AI 引用的数字，四成查无源头，一成压根没有源头

「44% 的销售人员在一次跟进后就放弃。」ChatGPT、Perplexity、Gemini、Claude 和谷歌 AI Overviews 五家都这么答。追到链条尽头，这个数字背后没有任何研究。

一、这是个什么概念

研究机构 Trakkr 在 2026 年 10 月做了次溯源实验：向五家主流 AI 提 200 个需要数字的问题，沿着它们给的引用链一层层往下追，最多追五层，共核了 1285 条统计数字。

结果分四档。四成数字能找到结论一致的原始研究；8% 找到了研究但数字或语境已被改掉；四成根本查不了——原始报告锁在付费墙后、页面消失、或者引用页里根本没有这个数；最后 11% 追到最后什么都没有。这最后一类就是「僵尸统计」：一个被无数页面转来转去、但从未有过研究支撑的数字。

AI 为什么会中招？因为它引用的页面里，只有约五分之一是原始研究，超过一半是公司博客。引用只能告诉你 AI 在哪里捡到数字，不能告诉你数字从哪来。还有个反直觉发现：五个 AI 给出同一个数字，不代表可靠——全部一致的那批数字里，能溯源的只占少数。

二、跟你有什么关系

如果你写方案、做汇报，AI 喂给你的数字可能正被你转述给老板。「赢新客比留老客贵 5 到 25 倍」这类话全场都会说，但它只能追到一篇没指明研究的旧文章。

如果你做营销，「94% 的第一印象来自设计」流传了 20 年，源头研究其实只有 15 名英国女性评判健康网站——样本小到撑不起任何普适结论。

如果你运营内容，注意 AI 更爱引用转载你文章的汇总页而不是原文，你发布的版本可能不是公众听到的版本。

三、怎么判断

1. 沿着引用链追到底。AI 给的引用页若是博客或统计汇总页，用页面里的链接继续往下追，直到原始研究，或者确认无源。
2. 核方法学，不只核数字。谁被调查、样本多大、哪一年做的——多数失真不在数字本身，而在调查对象、年份、地点这些语境被悄悄换掉了。
3. 不拿「几个 AI 都这么说」当验证。一致只说明大家读的是同一批二手页，反而是危险信号。

四、三个别信的说法

「AI 很少编数字，它都给了出处。」 这项研究支持前半句——八成以上的引用页确实含该数字。但出处页可能本身就是僵尸，有引用不等于有源头。

「老牌数字总归可靠。」 最古老的一条僵尸统计能追到 1942 年对某地方分会不到 40 人的调查。流传年头和可信度是两回事，越老的数字越可能早就变了味。

「查到原始研究就万事大吉。」 还要看语境有没有被换。最著名的例子：某研究说「约 95% 的生成式 AI 项目无回报」，传着传着变成了「95% 的试点失败」，数字没动，意思全变了。

五、一句话结论

AI 的引用格式再工整，也掩盖不了源头是空的——凡是打算写进你文稿的数字，自己追一遍链条。

信息来源

• 僵尸统计：AI 引用的数字从哪来（Trakkr Research）

功能与价格以官方公告为准。本文写于 2026 年 10 月 31 日。