social-graph-ranker
affaan-m/ECC
Ordnet gemeinsame Kontakte nach dem Brückenwert für „Warm Introductions“ ein, wobei ein gewichtetes Graphmodell mit Abkling- und Interaktionsboni verwendet wird.
...Alle erweiternSocial-Graph-Ranker
Kanonische, gewichtete Graph-Ranking-Ebene für netzwerkorientiertes Outreach.
Verwenden Sie diese Funktion, wenn der Benutzer Folgendes tun muss:
- bestehende gegenseitige Kontakte oder Verbindungen nach ihrem Intro-Wert bewerten
- „Warm Paths“ einer Zielliste zuordnen
- den Brückenwert über Verbindungen erster und zweiter Ordnung messen
- entscheiden, welche Ziele eine „warme“ Einführung verdienen und welche eine direkte „kalte“ Kontaktaufnahme erfordern
- die Graphmathematik unabhängig von
Lead-Intelligenceoderdem Connections-Optimizerverstehen
Wann sollte diese eigenständige Lösung verwendet werden?
Wählen Sie diese Funktion, wenn der Nutzer in erster Linie die Ranking-Engine nutzen möchte:
- „Wer in meinem Netzwerk ist am besten geeignet, mich vorzustellen?“
- „Ordne meine gemeinsamen Kontakte danach, wer mich zu diesen Personen bringen kann“
- „Ordne mein Netzwerk diesem ICP zu“
- „Zeig mir die Brückenberechnung“
Verwenden Sie diese Funktion nicht isoliert, wenn der Nutzer eigentlich Folgendes möchte:
- umfassende Lead-Generierung und Outbound-Sequenzierung – nutze dazu
„Lead-Intelligence“ - Ausdünnen, Neuausbalancieren und Ausbau des Netzwerks -> nutze
den „Connections-Optimizer“
Eingaben
Erfassen oder ableiten:
- Zielpersonen, Unternehmen oder ICP-Definition
- den aktuellen Netzwerkbaum des Nutzers auf X, LinkedIn oder beiden Plattformen
- Gewichtungsprioritäten wie Rolle, Branche, Region und Reaktionsbereitschaft
- Durchsuchungstiefe und Toleranz für den Datenverfall
Kernmodell
Gegeben:
T= gewichtete ZielmengeM= Ihre aktuellen gegenseitigen / direkten Verbindungend(m, t)= kürzeste Hop-Distanz vom gemeinsamenKnoten mzum Zieltw(t)= Zielgewicht aus der Signalbewertung
Basis-Brücken-Score:
B(m) = Σ_{t ∈ T} w(t) · λ^(d(m,t) - 1)
Dabei gilt:
λder Abklingfaktor ist, üblicherweise0,5- Ein direkter Pfad trägt den vollen Wert bei
- jeder zusätzliche Hop halbiert den Beitrag
Entwicklung zweiter Ordnung:
B_ext(m) = B(m) + α · Σ_{m' ∈ N(m) \\ M} Σ_{t ∈ T} w(t) · λ^(d(m',t))
Dabei gilt:
N(m) \\ Mdie Menge der Personen ist, die der gemeinsame Bekannte kennt, die du jedoch nicht kennstαberücksichtigt die Reichweite zweiter Ordnung, üblicherweise0,3
Antwortbereinigte endgültige Rangliste:
R(m) = B_ext(m) · (1 + β · engagement(m))
Dabei gilt:
engagement(m)die normalisierte Reaktionsbereitschaft oder Beziehungsstärke istβist der Engagement-Bonus, in der Regel0,2
Interpretation:
- Stufe 1: hoher
R(m)-Wert und direkte Brückenpfade -> Anfragen für „Warm Intro“ - Stufe 2: mittlerer
R(m)-Wertund Brückenpfade mit einem Zwischenkontakt -> bedingte Einführungsanfragen - Stufe 3: niedriges
R(m)oder keine brauchbare Verbindung -> direkte Kontaktaufnahme oder Lücken schließen
Bewertungssignale
Gewichtung der Ziele vor der Graphdurchquerung anhand der für den aktuellen Prioritätssatz relevanten Kriterien:
- Übereinstimmung von Rolle oder Titel
- Passung zum Unternehmen oder zur Branche
- aktuelle Aktivität und Aktualität
- geografische Relevanz
- Einfluss oder Reichweite
- Wahrscheinlichkeit einer Antwort
Gewichtung der gegenseitigen Beziehungen nach Durchlauf mit:
- Anzahl der gewichteten Pfade in die Zielmenge
- Direktheit dieser Pfade
- Reaktionsbereitschaft oder bisherige Interaktionshistorie
- kontextuelle Eignung für die Einführung
Ablauf
- Erstellen Sie die gewichtete Zielgruppe.
- Rufen Sie den Nutzergraphen aus X, LinkedIn oder beiden Quellen ab.
- Berechnung der direkten Brückenwerte.
- Erweitern Sie die Kandidaten zweiter Ordnung um die wertvollsten gemeinsamen Kontakte.
- Nach
R(m)ordnen. - Ergebnis:
- die besten Anfragen für „Warm Intro“
- bedingte Brückenpfade
- Lücken im Graphen, in denen kein „Warm Intro“-Pfad existiert
Ausgabeform
SOZIALGRAFIK-RANKING
====================
Prioritätsmenge:
Plattformen:
Abklingmodell:
Top-Brücken
- gegenseitig / Verbindung
Basiswert:
erweiterter Wert:
beste Ziele:
Pfadzusammenfassung:
empfohlene_Maßnahme:
Bedingte Pfade
- gegenseitig / Verbindung
Grund:
zusätzliche Hop-Kosten:
Kein „Warm Path“
- Ziel
Empfehlung: direkte Kontaktaufnahme / Lücke im Graphen schließen
Verwandte Fähigkeiten
„lead-intelligence“nutzt dieses Ranking-Modell im Rahmen der umfassenderen Pipeline zur Zielidentifizierung und Kontaktaufnahmeconnections-optimizernutzt dieselbe Brückenlogik bei der Entscheidung, wen beizubehalten, zu entfernen oder hinzuzufügen„brand-voice“sollte vor dem Verfassen einer Vorstellungsanfrage oder einer direkten Kontaktaufnahme ausgeführt werdenx-apibietet Zugriff auf den X-Graph und optionale Ausführungspfade
---
name: social-graph-ranker
description: Ranks mutual connections by bridge value for warm introductions, using a weighted graph model with decay and engagement bonuses.
---
# Social Graph Ranker
Canonical weighted graph-ranking layer for network-aware outreach.
Use this when the user needs to:
- rank existing mutuals or connections by intro value
- map warm paths to a target list
- measure bridge value across first- and second-order connections
- decide which targets deserve warm intros versus direct cold outreach
- understand the graph math independently from `lead-intelligence` or `connections-optimizer`
## When To Use This Standalone
Choose this skill when the user primarily wants the ranking engine:
- "who in my network is best positioned to introduce me?"
- "rank my mutuals by who can get me to these people"
- "map my graph against this ICP"
- "show me the bridge math"
Do not use this by itself when the user really wants:
- full lead generation and outbound sequencing -> use `lead-intelligence`
- pruning, rebalancing, and growing the network -> use `connections-optimizer`
## Inputs
Collect or infer:
- target people, companies, or ICP definition
- the user's current graph on X, LinkedIn, or both
- weighting priorities such as role, industry, geography, and responsiveness
- traversal depth and decay tolerance
## Core Model
Given:
- `T` = weighted target set
- `M` = your current mutuals / direct connections
- `d(m, t)` = shortest hop distance from mutual `m` to target `t`
- `w(t)` = target weight from signal scoring
Base bridge score:
```text
B(m) = Σ_{t ∈ T} w(t) · λ^(d(m,t) - 1)
```
Where:
- `λ` is the decay factor, usually `0.5`
- a direct path contributes full value
- each extra hop halves the contribution
Second-order expansion:
```text
B_ext(m) = B(m) + α · Σ_{m' ∈ N(m) \\ M} Σ_{t ∈ T} w(t) · λ^(d(m',t))
```
Where:
- `N(m) \\ M` is the set of people the mutual knows that you do not
- `α` discounts second-order reach, usually `0.3`
Response-adjusted final ranking:
```text
R(m) = B_ext(m) · (1 + β · engagement(m))
```
Where:
- `engagement(m)` is normalized responsiveness or relationship strength
- `β` is the engagement bonus, usually `0.2`
Interpretation:
- Tier 1: high `R(m)` and direct bridge paths -> warm intro asks
- Tier 2: medium `R(m)` and one-hop bridge paths -> conditional intro asks
- Tier 3: low `R(m)` or no viable bridge -> direct outreach or follow-gap fill
## Scoring Signals
Weight targets before graph traversal with whatever matters for the current priority set:
- role or title alignment
- company or industry fit
- current activity and recency
- geographic relevance
- influence or reach
- likelihood of response
Weight mutuals after traversal with:
- number of weighted paths into the target set
- directness of those paths
- responsiveness or prior interaction history
- contextual fit for making the intro
## Workflow
1. Build the weighted target set.
2. Pull the user's graph from X, LinkedIn, or both.
3. Compute direct bridge scores.
4. Expand second-order candidates for the highest-value mutuals.
5. Rank by `R(m)`.
6. Return:
- best warm intro asks
- conditional bridge paths
- graph gaps where no warm path exists
## Output Shape
```text
SOCIAL GRAPH RANKING
====================
Priority Set:
Platforms:
Decay Model:
Top Bridges
- mutual / connection
base_score:
extended_score:
best_targets:
path_summary:
recommended_action:
Conditional Paths
- mutual / connection
reason:
extra hop cost:
No Warm Path
- target
recommendation: direct outreach / fill graph gap
```
## Related Skills
- `lead-intelligence` uses this ranking model inside the broader target-discovery and outreach pipeline
- `connections-optimizer` uses the same bridge logic when deciding who to keep, prune, or add
- `brand-voice` should run before drafting any intro request or direct outreach
- `x-api` provides X graph access and optional execution paths
Alle Dateien
1 Dateiensocial-graph-ranker installieren
Laden Sie die Skill-Dateien herunter und entpacken Sie sie in Ihr Verzeichnis „.claude/skills/“.
ZIP herunterladenKlonen Sie das Repository und kopieren Sie die Skill-Dateien in Ihr Projekt.
git clone https://github.com/affaan-m/ECC/tree/main/skills/social-graph-ranker # Copy SKILL.md to your .claude/skills/ directory
Kopieren





Heim
