Trakkr 研究：追踪 1285 条 AI 引用统计的溯源路径

Trakkr Research 在 2026 年 10 月向 ChatGPT、Perplexity、Gemini、Claude 和 Google AI Overviews 提出 200 个需要给出数字的日常问题，并对助手引用的 1285 条统计逐条追踪，先看被引用页面，再追该页面引用的来源，最多追五层。结果显示，40% 的统计能追到结论一致的研究，8% 追到研究但数字、调查对象、地点或时间已变，40% 停在无法核实的来源上，11% 完全查不到出处，另有 1% 的页面打不开。 按助手看，ChatGPT 每条回答只引用 1.3 个统计数字，57% 标注来源；Perplexity 为 2.2 个、46%；Google AI Overviews 为 4.8 个、39%；Gemini 为 6.2 个、38%；Claude 为 6.8 个、38%。除 ChatGPT 外，其余四家落在彼此区间内，未作排名。研究还发现，AI 为一个数字引用的页面中只有 21% 是研究本身，超过一半是公司博客，加上新闻报道和统计汇总，多数引用落在专门收集数字的页面上。 溯源起点显著影响结果：从研究机构或政府页面出发，有 61% 至 62% 的概率到达说法一致的研究；从公司博客出发为 37%，从统计汇总出发为 35%。即便起点是研究机构，也有 38% 的情况未能溯源成功，常见原因是完整报告被表单挡住。成功溯源的统计中，17% 在传递途中发生变化，其中数字本身变动只占约四分之一，更多是测量对象、年份、来源、受访对象或地点等语境改变。 一致性并不等于可靠性。在五个助手都给出百分比的 71 个问题中，有 28 个得到四到五个不同数字，最高与最低的典型差距为 16 个百分点。被三个及以上助手重复引用的 29 个统计中，只有 11 个有出处；其中 44% 的销售人员跟进一次就放弃、90% 的社交媒体用户至少关注一个品牌、75% 的用户从不翻过搜索结果第一页等四条被全部五个助手引用，却都终止在没有引用任何研究的页面上。 Trakkr 给出的建议是：把 AI 统计当作线索而非出处，顺着引用再往前查一层，核实样本、时间和对象；发布方则应把方法与数字放在同一页面，并公开核心发现，避免报告藏在表单之后成为溯源死胡同。