Ранжировщик социального графа

Канонический слой ранжирования взвешенных графов для работы с сетевыми ресурсами.

Используйте этот слой, когда пользователю необходимо:

• ранжировать существующих взаимных подписчиков или связи по ценности знакомства
• сопоставить «теплые» пути с целевым списком
• оценить «ценность моста» между связями первого и второго порядка
• определить, для каких целей целесообразно использовать «теплые» представления, а для каких — прямой «холодный» аутрич
• понять математику графов независимо от инструментов анализа потенциальных клиентов или оптимизатора связей

Когда использовать этот автономный модуль

Выбирайте этот навык, если пользователю в первую очередь нужен механизм ранжирования:

• «кто в моей сети лучше всего подходит для того, чтобы меня представить?»
• «Ранжируйте моих общих знакомых по тому, кто может помочь мне связаться с этими людьми»
• «Сопоставьте мой граф с этим ICP»
• «покажите мне математику связей»

Не используйте этот навык отдельно, если пользователю на самом деле нужно:

• полного генерации лидов и последовательности исходящих действий -> используйте «Lead-Intelligence»
• очистку, ребалансировку и расширение сети -> используйте Connections-Optimizer

Входные данные

Соберите или определите:

• целевые лица, компании или определение ICP
• текущий график пользователя в X, LinkedIn или в обоих
• приоритеты взвешивания, такие как должность, отрасль, география и оперативность реагирования
• глубина обхода и порог затухания

Базовая модель

Исходные данные:

• T = взвешенное целевое множество
• M = ваши текущие взаимные / прямые связи
• d(m, t) = кратчайшее расстояние в прыжках от общего знакомого m до цели t
• w(t) = вес цели, полученный в результате оценки сигнала

Базовый балл моста:

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

Где:

• λ — коэффициент затухания, обычно равный 0,5
• прямой путь вносит полный вклад
• каждый дополнительный переход уменьшает вклад вдвое

Разложение второго порядка:

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

Где:

• N(m) \\ M — множество людей, которых знает ваш общий знакомый, но которых вы не знаете
• α — коэффициент дисконтирования охвата второго порядка, обычно равный 0,3

Окончательный рейтинг с поправкой на отклик:

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

Где:

• engagement(m) — нормализованная отзывчивость или сила отношений
• β — бонус за вовлеченность, обычно равный 0,2

Интерпретация:

• Уровень 1: высокое значение R(m) и прямые пути связи -> запросы на «теплое» представление
• Уровень 2: среднее значение R(m) и пути связи через одного посредника -> запросы на условное представление
• Уровень 3: низкий показатель R(m) или отсутствие подходящего посредника -> прямое обращение или заполнение пробела в контактах

Сигналы оценки

Перед обходом графа присвойте веса целям с учетом того, что важно для текущего набора приоритетов:

• соответствие должности или звания
• соответствие компании или отрасли
• текущая деятельность и актуальность
• географическая релевантность
• влияние или охват аудитории
• вероятность ответа

Взвешивание взаимных связей после обхода с использованием:

• количеством взвешенных путей, ведущих в целевую совокупность
• прямолинейность этих путей
• отзывчивость или история предыдущего взаимодействия
• соответствие контексту для создания вступления

Рабочий процесс

1. Создайте взвешенный целевой набор.
2. Извлеките граф пользователя из X, LinkedIn или обоих.
3. Рассчитать показатели прямых связей.
4. Расширить список кандидатов второго порядка для взаимных связей с наибольшей ценностью.
5. Ранжируйте по R(m).
6. Вернуть:
   • лучшие предложения для «теплых» знакомств
   • условные пути-мосты
   • пробелы в графе, где отсутствуют «теплые» пути

Формат вывода

РЕЙТИНГ СОЦИАЛЬНОГО ГРАФА
====================

Набор приоритетов:
Платформы:
Модель затухания:

Лучшие мосты
- взаимные / связь
  base_score:
  extended_score:
  best_targets:
  path_summary:
  рекомендуемое_действие:

Условные пути
- взаимные / связь
  причина:
  дополнительная стоимость перехода:

Отсутствие «теплого» пути
- цель
  рекомендация: прямое обращение / заполнение пробела в графе

Связанные навыки

• lead-intelligence использует эту модель ранжирования в рамках более широкого конвейера обнаружения целей и установления контактов
• connections-optimizer использует ту же логику «моста» при принятии решения, кого оставить, удалить или добавить
• brand-voice следует запускать перед составлением любого запроса на знакомство или прямым обращением
• x-api предоставляет доступ к графу X и опциональные пути выполнения