2026 年 10 月 28 日，Trakkr Research 发布了一项名为《Zombie Stats》的研究。
研究者向 ChatGPT、Perplexity、Gemini、Claude 和 Google AI Overviews 提出 200 个必须给出数字的问题，共得到 1000 条回答、3167 项统计数字，再从中抽取 1285 条引用线索，逐层向上追溯，最深追到第五层。
结论并不乐观：只有 40% 的统计，能追到一项说法一致的原始研究；另有 40% 虽然提到了真实来源，但数字并不在其中，或者来源被锁、已经消失；11% 整条链上没有任何研究，全是页面之间互相复述；还有 8% 找得到源头，但数字、调查对象、地点或年份已被改过。
换句话说，当一位客户问 AI「这个行业到底怎么样」，它给出的答案里，六成的依据是断的。

一、问题不在模型，在模型读到的那一层

这项研究最有价值的部分，其实不是那六成，而是剩下四成的分布。
82% 的被引用页面，确实包含 AI 所说的那个数字。这说明模型很少凭空编造——它照抄了。但只有 21% 的被引页面是最初的原创研究，54% 是公司博客与营销内容。
按页面类型拆开看溯源成功率：研究机构 62%，政府与官方机构 61%，公司博客 37%，统计数字汇总 35%。
还有一个细节值得所有做内容的人记下来：即便线索从研究机构起步，仍有 38% 因为完整报告被锁在注册表单之后，而无法完成溯源。

二、被提到，和被追溯，是两件事

行业里讨论 GEO（生成式引擎优化），常常停留在「如何让品牌出现在 AI 的答案里」。这项研究提示了一个更靠前的问题：如果 AI 引用的那一层内容本身没有出处，被引用的次数越多，风险反而越大。
研究作者在文中写下的一句话，值得每个做品牌的人抄在本子上——
一条引用只告诉你 AI 在哪里找到了这个数字，不告诉你这个数字从哪里来。
他们还验证了另一件事：一致性不等于可靠性。五个平台都引用的 4 项统计，全部找不到原始研究；被三个以上平台共同引用的 29 项统计里，只有 11 项溯源成功。
所以 GEO 的命题，或许应该从「如何被 AI 提到」，往前挪一步，变成「如何被 AI 追溯」。

三、广拓时代的选择：做那层可被追溯的内容

广拓时代定位为白帽 AI 搜索优化的先行者。所谓「白帽」，在这项研究的语境里有一个非常具体的含义：不去制造更多可被复述的句子，而是让每一个可被复述的句子都有出处。
落到方法上，我们只做三件事。
让内容有一手来源。 行业数据、用户洞察、产品能力，尽可能来自可公开核查的一手材料，而不是从别人的汇总里转引。对客户而言，这意味着我们更愿意花时间做一次真实调研，而不是把一份行业报告改写十遍。
让表达可被抽取。 AI 引用的往往不是整篇文章，而是段落、结论、数字与方法。内容结构是否清晰、结论是否独立成句、数据是否附带口径，直接决定了它会不会被正确读取——以及被读取时，会不会失真。
让结果可被监测。 品牌在 AI 答案里被提到什么、被谁引用、引用的是哪一层内容，这些都应该被看见、被记录。优化不是一次性动作，而是一条需要持续校准的引用链。
我们相信，这三件事做扎实了，品牌在生成式引擎里的位置是自然长出来的；做不扎实，任何短期曝光都只是又一个僵尸数字。

四、AI 时代的品牌资产，是可被追溯的信用

AI 正在成为很多人接触一个陌生行业的第一入口。这个入口是否可信，最终不取决于模型有多强，而取决于它脚下的内容层有多扎实。
对品牌来说，这其实是一次重新排队的机会。过去二十年，位置由链接和关键词决定；接下来，位置将由「你的说法能不能被追溯」决定。能被追溯的内容会沉淀成资产，不能的，会在下一轮答案更新里被悄悄替换掉。
广拓时代愿意做那层地基——不喧哗，但经得起追问。