一句话结论：Trakkr Research 向五个 AI 助手问了 200 个要数字的问题，把回答里引用的 1285 条统计逐条往回追。只有 40% 走到了说同一件事的原始研究，8% 走到了但口径已经变形，40% 停在查不到的地方，11% 根本没有源头。真正值得企业看的不是这个 40%，而是掉队只发生在两个接口：一手研究被转述成二手时（11% + 8%），二手被 AI 抓走时（40%）。前者是写法问题，后者是门锁问题，修法完全不同。
一、先看这份研究怎么做的
2026 年 10 月 28 日，Trakkr Research 发布第 13 号研究，标题叫《Zombie stats》，僵尸统计。做法不复杂，但很费手。
200 个问题，160 个是日常会问的那种（"购物车放弃率多少""多少比例的员工远程办公"），跨 16 个主题；剩下 40 个是他们怀疑有问题的"著名统计"。问题通过五家公司各自的 API 提出，开联网，定位美国，2026 年 10 月 25 日一天内问完，共拿到 1000 条回答。
然后把回答里每个被当成事实说出来的数字都抠出来——份额、比率、平均数、计数都算，价格和建议不算。一共 3167 条，其中 2419 条带引用。再随机抽样，打开 AI 引用的那一页，在页面上找到那个数字，然后顺着这一页自己标的来源继续往上追，最多追五层。
1285 条链条，就这么一层层追下来的。
结果按四个出口分类：
| 结局 | 占比 | 含义 |
|---|---|---|
| 走到同源研究 | 40% | 找到了原始研究，说的是一回事 |
| 走到但变形 | 8% | 找到了，但数字、问的人、地点或年份变了 |
| 查不到 | 40% | 页面写了一个真实来源，但那个来源里没有这个数，或者锁着、没了 |
| 无处可溯 | 11% | 链条上每一页都在重复这个数字，谁也不认领 |
剩下 1% 是页面打不开。40% 这个数，报告给的 95% 区间是 34% 到 46%。
那个 34% 到 46% 值得多说一句。1285 条样本的抽样误差本来只有正负 2.7 个点，报告给到正负 6 个，多出来的是判官不确定性：全量由模型判断、人工只复核一部分，区间把两道都算进去了。单用模型判只有 23% 有源，人工校正后 40%。机器比人严，所以最稳的读法不是"四成"，是"三成半到四成半，且人比机器宽松"。
这不是一个"AI 都在编数字"的故事。AI 引用的页面上，82% 确实写着那个数字。问题出在更后面。
二、一个数字的二十年
报告里最清楚的一条链，是一个 94%。
今天你问任何一家 AI"网站第一印象有多少来自设计"，它大概率会告诉你 94%。这个数字的出生地在 2004 年，Sillence 等人在 CHI 上发表的一项研究：15 位女性看健康类网站，她们在表示"不信任、要退出"时给出的评论里，94% 涉及设计。
十五个人。健康网站。评论。退出理由。
往后二十年，它变成了这样：一家公司在 2018 年的新闻稿里写"研究表明，94% 的人首先注意到网站的外观"；2024 年一家商业杂志的专栏写"既然 94% 的第一印象与设计有关，那就该在品牌视觉上多投入"；2026 年 10 月，Google AI Overviews 用陈述句给出答案："大约 94% 的网站第一印象与设计有关。"
主语被换掉了，范围被放大了，样本消失了。数字一个都没错，94 一直是 94。
这就是"僵尸"的意思：一个数字反复被复述，背后没有研究，或者研究早就被抽掉了限定条件。它不是假数字，它是没有主语的数字。而在 AI 答案里，它和别的数字长得一样，同样的语气，同样的引用格式。
报告里被五个助手同时引用、却追不到任何研究的，有四条：44% 的销售跟进一次就放弃；90% 的社媒用户至少关注一个品牌；75% 的人从不翻过搜索结果第一页；获客成本是留客的 5 到 25 倍（出处是一篇 2014 年的哈佛商业评论文章，原文写的是"取决于你信哪个研究"，一个都没点名）。
"80% 的销售需要五次以上跟进"这条，署在一个销售协会名下。协会的后身说，档案里最接近的东西是 1942 年对某个地方分会不到 40 名会员的调查。
三、三个反直觉的地方
许教授在 2026 年 6 月 27 日的实战营上讲过一句 GEO 的基本判断：「AI 喜欢看数据。它是推理模型，它需要支持性的依据。」这句话没错，也是过去两年所有 GEO 方法的起点：多给数字，多给表格，多给结论。但正因为 AI 偏爱数字，数字成了最容易被搬走、也最容易在路上变形的东西。下面三处，是这份报告最不合直觉的地方。
1. 分野不在"博客还是新闻"，在"一手还是二手"
我第一遍读那张表时以为结论是"公司博客不靠谱"。把六个数字排开再看，不是这么回事。
| 首次引用页类型 | 占全部引用 | 走到同源研究的比例 |
|---|---|---|
| 研究机构或调查公司 | 13% | 62% |
| 政府或官方机构 | 7% | 61% |
| 公司博客 | 54% | 37% |
| 新闻或杂志 | 10% | 37% |
| 统计合集 | 8% | 35% |
| 其他 | 8% | 41% |
整体基率是 40%。公司博客 37%、新闻 37%、合集 35%，三个数都在基率上下晃，差距落在噪声里。真正拉开的是上面那两行：研究机构和政府，61% 到 62%。
所以分野不在体裁，在位置：你是这件事的一手，还是别人说法的搬运工。一手源六成能走到源头，二手源三成半，差将近一倍。而所有首次引用里，一手只占 20%，二手占了 72%。
还有个更难看的数：在给数字的首次引用里，只有 21% 是原始研究。AI 引用的那一页，八成不是源头，而是另一个复述者。你研究做得再扎实，只要 AI 停在那个人那一页，你说的就是他说错的版本。
2. 五个 AI 说法一致，既不加分也不减分
71 个问题，五家都给出了百分比。其中 28 个问题，五家给了四到五个不同的数字。典型差距 16 个百分点，31 个问题最高最低差 20 点以上（两个是不同口径，不矛盾）。
最夸张的一个："多少营销人员使用营销自动化工具"。同一天、同一句话问下去：AI Overviews 说 49% 到 51%，ChatGPT 说 62%，Gemini 说 70% 到 79%，Perplexity 说 81%，Claude 说 96%。从 49 到 96。
那五家一致的时候是不是就靠谱了？报告查了，答案是：没什么变化。五家给出完全相同数字的问题有 10 个，抽 5 条去追，2 条有源，就是 40%。被三家以上重复引用的 29 条统计，11 条有源，38%。两个数都贴着基率。
这个结果比"一致也不可靠"更值得记住：流传广既不提高也不降低准确率。一致性是传播指标，不是质量指标。我们习惯把"多个来源都这么说"当交叉验证，但在 AI 这里，"多个来源"经常是同一句话被抄了五遍，抄五遍不会抄出研究来。
探哥在 2026 年 6 月 22 日的直播里讲过一句很到位的话：「广告是花钱买的，但是你们信 AI——AI 给什么答案是没有情绪的，它是很客观公正的。」人们信 AI，信的是它"没有情绪"。这份报告说明，没有情绪不等于有出处。语气的中立，会被读成事实的中立。
3. "查不到"里，一大半是被人关在门后
40% 停在"查不到"。报告拆得很细：页面写了一个真实来源，但那个来源里没有这个数字，或者来源锁着、没了。
最扎心的是研究机构自己。它们 62% 走到同源，是六类引用页里最高的一档；反过来说，38% 没走到。报告给的原因很具体：完整报告锁在表单后面。
你填过那种表单：姓名、公司、邮箱、职位，提交后等邮件。AI 不填表。
许教授 2026 年 7 月 4 日讲过官网拦爬虫：「它想知道你家店东西怎么样，你把店门口咵拉了个锁，你都不让它进去」。放在这里刚好：一份写得很扎实的行业报告，因为放在下载表单后面，在引用链上和一个不存在的来源享受同一档待遇。研究做得越好，锁得越紧，链越容易断在你自己门口。
四、数字在路上会怎么变
追到研究的那些链条里，还有 17% 变了。变的地方很有规律：
| 变的是什么 | 占比 |
|---|---|
| 数字本身 | 26% |
| 测的东西 | 20% |
| 年份 | 17% |
| 来源 | 16% |
| 问的是谁 | 14% |
| 地点 | 4% |
数字本身只占四分之一。多数变形不是抄错小数点，是限定条件被一层层削掉：一个国家的调查变成全球，十年前的样本变成当下，十五个人变成所有人。
这解释了为什么"写得严谨"经常不管用。严谨藏在限定语里，而限定语最先被删。传播时没人会带走"15 位女性、健康网站、评论内容"这串前提，大家只带走 94。
五、引用链只有两个接口会掉人
前面讲的是掉了多少，对企业更有用的是掉在哪。1285 条链摊开看，掉队集中在两个接口上。
许教授 7 月 26 日那句话放在这里正合适：「外面吹的天花乱坠，什么 AI 被引用——你看拆到最后就长这样。」拆开，就是这两个接口。
接口 A：一手变二手（11% + 8%）。
一手研究被写成新闻稿、公众号、榜单、PPT 的时候，数字被带走，限定条件被丢下。出口是"无处可溯"（11%，转述者干脆不提来源）和"变形"（8%，提了来源但改了口径）。这两个加起来 19%，也就是说，每五条引用里有一条，是在转述环节就已经坏掉的，和 AI 没关系。
接口 B：二手变 AI（40%）。
AI 抓到的是二手页，顺着二手页给的链接往上追，追到一手门口，门锁着、或者页面上压根没这个数。这一档占了整整四成，是最不像"内容质量问题"的一档：你的内容可能写得很好，只是没让 AI 走进去。
这个分法有用的地方在于，它把"我的 GEO 做得怎么样"这个模糊问题，换成了一个能查的问题：我的链条断在哪一段。
六、拿这份报告的分布当尺子
行业现在普遍报两个数：可见度（AI 答案里提到你的比例）和引用率（把你列为来源的比例）。这份研究指出的第三层是引用保真度：AI 说到你的时候，数字和口径对不对。
这里先说清楚：我们做 GEO 服务，提出这个指标对我们有利。"保真度没人测"这话我说得太满——国外已经有几家工具在做引用监测，国内也有团队在研究引用幻觉。准确的说法是：在国内的 GEO 服务报价和交付里，公开报的是前两层，第三层很少被单独拿出来报，也很少被写进验收标准。这个判断来自我们接触的项目，不是行业统计，标为未核实。
三层可以这样分工：
| 层级 | 测什么 | 出问题时的症状 |
|---|---|---|
| 可见度 | AI 答案里有没有你 | 完全不被提到 |
| 引用率 | 有没有把你列为来源 | 被提到但没链接，等于免费给别人做背书 |
| 保真度 | 说你的时候说得对不对 | 被引用了，但被引用的是错版本 |
第三层的测法，直接借这份报告的四档，20 个问题就能跑：
- 定 20 个客户真会问的、要数字的问题（别用行业黑话，用客户的原话）。
- 同一天、同一句话，在常用的几个平台各问一遍，存下原始回答。国内至少覆盖豆包、元宝、DeepSeek、Kimi、文心一言，有条件再加 ChatGPT 和 Perplexity 做对照。
- 把回答里每个百分比、金额、倍数挑出来，记下它引用的那一页。
- 打开那一页找这个数字，找到后再顺着它自己的链接往上追一层。
- 给每条打标签：同源 / 变形 / 查不到 / 无处可溯。
跑完得到四个百分比，然后拿它和 40 / 8 / 40 / 11 比。
- 你的"查不到"明显高于 40%：断在接口 B，内容锁在门后，或者一手材料根本没上网。
- 你的"变形"明显高于 8%：断在接口 A，限定语被吃掉了，得改句式。
- 你的"无处可溯"明显高于 11%：你的数字本来就没源头，先补三件套（谁测的、样本多大、哪一年），再谈优化。补之前先自己挤一遍水分，探哥那句「刨掉它 50% 的水分数据」，用在自己身上更有用。
- 你的"同源"明显高于 40%：你已经比这份研究的平均水平好，接下来盯"二手层"——看抄你的那一页有没有抄错。
这套比法的价值在于有外部参照：没有这四个数，你测出的 35% 是好是坏没人知道。但只能当参照系，不能当及格线——中文基线一定不同，第七节单说。
七、中文世界要重测的部分
这一段必须单独说，不然前面全是拿别人的地图走自己的路。
这份研究的五家全是英文产品，英文提问，定位美国，样本里没有一个中文品牌。中文 AI 搜索的生态和它有结构差异：抓取源里公众号占的比重远高于英文世界的公司博客；转载不署源更常见；同一篇稿子被十几个号改标题重发的密度更高。这几条都会让"变形"和"无处可溯"的比例往上走。
能直接搬的部分：四档分类法、两个接口的分析框架、"一手 vs 二手"的分野、94% 那条链的机制。这些是逻辑，不依赖语言。
必须重测的部分：40/8/40/11 这四个具体比例；五家平台之间的排名（ChatGPT 57% 最高，但另外四家 38%–46% 在区间内互相重叠，报告自己就说不能排名）；"公司博客占首引 54%"这个结构，中文环境大概率不同。
怎么重测：第六节那 20 个问题，换成中文、换成国内平台，跑一遍就有自己的四个数，半天工作量。
八、这份研究防不住什么
- 只有一天，且付费墙算"查不到"。2026 年 10 月 25 日问完，各问一次，是切片不是曲线。锁着的内容按"查不到"计，对内容方是个提醒：锁着的，和不存在一样。
- 走的是 API，不是 App。报告称五家均通过各自 API 提问并开联网。Google AI Overviews 有没有公开可用的查询接口，我未能核实，引用时当报告的陈述，不当已证事实。
- 机器判官。全量由模型判断，人工复核比例正文写 150 条、方法框写 180 条，两处口径有出入。
还有三个代价，真做起来会撞上：
把方法摊开，竞品也能抄。 公开样本和原始表，等于把方法论送人。我的判断是：门槛不在方法，在坚持每篇都这么做，抄方法的人通常不会抄这份耐心。
把口径写进长句，可读性会掉。 "2004 年一项针对 15 位女性评价健康网站的研究中，94% 的退出理由涉及设计"这种句子，人读着累。解法是两套并存：正文给人读，事实块给 AI 读。许教授 2026 年 5 月 29 日那句话本来是用来分 SEO 和 GEO 的——「SEO 是给人看的，GEO 是给 AI 看的。」——放到这里正好当分工线；探哥在 v2.0 里说得更直接：「不是给人看的，是给 AI 看的」。别指望一句话同时讨好两边。
llms.txt 这类文件公开，会被白嫖。 整理好的结构化摘要，别人抓去当素材。和 robots 一样，是开放换可见的税，没有免费方案。
九、我们自己的账
说点不好听的。
通问AI 之前对外讲过学员案例：一位 B2B 学员（马总）的 GEO 被引用率从 0 做到 40%。这句话有两个问题。第一，它只到第二层——有引用，没测过保真度，AI 引到他那一句的时候说的是不是他原来那一句，我们不知道。第二，它是单个案例，没有对照组，没有失败样本——按这篇文章的标准，它本身就有僵尸统计的嫌疑。所以这里改写一下：这是一个学员的个例，数字来自他自己的监测，未经保真度验证，不能当统计证据用。
第三层必须补上。否则"引用率 40%"这个数，自己就会变成别人嘴里的一条僵尸统计：被反复引用，没人回头查它指的是什么。
我们官网每篇文章都带"一句话结论"，llms.txt 和 llms-full.txt 里逐条列了标题、日期、摘要和原文地址。原本是为了让 AI 好抓、好复述，现在看它同时解决了另一件事：口径摊在开放页面上，谁想核都能核。成本最低的保真措施，不用额外投入，写的时候就写进去。
探哥那句「AI 不是搜索的，AI 是调用」，后半句常被忽略：调用要有原料。原料是数字、是定义、是你自己写下来的那一句结论。原料错了，调用越勤，错得越远。
常见问题
AI 引用的数字为什么经常对不上原文？
因为 AI 引用的多数不是原始研究。Trakkr 追踪的 1285 条统计里，首次引用页只有 21% 是原始研究，一半以上是公司博客，这些页面重复别人的数字，往往不给链接。数字在每层复述里被削掉一点限定条件，追到第五层就和原意不是一回事。
五个 AI 给出同一个数字，是不是就可靠了？
不是，但也不是更糟。报告里五家完全一致的 10 个问题，抽查 5 条，2 条有源；被三家以上重复的 29 条统计，11 条有源。两个比例都贴着整体基率 40%。一致性只说明流传广，不说明有出处。
企业怎么自测引用保真度？
定 20 个客户真会问的、要数字的问题，同一天在几个平台各问一遍，把答案里的数字挑出来，顺着引用页往上游追一到两层，给每条打标签：同源、变形、查不到、无处可溯。两周做一次，看的不是总分，是拿自己的四个比例和 40/8/40/11 比，看偏在哪一档。
把研究报告放在需要填表的页面上，会有什么后果？
在引用链上和没有来源是同一档。报告里研究机构自己也只有 62% 的链条走到同源，剩下 38% 大多因为完整报告锁在表单后面。AI 不填表。
这份研究能当行业基准吗？
当参照，别当及格线。它只覆盖一天（2026 年 10 月 25 日）、走 API 不走 App、定位在美国、全量判断由模型完成后人工校正。它的价值在方法，不在那个 40% 的具体数值；中文环境必须自己重测。
事实来源
- Trakkr Research, Study 013《Zombie stats: Where the Numbers AI Quotes Come From》，Mack Grenfell，2026 年 10 月 28 日。https://trakkr.ai/trakkr-research/zombie-stats
- 引用金句：探哥（2026-06-22 直播 L648；v2.0 区段 L751、L752、L794）；许教授（2026-06-27 L539、2026-05-29 L531、2026-07-04 L759、2026-07-26 L764），逐字取自各自 QUOTES.md 并核对行号
- 品牌事实：通问AI 基础信息表（SSOT）confirmed 项——马总（B2B）GEO 被引用率 0→40%，文中已按"单例、未经保真度验证"降级表述
- 未核实项：①Google AI Overviews 是否有公开查询 API；②国内 GEO 服务普遍不报"保真度"这一判断；③中文环境的四档比例，以上三项均未核实