2026 年 10 月 29 日，品牌可见度监测机构 Trakkr 公布了一份特别的 GEO 研究：它不数品牌被提到多少次，只追问 AI 答案里的每个百分比从哪来。样本是 200 个需要给出数字的日常问句，在 ChatGPT、Perplexity、Gemini、Claude 与 Google AI Overviews 五个入口各跑一遍；研究者从回答里随机抽取 1,285 条被引用的统计数据，沿引用链往回走最多五层。结论是：四成能追到一项说了同样话的研究，其余六成断在中间。

一、审计是怎么做的

只抽被当作事实陈述的数字

统计数据的定义被限定为被助手说成事实的占比、比率、均值、数量或成本，排除「建议存下收入的 20%」这类建议，也排除价格。各助手抽样量不同：ChatGPT 108 条、Perplexity 277 条、Gemini 300 条、Claude 300 条、AI Overviews 300 条，合计 1,285 条。合并后的比率按各助手引用数字的多少加权。

五层深度与两次判定

每条线索走法固定：先看被引页面有没有这个数字，再顺着页面自己给的来源往上走，直到研究原文或走不通为止。判定先由模型完成，再用更强的模型复判 300 条，最后人工随机抽查 150 条，两次判定不一致时加第三次。人工找回了模型漏掉的原始出处：只靠模型时溯源率是 23%，修正后才是 40%。

二、四成能溯源，六成断在半路

四种落点

40% 到达了说同一件事的研究；8% 到达了研究，但数字或语境在路上变了；40% 停在一个无法核验的来源——付费墙、已下线、或对那个数字保持沉默；11% 完全无处可去。最值得留意的是第二类：它不是编造，而是转述失真，追到源头反而更危险，因为看起来有出处。

这是可核验率，不是准确率

研究者反复强调这个区别：40% 说的是能找到原始出处，不代表研究本身可靠——样本可能过小、可能是预印本、可能有利益冲突、可能已过时。反过来，找不到原文的数字也未必是模型凭空生成，可能来自已下线网页或未数字化的报告。把这份审计读成「六成数字是假的」，本身就会变成一个新的僵尸数字。

各助手的差别

ChatGPT 的溯源率最高，57%，同时它引用的数字最少，平均每条回答 1.3 个；Claude 平均 6.8 个，溯源率 38%。其余三个落在 38% 到 46% 之间，报告认为差距太小，不宜排名。一个可用的推论是：数字密度与可核验性之间存在张力，答案里塞进越多数字，单个数字被核验的概率往往越低。

三、AI 引的是转载，不是研究

页面有数字，但不是研究

大多数情况下模型没有编数字：它引用的页面上确实有这个数字，比例是 82%。问题在于引的是哪一页。被引页面里只有 21% 是研究本身，超过一半是公司博客；把新闻与统计合集算进来，多数引用落在专门收集别人数字的页面上，而这些页面常常不给回链。引用告诉你 AI 在哪找到数字，不告诉你数字从哪来。

起点决定终点

线索的起点与终点高度相关：从研究机构或政府页面出发，61% 能走到对得上的研究；从公司博客出发是 37%，从统计合集出发是 35%。即便起点是研究机构，也有 38% 断掉，最常见的原因是完整报告锁在表单后面。这条对做内容的人很直接：把方法藏在留资表单后面，等于把可核验性交了出去。

四、数字在传递中变了样

改动多半发生在语境上

在成功追到研究的数字里，17% 已经和原文不一致。改动中数字本身只占 26%，更多是语境：测的是什么占 20%，年份 17%，来源 16%，问的是谁 14%，地点 4%。也就是说，多数错误不是小数点错了，而是把「某国一项调查」写成「行业普遍情况」，把十年前的数据写成现状。

五家一致，不等于五个来源

在 71 个五家都给出百分比的问题里，28 个出现了四到五个不同数字，最高与最低的典型差距是 16 个百分点。反过来，五家给出完全相同数字的 10 个问题里，追查了 5 个，只有 2 个能溯源；被三个以上助手重复引用的 29 条数字，有源的 11 条。另有 4 条被五家同时引用，背后找不到任何研究。一致感来自传播，不来自证据。

一个可以记住的例子

研究者给五家同一个问题：有多少销售在第一次跟进后就放弃？五家都回答 44%。往回追，AIO 引的是 2020 年一家销售公司的统计页；那一页的来源链接指向一篇自由撰稿人的样稿，样稿里列了两份幻灯片、一份博客清单和两篇新闻，没有一项是跟进行为的调查——没有问卷、没有样本、没有日期。这样的数字仍带着小数点继续传播，研究者把它叫僵尸数字。

五、这对企业意味着什么

被引用的那个数字，就是你的公开口径

企业最容易忽略的一点：AI 引用你的数字时，引的常常是别人转述你的那一页。如果产能、交付周期、合格率只写在宣传册或销售话术里，被引用的一定是二手版本，可能已经旧了三年。与其反复解释「那个数字不是我们的」，不如让原始口径有一个稳定、开放、可被反复引用的落点。

数据卡：把方法放在数字旁边

研究者给发布方的三条建议可以直接当模板：把样本、时间与来源链接放在数字同一页；把主要结论放在开放页面，不要锁在表单后；定期看 AI 引用的是哪一页在转述你的数字。落到企业官网，可以做成一张数据卡——一段可独立成立的事实陈述，后面紧跟口径说明：统计区间、样本范围、计算方式、更新日期、原始文件位置。这样的段落方便人读，也方便模型整段取用。

先审一遍行业里的常见数字

每个行业都有一批流传多年的百分比，通常有三个特征：没有年份、没有样本量、被大量稿子互相引用。企业把它们搬进官网和方案书，看似引用权威，实际是把风险接了过来。更稳妥的做法：能用自己数据算的，自己算并公布口径；必须引第三方的，写明机构与年份并给出链接；两者都做不到的，改用定性描述。

六、一份可执行的自查清单

发布侧

一是把官网上的关键数字逐个过一遍，看有没有口径说明，缺的补齐。二是把最常被问到的五到十个数字做成数据卡，放在稳定地址上。三是检查这些页面是否需要登录或留资才能看到完整方法，需要就改。四是给数字标注更新日期，过期的直接改或撤。

使用侧

一是把 AI 给的数字当线索而不是来源，顺着引用再点一层。二是核对样本量、时间与提问对象，多数失真发生在这三项。三是不要因为几个助手说法一致就放心，一致可能只是同一篇转述被反复抓取。四是方案书与对外材料引用外部数字时，保留机构名与年份。

监测侧

把监测字段从「品牌有没有被提到」扩一列到「提到时的数字对不对」。做法是固定一组包含自家关键数字的问句，每周跑一次，记录 AI 引用了哪个页面、数字是否与公布口径一致。这一列往往比提及率更能说明问题，因为错误的数字比缺席更难被发现。

七、把可核验性做成资产

这份审计的价值不在于给出一个吓人的比例，而在于把一句老话拆成可检验的动作：模型需要的是能被追溯的事实，而不是更多的形容词。四成能溯源、六成断在半路，说明整个互联网的数字供应链本来就松散；企业能做的，是让自己成为链条上那个有出生证明的节点。当你的数字带着样本、时间与口径出现在开放页面上，模型在交叉验证时才有东西可对。这件事不依赖算法更新，今天就能开始。

常见问题

AI 答案里的百分比能直接信吗？

不能直接当结论。Trakkr 2026 年 10 月 29 日的审计抽取 1,285 条被 AI 引用的统计数据，沿引用链最多追五层，只有 40% 追到说同一件事的研究，40% 停在校验不了的来源，11% 无处可去。数字可以当线索，顺着引用再点一层再判断。

五个 AI 给出同一个数字，是不是就说明它靠谱？

不一定。71 个五家都给出百分比的问题里，28 个出现了四到五个不同数字；反而在五家完全一致的 10 个问题里，追查的 5 个只有 2 个能溯源。另有 4 条被五家同时引用的数字，背后找不到任何研究。一致感来自传播，不来自证据。

为什么 AI 引用的是博客而不是研究报告？

被引页面里只有 21% 是研究本身，超过一半是公司博客；加上新闻与统计合集，多数引用落在专门收集别人数字的页面上。从研究机构或政府页面出发，61% 能走到对得上的研究；从公司博客出发只有 37%。

企业官网该怎么做才方便被正确引用？

把样本、时间、口径与来源链接放在数字同一页，主要结论放在不需要留资就能打开的页面上，并定期查 AI 引用的是哪一页在转述你的数字。研究者给发布方的就是这三条建议，落到官网可以做成一张数据卡。

这份审计能说明 GEO 没用吗？

不能。它衡量的只是数字的可核验率；Trakkr 自身销售品牌可见度监测服务，样本以英文问句为主，只覆盖五个入口的一个时间窗。40% 不代表其余六成都是假的——那样解读本身就会变成新的僵尸数字。