社交圖譜排名器 是做什麼的？
用於網絡感知外聯的規範加權圖譜排名層。
當用戶需要以下事項時使用：
- 根據介紹價值對現有互關或聯繫進行排名
- 繪製通往目標清單的溫和路徑
- 衡量跨第一層和第二層聯繫的橋樑價值
- 決定哪些目標值得溫和介紹，哪些應該直接進行冷外聯
- 獨立於
lead-intelligence或connections-optimizer理解圖譜數學
何時單獨使用此技能
當用戶主要想要排名引擎時，選擇此技能：
- "我的網絡中誰最適合介紹我？"
- "根據誰能帶我聯繫到這些人來排名我的互關"
- "根據這個 ICP 繪製我的圖譜"
- "為我展示橋樑數學"
當用戶真正想要以下內容時，請勿單獨使用此技能：
- 完整的潛在客戶生成和外聯繫列 -> 使用
lead-intelligence - 修剪、平衡和擴展網絡 -> 使用
connections-optimizer
輸入
收集或推斷：
- 目標人員、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、地理位置和響應度
- 遍歷深度和衰減容忍度
核心模型
給定：
T= 加權目標集合M= 您當前的互關 / 直接聯繫d(m, t)= 從互關m到目標t的最短跳數w(t)= 來自訊號評分的目標權重
基礎橋樑分數：
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- 直接路徑貢獻完整價值
- 每增加一跳，貢獻值減半
二階擴展：
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是互關認識但您不認識的人集合α折扣二階可達性，通常為0.3
根據響應調整的最終排名：
R(m) = B_ext(m) · (1 + β · engagement(m))
其中：
engagement(m)是標準化的響應度或關係強度β是參與度獎勵，通常為0.2
解釋：
- 第 1 層：高
R(m)和直接橋樑路徑 -> 請求溫和介紹 - 第 2 層：中等
R(m)和一跳橋樑路徑 -> 有條件的介紹請求 - 第 3 層：低
R(m)或無可行橋樑 -> 直接外聯或填補圖譜差距
評分訊號
根據當前優先級集合在圖譜遍歷前加權目標：
- 角色或職位匹配度
- 公司或行業契合度
- 當前活動和時效性
- 地理相關性
- 影響力或觸及範圍
- 回應可能性
在遍歷後加權互關：
- 通往目標集合的加權路徑數量
- 這些路徑的直接性
- 響應度或先前的互動歷史
- 進行介紹的上下文契合度
工作流程
- 建立加權目標集合。
- 從 X、LinkedIn 或兩者提取用戶的圖譜。
- 計算直接橋樑分數。
- 針對價值最高的互關展開二階候選人。
- 根據
R(m)排名。 - 返回：
- 最佳的溫和介紹請求
- 有條件的橋樑路徑
- 不存在溫和路徑的圖譜差距
輸出格式
社交圖譜排名
====================
優先級集合：
平台：
衰減模型：
頂級橋樑
- 互關 / 聯繫
base_score：
extended_score：
best_targets：
path_summary：
recommended_action：
有條件的路徑
- 互關 / 聯繫
reason：
extra hop cost：
無溫和路徑
- 目標
recommendation：直接外聯 / 填補圖譜差距
相關技能
lead-intelligence在更廣泛的目標發現和外聯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應在起草任何介紹請求或直接外聯之前執行x-api提供 X 圖譜存取和可選的執行路徑