لوحة معلومات ذكاء المستخدمين وتحليلات المجموعات

المقدمة

يوفّر نظام ذكاء المستخدمين وتحليلات المجموعات رؤى شاملة قائمة على البيانات حول صحة مجتمعك على Telegram، وسلوك الأعضاء، وفعالية الإشراف. تتجاوز منصة التحليلات المتقدمة هذه مجرد عدّ الرسائل، إذ تقدّم تحليلاً سلوكياً معمقاً، وملفات لتقييم المخاطر، وإمكانات مراقبة فورية، وتفصيلات إحصائية دقيقة تساعد المسؤولين على اتخاذ قرارات إشراف مدروسة.

بخلاف إحصاءات المجموعات الأساسية التي تعرض مؤشرات سطحية فقط، تستخدم لوحة معلومات الذكاء والتحليلات تقنيات متقدمة في علم البيانات لكشف الأنماط، وتحديد المشكلات المحتملة قبل تفاقمها، وتقديم معلومات قابلة للتنفيذ حول المستخدمين الأفراد وديناميكيات المجتمع ككل. يجمع النظام بين تحليل البيانات التاريخية، وتدفّقات الأحداث الفورية، ونمذجة المخاطر التنبؤية لتكوين صورة شاملة عن الحالة التشغيلية لمجتمعك.

تشمل هذه المجموعة من الميزات تقارير ذكاء للمستخدمين الأفراد (تعرض الأنماط السلوكية، وسجل المخالفات، ودرجات مخاطر الرسائل المزعجة)، ولوحات إحصاءات على مستوى المجموعة (تعرض المقاييس الإجمالية، وتفصيلات المخالفات، وأنماط التفاعل)، وتغذيات مباشرة للعقوبات (تدفقات فورية لإجراءات الإشراف عبر جميع مجموعاتك)، وإتاحة الوصول إلى API عام للتكامل البرمجي مع الأدوات الخارجية.

كيف يعمل

تقارير ذكاء المستخدمين

يحافظ نظام ذكاء المستخدمين على ملفات سلوكية مفصلة لكل مستخدم في مجتمعك. عند البحث عن مستخدم محدد بالاسم أو المعرّف أو Telegram ID، يسترجع النظام سجل تفاعلاته الكامل، بما في ذلك الرسائل المرسلة، والمخالفات المسجلة، ومدة العقوبات، وأنماط العضوية في المجموعات، ودرجات المخاطر المحسوبة.

يبدأ تقرير الذكاء بتقييم شامل لمخاطر الرسائل المزعجة، محسوب بواسطة خوارزمية AI Spam Intelligence. يعكس هذا التقييم (من 0.0 إلى 1.0) الاحتمال الإحصائي لكون المستخدم مرسلاً للرسائل المزعجة أو جهة خبيثة، وذلك بناءً على إشارات سلوكية متعددة تشمل معدل المخالفات، ومستويات الثقة في الانتهاكات، وخصائص الملف الشخصي، وأنماط التفاعل.

أسفل درجة المخاطر، يعرض النظام إحصاءات مفصلة للمخالفات تتضمن مقاييس الثقة (المتوسط، الوسيط، المئين 95)، ومعدل المخالفات عالية الثقة، وأكثر أنواع المخالفات شيوعًا، وأكثر أسباب المخالفات تكرارًا. تساعد هذه الإحصاءات المسؤولين على فهم ليس فقط أن المستخدم خالف القواعد، بل أيضًا مدى الثقة في اكتشاف تلك المخالفات وما الأنماط التي تميّز سلوكه الإشكالي.

يظهر سجل المخالفات الكامل في قائمة زمنية تعرض كل مخالفة مع طابعها الزمني، ونوع المخالفة (إباحية، محتوى جنسي، لغة سامة، رسائل مزعجة، كلمات محظورة، وغير ذلك)، ومستوى الثقة (0.0-1.0)، وسببًا مفصلًا يوضح ما الذي أدى إلى اكتشافها. تتيح هذه الشفافية للمسؤولين تقييم ما إذا كانت المخالفات تمثل مشكلات حقيقية أم احتمالات كشف خاطئ.

لوحة إحصاءات المجموعة

توفر لوحة إحصاءات المجموعة رؤى إجمالية حول صحة مجتمعك العامة وفعالية الإشراف. يحسب النظام ويعرض عدة فئات من المقاييس:

مقاييس النظرة العامة تشمل حالة المجموعة (مسموح/غير مسموح)، وإجمالي عدد الأعضاء، وعدد المسؤولين، والتحقق من وجود البوت، وما إذا كانت المجموعة تحتوي على صورة ملف شخصي ورابط دعوة مهيأين بشكل صحيح.

مقاييس النشاط تعرض إجمالي الرسائل المرسلة في سجل المجموعة، وإجمالي المخالفات المكتشفة، وإجمالي وقت العقوبات المطبقة (بالدقائق)، والعلاقة بين هذه الأرقام بما يشير إلى مستويات التزام المجتمع عمومًا.

كفاءة الإشراف تحسب مقاييسها معدل العقوبات لكل 1,000 رسالة (لتوضيح مدى تكرار الإشراف مقارنة بالنشاط)، ومتوسط مدة العقوبة (كمؤشر على شدة المخالفات المعتادة)، ومتوسط الرسائل لكل عضو (كمؤشر على التفاعل).

التحليل الزمني يعرض النشاط خلال فترات زمنية حديثة (آخر 7 أيام، آخر 30 يومًا)، موضحًا الاتجاهات في المخالفات وأنماط العقوبات، مما يساعد على تحديد ما إذا كان مجتمعك يصبح أكثر إشكالية أو أقل بمرور الوقت.

تفصيل المخالفات يصنف جميع المخالفات حسب النوع (محتوى إباحي، محتوى جنسي، لغة سامة، رسائل مزعجة، مخالفات لغوية، ألفاظ نابية، إهانات، تهديدات، كلمات محظورة، رسائل مُعاد توجيهها، وسائط محظورة، روابط دعوة، بوتات غير مصرح بها) مع الأعداد الدقيقة لكل فئة. يكشف هذا التفصيل القواعد الأكثر تعرضًا للمخالفة، مما يساعد في اتخاذ قرارات حول ما إذا كان ينبغي تشديد قيود معينة أو تخفيفها.

موجز العقوبات المباشر

يستخدم موجز العقوبات الفوري اشتراكات WebSocket لبث أحداث الإشراف عند وقوعها عبر جميع المجموعات التي يكون بوتك نشطًا فيها. يعرض هذا العرض المباشر أحدث 20 عقوبة على مستوى النظام بأكمله (وليس مقتصرًا على مجموعاتك فقط)، موضحًا المستخدم الذي تمت معاقبته، ونوع المخالفة، والسبب التفصيلي، ودرجة الثقة، والطابع الزمني.

يُحدَّث الموجز فورًا عند حدوث مخالفات جديدة في أي مكان ضمن المنظومة الخاضعة للمراقبة، مما يوفر نافذة لحظية على نشاط الإشراف الجاري. تساعد هذه الشفافية المسؤولين على:

• مراقبة حملات الرسائل المزعجة النشطة التي تؤثر في عدة مجتمعات
• ملاحظة عملية اتخاذ القرار لدى البوت في الوقت الفعلي
• تحديد المستخدمين الذين يخالفون القواعد عبر عدة مجموعات
• معرفة أنواع المخالفات الأكثر شيوعًا حاليًا
• التحقق من أن نظام الإشراف يعمل بنشاط

كل إدخال عقوبة قابل للنقر، مما يتيح لك إنشاء تقرير ذكاء مستخدم كامل للمخالف بنقرة واحدة. يساعدك ذلك على التحقيق بسرعة عند ملاحظة أنماط مقلقة في الموجز.

الوصول إلى API العامة

يتيح نظام ذكاء المستخدمين نقطة نهاية REST API عامة تسمح لأي شخص بالاستعلام عن تقييمات الرسائل المزعجة لمستخدمي Telegram من خلال تقديم معرّف المستخدم الخاص بهم. تعيد API تقييم الرسائل المزعجة (0.0-1.0) وفئة مستوى المخاطر (منخفض، متوسط، مرتفع، حرج) بتنسيق JSON دون الحاجة إلى مصادقة.

تتيح API العامة عمليات تكامل مع أطراف خارجية، مما يسمح لمطوري البوتات الآخرين أو الباحثين أو مشرفي المجتمعات بدمج بيانات الذكاء في أدواتهم وسير عملهم. تتضمن وثائق API أمثلة برمجية بلغات متعددة (cURL، JavaScript، Python) توضح كيفية إرسال الطلبات وتحليل الاستجابات.

مع أن تقييم الرسائل المزعجة عام، فإن سجلات المخالفات التفصيلية والتحليلات السلوكية تبقى خاصة، ولا تكون مرئية إلا لمسؤولي المجموعات التي يكون المستخدم المستعلَم عنه عضوًا فيها. يحقق هذا التوازن في الخصوصية إتاحة معلومات مفيدة عن المخاطر لمنظومة Telegram الأوسع، مع حماية خصوصية المستخدمين الأفراد.

الإعدادات

الوصول إلى معلومات المستخدمين

لعرض تقارير معلومات المستخدمين الفردية:

1. انتقل إلى قسم "معلومات المستخدمين" من القائمة الرئيسية في لوحتك
2. اختر تبويب "معلومات المستخدمين" (التبويب الأول)
3. استخدم واجهة البحث للعثور على المستخدمين عبر:
   • الاسم الكامل أو مطابقة جزء من الاسم
   • مُعرّف Telegram (مع رمز @ أو بدونه)
   • مُعرّف مستخدم Telegram (رقمي)
4. انقر على مستخدم من نتائج البحث لعرض تقرير المعلومات الكامل الخاص به
5. راجع تقييمه للرسائل المزعجة، وإحصاءات المخالفات، والسجل الكامل للمخالفات

تعمل وظيفة البحث عبر جميع المستخدمين في المجموعات التي تكون فيها مسؤولًا، مما يتيح لك التحقق من أي عضو في المجتمع يثير سلوكه قلقك.

عرض إحصاءات المجموعة

للوصول إلى لوحة تحليلات مجموعتك:

1. انتقل إلى صفحة إدارة مجموعتك من اللوحة
2. اختر تبويب "الإحصاءات"
3. اختر التبويب الفرعي "إحصاءات المجموعة"
4. راجع المقاييس الشاملة المعروضة ضمن أقسام متعددة:
   • نظرة عامة (الحالة، العضوية، إعدادات البوت)
   • النشاط (الرسائل، المخالفات، العقوبات)
   • كفاءة الإشراف (المعدلات، المتوسطات، التفاعل)
   • النشاط الأخير (اتجاهات آخر 7 أيام و30 يومًا)
   • أبرز المخالفات (تفصيل حسب النوع)
   • الطوابع الزمنية (آخر نشاط، آخر تحديث)

تُحدَّث الإحصاءات في الوقت الفعلي عند وصول بيانات جديدة، مما يضمن لك الاطلاع دائمًا على أحدث المقاييس.

الوصول إلى إحصاءات المستخدمين داخل المجموعات

لعرض أكثر الأعضاء نشاطًا في مجموعة محددة:

1. في صفحة إدارة مجموعتك، اختر تبويب "الإحصاءات"
2. اختر التبويب الفرعي "إحصاءات المستخدمين"
3. استخدم وظيفة البحث لتصفية المستخدمين حسب الاسم أو المُعرّف أو ID أو محتوى النبذة
4. راجع القائمة التي تعرض أكثر 50 مستخدمًا نشاطًا حسب عدد الرسائل
5. تعرض كل بطاقة مستخدم:
   • الصورة الرمزية (إن توفرت)
   • الاسم والمُعرّف
   • إجمالي عدد الرسائل في هذه المجموعة
   • الطابع الزمني لآخر ظهور
6. انقر على أي مستخدم لعرض تقرير المعلومات الكامل الخاص به

تساعدك هذه الميزة على تحديد أكثر أعضاء المجتمع تفاعلًا، ورصد أنماط النشاط غير المعتادة (مثل المستخدمين ذوي عدد الرسائل المرتفع جدًا دون تفاعل واضح، فقد يكونون بوتات رسائل مزعجة).

مراقبة موجز العقوبات المباشر

لمتابعة أحداث الإشراف في الوقت الفعلي:

1. انتقل إلى "معلومات المستخدمين" من القائمة الرئيسية في اللوحة
2. اختر تبويب "العقوبات المباشرة"
3. راقب تدفق المخالفات الأخيرة الذي يعرض:
   • الصورة الرمزية للمستخدم واسمه
   • نوع المخالفة والسبب التفصيلي
   • درجة الثقة
   • الطابع الزمني (الوقت النسبي منذ حدوثها)
   • مؤشر حالة الاتصال (يعرض سلامة WebSocket)
4. انقر على أي إدخال عقوبة لعرض تقرير المعلومات الكامل للمخالف

يعيد الموجز الاتصال تلقائيًا إذا انقطع الاتصال، مما يضمن مراقبة مستمرة.

استخدام API العام

للوصول برمجيًا إلى تقييمات الرسائل المزعجة للمستخدمين:

1. انتقل إلى تبويب "معلومات المستخدمين" → "توثيق API"
2. راجع عنوان URL الخاص بنقطة نهاية API وصيغته
3. انسخ أمثلة التعليمات البرمجية المتوفرة باللغة التي تفضلها:
   • cURL (سطر الأوامر)
   • JavaScript (fetch API)
   • Python (مكتبة requests)
4. استبدل مُعرّف المستخدم في المثال بالـ ID الذي تريد الاستعلام عنه
5. نفّذ الطلب لتلقي استجابة JSON تحتوي على:
   • spam_rating: درجة رقمية (0.0-1.0)
   • risk_level: سلسلة فئة (Low/Medium/High/Critical)

يخضع API لتحديد معدل الطلبات لمنع إساءة الاستخدام، لكنه يسمح بأحجام استعلام معقولة لحالات الاستخدام المشروعة.

سيناريوهات من الواقع

السيناريو 1: التحقيق في الأعضاء الجدد المثيرين للريبة

يلاحظ أحد مديري المجتمع انضمام عدة أعضاء جدد في الوقت نفسه، ويتساءل عمّا إذا كانوا جزءًا من عملية سبام منسّقة. باستخدام بحث معلومات المستخدم، يستعلم المدير عن ملف كل عضو جديد.

تكشف تقارير المعلومات أن جميع الأعضاء الجدد لديهم:

• تقييمات سبام أعلى من 0.70 (مخاطر عالية)
• لا يملكون معرّفات Telegram (إشارة تحذيرية لحسابات السبام)
• عضوية في أكثر من 200 مجموعة مع عدد ضئيل من الرسائل في كل مجموعة (سمة شائعة للبوتات)
• صور ملفات شخصية NSFW (تكتيك شائع في السبام)

بفضل هذه المعلومات، يحظر المدير الحسابات استباقيًا قبل أن تتمكن من نشر السبام، مما يمنع إرباك المجتمع. ومن دون بيانات المعلومات هذه، كان سيضطر المدير إلى انتظار ظهور أولى رسائل السبام قبل اتخاذ أي إجراء.

السيناريو 2: تقييم بلاغات النتائج الإيجابية الخاطئة

يرسل عضو قديم في المجتمع رسالة إلى المديرين يدّعي فيها أنه تم كتمه ظلمًا بسبب نشر رسالة مشروعة. لا يعرف المديرون ما إذا كان البوت قد أخطأ، أم أن المستخدم يعترض على إجراء إنفاذ مبرّر.

باستخدام تقرير معلومات المستخدم، يرى المديرون:

• تقييم السبام: 0.15 (منخفض جدًا، مستخدم موثوق)
• مخالفة واحدة فقط خلال سجل يمتد 6 أشهر
• مستوى الثقة في المخالفة: 0.52 (حدّي، ثقة منخفضة)
• نوع المخالفة: تحليل المشاعر - اكتشاف الألفاظ النابية
• السبب التفصيلي: احتوت الرسالة على كلمة أدت إلى نتيجة إيجابية خاطئة

يدعم انخفاض مستوى الثقة ووجود مخالفة واحدة فقط ادعاء المستخدم بحدوث نتيجة إيجابية خاطئة. يشرح المديرون عملية الاكتشاف الآلي، ويوضحون أن التقييد كان لمدة دقيقة واحدة فقط، ويطمئنون المستخدم إلى أن وضعه العام داخل المجتمع ما يزال ممتازًا (تقييم سبام 0.15).

السيناريو 3: مراقبة فعالية الإشراف

قام مجتمع مؤخرًا بتشديد عدة قواعد إشراف، ويريد تقييم الأثر. باستخدام لوحة إحصاءات المجموعة، يراجع المديرون:

• معدل العقوبات: ارتفع من 2.5 إلى 4.8 لكل 1K رسالة
• متوسط مدة العقوبة: ثابت عند 3.2 دقائق
• إجمالي المخالفات (آخر 7 أيام): 45 (ارتفاعًا من 28 في الأسبوع السابق)
• أكثر مخالفة شيوعًا: صور NSFW (18 مخالفة)

تُظهر الإحصاءات أن الفحص الأكثر صرامة للصور يلتقط مزيدًا من المحتوى غير اللائق (كما هو متوقع)، لكن معدل العقوبات لا يزال معقولًا (ما زالت 0.48% فقط من الرسائل تخالف القواعد). يخلص المديرون إلى أن الإعدادات الجديدة تعمل كما هو مقصود من دون إفراط في الإشراف.

السيناريو 4: تحديد أنماط السبام عبر المجموعات

يلاحظ أحد المديرين أثناء مراقبة موجز العقوبات المباشر ظهور أسماء المستخدمين نفسها مرارًا وتكرارًا مع مخالفات متشابهة (اكتشاف نمط السبام، روابط الدعوة) عبر مجموعات مختلفة خلال دقائق من بعضها.

يشير هذا النمط إلى حملة سبام منسّقة تستهدف عدة مجتمعات في الوقت نفسه. يتحقق المدير من تقرير معلومات المستخدم لأحد مرسلي السبام، ويؤكد وجود تقييم سبام مرتفع (0.85+)، ثم يبحث عن أسماء مستخدمين مشابهة لتحديد الحسابات المرتبطة.

ومن خلال حظر هذه الحسابات المرتبطة استباقيًا من مجموعاته قبل أن تصل إليها موجة السبام، يمنع المدير الهجوم بدلًا من الرد عليه بعد ظهور السبام.

السيناريو 5: تحسين القواعد بالاعتماد على البيانات

يراجع مجتمع ألعاب إحصاءات مجموعته شهريًا لتحسين إعدادات الإشراف. تُظهر بيانات هذا الشهر:

• أكثر مخالفة شيوعًا: إنفاذ اللغة (35 مخالفة)
• الثانية: اللغة السامة (12 مخالفة)
• مخالفات NSFW: 2

يفاجئ العدد الكبير لمخالفات إنفاذ اللغة المديرين—إذ يكتشفون أن مجتمعهم أصبح أكثر دولية مع أعضاء يتحدثون عدة لغات، بينما لا يزال البوت يفرض قواعد الإنجليزية فقط.

استنادًا إلى هذه الرؤية المبنية على البيانات، يعطّلون إنفاذ اللغة، إدراكًا منهم أن مجتمعهم قد تطور طبيعيًا ليصبح متعدد اللغات. ساعدتهم الإحصاءات على تحديد قاعدة لم تعد مناسبة للتركيبة الحالية لمجتمعهم.

أفضل الممارسات

عمليات تدقيق منتظمة للبيانات الاستخباراتية

جدول مراجعات أسبوعية أو شهرية للمؤشرات الاستخباراتية الأساسية:

• تحقّق من لوحة إحصاءات المجموعة لرصد الاتجاهات
• راجع أكثر المستخدمين مخالفة في إحصاءات المستخدمين
• افحص توزيع أنواع المخالفات لاكتشاف الأنماط
• راقب معدلات العقوبات ومددها

تساعدك عمليات التدقيق المنتظمة على اكتشاف المشكلات الناشئة مبكرًا، والتأكد من أن إعدادات الإشراف ما تزال مناسبة مع تطوّر مجتمعك.

التحقيق في الحالات الشاذة

عندما تلاحظ أنماطًا غير معتادة في البيانات، بادر بالتحقيق فورًا:

• قد تشير الزيادة المفاجئة في المخالفات إلى هجوم رسائل مزعجة أو إعدادات مضبوطة بشكل خاطئ
• قد تشير تقييمات الرسائل المزعجة المرتفعة بشكل غير معتاد للمستخدمين المعروفين بحسن السلوك إلى نتائج إيجابية كاذبة
• قد تشير أعداد الرسائل المرتفعة مع تفاعل منخفض إلى وجود بوتات
• قد تكشف توزيعات الثقة غير المعتادة في المخالفات عن مشكلات منهجية في الكشف

تساعدك البيانات الاستخباراتية على رصد هذه الحالات الشاذة؛ ويساعدك التحقيق على فهمها ومعالجتها.

استخدام البيانات الاستخباراتية في طلبات رفع الحظر

عندما يطلب المستخدمون رفع الحظر أو يستأنفون على القيود، استخدم تقارير البيانات الاستخباراتية لاتخاذ قرارات مدروسة:

• راجع سجل مخالفاتهم الكامل (وليس آخر حادثة فقط)
• افحص درجات الثقة (قد تكون المخالفات ذات الثقة المنخفضة نتائج إيجابية كاذبة)
• تحقّق من تقييم الرسائل المزعجة (عادةً ما يشير 0.2 أو أقل إلى مستخدم شرعي)
• ضع أنماط المخالفات في الاعتبار (حادثة منفردة أم مشكلات متكررة)

يضمن تقييم الاستئنافات المستند إلى البيانات قرارات إشراف متسقة وعادلة.

مشاركة الرؤى مع المشرفين المشاركين

استخدم لوحات الإحصاءات كأداة تواصل بين أعضاء فريق الإشراف لديك:

• التقط صورة لإحصاءات الأسبوع وشاركها في محادثة الإدارة
• ناقش الاتجاهات وما إذا كانت الإعدادات بحاجة إلى تعديل
• نسّق الاستجابات للأنماط الناشئة من الرسائل المزعجة
• ابنِ معرفة مؤسسية حول ديناميكيات مجتمعك

الشفافية مع فريقك تؤدي إلى إشراف جماعي أفضل.

استخدام API العام للتكاملات

إذا كنت تدير عدة مجتمعات أو تستخدم أدوات إشراف إضافية، فادمج API العام:

• استعلم عن تقييمات الرسائل المزعجة قبل قبول أعضاء جدد
• قارن البيانات مع قواعد بيانات خارجية للرسائل المزعجة
• أنشئ لوحات مخصصة تجمع البيانات من مصادر متعددة
• أتمت قرارات الإشراف القائمة على مستوى المخاطر

يتيح API سير عمل متقدمًا يتجاوز واجهة الويب.

مراقبة الموجز المباشر دوريًا

اجعل التحقق من موجز العقوبات المباشر جزءًا من روتينك الإداري المنتظم:

• تحقّق بشكل عشوائي من أن إجراءات الإنفاذ تعمل بشكل صحيح
• اكتشف حملات الرسائل المزعجة المنسقة مبكرًا
• تتبّع أنواع المخالفات الأكثر شيوعًا حاليًا
• تأكد من أن درجات الثقة تتوافق مع جودة المحتوى الفعلية

يوفر الموجز الفوري وعيًا بالموقف لا تستطيع الإحصاءات المتأخرة تقديمه.

التكامل مع الميزات الأخرى

أساس ذكاء مكافحة الرسائل المزعجة بالاعتماد على AI

توفر تقارير معلومات المستخدمين الشفافية التي تجعل ذكاء مكافحة الرسائل المزعجة بالاعتماد على AI موثوقًا. فعندما يطرد AI مستخدمًا تلقائيًا بسبب تقييم رسائل مزعجة أعلى من 0.75، يمكن للمشرفين مراجعة تقرير المعلومات لفهم السبب الدقيق وراء احتساب ذلك التقييم والتأكد من أن القرار كان مناسبًا.

إن سجل المخالفات وإحصاءات الثقة والتحليل السلوكي المعروضة في تقارير المعلومات هي البيانات الخام التي تغذي خوارزمية حساب المخاطر لدى AI. ويُنشئ هذا التكامل حلقة مغلقة: يتخذ AI قراراته بناءً على البيانات، ويمكن للمشرفين تدقيق تلك القرارات من خلال الاطلاع على البيانات نفسها.

مكمّل للإشراف اليدوي

بينما تتولى الأنظمة الآلية إجراءات الإنفاذ الروتينية، تساعد بيانات المعلومات المشرفين على اتخاذ قرارات دقيقة بشأن الحالات الحدية:

• قد تستدعي درجات الرسائل المزعجة الحدية (0.60-0.74) توجيه تحذيرات بدلًا من الطرد
• قد تستحق المخالفات ذات الثقة المنخفضة فرصة ثانية
• المستخدمون ذوو السجل الجيد على المدى الطويل مع مخالفات حديثة قد يكون من الأفضل توجيههم بدلًا من معاقبتهم

يوفر نظام المعلومات السياق الذي لا يمكن للأتمتة البحتة توفيره.

تعزيز اكتشاف الأنماط

تعرض تقارير المعلومات الفردية الأنماط على مستوى المستخدم، بينما تكشف إحصاءات المجموعة الأنماط على مستوى المجتمع:

• مخالفة العديد من المستخدمين للقاعدة نفسها تشير إلى أن القاعدة قد تكون صارمة جدًا
• ارتفاع معدلات المخالفات في أوقات محددة يوضح متى تحدث حملات الرسائل المزعجة
• تغيّر توزيعات أنواع المخالفات يوضح كيف تتبدل أساليب الرسائل المزعجة بمرور الوقت

إن الجمع بين المنظورين يخلق وعيًا شاملًا بالأنماط.

التحقق من إعدادات الميزات

استخدم الإحصاءات للتحقق مما إذا كانت إعدادات الميزات لديك تعمل كما هو مقصود:

• إذا كان اكتشاف NSFW يولّد العديد من المخالفات، فهذا يعني أنه يلتقط المحتوى (ويعمل)
• إذا أظهر تحليل المشاعر صفر مخالفات رغم وجود محادثات سامة، فقد تكون العتبة مرتفعة جدًا
• إذا فشل اكتشاف الرسائل المزعجة في رصد رسائل مزعجة واضحة، فقد تكون العتبة صارمة جدًا

يضمن التحقق المعتمد على البيانات ضبط الميزات بالشكل الأمثل لمجتمعك.

الاستخدام المتقدم

تحليل الارتباط

يمكن للمشرفين المتقدمين الربط بين مقاييس مختلفة لاستخلاص رؤى أعمق:

• معدل العقوبات مقابل مستوى النشاط: المجموعات عالية النشاط ذات معدلات العقوبات المنخفضة تتمتع بثقافات صحية
• ثقة المخالفة مقابل نوع المخالفة: قد تشير مخالفات NSFW ذات الثقة المنخفضة إلى أن العتبة شديدة الحساسية
• تقييم المستخدم للبريد المزعج مقابل عدد عضويات المجموعات: المستخدمون الموجودون في مجموعات كثيرة ولديهم تقييمات عالية للبريد المزعج يُرجّح أنهم مرسلو بريد مزعج محترفون
• الأنماط الزمنية: تجمّع المخالفات في أوقات معينة قد يشير إلى حملات بريد مزعج مستهدفة

ابحث عن هذه الارتباطات لفهم الأنماط الأعمق في ديناميكيات مجتمعك.

تحليل الشرائح باستخدام إحصاءات المستخدمين

تتبّع شرائح محددة من المستخدمين لفهم صحة المجتمع:

• الأعضاء الجدد (انضموا خلال آخر 30 يومًا): ما النسبة التي تتراكم لديها مخالفات؟
• أبرز المساهمين (أعداد رسائل مرتفعة): هل لديهم تقييمات منخفضة للبريد المزعج؟
• الأعضاء الخاملون (لا نشاط حديث): هل يعودون للتفاعل أم يغادرون؟

يكشف تحليل الشرائح ما إذا كان مجتمعك يحتفظ بالأعضاء ذوي الجودة وينجح في دمج القادمين الجدد.

تحليل توزيع ثقة المخالفات

يعرض تقرير الذكاء المتوسط الحسابي والوسيط والمئين 95 للثقة. استخدم هذه القيم لفهم جودة الاكتشاف:

• متوسط مرتفع + وسيط مرتفع (كلاهما >0.7): اكتشافات قوية وواثقة
• متوسط منخفض + المئين 95 مرتفع: اكتشافات ضعيفة في معظمها مع حالات قوية من حين لآخر
• انحراف معياري مرتفع (فجوة كبيرة بين المتوسط والمئين): جودة اكتشاف غير متسقة

تساعدك هذه الأنماط على تقييم ما إذا كانت إعدادات الإشراف تنتج نتائج موثوقة.

المقارنة بالبيانات التاريخية

تتبّع المقاييس الرئيسية بمرور الوقت لتحديد خطوط أساس واكتشاف الاتجاهات:

• ما معدل العقوبات الطبيعي لديك لكل 1K رسالة؟
• ما التوزيع المعتاد للمخالفات (أي الأنواع الأكثر شيوعًا)؟
• كيف يبدو توزيع تقييمات البريد المزعج في مجتمعك؟

بعد إنشاء خطوط الأساس التاريخية، تصبح الحالات الشاذة واضحة على الفور.

تصنيف المخاطر

صنّف المستخدمين إلى مستويات خطورة بناءً على تقييمات البريد المزعج:

• 0.00-0.30: مستخدمون موثوقون (أخضر)
• 0.31-0.60: مستخدمون عاديون (أصفر)
• 0.61-0.74: خطورة مرتفعة (برتقالي)
• 0.75+: خطورة عالية (أحمر، يُطردون تلقائيًا إذا كان AI مفعّلًا)

طبّق سياسات مراقبة أو إنفاذ مختلفة على كل مستوى. على سبيل المثال، قد يتلقى المستخدمون ذوو الخطورة المرتفعة تصعيدًا أسرع إلى القيود، بينما قد يحصل المستخدمون الموثوقون على تعامل أكثر تساهلًا مع المخالفات الحدّية.

التنفيذ التقني

يعمل نظام ذكاء المستخدمين كجزء من الخدمة المصغّرة telegram_intelligence، التي تحتفظ بقاعدة بيانات تُحدَّث باستمرار لملفات سلوكية مشتقة من أحداث المخالفات، وإحصاءات الرسائل، وبيانات عضوية المجموعات، ومعلومات الملفات الشخصية.

يعتمد حساب تقييم الرسائل المزعجة على نموذج إحصائي يجمع بين نظرية الاحتمالات البايزية ومنحنيات المخاطر اللوجستية. يزن الخوارزم عدة عوامل، منها معدل المخالفات (المخالفات / الرسائل)، وتوزيعات الثقة (المتوسط، الوسيط، النسبة المئوية)، ومدى شيوع أنواع المخالفات، والإشارات السلوكية (خصائص الملف الشخصي، وأنماط عضوية المجموعات)، وعوامل السمعة (حالة المشرف، ومستويات التفاعل).

تُحسب إحصاءات المجموعات عبر استعلامات تجميع في قاعدة البيانات تجمع المخالفات، وعدد الرسائل، ومدد العقوبات، ومقاييس أخرى عبر جميع الأحداث المسجلة للمجموعة. تستخدم الاستعلامات فهرسة وتخزينًا مؤقتًا فعالين لضمان بقاء أوقات تحميل لوحة المعلومات سريعة حتى في المجموعات ذات السجل الطويل.

يستخدم موجز العقوبات المباشر اشتراكات GraphQL عبر اتصالات WebSocket، لبثّ الأحداث في الوقت الفعلي من جدول tg_punishments عند إدراج صفوف جديدة. يتضمن استعلام الاشتراك حدًا أقصى (أحدث 20 عقوبة) ويرتّب النتائج حسب الطابع الزمني للإنشاء ترتيبًا تنازليًا لعرض أحدث الأحداث أولًا.

توفّر نقطة نهاية API العامة واجهة REST بسيطة تقبل معاملات معرّف المستخدم وتستعلم من قاعدة بيانات الذكاء عن تقييم الرسائل المزعجة المقابل. يتبع تنسيق الاستجابة اصطلاحات JSON القياسية مع ترويسات CORS مناسبة للسماح بالطلبات عبر المصادر من تطبيقات الويب.

تُخزَّن جميع بيانات الذكاء في قاعدة بيانات PostgreSQL مع فهارس مناسبة على الحقول التي يكثر الاستعلام عنها (user_id, group_id, created_at, violation_type)، بما يضمن استرجاعًا سريعًا حتى مع نمو مجموعة البيانات إلى ملايين السجلات.

الخصوصية والتعامل مع البيانات

يعالج نظام استخبارات المستخدمين ويخزن ما يلي:

• سجلات المخالفات: النوع، الطابع الزمني، درجة الثقة، التفاصيل
• إحصاءات الرسائل: الأعداد لكل مستخدم في كل مجموعة
• عضوية المجموعات: المجموعات التي ينتمي إليها المستخدمون
• معلومات الملف الشخصي: حالة NSFW، وجود المعرّف، محتوى النبذة التعريفية (إذا تم فحصه)
• المقاييس المحسوبة: تقييمات السبام، إحصاءات الثقة

تُستمد جميع البيانات من المعلومات المتاحة عبر API الخاص بـ Telegram أو تُنشأ من خلال إجراءات الإشراف التي ينفذها البوت. لا يصل النظام إلى محتوى الرسائل مباشرةً — بل يتلقى تقارير المخالفات من أنظمة تحليل المحتوى التي سبق أن فحصت الرسائل وفق إعدادات الإشراف المضبوطة.

تشمل وسائل حماية الخصوصية ما يلي:

• التحكم في الوصول: يمكن لمسؤولي المجموعات فقط عرض بيانات استخباراتية مفصلة عن المستخدمين داخل مجموعاتهم
• قيود API: يوفّر API العام تقييم السبام فقط، ولا يوفّر سجلًا مفصلًا للمخالفات
• تقليل البيانات: تخزن سجلات المخالفات نوع المخالفة ودرجة الثقة، وليس محتوى الرسالة كاملًا
• إخفاء الهوية: لا تكشف الإحصاءات المجمعة عن هويات المستخدمين الفردية

لا يمكن للمستخدمين الانسحاب من تحليل سلوكهم (لأن ذلك سيسمح لمرسلي السبام بتجنب الكشف)، لكن تظل سجلاتهم التفصيلية خاصة بمسؤولي مجموعاتهم. يوازن النطاق المحدود للبيانات التي يتيحها API العام بين حماية المجتمع (من خلال مشاركة معلومات المخاطر) وخصوصية الأفراد (من خلال حماية تفاصيل المخالفات).

استكشاف الأخطاء وإصلاحها

"تعذّر العثور على مستخدم معيّن في البحث الاستخباراتي"

الأسباب المحتملة:

• لم يتفاعل المستخدم مع أي مجموعات يوجد فيها بوتك
• البحث يتم باستخدام صيغة غير صحيحة للاسم/المعرّف
• انضم المستخدم مؤخرًا ولم تكتمل فهرسته بعد

الحل: لا يظهر المستخدمون في البحث إلا إذا كانوا نشطين في المجموعات التي يراقبها البوت. تأكّد من البحث باستخدام معرّف Telegram الدقيق (جرّب مع رمز @ ومن دونه) أو معرّف المستخدم الرقمي. قد يحتاج المستخدمون الجدد إلى بضع دقائق لتكتمل فهرستهم بعد أول نشاط لهم.

"تُظهر إحصاءات المجموعة صفر مخالفات رغم وجود خروقات معروفة للقواعد"

الأسباب المحتملة:

• حدثت المخالفات قبل إضافة البوت إلى المجموعة
• الميزة التي كان من شأنها رصد المخالفات غير مفعّلة
• تحدث المخالفات لكنها لا تُسجَّل بشكل صحيح

الحل: تحقّق من أن ميزات الإشراف ذات الصلة مفعّلة فعليًا في الإعدادات. راجع تقارير الاستخبارات الفردية للمستخدمين المعروفين بالمخالفة للتأكد من تسجيل مخالفاتهم. لا تشمل الإحصاءات إلا المخالفات التي اكتشفها البوت، وليس المشكلات الموجودة مسبقًا.

"تعرض خلاصة العقوبات المباشرة حالة 'غير متصل'"

الأسباب المحتملة:

• فُقد اتصال WebSocket بسبب مشكلة في الشبكة
• كانت علامة تبويب المتصفح غير نشطة لفترة طويلة
• صيانة الخادم أو إعادة تشغيله

الحل: ينبغي أن تعيد الخلاصة الاتصال تلقائيًا خلال 30 ثانية. إذا بقيت غير متصلة، فحدّث الصفحة. تحقّق من مؤشر حالة الاتصال—إذا كان يعرض "متصل" لكن لا تظهر أي عقوبات، فقد يشير ذلك إلى فترة بلا مخالفات (وهذا طبيعي خلال الفترات الهادئة).

"تبدو تقييمات السبام أقل من المتوقع لدى مرسلي السبام الواضحين"

الأسباب المحتملة:

• لم يجمع مرسل السبام مخالفات كافية بعد
• درجات الثقة في المخالفات منخفضة
• لدى مرسل السبام إشارات سمعة إيجابية تعوّض أثر المخالفات

الحل: تعكس تقييمات السبام الاحتمال الإحصائي بناءً على البيانات المتراكمة. مرسلو السبام الجدد الذين لديهم مخالفات قليلة لن يحصلوا على تقييمات مرتفعة حتى يتشكّل لديهم نمط واضح. راجع تقرير الاستخبارات الخاص بهم للاطلاع على درجات الثقة—إذا كانت المخالفات ذات ثقة منخفضة (0.50-0.60)، فستُسند الخوارزمية مستوى خطر أقل بشكل مناسب. سيرتفع التقييم مع تراكم المزيد من المخالفات عالية الثقة.

"يعرض Public API خطأً أو استجابة فارغة"

الأسباب المحتملة:

• صيغة معرّف المستخدم غير صالحة
• لم يتفاعل المستخدم مطلقًا مع المجموعات التي يراقبها البوت
• تم تفعيل حدّ معدل الطلبات

الحل: تأكّد من تقديم معرّف مستخدم Telegram رقمي صالح، وليس اسم مستخدم أو معرّفًا نصيًا. لا يعرض API البيانات إلا للمستخدمين الذين كانوا نشطين في مجموعات يعمل فيها البوت. إذا كنت تجري طلبات كثيرة، فخفّف السرعة لتجنب حدود المعدّل (بحد أقصى 100 طلب في الدقيقة لكل IP).

"تُظهر إحصاءات المستخدمين أقل من 50 مستخدمًا رغم أن المجموعة أكبر"

الأسباب المحتملة:

• لدى كثير من الأعضاء صفر رسائل
• فلتر البحث نشط ويحدّ من النتائج
• لا يُدرج الأعضاء غير النشطين ضمن قائمة أكثر المساهمين

الحل: تعرض قائمة إحصاءات المستخدمين فقط المستخدمين الذين أرسلوا رسالة واحدة على الأقل، مرتّبين حسب عدد الرسائل. الأعضاء الذين انضموا لكن لم يشاركوا أبدًا لن يظهروا. امسح أي فلاتر بحث نشطة لرؤية القائمة الكاملة. لا يشمل العدد إلا المشاركين النشطين، وليس إجمالي العضوية.

الخلاصة

يمنحك نظام ذكاء المستخدمين وتحليلات المجموعات رؤية واضحة لديناميكيات مجتمعك وسلوك الأعضاء وفعالية الإشراف. فهو يجمع بين الملفات السلوكية الفردية والإحصاءات الإجمالية والمراقبة الفورية وإتاحة الوصول عبر API عام.

سواء كنت بحاجة إلى التحقيق في مستخدم مريب، أو تقييم ما إذا كانت إعدادات الإشراف لديك تعمل بشكل صحيح، أو مراقبة حملات spam جارية في الوقت الفعلي، أو دمج بيانات الذكاء في أدوات خارجية، فإن لوحة التحليلات توفر لك الرؤى التي تحتاجها لاتخاذ قرارات مدروسة بسرعة وثقة.

تضمن شفافية تقارير الذكاء أن تظل قرارات الإشراف الآلي قابلة للتدقيق والتفسير—إذ يمكن للمسؤولين دائمًا مراجعة السبب الدقيق لحصول مستخدم ما على تقييم spam معيّن أو المخالفات التي أسهمت في اتخاذ إجراء تنفيذي. هذه المساءلة تجعل الإشراف الآلي جديرًا بالثقة وتساعد المسؤولين على الحفاظ على ثقة المجتمع حتى عند اتخاذ إجراءات إنفاذ.

عند استخدام هذه التقارير بانتظام، تتيح لك الإشراف بصورة استباقية بدلًا من التفاعل بعد وقوع المشكلة—فمراجعة تقييمات spam وموجز العقوبات تكشف المشكلات قبل أن تنتشر، كما يُبقي سجل التدقيق كل قرار آلي قابلًا للمراجعة.