Hogar

Skill

Productividad y flujo de trabajo

social-graph-ranker

affaan-m/ECC

Clasifica las conexiones mutuas según el valor de puente para las presentaciones «cálidas», utilizando un modelo de grafo ponderado con bonificaciones por decaimiento y por interacción.

...Expandir todo

Tiempo actualizado 12 de octubre de 2026

# outreach # social graph # bridge scoring # graph ranking # network analysis # warm introductions

Clasificador de grafos sociales

Capa de clasificación de grafos ponderada canónica para la divulgación con conciencia de red.

Utilízala cuando el usuario necesite:

clasificar a los contactos mutuos o conexiones existentes según el valor de presentación
asignar rutas «cálidas» a una lista de objetivos
medir el valor de puente entre conexiones de primer y segundo orden
decidir qué objetivos merecen presentaciones «cálidas» frente a una captación «fría» directa
comprender las matemáticas del grafo independientemente de la inteligencia de clientes potenciales o del optimizador de conexiones

Cuándo utilizar esta herramienta independiente

Elige esta habilidad cuando el usuario busque principalmente el motor de clasificación:

«¿Quién de mi red está mejor posicionado para presentarme?».
«Clasifica a mis contactos comunes según quién pueda ponerme en contacto con estas personas»
«Compara mi red con este ICP».
«Muéstrame los cálculos de conexión».

No utilices esta habilidad por sí sola cuando lo que el usuario realmente quiera sea:

generación completa de clientes potenciales y secuenciación de salidas -> utiliza «lead-intelligence»
poda, reequilibrio y crecimiento de la red -> utiliza Connections-Optimizer

Datos de entrada

Recopila o deduce:

personas objetivo, empresas o definición del ICP
el gráfico actual del usuario en X, LinkedIn o ambos
prioridades de ponderación, como el cargo, el sector, la ubicación geográfica y la capacidad de respuesta
profundidad de recorrido y tolerancia a la decadencia

Modelo básico

Dado:

T = conjunto de objetivos ponderado
M = tus contactos mutuos actuales / conexiones directas
d(m, t) = distancia en saltos más corta desde el contacto mutuo m hasta el objetivo t
w(t) = peso del objetivo según la puntuación de la señal

Puntuación base del puente:

B(m) = Σ_{t ∈ T} w(t) · λ^(d(m,t) - 1)

Donde:

λ es el factor de decaimiento, normalmente 0,5
una ruta directa aporta el valor completo
cada salto adicional reduce a la mitad la contribución

Expansión de segundo orden:

B_ext(m) = B(m) + α · Σ_{m' ∈ N(m) \\ M} Σ_{t ∈ T} w(t) · λ^(d(m',t))

Donde:

N(m) \\ M es el conjunto de personas que el contacto mutuo conoce y que tú no conoces
α representa el descuento del alcance de segundo orden, normalmente 0,3

Clasificación final ajustada a las respuestas:

R(m) = B_ext(m) · (1 + β · engagement(m))

Donde:

engagement(m) es la capacidad de respuesta normalizada o la intensidad de la relación
β es la bonificación por compromiso, normalmente 0,2

Interpretación:

Nivel 1: R(m) alto y rutas de enlace directas -> solicitudes de presentación «cálidas»
Nivel 2: R(m) medio y rutas de enlace de un salto → solicitudes de presentación condicionales
Nivel 3: R(m) bajo o sin puente viable -> contacto directo o seguimiento para cubrir la brecha

Señales de puntuación

Ponderar los objetivos antes de recorrer el grafo según lo que sea relevante para el conjunto de prioridades actual:

alineación de funciones o cargos
adecuación a la empresa o al sector
actividad actual y actualidad
relevancia geográfica
influencia o alcance
probabilidad de respuesta

Ponderar los vínculos mutuos tras el recorrido con:

el número de rutas ponderadas hacia el conjunto objetivo
la directitud de dichas rutas
capacidad de respuesta o historial de interacción previo
adecuación contextual para realizar la presentación

Flujo de trabajo

Crear el conjunto de objetivos ponderado.
Extraer el gráfico del usuario de X, LinkedIn o ambos.
Calcular las puntuaciones de los enlaces directos.
Ampliar los candidatos de segundo orden para los contactos mutuos de mayor valor.
Clasificar por R(m).
Resultado:
- las mejores solicitudes de presentación «en caliente»
- rutas de puente condicionales
- lagunas en el gráfico donde no existe ninguna ruta «cálida»

Forma de la salida

CLASIFICACIÓN DEL GRAFO SOCIAL
====================

Conjunto de prioridades:
Plataformas:
Modelo de decaimiento:

Puentes principales
- mutuo / conexión
  puntuación_base:
  puntuación_ampliada:
  mejores_objetivos:
  resumen_de_la_ruta:
  acción_recomendada:

Rutas condicionales
- mutua / conexión
  motivo:
  coste de salto adicional:

Sin ruta activa
- destino
  recomendación: contacto directo / cubrir la brecha del grafo

Habilidades relacionadas

lead-intelligence utiliza este modelo de clasificación dentro del proceso más amplio de descubrimiento de objetivos y contacto
connections-optimizer utiliza la misma lógica de enlace a la hora de decidir a quién mantener, eliminar o añadir
«brand-voice» debe ejecutarse antes de redactar cualquier solicitud de presentación o contacto directo
x-api proporciona acceso al grafo X y rutas de ejecución opcionales

Ver en GitHub

---
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