social-graph-ranker

social-graph-ranker 개요

social-graph-ranker는 네트워크 인지형 아웃리치를 위한 가중 그래프 랭킹 레이어입니다. X와 LinkedIn 전반에서 mutuals, 브리지 경로, 웜 인트로 후보를 점수화하는 데 도움을 줍니다. 전체 리드 생성이나 네트워크 유지보수 워크플로가 아니라, 랭킹 엔진 자체가 필요할 때 가장 적합합니다. “이 타깃에게는 누가 소개해 주는 게 좋을까?” 또는 “내 그래프에서 어떤 브리지가 가장 강할까?”를 답해야 한다면, 이 social-graph-ranker skill은 일반적인 프롬프트보다 더 명확한 의사결정 모델을 제공합니다.

리드 리서치와 웜 인트로에 가장 잘 맞는 경우

이미 타깃 리스트, ICP, 또는 특정 인물군이 있고, 이를 기준으로 내 네트워크를 우선순위화해야 한다면 Lead Research에 social-graph-ranker를 사용하세요. 출력은 아웃리치 경로의 우선순위를 정하고, 브리지 가치를 식별하고, 강한 웜 경로와 약하거나 추정에 불과한 경로를 구분하는 데 가장 유용합니다.

실제로 무엇을 랭킹하는가

이 skill은 인트로 가치, 브리지 스코어링, 네트워크 갭 분석에 초점을 맞춥니다. 즉, mutual ranking, 2차 연결 분석, 웜 패스 탐색에는 유용하지만, 광범위한 아웃바운드 시스템, CRM 자동화, 또는 처음부터 하는 리드 소싱에는 덜 적합합니다.

설치하지 않는 편이 나은 경우

주요 목적이 리드 생성, 시퀀싱, 또는 리스트 빌딩이라면 social-graph-ranker를 선택하지 마세요. 네트워크 확장과 정리가 목적이라면 더 넓은 연결 워크플로가 더 잘 맞습니다. 이 skill은 이미 그래프가 존재하고, 그걸 어떻게 활용할지가 질문일 때 가장 강합니다.

social-graph-ranker skill 사용법

먼저 올바른 파일을 설치하고 여세요

npx skills add affaan-m/everything-claude-code --skill social-graph-ranker로 social-graph-ranker를 설치하세요. 그런 다음 먼저 SKILL.md를 읽으세요. 이 repo는 현재 보조 폴더 없이 단일 파일 skill로 구성되어 있어, 교차 확인할 다른 소스가 없기 때문입니다. rules/, references/, scripts/ 파일이 없으므로, 설치 판단과 프롬프트 품질은 모두 이 하나의 단일 진실 소스에 달려 있습니다.

구조화된 그래프 입력을 제공하세요

social-graph-ranker의 사용 패턴은 타깃 인물 또는 회사, X나 LinkedIn상의 현재 네트워크, 그리고 중요하게 보는 가중치 우선순위를 함께 넣을 때 가장 잘 작동합니다. 예를 들어 “warm intros를 찾아줘”라고 하기보다, “역할 일치, 지리적 근접성, 2차 연결성 기준으로 이 20개 타깃의 인트로 가능성을 순위화해줘”처럼 요청하세요.

대략적인 요청을 완성된 프롬프트로 바꾸기

이 social-graph-ranker 가이드에 잘 맞는 프롬프트에는 그래프 범위, 타깃 집합, 랭킹 목표가 들어가야 합니다. 예를 들어: “내 LinkedIn mutuals를 이 12명의 SaaS founder와 비교해서 점수화해줘. 직접적인 겹침과 응답성을 산업 유사성보다 더 높게 가중치로 두고, 상위 5개 브리지 경로와 짧은 근거를 보여줘.” 이렇게 해야 모델이 일반적인 아웃리치 플랜을 지어내는 대신, 그래프 로직을 제대로 적용할 수 있습니다.

출력 품질을 높이는 워크플로

작은 타깃 집합으로 시작해 상위 브리지부터 검토한 뒤, 점수화 논리가 맞는 게 확인되면 범위를 넓히세요. 첫 결과가 모호하게 느껴진다면 플랫폼, 깊이 제한, 그리고 여러분에게서 “최고”가 무엇을 뜻하는지 명시해 입력을 더 촘촘하게 만드세요. 이 skill은 연결을 단순히 나열하기보다, 랭킹하고 설명하게 할 때 가장 유용합니다.

social-graph-ranker skill FAQ

social-graph-ranker는 X나 LinkedIn에만 쓰나요?

아닙니다. repo 설명에는 X와 LinkedIn이 언급되지만, 핵심 개념은 관계 경로를 그래프 기반으로 랭킹하는 것입니다. 네트워크를 점수화 로직이 경로를 비교할 수 있을 만큼 명확하게 표현할 수 있다면 가장 잘 작동합니다.

일반 프롬프트와는 어떻게 다른가요?

일반 프롬프트도 웜 인트로를 물을 수 있지만, social-graph-ranker는 반복 가능한 랭킹 관점을 더합니다. mutuals, 브리지 강도, 경로 가치를 더 구조적으로 비교할 수 있게 해 주기 때문에, 의사결정의 중요도가 높고 여러 타깃에 같은 기준을 적용해야 할 때 유리합니다.

초보자도 쓰기 쉬운가요?

타깃 리스트와 네트워크의 기본적인 모습만 제공할 수 있다면 그렇습니다. 그래프 이론 전문가일 필요는 없지만, 랭킹이 의미 있으려면 입력 디테일은 충분해야 합니다. 초보자에게 가장 흔한 실수는 목표를 너무 모호하게 주고 skill이 전체 네트워크를 알아서 추론해 주기를 기대하는 것입니다.

언제 다른 것을 써야 하나요?

리드 소싱, 시퀀싱, 또는 네트워크 유지보수가 필요하다면 더 넓은 아웃리치 또는 네트워크 운영 skill을 사용하세요. social-graph-ranker는 Lead Research에서 브리지와 웜 패스를 랭킹하는 것이 핵심일 때 더 좋은 선택입니다.

social-graph-ranker skill 개선 방법

랭킹 기준을 분명하게 지정하세요

social-graph-ranker를 가장 빨리 개선하는 방법은 무엇을 가장 중요하게 볼지 말해 주는 것입니다. 예를 들면 seniority match, industry overlap, geography, responsiveness, closeness, second-degree path quality 같은 항목입니다. 우선순위를 밝히지 않으면, 출력이 눈에 잘 띄지만 가치가 낮은 연결에 과도하게 가중치를 둘 수 있습니다.

그래프를 쓸 수 있는 형태로 제공하세요

이 skill은 느슨한 서술보다 작고 구조화된 네트워크 뷰를 줄 때 더 잘 작동합니다. “person, platform, relation type, known overlap, recent interaction”처럼 간단한 목록이 “나는 tech에 아는 사람이 많다”는 식의 설명보다 훨씬 유용합니다.

흔한 실패 모드를 경계하세요

가장 흔한 실패 모드는 데이터가 얇은데도 과신하는 것입니다. 브리지는 연결이 많아 보여서 강해 보일 수 있지만, 실제로는 관련성이 없을 수도 있습니다. social-graph-ranker skill에 “reachable” 경로와 “credible” 경로를 구분해 달라고 요청해, 접근 가능성과 적합성을 혼동하지 않도록 하세요.

두 번째 패스로 반복 개선하세요

첫 랭킹 이후에는 “weak ties 제거”, “direct mutuals 우선”, “단일 타깃 회사에 최적화”처럼 더 좁은 재랭킹을 요청하세요. 특히 Lead Research용 social-graph-ranker에서는 첫 시도에서 프롬프트를 완벽하게 만드는 것보다, 이런 두 번째 패스가 보통 더 실행 가능한 결과를 줍니다.