一天、50 美元做出假統計站
Peec AI 的 GEO 研究員 Metehan Yesilyurt 在 2026 年 10 月 7 日發文，公開一個刻意做的實驗：他買了新網域 stateglobe.com，用 GPT-4.1 在一天內產生 5 萬個統計頁，涵蓋 200 個國家的 SEO、內容行銷、社群、電商等主題。每個數字都是編的，他一個都沒檢查。
這花了約 30 美元；之後再加 1.5 萬篇清單文，多花約 20 美元，總成本大約 50 美元。作者強調這是研究、不是教學，網站現在也加上了免責聲明。
Google 埋掉，ChatGPT 照抓
網站上線後，Google 兩次更新讓它的能見度崩跌，頁面現在只有 5 至 20 次曝光。但 ChatGPT 沒停：
| 指標（作者自報） | 數字 |
|---|---|
| 7 個月來自 ChatGPT 的 GA4 工作階段 | 超過 10,000 次 |
| 近 30 天機器人請求（Cloudflare） | 超過 600,000 次 |
| 其中 ChatGPT-User 即時抓取 | 約 72,000 次 |
| 連到該站的網域（Ahrefs／Semrush） | 330 個以上 |
ChatGPT-User 是 ChatGPT 回答問題時即時開網頁用的 agent，所以這些不是訓練爬蟲，而是有人在問問題時，ChatGPT 去抓假統計頁來回答。作者的結論是：在 Google 排名好，和能被 LLM 檢索到，是兩回事。
假數字被「洗」成有來源
更麻煩的是後續：這些假數字被一篇學術論文引用、被卡達最大金融集團用在投資研究、被印度的經濟刊物與加拿大一個網紅社群的研究報告引用。連向它的網域也包含 Shopify、DHL、Bluehost 等知名品牌。
作者稱之為「引用洗白」（citation laundering）：第一天，這個數字毫無權威；被論文和銀行引用之後，下一個人或下一個模型看到時，它就變成「有出處、被大機構引用」的數字。數字沒有變真，只是看起來更可信。
作者也解釋 LLM 為什麼愛抓統計：寫文章時模型會把問題拆成「主題＋statistics＋年份」的子查詢；具體數字看起來像證據；而搜尋式回答在延遲與成本限制下不會查證數字，重排器只評估相關性，不評估真假。
查證 AI 數字的五個動作
這個實驗對一般讀者的提醒很直接：AI 給你的數字，可能來自一個沒人檢查過的網站。在簡報、文章或報告裡引用前，可以這樣做：
- 點開來源：要 AI 附上連結，並親自打開，確認頁面真的有寫這個數字。
- 追到原始出處：看那個頁面是自己做的調查，還是又引用別人；一路追到有方法說明的原始報告。
- 看是誰發布：陌生網域、上線時間很短、整站都是「XX 統計 2026」的頁面，要特別小心。
- 找第二個獨立來源：同一數字是否出現在政府、學術或知名研究機構的原始資料。
- 引號搜尋數字：把數字加上引號搜尋，看它最早出現在哪裡，以及是否只是互相轉貼。
如果你自己發布數據，作者建議每個數字旁邊都寫明來源與年份，讓讀者與模型都能回頭查。
