mturac 社交图谱排名器
面向网络感知外联的规范化加权图排名层。
当用户需要以下功能时使用此工具：
- 根据内在价值对现有互关或联系人进行排名
- 为目标列表绘制温暖路径
- 衡量跨一度和二度连接的桥梁价值
- 决定哪些目标适合温暖引荐而非直接冷启动外联
- 独立于
lead-intelligence或connections-optimizer理解图谱数学原理
何时独立使用
当用户主要需要排名引擎时选择此技能：
- "我的网络中谁最适合引荐我？"
- "对我的互关进行排名，看谁能帮我联系到这些人"
- "针对此ICP映射我的图谱"
- "展示桥梁数学计算"
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联序列 -> 使用
lead-intelligence - 修剪、重新平衡和扩展网络 -> 使用
connections-optimizer
输入
收集或推断：
- 目标人物、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、地理位置和响应性
- 遍历深度和衰减容忍度
核心模型
给定：
T= 加权目标集M= 你当前的互关/直接联系人d(m, t)= 从互关m到目标t的最短跳数距离w(t)= 来自信号评分的目标权重
基础桥梁分数：
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
二度扩展：
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是互关认识但你认识的人集合α对二度可达性进行折扣，通常为0.3
响应调整后的最终排名：
R(m) = B_ext(m) · (1 + β · engagement(m))
其中：
engagement(m)是归一化的响应性或关系强度β是参与度加成，通常为0.2
解读：
- 第一梯队：高
R(m)和直接桥梁路径 -> 温暖引荐请求 - 第二梯队：中等
R(m)和一跳桥梁路径 -> 条件性引荐请求 - 第三梯队：低
R(m)或无可行桥梁 -> 直接外联或关注缺口填补
评分信号
在图遍历前根据当前优先级集对目标进行加权：
- 角色或职位匹配度
- 公司或行业契合度
- 当前活跃度和时效性
- 地理相关性
- 影响力或覆盖范围
- 响应可能性
在遍历后对互关进行加权：
- 进入目标集的加权路径数量
- 这些路径的直接性
- 响应性或过往互动历史
- 进行引荐的上下文契合度
工作流程
- 构建加权目标集。
- 从X、LinkedIn或两者拉取用户的图谱。
- 计算直接桥梁分数。
- 为最高价值的互关扩展二度候选者。
- 按
R(m)排名。 - 返回：
- 最佳温暖引荐请求
- 条件性桥梁路径
- 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：
顶级桥梁
- 共同好友 / 连接
基础分数：
扩展分数：
最佳目标：
路径摘要：
推荐操作：
条件路径
- 共同好友 / 连接
原因：
额外跳数成本：
无温暖路径
- 目标
推荐：直接联系 / 填补图谱空白
相关技能
lead-intelligence在更广泛的目标发现和外联管道中使用此排名模型connections-optimizer在决定保留、修剪或添加谁时使用相同的桥梁逻辑brand-voice应在起草任何引荐请求或直接外联之前运行x-api提供X图谱访问和可选执行路径