如下圖所示，當你在Facebook中的訊息有人按下「讚」「留言」或是被「分享」，這些物件就會有關聯，所謂「物件」就是你所看到的任何獨立個體，例如Facebook上的帳號是一個「物件」，Facebook上的訊息也是一個「物件」，而所謂「關聯」就是指「物件」跟「物件」之間有關係，例如某「帳號」對於某個「訊息」按下「讚」，就是指「帳號」物件跟「訊息」物件之間有「讚」的關聯。

以上說到的「關聯」在上圖中都是一條線，也就是Edge(邊)，EdgeRank就是在計算這些「關聯」的分數。

下圖就是EdgeRank的公式:

EdgeRank公式包括了三個重要的因素: Affinity(親和力)、Weight(加權)、Time Decay(時間衰變)，哇 …. 可能越說越聽不懂了。

說得簡單一點就是，某個訊息被誰所關聯(WHO)、被哪種類型的關聯(WHICH)、在何時被關聯(WHEN)，就會決定上述三個因素的分數，而這些分數相乘的累計，就是EdgeRank。

所以EdgeRank是什麼呢?

EdgeRank就是Facebook用來判斷訊息重要性的演算法，根據訊息被誰所關聯、被哪種類型關聯、在何時被關聯，由這三種因素相乘來決定該關聯的分數，並且所有關聯分數的累計就是該訊息的EdgeRank。

這樣清楚沒有呢? 如果還是霧裡看花的話，也沒有關係，因為我們的目的不是要告訴你演算法的定義，而是應該如何來增加訊息的重要性。

我們來看看上述的WHO、WHICH、WHEN~

被哪個人所關聯 — 被不同人所關聯當然意義就不相同，如果能夠被一個影響力夠的人所關聯，比被數百個Nobody關聯有用。

被哪種類型關聯 — Facebook的Like、Share、Comment所代表的意義不同，其實Like是最低的，再來是Share與Comment，所以如何讓你的訊息有較高權重的類型關聯，就是應該努力的目標。

在何時被關聯 — 這個因素其實跟link analysis (連結分析) 是一樣的，也就是說不是被關聯的數據多就是好的，還要考慮時間因素。

我們瞭解EdgeRank做什麼? 知道計算過程才會知道如何才能獲得較高分數的重點。但是並非要進行人為操作，而是要知道「什麼樣的訊息」才能夠獲得上述三個因素的較高積分。

目前這個EdgeRank對於「搜尋引擎優化」會有影響嗎? 是的，較高EdgeRank的訊息中的連結，會被評等為較重要的頁面，雖然每個搜尋引擎評等方式與EdgeRank不盡相同，但是基本精神是一樣的，也就是「被不同帳號談論到」，「被不同類型談論到」，「在不同時間談論到」，其重要性是不同的，這個跟之前提到的Social Signal有些類似，這些社交訊號會越來越影響搜尋引擎優化，因此對於EdgeRank的瞭解也是非常的重要。

[2011/11/28補充]

以下是一個關於EdgeRank的解說影片

關於EdgeRank Checker (影片中的是舊界面，新的界面稍微不同)