Classement basé sur le graphe social

Couche de classement de graphes pondérés canoniques pour une communication tenant compte du réseau.

Utilisez cette fonctionnalité lorsque l'utilisateur a besoin de :

• classer ses contacts communs ou ses relations existantes en fonction de leur valeur d’introduction
• cartographier les chemins « chauds » vers une liste cible
• mesurer la valeur de pont entre les relations de premier et de deuxième ordre
• déterminer quelles cibles méritent des présentations « chaudes » par opposition à une prospection « à froid » directe
• comprendre les mathématiques des graphes indépendamment des informations sur les prospects ou de l’optimiseur de connexions

Quand utiliser cette solution autonome

Choisissez cette compétence lorsque l’utilisateur souhaite avant tout utiliser le moteur de classement :

• « Qui, dans mon réseau, est le mieux placé pour me présenter ? »
• « Classer mes contacts communs en fonction de ceux qui peuvent me mettre en relation avec ces personnes »
• « Comparer mon graphe à ce profil client idéal (ICP) »
• « Montrez-moi les calculs de mise en relation »

N'utilisez pas cette compétence seule lorsque l'utilisateur souhaite en réalité :

• une génération complète de prospects et un séquençage sortant → utilisez Lead-Intelligence
• l'élagage, le rééquilibrage et le développement du réseau -> utilisez Connections-Optimizer

Données d'entrée

Collectez ou déduisez :

• les personnes cibles, les entreprises ou la définition de l’ICP
• le réseau actuel de l’utilisateur sur X, LinkedIn ou les deux
• priorités de pondération telles que le poste, le secteur d’activité, la zone géographique et la réactivité
• la profondeur de traversée et la tolérance à la décroissance

Modèle de base

Soit :

• T = ensemble cible pondéré
• M = vos relations mutuelles / connexions directes actuelles
• d(m, t) = distance en sauts la plus courte entre le contact commun m et la cible t
• w(t) = poids de la cible issu de l’évaluation du signal

Score de pont de base :

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

Où :

• λ est le facteur de décroissance, généralement égal à 0,5
• un chemin direct contribue à la valeur totale
• chaque saut supplémentaire divise par deux la contribution

Développement au second ordre :

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

Où :

• N(m) \\ M est l'ensemble des personnes que votre contact commun connaît et que vous ne connaissez pas
• α représente le facteur de pondération de la portée de deuxième ordre, généralement égal à 0,3

Classement final ajusté en fonction des réponses :

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

Où :

• engagement(m) est la réactivité normalisée ou la force de la relation
• β est le bonus d’engagement, généralement égal à 0,2

Interprétation :

• Niveau 1 : R(m) élevé et chemins de liaison directs -> demandes d’introduction « chaleureuses »
• Niveau 2 : R(m) moyen et chemins de liaison à un saut -> demandes d’introduction conditionnelles
• Niveau 3 : faible R(m) ou absence de lien viable -> prise de contact directe ou comblement des lacunes

Signaux de notation

Pondérer les cibles avant la traversée du graphe en fonction des critères pertinents pour l’ensemble de priorités actuel :

• adéquation du rôle ou du titre
• adéquation avec l’entreprise ou le secteur d’activité
• activité actuelle et actualité
• pertinence géographique
• l'influence ou la portée
• probabilité de réponse

Pondérer les relations mutuelles après le parcours à l’aide de :

• le nombre de chemins pondérés menant à l’ensemble cible
• la directivité de ces chemins
• réactivité ou historique des interactions antérieures
• adéquation contextuelle pour établir le premier contact

Déroulement

1. Construire l’ensemble cible pondéré.
2. Extraire le graphe de l’utilisateur depuis X, LinkedIn ou les deux.
3. Calculer les scores de liaison directe.
4. Élargir la liste des candidats de deuxième ordre pour les contacts communs les plus pertinents.
5. Classez par R(m).
6. Résultat :
   • les meilleures demandes d’introduction « à chaud »
   • les chemins de liaison conditionnels
   • lacunes du graphe où aucun chemin « chaud » n’existe

Forme de la sortie

CLASSEMENT DU GRAPHE SOCIAL
====================

Ensemble de priorités :
Plateformes :
Modèle de décroissance :

Meilleurs ponts
- mutuel / connexion
  score_de_base :
  score_étendu :
  meilleures_cibles :
  résumé_du_chemin :
  action_recommandée :

Chemins conditionnels
- mutuel / connexion
  raison :
  coût de saut supplémentaire :

Absence de chemin « chaud »
- cible
  recommandation : prise de contact directe / combler la lacune du graphe

Compétences associées

• lead-intelligence utilise ce modèle de classement au sein du pipeline plus large de découverte de cibles et de prise de contact
• connections-optimizer utilise la même logique de liaison pour décider qui conserver, supprimer ou ajouter
• brand-voice doit être exécuté avant de rédiger toute demande de présentation ou prise de contact directe
• x-api fournit un accès au graphe X et des chemins d’exécution optionnels