的目標權重
基本橋樑分數：
B(m) = Σ_{t ∈ T} w(t) · λ^(d(m,t) - 1)
其中：
λ是衰減因子，通常為0.5- 直接路徑貢獻全部價值
- 每增加一跳，貢獻減半
二階展開：
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是共同聯繫認識但你認識的人之外的集合α折扣二階可達性，通常為0.3
回應調整後的最終排名：
R(m) = B_ext(m) · (1 + β · engagement(m))
其中：
engagement(m)是標準化的回應性或關係強度β是參與度獎勵，通常為0.2
解讀：
- 第一層：高
R(m)和直接橋樑路徑 -> 暖介紹請求 - 第二層：中等
R(m)和一跳橋樑路徑 -> 有條件的介紹請求 - 第三層：低
R(m)或無可行橋樑 -> 直接外展或填補差距
評分信號
在圖譜遍歷之前，根據當前優先級集對目標進行加權：
- 角色或職位匹配度
- 公司或行業契合度
- 當前活躍度和時效性
- 地理位置相關性
- 影響力或觸達範圍
- 回應可能性
在遍歷之後，對共同聯繫進行加權：
- 通向目標集的加權路徑數量
- 這些路徑的直接程度
- 回應性或先前的互動歷史
- 進行介紹的上下文契合度
工作流程
- 構建加權目標集。
- 從 X、LinkedIn 或兩者拉取用戶的圖譜。
- 計算直接橋樑分數。
- 為最高價值的共同聯繫展開二階候選者。
- 按
R(m)排名。 - 返回：
- 最佳暖介紹請求
- 有條件的橋樑路徑
- 不存在溫暖路徑的圖譜差距
輸出格式
社交圖譜排名
====================
優先級集：
平台：
衰減模型：
頂級橋樑
- 共同聯繫 / 連接
base_score：
extended_score：
best_targets：
path_summary：
recommended_action：
有條件路徑
- 共同聯繫 / 連接
reason：
extra hop cost：
無溫暖路徑
- 目標
recommendation：直接外展 / 填補圖譜差距
相關技能
lead-intelligence在更廣泛的目標發現和外展流程中使用此排名模型connections-optimizer在決定保留、修剪或添加誰時使用相同的橋樑邏輯brand-voice應在任何介紹請求或直接外展草稿之前運行x-api提供 X 圖譜訪問和可選的執行路徑