方法论

垃圾电话类别

每条举报和每个号码都会被归入七个类别之一。类别决定了号码在目录中的呈现方式，它既来自用户的举报，也来自后续的自动分析：

• SPAM——不符合更具体类别的通用、骚扰性商业来电。
• TELEMARKETING——电话销售活动，通常是电信或能源类，在被拒绝后仍持续不断。
• SCAM——骗局和欺诈，包括身份冒充（银行、公共机构、虚假技术支持）。最严重的类别。
• DEBT——催收和追债来电，往往很激进或打错了人。
• HARASSMENT——意图骚扰、恐吓或故意打扰的反复来电。
• SURVEY——未经请求的电话问卷、民意调查和市场调研。
• OTHER——任何不符合上述类别的其他骚扰来电。

人工智能分析

除了数字评分之外，一个 AI 工作器会基于社区批准的内容来分析号码：即通过审核的评论和举报。AI 绝不处理未经批准的内容，因此任何未经审查的贡献都无法影响公开分析。

对于每个被分析的号码，AI 会生成一组结构化信息，显示在该号码的页面上：

分析产生的字段如下：

• 描述——用自然语言概括号码背后似乎是谁以及他们想要什么。
• 投诉模式——所有举报中最常重复的投诉原因（例如，在不合适的时间来电，或在被拒绝后仍坚持不懈）。
• 所用手段——检测到的具体手法，如施压、虚假紧迫感或索取个人数据。
• 行业——该活动所属的领域（电信、能源、催收、问卷调查等）。
• 检测到的公司——号码看似代表或冒充的公司或机构（在能够识别时）。
• 冒充——一个指标，表明该号码是否假冒合法实体（银行、公共行政机构、知名品牌）。
• 建议措施——给用户的最终建议：拦截、谨慎、忽略或安全。

本分析仅供参考，由社区贡献自动生成；它不能取代用户自己的判断，也不构成对任何特定公司的指控。

审核：未经审查的内容不会发布

质量控制是这套方法论的核心。举报和评论在提交的那一刻并不会出现在公开目录中：它们会保持待审核状态，直到管理员批准。只有那时，它们才会计入风险评分、供给 AI 分析，并对其他用户可见。

这道审核关卡有两个目的：在虚假或恶意举报影响号码声誉之前将其剔除，并确保 AI 只基于经审查的信息进行推理。待审核举报的作者可以看到自己的贡献，但在获批之前其他人无法看到。

数据来源

每个号码的评估都结合了三个独立的来源：

• 社区举报——一切的基础。用户从应用和网站匿名举报号码，附带一个类别和一条评论。经过审核后，它们是评分的主要信号。
• CNMC 运营商和号段数据——我们使用来自国家市场与竞争委员会（CNMC）的公开数据，来识别分配给每个号码块的运营商以及线路类型（手机、固话、付费高费率）。
• 公司新闻稿（RSS）——我们通过 RSS 订阅关注各公司的新闻室，以检测合法活动，并在真实公司开展大规模沟通时减少误报。