Social Graph Ranker

人脉网络的加权图谱排序引擎。

使用本技能的场景：

• 按引荐价值对现有共同人脉排序
• 绘制通往目标列表的暖路径
• 评估一度和二度连接的桥接价值
• 决定哪些目标适合暖引荐、哪些直接冷触达
• 独立于操作流程理解图谱算法本��

何时单独使用

以下需求选本技能：

• "我的人脉里谁最适合帮我引荐？"
• "按引荐价值排列我的共同连接"
• "把我的人脉图谱和目标客户画像对比"
• "给我看桥接得分的计算逻辑"

以下需求不要单独用本技能：

• 需要完整操作流程（研究目标 + 起草消息 + 清理人脉）→ 使用

  connections-optimizer

• 需要发送冷邮件 → 使用

  cold-outreach

输入

收集或推断：

• 目标人物、目标公司或理想客户画像（ICP）
• 用户在 LinkedIn / 脉脉上的当前人脉图谱
• 权重优先级（职位、行业、地区、响应活跃度）
• 图谱遍历深度和衰减容忍度

核心模型

定义：

• T

  = 加权目标集合

• M

  = 用户的直接连接 / 共��人脉

• d(m, t)

  = 共同人脉

  m

  到目标

  t

  的最短跳数

• w(t)

  = 目标权重（来自信号评分）

基础桥接得分：

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

• λ

  为衰减系数，通常取

  0.5

• 直接路径贡献满分
• 每多一跳贡献减半

二阶扩展：

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

• N(m) \ M

  为该共同人脉认识但用户不认识的人

• α

  折扣二阶覆盖，通常取

  0.3

响应度加权最终排名：

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

• engagement(m)

  为归一化的响应活跃度或关系强度

• β

  为互动加成，通常取

  0.2

等级解读：

• Tier 1：高

  R(m)

  + 直接桥接路径 → 请求暖引荐
• Tier 2：中等

  R(m)

  + 一跳桥接路径 → 有条件引荐请求
• Tier 3：低

  R(m)

  或无可行路径 → 直接冷触达或填补人脉缺口

评分信号

图谱遍历前，按当前 BD 优先级加权目标：

• 职位/Title 匹配度
• 公司/行业契合度
• 近期活跃度
• 地理相关性
• 影响力或覆盖面
• 预期回复率

图谱遍历后，加权共同人脉：

• 通向目标集合的加权路径数量
• 路径直接程度
• 历史互动响应度
• 引荐这个人的情景适合度

工作流

1. 构建加权目标集合
2. 从 LinkedIn / 脉脉拉取用户人脉
3. 计算直接桥接得分
4. 对得分最高的共同人脉展开二阶候选
5. 按

   R(m)

   排序
6. 输出：
   • 最佳暖引荐候选
   • 有条件的桥接路径
   • 无暖路径缺口（建议填补方向）

输出格式

SOCIAL GRAPH RANKING
====================

目标集合：
平台：
衰减模型：

Top 桥接人脉
- 共同连接姓名
  base_score:
  extended_score:
  best_targets:
  path_summary:
  recommended_action:

条件路径
- 共同连接姓名
  reason:
  extra hop cost:

无暖路径目标
- 目标姓名
  recommendation: 冷触达 / 填补人脉缺口

关联技能

• connections-optimizer

  — 将本排序模型嵌入完整操作流程（目标研究 + 消息起草 + 人脉清理）

• cold-outreach

  — 对无暖路径目标执行冷邮件触达