Lar

Skill

Produtividade e fluxo de trabalho

social-graph-ranker

affaan-m/ECC

Classifica as conexões mútuas de acordo com o valor de ponte para apresentações favoráveis, utilizando um modelo de grafo ponderado com bônus de decaimento e de engajamento.

...Expandir tudo

Tempo atualizado 12 de Outubro de 2026

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

Classificador de Gráfico Social

Camada de classificação de grafos ponderada canônica para divulgação com reconhecimento de rede.

Use isso quando o usuário precisar:

classificar contatos mútuos ou conexões existentes de acordo com o valor de introdução
mapear caminhos promissores para uma lista de alvos
medir o valor de ponte entre conexões de primeiro e segundo graus
decidir quais alvos merecem apresentações “quentes” em vez de abordagens diretas “frias”
compreender a matemática do gráfico independentemente da inteligência de leads ou do otimizador de conexões

Quando usar este recurso independente

Escolha esta habilidade quando o usuário desejar principalmente o mecanismo de classificação:

“quem na minha rede está em melhor posição para me apresentar?”
“classifique meus contatos em comum de acordo com quem pode me conectar a essas pessoas”
“mapear meu gráfico em relação a este ICP”
“mostre-me a lógica de conexão”

Não use isso isoladamente quando o usuário realmente quiser:

geração completa de leads e sequenciamento de contato -> use o Lead Intelligence
podar, reequilibrar e expandir a rede -> use o Connections-Optimizer

Entradas

Colete ou deduza:

pessoas-alvo, empresas ou definição do ICP
o gráfico atual do usuário no X, no LinkedIn ou em ambos
prioridades de ponderação, como função, setor, localização geográfica e capacidade de resposta
profundidade de percurso e tolerância à decadência

Modelo Central

Dado:

T = conjunto-alvo ponderado
M = seus contatos mútuos / conexões diretas atuais
d(m, t) = menor distância em saltos do contato m até o alvo t
w(t) = peso do alvo com base na pontuação do sinal

Pontuação base da ponte:

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

Onde:

λ é o fator de decaimento, geralmente 0,5
um caminho direto contribui com o valor total
cada salto adicional reduz a contribuição pela metade

Expansão de segunda ordem:

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

Onde:

N(m) \\ M é o conjunto de pessoas que o contato em comum conhece, mas você não
α representa o fator de desconto do alcance de segunda ordem, geralmente 0,3

Classificação final ajustada pela resposta:

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

Onde:

engagement(m) é a capacidade de resposta normalizada ou a força do relacionamento
β é o bônus de engajamento, geralmente 0,2

Interpretação:

Nível 1: R(m) alto e caminhos de ponte diretos -> solicitações de apresentação calorosas
Nível 2: R(m) médio e caminhos de ponte de um salto -> pedidos de apresentação condicionais
Nível 3: R(m) baixo ou ausência de ponte viável -> contato direto ou preenchimento de lacunas de acompanhamento

Sinais de pontuação

Atribua pesos às metas antes da travessia do grafo com base no que for relevante para o conjunto de prioridades atual:

alinhamento de função ou cargo
adequação à empresa ou ao setor
atividade atual e recência
relevância geográfica
influência ou alcance
probabilidade de resposta

Ponderar os elementos mútuos após a percorrida com:

número de caminhos ponderados para o conjunto-alvo
diretude desses caminhos
capacidade de resposta ou histórico de interações anteriores
adequação contextual para fazer a apresentação

Fluxo de trabalho

Construa o conjunto-alvo ponderado.
Extraia o gráfico do usuário do X, do LinkedIn ou de ambos.
Calcular as pontuações de conexão direta.
Expandir os candidatos de segunda ordem para os contatos mútuos de maior valor.
Classifique por R(m).
Retornar:
- as melhores solicitações de apresentação prévia
- caminhos de ponte condicionais
- lacunas no gráfico onde não existe nenhum caminho de contato pré-estabelecido

Formato da saída

RANKING DO GRAFO SOCIAL
====================

Conjunto de prioridades:
Plataformas:
Modelo de decaimento:

Principais pontes
- mútua / conexão
  pontuação_base:
  pontuação_estendida:
  melhores_alvos:
  resumo_do_caminho:
  ação_recomendada:

Caminhos condicionais
- mútuo / conexão
  motivo:
  custo de salto extra:

Sem caminho ativo
- alvo
  recomendação: contato direto / preencher lacuna no grafo

Habilidades relacionadas

O lead-intelligence utiliza esse modelo de classificação dentro do pipeline mais amplo de descoberta de alvos e abordagem
o connections-optimizer usa a mesma lógica de ponte ao decidir quem manter, eliminar ou adicionar
O brand-voice deve ser executado antes da elaboração de qualquer solicitação de apresentação ou contato direto
o x-api fornece acesso ao grafo X e caminhos de execução opcionais

Ver no 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