方法論

垃圾電話類別

每條舉報和每個號碼都會被歸入七個類別之一。類別決定了號碼在目錄中的呈現方式，它既來自使用者的舉報，也來自後續的自動分析：

• SPAM——不符合更具體類別的通用、騷擾性商業來電。
• TELEMARKETING——電話銷售活動，通常是電信或能源類，在被拒絕後仍持續不斷。
• SCAM——騙局和欺詐，包括身份冒充（銀行、公共機構、虛假技術支援）。最嚴重的類別。
• DEBT——催收和追債來電，往往很激進或打錯了人。
• HARASSMENT——意圖騷擾、恐嚇或故意打擾的反覆來電。
• SURVEY——未經請求的電話問卷、民意調查和市場調研。
• OTHER——任何不符合上述類別的其他騷擾來電。

人工智慧分析

除了數字評分之外，一個 AI 工作器會基於社群批准的內容來分析號碼：即通過稽核的評論和舉報。AI 絕不處理未經批准的內容，因此任何未經審查的貢獻都無法影響公開分析。

對於每個被分析的號碼，AI 會生成一組結構化資訊，顯示在該號碼的頁面上：

分析產生的欄位如下：

• 描述——用自然語言概括號碼背後似乎是誰以及他們想要什麼。
• 投訴模式——所有舉報中最常重複的投訴原因（例如，在不合適的時間來電，或在被拒絕後仍堅持不懈）。
• 所用手段——檢測到的具體手法，如施壓、虛假緊迫感或索取個人資料。
• 行業——該活動所屬的領域（電信、能源、催收、問卷調查等）。
• 檢測到的公司——號碼看似代表或冒充的公司或機構（在能夠識別時）。
• 冒充——一個指標，表明該號碼是否假冒合法實體（銀行、公共行政機構、知名品牌）。
• 建議措施——給使用者的最終建議：攔截、謹慎、忽略或安全。

本分析僅供參考，由社群貢獻自動生成；它不能取代使用者自己的判斷，也不構成對任何特定公司的指控。

稽核：未經審查的內容不會發布

質量控制是這套方法論的核心。舉報和評論在提交的那一刻並不會出現在公開目錄中：它們會保持待稽核狀態，直到管理員批准。只有那時，它們才會計入風險評分、供給 AI 分析，並對其他使用者可見。

這道稽核關卡有兩個目的：在虛假或惡意舉報影響號碼聲譽之前將其剔除，並確保 AI 只基於經審查的資訊進行推理。待稽核舉報的作者可以看到自己的貢獻，但在獲批之前其他人無法看到。

資料來源

每個號碼的評估都結合了三個獨立的來源：

• 社群舉報——一切的基礎。使用者從應用和網站匿名舉報號碼，附帶一個類別和一條評論。經過稽核後，它們是評分的主要訊號。
• CNMC 運營商和號段資料——我們使用來自國家市場與競爭委員會（CNMC）的公開資料，來識別分配給每個號碼塊的運營商以及線路型別（手機、固話、付費高費率）。
• 公司新聞稿（RSS）——我們通過 RSS 訂閱關注各公司的新聞室，以檢測合法活動，並在真實公司開展大規模溝通時減少誤報。