当我编造了 5 万条被 ChatGPT 引用的统计数据后，我对 AI 搜索有了哪些认识……
大约 7 个月前，我上线了一个网站，上面有 5 万条统计数据。每一条都是假的。
Google 已经忘了这个网站的存在，并把这些页面从索引中移除，但 ChatGPT 没有。自该网站 7 个月前上线以来，它已经为其带来了超过 1 万次 AI 会话。如今有超过 330 个引荐域名链接到该网站，包括 Shopify、Bluehost 和 DHL。它编造的数字还出现在了一篇学术论文和一家银行的投资研究中。
在 Peec AI 以及整个行业里，我们每天都在谈论 GEO 和 SEO，并且一直在寻找新的策略。我在这个统计页面项目上已经投入了很长时间，期间也公开分享过其中的部分内容。当然，这是实验性的，但结果很难被忽视。
发布虚假统计数据这一想法的来源
用统计数据来填充一个网站的想法，源于我长期以来对大语言模型、相关性工程和 grounding 的研究（感谢 iPullRank 团队、Dan Petrovic 和 Wil Reynolds）。
在工作过程中，我注意到一个规律：随着越来越多的团队用大语言模型撰写时效性强和突发性的内容，这些大语言模型在调研过程中必须寻找（看似）可靠的数据，来填补自身知识的空白。统计数据往往正是它们要找的东西。
大多数 GEO 建议都聚焦于一个时刻：让你的品牌进入 AI 的回答中。这个实验关注的是回答之后会发生什么——当人们拿到那个输出并使用它，把它放进演示文稿、加入购物清单，没错，还把它发布到自己的网站上。
这个实验的想法并非我一人想出来的。感谢 Seer Interactive，他们此前已经发表了一项令人大开眼界的研究该研究发表于 2025 年 8 月，让我脑中冒出了一些想法。几个月后，这些想法汇聚到一起，终于排到了我待办清单的最前面。2026 年 3 月，我开始着手搭建这个能让我验证自己想法的网站。
实验设置：一天之内建成的网站和 5 万条编造的统计数据
给那些没有实时跟进我这次实验的人做个简要背景介绍：
我买了一个全新的域名 stateglobe.com，并用 GPT-4.1 在一天之内生成了 50,000 个统计页面。该网站声称提供来自 200 个国家的 SEO、内容营销、社交媒体、电子商务和网络技术方面的统计数据。只不过每一个数字都是完全编造的。我一个都没有核实过。我用一个基础的 AI 网页设计模板把它们推上了网站。这花了我大约 30 美元。后来，我又在统计数据之上添加了 15,000 篇列表文章。那又花了大约 20 美元，所以总的来说，这是一个总成本低至约 50 美元的实验。
我第一次分享它时的反响非常热烈。当我的朋友 Kevin 把它收录进Growth Memo之后，它触达了更大的受众。我认为人们对这项工作反应如此热烈，是因为它展示了很好的结果，同时也道出了人们对 AI 搜索结果中最终会出现什么内容的担忧。
发生了什么
Google 几乎立刻就埋没了这个网站
我刚上线这个网站时，流量、索引和互动一开始都进展得非常顺利。使用索引工具，我在一周内就让几乎整个网站被收录，它开始出现在 Google 搜索结果中。
然后，上线后紧接着来了两次 Google 更新，我的 Google 可见度就崩塌了。
如今我已经在 Google 上隐身好几个月了。被收录的页面曝光量在 5 到 20 次之间波动。有一次我很好奇，创建了一个子域名，想看看能不能提高曝光量，但并没有什么帮助。
除此之外，我没有再动过这个网站。有些页面现在可能时不时会加载失败。我也不清楚。
但当我坐下来写这篇文章时，我查看了 7 个月后 Cloudflare 里的抓取数据。
仅在过去 30 天里，这个网站就收到了超过 600,000 次来自机器人的请求。其中大约 72,000 次来自 ChatGPT-User。那是 ChatGPT 在回答某人问题时实时打开页面所使用的智能体。所以这些不是训练抓取。每一次都是 ChatGPT 抓取一个虚假的统计页面来回答一个真实的问题。
与 Google 不同，ChatGPT 从未停止从这个网站抓取
而当我说“从未停止”时，我的意思是 ChatGPT真的从未停止。
7 个月后，这个网站现在有 330+ 个引荐域名
根据 Ahrefs 和 Semrush 的数据，该网站拥有来自 330 多个其他网站的链接。其中包括 Shopify、DHL 和 Bluehost 等知名品牌。凭借强劲的 Google 表现，这些数字本可能更好。
ChatGPT 至今仍在引用它
Google 可能已经忘了这个网站，但 ChatGPT 显然没有。该网站上线 7 个多月后仍在获得引用和流量。
如果你读过 Tomek 的ChatGPT Index 研究，那你很幸运，因为它是了解 ChatGPT 搜索工作原理的绝佳入门材料。如果你还没读过，现在就把它加入你的阅读清单，因为它有助于解释为什么我的网站能如此长久地存在于 ChatGPT/OpenAI Index 中。
一个完全虚构的网站仍能表现如此出色，令人震惊。自 3 月以来，GA4 显示仅来自 ChatGPT 的会话就有 10,000 多次，而 Cloudflare 显示该网站在检索方面得分很高。
我没有把直接会话计入总访问量，因为它看起来主要像机器人流量。还记得死互联网理论吗！
2026 年 6 月加入 Peec 后不久，我还在我们的工具中设置了一个可见性仪表盘来跟踪几个提示词。它们的表现依然强劲。10 月 7 日，stateglobe.com在这些提示词的可见性排名中位列第二，仅次于数据巨头 Statista。
检索不等于排名
持续的检索是第一个重要教训：在 Google 上排名和被 LLM 检索到是两个不同的问题。
当 ChatGPT 搜索时，它不只是照搬 Google 的前 10 名。它会把你的提示词改写成自己的子查询（称为 fanout 查询），从其搜索来源和自有缓存中拉取候选内容，对它们重新排序，然后打开少量页面来为答案提供依据。一个页面可以在 Google 上不可见，却仍能在上述每一个 LLM 步骤中表现出色。
StateGlobe 就是一个很好的例子。虽然 Google 放弃了它，但 AI 检索机器人却不断回访。
对于 GEO 而言，这意味着 Google 排名只是一个信号，而非全貌。如果你只跟踪 Google，你就会错过一个即使在 Google 说“不”时也能奏效的渠道。
虚假数据变成了真实引用
你会以为，如果一个网站在信息检索工具中表现良好，它的信息就会开始出现在各处。你是对的。
StateGlobe 完全建立在虚假数据之上，使用的是最便宜的模型，提示词不过是一份国家和主题的列表加上两句话。然而，输出结果却……
……被一篇学术论文引用……
……被卡塔尔最大的金融集团用于投资研究……
……被印度的一家经济学刊物引用……
……并被加拿大一个意见领袖社区的研究报告用作来源。
请注意，这些只是链接回 StateGlobe 网站的引用。想必还有更多使用这些数据却没有附链接的情况。
令人不安的推论：引用洗白
第一天，StateGlobe 上的一个虚假数字毫无权威性。它只是一个全新域名上的随机统计数据。
然后一篇学术论文引用了它。接着是一家银行。现在，下一个找到这个数字的人或模型，看到的是一个有来源的统计数据。而这个来源被严肃机构引用。
虚假数据当然没有变成真的，但每一次引用都让它看起来更可信。
情况有可能变得更糟：经过如此多的检索和引用，这些页面最终会进入网络爬取数据，而网络爬取数据最终会进入训练数据（我希望它还没有！）。一个最初只是 GPT-4.1 猜测的数字，可能成为下一个模型“知道”的东西。
这指向了这项实验所暗示的更大风险，也是我将其作为研究分享、而非作为虚假内容操作指南的原因。核实来源应当成为写作者和研究者工作流程中不可或缺的一部分。
最后，我们尝试用真实数据运行了我们的实验
开始在 Peec 工作后，我决定再次尝试这个测试的一个版本。作为 GEO 研究团队，我们讨论了截至当时的各项结果，并迅速上线了一个简单的新页面。这一次，没有编造的数字，我们核实了每一项统计数据并正确标注了来源。你可以在这里查看：peec.ai/ai-search-geo-statistics。
几乎立刻，我们怀疑用 AI 撰写内容的网站开始链接到我们。第二次，使用第二个网站，通过发布统计数据来获得链接，证明了这一假设中强大的策略在现实中确实有效。
经验教训
为什么发布统计数据会带来 LLM 引用
这两次测试表明，当被要求撰写文章时，LLM 强烈偏好寻找统计数据。其机制很简单：
越来越多的内容是用 LLM 撰写的。
当 LLM 写作时，它会研究合适的主题。
当 LLM 遇到空白时，它会寻找一个数字来填补。
这一过程背后的原因同样清晰。
研究意味着发出请求统计数据的扇出查询
当提示词需要研究时，模型会将其拆分为子查询，并添加“statistics”“data”“report”或当前年份等修饰词（如果提示词文本中也要求了的话）。如果有人要求模型撰写一篇关于远程工作的博客文章，模型会搜索“remote work statistics 2026”。那些针对模型搜索内容而非人类输入内容进行优化的页面，会更频繁地出现在 LLM 结果中。
数字看起来像是可以填补知识空白的证据
当模型被要求起草一篇文章时，引用一个写着“远程工作正在增长”的页面几乎不增加权威性，而且依然含糊。如果该页面改为写着“X% 的员工每周至少远程工作一次”，那么突然就有了具体、可引用且能增加信息量的内容。当模型为答案提供依据时，一个具体的数字是它能找到的最有用的东西。这些数字看起来像是证据，尽管正如这个实验所证明的，有时它们并不是。
模型不会核查数字
一篇由 LLM 撰写、基于搜索的内容，在延迟和成本上有严格的预算。系统会抓取几个页面，提取相关段落，然后开始写作。整个过程中不会进行任何事实核查。
核实单个统计数据意味着要找到独立来源、进行比较并解决冲突。面对数百万用户发出的数十亿条提示词，时间和金钱成本都会累积起来，使得核实对于实际用途而言过于缓慢且过于昂贵。
为了绕过这个问题，LLM 会使用重排序器来给相关性打分，而不是真实性。这意味着如果一段文字与查询匹配且看起来权威，它就会被采用。
统计数据具有内置的时效性，而像
我之前写过关于ChatGPT 的近期偏好在它如何给来源打分方面。统计页面在标题、小标题和 URL 中都包含年份。这是三个内置信号，告诉模型页面上的内容是新鲜的。
如何正确地构建统计页面
我做的两项测试表明，统计页面是一种非常强大的方式，能让你的内容被 LLM 引用。虽然我绝对不建议编造虚假数据，但你可以利用我们小规模测试中的经验，用真实数据创建自己的页面。以下是在 Peec 行之有效的做法，以及如果我再次制作统计页面时会怎么做。
每句话只做一个陈述。每条统计数据都应该在脱离上下文的情况下也能独立成立。检索不是基于页面，而是基于段落。如果一个数字需要上一段才能理解，它很可能不会被提取。
在每个数字旁边标注来源和年份。“根据 [来源]（2026 年），X%……”这有助于模型、人工编辑以及你的可信度。这是一小块信息卫生习惯，有益于更广泛的信息环境。
让小标题匹配扇出查询。你页面上的小标题应该匹配 LLM 搜索互联网的方式：“[主题] 统计数据”“[主题] 市场规模”“[主题] 各国采用率”。要思考模型运行的查询，而不仅仅是人们输入的关键词。
显示更新日期（并且真正更新它）。时效性是模型会考虑的一个真实信号。过时的统计页面会输给更新的页面。
让统计数据易于抓取。使用服务端渲染的 HTML，而不是把数据藏在 JavaScript、标签页或图片后面。另外，务必检查你的 robots.txt 以及 CDN 或 WAF 规则。你的网站可能在不知情的情况下屏蔽了 AI 检索机器人。
保持简单。我们的Peec AI GEO 统计页面基本上就是一个列表。你的页面也不需要比这更复杂。把设计资源留给那些真正能从中受益的网站和资产。
尽可能添加原创数据。聚合统计数据或许能为你带来一些引用，但当你说出别人都没说过的东西时，你就能成为主要来源。
如何追踪你的页面是否被收录
Google Search Console 不会显示 AI 机器人对你网站的活动情况。以下是我改为追踪的内容：
AI 机器人活动在你的服务器日志或 Cloudflare 中查看。寻找 ChatGPT-User、OAI-SearchBot 和 PerplexityBot 等检索机器人，而不仅仅是训练爬虫。我们有这个功能！
AI 引荐会话在 GA4 中来自 chatgpt.com、perplexity.ai 及类似来源的会话。
引用与可见性追踪跨一组提示词进行追踪。在 Peec，我们显然使用自己的工具来做这件事。
新增引荐域名在 Ahrefs 或 Semrush 中查看。
未链接的提及。用引号搜索你的确切数字。你会发现有人在未链接到你的情况下使用你的数据。
关于伦理的一点说明
不言而喻，你绝不应该发布虚假内容。虽然我的实验依赖了数万条未经核实的统计数据，但我运行它是为了与公众分享结果，而且该网站虽然仍在运行，现在已附有免责声明。在发布我们希望被 LLM 收录的内容时，我们的职责始终应该是发布准确、易于获取的信息。
再补充一个提醒：无法保证这一策略会持续有效。我们测试过，这些就是结果，但既然它们已经公开，LLM 可能会堵上这个缺口。目前它有效，但未来可能不再有效，当然它也绝不应该被滥用。
最后一点：这是一种策略，既不能也不应该成为你组织整个 GEO 战略的基础。我在 StateGlobe 上得到的结果是极端的，但最有可能从这一技巧中受益的品牌，是那些人们已经信任的品牌。
Peec 的 GEO 研究接下来会带来什么
在 Peec，我们的研究团队正在运行近 40 个这样的实验。有些仍在进行中，另一些已经显示出结果。为你的品牌构建长期战略意味着测试、衡量，并分享我们一路学到的内容。
更多内容即将到来！