七个月前，我启动了一个包含50,000个统计数据的网站，其中每一个数据均为伪造。尽管Google早已遗忘该站点并撤回索引，但ChatGPT并未停止对其数据的摄取。上线至今，该网站已为超过10,000次AI会话提供数据支撑，包括Shopify、Bluehost和DHL在内的330多个域名指向该站，甚至有一篇学术论文和一家银行的投资研究报告引用了这些捏造的数字。
在Peec AI及整个行业热议生成式引擎优化（GEO）之际，这项实验揭示了AI搜索生态中一个令人无法忽视的现象：传统SEO规则正在失效，而LLM的引用机制存在巨大漏洞。
实验起源：填补LLM的知识空白
这一灵感源于对大语言模型（LLM）、相关性工程及事实核查（Grounding）的长期研究。随着越来越多团队利用LLM撰写时效性内容，模型必须在研究中寻找看似可靠的数据以填补知识空白，而统计数据正是其首选目标。
大多数GEO策略聚焦于让品牌进入AI答案，本实验则关注答案生成后的传播链条——当用户将AI输出用于演示、购物清单或发布至自有网站时，虚假信息如何被“洗白”。
受Seer Interactive在2025年8月发布的研究报告启发，我于2026年3月着手构建该网站，以验证这一假设。
实验设置：50美元打造的虚假数据帝国
我购买了全新域名stateglobe.com，并在一天内利用GPT-4.1生成了50,000个统计数据页面，涵盖20个国家在SEO、内容营销等领域的所谓“统计”。所有数字纯属虚构，未经任何核实。通过基础AI网页模板上线，成本约30美元；随后追加15,000篇列表文章，花费约20美元。总计成本仅50美元左右。
该网站初期反响热烈，尤其在《Growth Memo》报道后触及更广泛受众。这不仅展示了惊人的结果，也回应了公众对AI搜索内容真实性的深层担忧。
关键发现：Google遗忘，ChatGPT铭记
1. Google迅速封杀，流量归零
网站上线初期，索引和参与度表现良好。但随着Google两次算法更新，站点可见度瞬间崩溃，数月内几乎从搜索结果中消失。即便尝试创建子域名挽回流量，也无济于事。目前，该站在Google上的展示量仅在5到20次之间波动。
2. ChatGPT持续抓取，从未停歇
与Google截然不同，ChatGPT从未停止从该站提取数据。Cloudflare数据显示，过去30天内，机器人请求超60万次，其中约72,000次来自ChatGPT-User代理。这意味着每一次请求都是ChatGPT为回答真实用户问题而实时抓取虚假数据。
截至发稿，该站已获得来自330多个域名的反向链接，包括Shopify、DHL等知名品牌。GA4数据显示，自3月以来，仅来自ChatGPT的会话就超过10,000次。在Peec AI的可见性仪表板中，stateglobe.com在特定提示词的排名中位列第二，仅次于数据巨头Statista。
检索不等于排名：ChatGPT并非简单复制Google前十结果，而是通过重写子查询（扇出查询）、重新排序并打开页面验证答案。一个在Google上不可见的页面，完全可能在LLM的检索链条中表现优异。这表明，Google排名仅是信号之一，而非全貌。
3. 虚假数据完成“引用清洗”
最令人不安的是，虚假数据正逐渐被权威化。StateGlobe上的随机数字先被学术论文引用，随后被卡塔尔最大金融集团用于投资研究，进而被印度经济出版物和加拿大网红社区报告采纳。
这种“引用清洗”效应意味着：虽然数据本身未变真，但每一次来自严肃机构的引用都为其增加了可信度。若这些页面最终进入网络爬取并成为训练数据，未来模型可能将这些由GPT-4.1猜测的数字视为既定事实。
4. 真实数据实验验证策略有效性
在Peec AI，我们随后使用真实且经过核实的数据构建了类似页面（peec.ai/ai-search-geo-statistics）。结果同样迅速获得了AI生成内容的链接引用，证明该策略在合规前提下依然有效。
深度解析：为何LLM偏爱统计数据
两次测试表明，LLM在撰写内容时强烈倾向于寻找统计数据，原因如下：
- 扇出查询机制：当提示词涉及研究时，模型会自动添加“statistics”、“data”或年份等修饰语。针对模型搜索逻辑优化的页面，比针对人类关键词优化的页面更易被捕获。
- 数字即证据：相比模糊的描述，具体的百分比或数值被视为更具权威性和增值性的证据，尽管它们可能是假的。
- 缺乏真实性验证：出于成本和延迟考虑，LLM仅通过重排序器评估相关性，而非真实性。只要文本匹配查询且看似权威，即被采用。
- 新鲜度信号：统计数据页面通常在标题和URL中包含年份，这向模型传递了内容“新鲜”的信号，符合ChatGPT的近期偏见。
GEO实战建议：如何构建高引用率页面
基于实验经验，以下是构建能被LLM高效引用的统计数据页面的最佳实践：
- 原子化陈述：每句话只包含一个独立成立的声明，确保段落级别的可提取性。
- 明确来源与年份：格式如“根据[来源]（2026），X%……”，提升信息卫生水平及模型信任度。
- 匹配扇出查询：标题应贴合模型搜索习惯，如“[主题]统计数据”、“[主题]市场规模”。
- 保持内容新鲜：定期更新发布日期，陈旧页面将被新内容取代。
- 技术可访问性：使用服务器渲染HTML，避免将数据隐藏在JS或图片中，并确保robots.txt未阻止AI爬虫。
- 极简设计：简单的列表形式往往比复杂设计更有效。
- 提供原始数据：成为主要来源比汇总他人数据更具长期价值。
监测与伦理警示
由于Google Search Console不显示AI机器人活动，建议通过以下方式追踪效果：
- 分析服务器日志或Cloudflare中的ChatGPT-User、OAI-SearchBot等代理请求。
- 监测GA4中来自chatgpt.com等来源的引荐会话。
- 使用Ahrefs/Semrush追踪新引荐域名及未链接提及。
必须强调，发布虚假内容违背伦理且不可持续。本实验旨在揭示风险，而非提供操作指南。随着LLM技术的迭代，此类漏洞可能被修复。此外，该策略不应成为GEO战略的全部，建立品牌信任仍是核心。
目前，Peec GEO研究团队正在进行近40项类似实验，我们将持续分享测试成果，助力品牌在AI搜索时代建立长期战略。