虛構數據網站在 Google 消失卻持續被 ChatGPT 檢索

Peec AI 團隊成員於七個月前購買新域名 stateglobe.com，使用 GPT-4.1 在一日內生成五萬筆關於 SEO、行銷與網路技術的虛假統計數據頁面，總成本約五十美元。這些數據完全未經事實查核，僅作為實驗用途。

網站上線初期曾獲得 Google 索引與流量，但隨後因兩次 Google 演算法更新導致能見度崩塌，目前幾乎無法在 Google 搜尋結果中被找到。然而，根據 Cloudflare 日誌分析，過去三十天內該網站收到超過六十萬次機器人請求，其中約七萬二千次來自 ChatGPT-User 代理程式。

ChatGPT-User 是 ChatGPT 在回答問題時即時開啟網頁以獲取資訊的機制，這意味著這些流量並非訓練階段的爬蟲行為，而是模型為了回答真實使用者問題而主動檢索該網站的虛假數據頁面。

虛假統計數據進入學術論文與商業報告

儘管數據為虛構，該網站仍獲得超過三百三十個外部網域的反向連結，包括 Shopify、Bluehost 和 DHL 等知名品牌。根據 GA4 數據，自三月以來，僅來自 ChatGPT 的瀏覽次數就超過一萬次。

更關鍵的是，這些虛假數字被引用於一篇學術論文、卡塔爾最大金融集團的投資研究報告、印度的一份經濟出版物，以及加拿大一個網紅社群的研究報告中。作者指出，這僅是統計有明確回鏈的案例，實際未標註來源的使用情況可能更多。

這種現象被稱為「引用洗白」（Citation Laundering）：原本毫無權威性的隨機數字，因被學術或商業機構引用而顯得可信。後續的模型或使用者在檢索到這些數據時，會看到其已被嚴肅機構背書，從而誤信其真实性。

LLM 檢索機制與 Google SEO 邏輯差異

實驗顯示，Google 排名與 LLM 檢索是兩個獨立的問題。ChatGPT 在搜尋時並非直接複製 Google 的前十名結果，而是將使用者提示拆解為子查詢（Fanout Queries），從其搜尋來源與快取中拉取候選頁面，重新排序後開啟少數頁面以支撐答案。

LLM 在生成內容時，若遇到知識缺口，會優先尋找具體的統計數字作為證據。相較於模糊的描述，具體的百分比或數據更具「可引用性」與「權威感」。由於即時事實查核成本高且耗時，LLM 通常僅評估相關性而非真實性，導致虛假但格式正確的數據容易被採用。

此外，包含年份標題與更新日期的統計頁面符合模型對「新鮮度」的偏好。若網站結構簡單、使用伺服器端渲染 HTML 並正確標註來源與年份，更容易被檢索系統抓取。

真實數據實驗驗證策略有效性

為驗證策略而非鼓勵虛假內容，Peec AI 團隊隨後發布了一個包含真實統計數據的新頁面（peec.ai/ai-search-geo-statistics），所有數據均經過查核並標註來源。該頁面迅速獲得疑似使用 AI 生成內容的網站連結，再次證明發布結構化統計內容能有效吸引 LLM 引用與反向連結。

作者建議，若希望內容被 LLM 引用，應確保每個句子僅包含一個獨立可理解的論點，將來源與年份緊貼數據標註，並使標題符合模型常見的搜尋查詢模式（如「[主題] 統計數據」）。同時，需檢查伺服器日誌以監控 ChatGPT-User、OAI-SearchBot 等檢索機器人的活動，而非僅依賴 Google Search Console。

作者強調，此實驗結果不代表該策略將永久有效，隨著模型改進，虛假數據的漏洞可能被填補。此外，這不應成為企業 GEO（生成式引擎優化）策略的全部基礎，且發布虛假內容存在倫理風險，應始終以準確資訊為優先。