来源公布的内容
Peec AI 的一位 GEO 研究员在 2026 年 3 月买下一个全新域名 stateglobe.com，用 GPT-4.1 在一天之内生成了 5 万个统计数据页面，号称覆盖 200 个国家的 SEO、内容营销、社交媒体、电商和网络技术数据——但每一个数字都是编的，他一个都没有核实过。页面套了一个基础的 AI 建站模板推上线，花了约 30 美元；后来又加了 1.5 万篇榜单式文章，又花约 20 美元，整个实验的总成本约 50 美元。作者说，这个想法的起点是他在 LLM、相关性工程和 grounding 上的长期研究：越来越多团队用 LLM 写时效性内容，模型在调研时到处找看似可靠的数据填补知识缺口，而统计数字正是它最想要的东西。
上线之初谷歌的表现很好：借助索引工具，一周内几乎全站被收录，还进了搜索结果。但紧接着两次谷歌更新之后，流量断崖式下跌，至今在谷歌上几乎隐形，收录页面每天只有 5 到 20 次展示。作者甚至试过开一个子域名看能不能抢回展示量，基本没用，之后就再没管过这个站，有些页面现在偶尔还打不开。
但 ChatGPT 那边完全是另一个故事。7 个月后去看 Cloudflare 的抓取数据：最近 30 天全站收到 60 多万次机器人请求，其中约 7.2 万次来自 ChatGPT-User——这是 ChatGPT 在回答用户问题时实时打开页面的抓取器，不是训练爬虫，意味着每一次请求都是一次“拿着假数据去回答真问题”。GA4 显示 7 个月里来自 ChatGPT 的会话超过 1 万次；Ahrefs 和 Semrush 显示全站已有 330 多个引用域名，包括 Shopify、DHL、Bluehost 这些大品牌。10 月 7 日 Peec 自家工具的可见度看板上，stateglobe.com 在跟踪的几个提示词下排第二，仅次于数据巨头 Statista。
资料：[1]
跟着做：用真数据搭一张会被 AI 引用的统计页
- 先选一个你真正懂的细分主题，比如“远程办公”或“独立站转化率”——主题越具体，模型在 fanout 子查询里越容易命中你。和原作者划清界限：每一个数字都必须有真实出处，绝不编造。
- 把每个数字写成一句脱离上下文也能成立的断言：“据 [来源]（2026），X% 的……”——检索抓的是段落而不是整页，需要靠上文才能看懂的数字，基本不会被抽走。
- 标题层级直接照抄模型的搜索方式来写：“[主题] 数据统计”“[主题] 市场规模”“[主题] 各国采用率”。人类搜词和模型搜词不一样，这里要迁就模型。
- 每个数字旁边都写清来源和年份，页面顶部放上更新日期并且真的定期更新——年份出现在标题、小标题和 URL 里，是模型判断“新鲜”的三重信号。
- 用服务端渲染的纯 HTML 输出，不要把数据藏在 JavaScript、标签页或图片后面；再检查一遍 robots.txt 和 CDN/WAF 规则，确认没有误拦 ChatGPT-User、OAI-SearchBot、PerplexityBot 这类检索型爬虫。
- 上线后开始跟踪效果：看 Cloudflare 或服务器日志里 AI 检索爬虫的量、GA4 里 chatgpt.com 与 perplexity.ai 的引荐会话、Ahrefs 里的新增引用域名，再把你的核心数字加引号搜一遍，抓出那些用了数据却没给链接的引用。
资料：[1]
正文详解：模型为什么偏爱“数字”
作者复盘了这套机制能跑通的原因。越来越多内容是 AI 写的；AI 写东西时会先做调研；调研撞上知识缺口时，它最想要的就是一个数字填进去。当用户让模型写一篇关于远程办公的博客，模型会把需求拆成 fanout 子查询，自动加上 statistics、data、report 或当年年份这类修饰词去搜索。写“远程办公在增长”没什么引用价值，但“X% 的员工每周至少远程一天”具体、可引用、能补上缺口——检索系统要的正是这个。
而模型不会去核验这个数字。带搜索的生成流程有严格的延迟和成本预算：抓几个页面、抽出相关段落、开始写作，整个链条里根本没有“查证”这一环。逐个数字找独立来源交叉比对，放在每天几十亿次请求的规模下又慢又贵，不现实。重排器只打相关性分、不打真实性分：只要段落匹配查询、看起来像权威来源，就会被用进去。
还有一个隐形推手是模型对新鲜度的偏好。统计页天生把年份写进标题、小标题和 URL，给了模型三重“这是新的”信号。作者还用真数据做了一次对照实验：在 Peec 上线了 peec.ai/ai-search-geo-statistics 页面，每个数字都核实过并标注了来源，结果很快就有疑似用 AI 写内容的站点开始引用——同一套打法换成真数据，照样成立。
资料：[1]
如何解读
这场实验最扎眼的结论不是“50 美元骗过了 AI”，而是“谷歌排名和被 AI 检索是两回事”。一个在谷歌上已经被判死刑的站，可以在 ChatGPT 的检索链路里活得好好的：fanout 查询、候选召回、重排、实时抓取，每一步都不看谷歌排名。如果你只盯 Search Console，你会完全错过这个渠道。用作者的话说，在 GEO 这件事上，谷歌排名只是一个信号，不是全貌。
更值得警惕的是作者说的“引用洗白”（citation laundering）。第一天，stateglobe 上的假数字权威为零；被一篇学术论文引用之后，被一家银行的投研引用之后，下一个看到这个数字的人（或模型），看到的是“有出处、还被正经机构引用过的数据”。假的没有变成真的，但每一次引用都让它看起来更可信。检索和引用足够多之后，这些页面还会进入网页抓取语料，进而进入训练数据——一个 GPT-4.1 随手猜的数字，可能变成下一代模型“知道”的事实。作者自己也强调：分享这是为了做研究，不是教你造假；核验来源应该成为每个写作者和研究者的标准动作。
对普通读者的启示是双向的：以后在 AI 回答里看到带引用的精确数字，先点进去看一眼出处，再决定信几分；如果你是内容创作者，这套“统计页”打法本身是中性的武器——用真数据加规范标注去做，你就可能成为下一个被持续引用的来源。
资料：[1]
阅读要点
- 成本与规模：全新域名加 GPT-4.1 一天生成 5 万统计页（约 30 美元），后加 1.5 万榜单文章（约 20 美元），总成本约 50 美元。
- 谷歌侧：上线一周几乎全收录，随后两次更新后流量崩盘，至今每天 5 到 20 次展示，开子域名自救无效。
- AI 侧：7 个月后 30 天内 60 万加机器人请求、约 7.2 万次 ChatGPT-User 实时抓取；GA4 显示 1 万多次 ChatGPT 会话；330 多个引用域名含 Shopify、DHL、Bluehost；10 月 7 日跟踪提示词可见度第二，仅次于 Statista。
- 外溢引用：假数据进了学术论文、卡塔尔最大金融集团的投研、印度一家经济刊物、加拿大一个网红社区的研究报告（仅统计给了回链的）。
- 机制三件套：fanout 子查询自动加 statistics、data、年份等修饰词；具体数字是最趁手的“证据”；重排器只看相关性不看真实性，查证环节在延迟和成本预算里不存在。
- 合法复刻清单：一句一断言、数字旁标注来源与年份、标题迁就模型的搜词、服务端渲染 HTML、不误拦 AI 检索爬虫、定期更新日期；用爬虫日志、GA4 引荐、引用域名和加引号搜数字来跟踪效果。
资料：[1]
