KK-DATA avatar KK-DATA

Telegram筛号结果字段全解析:CSV/TXT导出与运营应用指南

telegram筛号 导出 kkdata 字段解析

Telegram筛号结果字段全解析:CSV/TXT导出与运营应用指南

在出海获客场景中,Telegram筛号 是一个关键的数据处理环节——你把一批电话列表交给筛号平台,平台告诉你哪些号码注册了 Telegram、最近是否活跃、甚至推导出性别和年龄段。拿到这些字段后,如何正确理解它们?怎样导出为 CSV 或 TXT 文件进行后续分析?本文以 KK-DATA 平台为例,逐一拆解筛号结果中的核心字段含义,并给出导出操作与运营应用的最佳实践。


什么是Telegram筛号?——批量验证号码有效性及属性

Telegram筛号是指通过技术手段批量检测目标号码是否已注册 Telegram,并进一步获取账号的活跃度、性别、年龄等公开推断信息。简单来说,输入一堆手机号,输出一个表格:每个号码对应一个或多个“属性标签”。

以 KK-DATA 平台为例,其 Telegram 筛号包含三类检测类型:

  • tg开通:检测该号码是否是 Telegram 注册用户(最基本的能力)
  • tg活跃:在指定时间窗口内(如 7 天、30 天、60 天)判断用户是否登录过
  • telegram性别数据:基于公开信息推断性别、年龄段等附加属性

任务完成后,你可以下载 CSV 或 TXT 文件,文件中的每一行代表一个号码及其检测结果。下面我们就进入字段详解。


Telegram筛号结果包含哪些核心字段?

你导出的结果文件通常包含以下字段(实际字段以控制台预览为准):

字段名称类型业务含义
号码String原始提交号码,国际格式(如 +8613800138000)
tg开通布尔/枚举是否注册 Telegram:1(是)/ 0(否)/ Unknown
tg活跃数字/枚举活跃程度,例如 0=不活跃,1=30天内活跃,2=7天内活跃
性别枚举male / female / unknown(基于公开推断)
年龄字符串如 “25-35” 表示年龄段,非精确岁数
tgid数字Telegram 内部用户唯一 ID
wsid字符串WhatsApp 对应的用户 ID(如果同时筛了 WhatsApp)
uid字符串其他社交平台用户 ID 等

注意:部分字段仅在检测类型包含该项时才会返回,否则为空。

开通与活跃度字段(tg开通 / tg活跃)

  • tg开通:最基础的检测结果。如果显示 1,说明该号码是 Telegram 真实用户;显示 0 则未注册(号码可能被删除或从未注册)。
  • tg活跃:帮助你判断用户是否近期使用。活跃度越高,加粉或私聊被看到的概率越大。例如,选择“7天内活跃”可以过滤掉那些很早注册但已弃用的账号。

性别与年龄字段(telegram性别数据)

性别检测与年龄判断并非来自身份证或实名认证,而是基于算法对公开信息(如昵称、头像、简介、语言习惯等)的统计模型。因此:

  • 性别:分为 male、female、unknown,准确率在多数场景下可达 80% 以上,但不保证 100%。
  • 年龄:输出的是年龄段区间,例如 20-30、30-40。你不能把它当作“真实年龄”,但可用于粗略的人群筛选,比如聚焦“约30岁”用户。

字段准确性说明

性别与年龄字段为算法推断结果,非用户实名数据。仅作运营参考,不可用于合规验证或高精度定向。详细说明可参考 平台文档

唯一标识与附加字段(tgid / wsid / uid)

  • tgid:Telegram 分配给每个用户的唯一数字 ID(非手机号)。你可以利用 tgid 与 Telegram API 交互(如发送消息、加群),或作为去重依据(同一用户可能更换手机号但 tgid 不变)。
  • wsid:如果同一任务同时筛了 WhatsApp,结果中会包含 WhatsApp ID,方便跨平台联合分析。
  • uid:其他社交平台(如 Line、Zalo)的用户标识,可用于跨平台归因。

如何将Telegram筛号结果导出为CSV或TXT?

在 KK-DATA 控制台的“任务详情”页面,你可以随时重新导出已完成任务的结果。导出步骤如下:

  1. 进入控制台 → 历史任务 → 点击任务 ID 进入详情
  2. 点击“导出”按钮,选择格式(CSV / TXT)
  3. 在弹窗中勾选需要导出的字段列
  4. 点击确认,等待文件生成并下载

选择导出格式:CSV vs TXT 适用场景

格式优点适用场景
CSV可被 Excel、WPS、数据库直接打开,支持列名和字段过滤数据分析、CRM 导入、合并去重
TXT纯列表,体积小,一行一个号码批量加粉、导入扩散工具、API 批量查询

如果你的后续操作是“按活跃度+性别筛选后群发”,推荐 CSV 格式,方便用 Excel 透视表二次加工。

导出前如何筛选所需字段?

导出弹窗中默认勾选所有可用字段。建议只保留你真正需要的列,例如:

  • 只导出“号码 + tg开通 + tg活跃 + 性别”
  • 删除“年龄”列(如果不关注年龄)
  • 不导出“tgid”(如果后续不需要 API 联动)

这样做的好处是:文件体积更小、后续处理更清爽、避免误用无关数据。

导出编码提醒

为确保中文不乱码,建议导出时选择 UTF-8 编码。如果 Excel 打开出现乱码,请使用“数据 → 从文本/CSV 导入”功能并指定 UTF-8,或先用记事本另存为带 BOM 的 UTF-8 格式。

导出后的数据清洗与去重建议

  • 检查空值:部分字段(如年龄、tgid)可能为空。在 Excel 中用筛选功能查看占比,决定是否保留。
  • 去重:KK-DATA 内置的数据去重仓库可以在提交任务时自动排除已有记录,避免重复检测浪费余额。导出后若仍有重复,建议用 Excel“删除重复项”或 Python 脚本清理。
  • 格式统一:确认号码列不包含空格、破折号等,保持纯数字格式(带国际码)。

筛号字段对获客运营有什么实际价值?

场景一:女性用户社群推广
如果你是跨境电商(女装、美妆),希望定向加入 Telegram 女性用户群或发送私信。利用筛号结果的“性别=male”过滤男性,只保留女性号码,再结合“tg活跃=7天内”提高触达效率。

场景二:高意向用户优先触达
假设你有 10 万条号码,预算有限。可以分两步:先跑“tg开通”筛选出 5 万注册用户;再对这 5 万跑“tg活跃=7天内”,最终只向 1 万活跃用户发送消息。活跃度字段就是你的“优先级标签”。

场景三:跨平台用户画像
如果同时筛了 WhatsApp 和 Telegram,对比 wsid 和 tgid 可以识别重合用户,针对这类高价值用户设计专属活动。

场景四:年龄定向
比如某款游戏面向 25-35 岁人群,筛号结果的年龄字段(如“25-35”)可帮你缩小范围。虽然不够精确,但比完全随机发信要好得多。


使用Telegram筛号时需要注意哪些事项?

  1. 字段准确性有边界:性别/年龄为推断结果,尤其年龄是区间值,不能用于实名认证或法律场景。
  2. 任务上限:单次任务最多约 100 万条。如果超过此量,请拆分提交。
  3. 计费规则:按条扣费,每种检测类型单价不同,具体以控制台实时价格为准。任务提交前会显示预估费用。
  4. 余额不足:无法提交新任务,需先充 USDT (TRC20),最低约 50 USDT。
  5. 防骗提醒:只通过平台官方渠道联系客服(Telegram @kkdata_robot 或机器人 @kkdata_robot),任何其他自称客服的账号均须警惕。

Telegram筛号与数据去重:如何避免重复检测浪费余额?

重复检测是很多团队的隐形消耗。假设你上个月筛了 5 万个号码,这个月又拿来筛,财务上会为相同号码再付一次费。

KK-DATA 内置数据去重仓库功能:在提交任务时,系统会自动匹配当前工作区历史已检测号码,对已存在的记录直接跳过(不扣费),仅对新增号码进行检测。

操作建议:

  • 每次提交新任务前,先导入去重仓库(控制台可一键配置)
  • 定期导出仓库数据备份,避免丢失
  • 团队多人协作时,统一使用同一个工作区,去重效果更佳

这样既能节省预算,又能避免重复工作。


常见问题

问:Telegram筛号结果中的“年龄”字段准确吗?
答:年龄字段来自性别检测中的算法推断,基于公开信息预估年龄段(如20-30岁),并非真实身份证年龄。可用于人群筛选参考,但不宜用于实名验证场景。

问:CSV导出后乱码如何解决?
答:请检查导出时是否选择UTF-8编码(KK-DATA默认UTF-8)。如果打开后仍乱码,尝试用记事本另存为UTF-8或用Excel“从文本/CSV导入”并指定编码。

问:为什么我的筛号结果中没有“tgid”字段?
答:tgid字段仅在检测类型包含“tg开通”或“tg活跃”且号码为有效注册时才会返回。如果号码未注册或检测类型不包括此项,则该字段为空。

问:一次最多可以筛多少号码?
答:单次任务最多约100万条号码。如果数据量更大,建议分批提交。详细限制请参考控制台任务提交页面的提示。

问:筛号结果可以重复导出吗?
答:已完成任务的筛号结果在控制台历史记录中可随时重新导出,不重复扣费。但需注意数据去重仓库只保留工作区内的查重记录,建议尽快下载。


如果你正在寻找稳定、功能全面的 telegram筛号 平台,不妨试试 KK-DATA。从号码生成到多平台筛号,再到数据去重与导出,一条流水线解决获客数据难题。

👉 登录控制台开始筛号
双向联系客服:https://t.me/kkdata_robot
更多文档与计费说明:https://kkdata.cc/ · https://docs.kkdata.cc/