آمار جعلی را منتشر کنید، در LLM استناد کنید

هنگامی که 50000 آماری که توسط ChatGPT ذکر شده بود، در مورد جستجوی هوش مصنوعی آموختم...

حدود 7 ماه پیش یک سایت با 50000 آمار راه اندازی کردم. هر کدام از آنها تقلبی بود.

گوگل وجود سایت را فراموش کرده و صفحات را از فهرست خارج کرده است، اما ChatGPT این کار را نکرده است. از زمانی که این وب سایت 7 ماه پیش راه اندازی شد، بیش از 10000 جلسه هوش مصنوعی را برای خود ارسال کرده است. و اکنون بیش از 330 دامنه ارجاع دهنده، از جمله Shopify، Bluehost، و DHL به سایت لینک داده اند. اعداد ساخته شده آن نیز به یک مقاله دانشگاهی و در تحقیقات سرمایه گذاری یک بانک ختم شده است.

در Peec AI و در صنعت، ما هر روز در مورد GEO و SEO صحبت می کنیم و همچنان به دنبال تاکتیک های جدید هستیم. من مدت زیادی است که روی این صفحه آمار کار می کنم و بخش هایی از آن را در طول مسیر به صورت عمومی به اشتراک می گذارم. البته، آزمایشی است، اما نادیده گرفتن نتایج دشوار است.

انگیزه ایجاد یک سایت با آمار ناشی از تحقیقات طولانی مدتی است که من در زمینه LLM، مهندسی مرتبط، و زمینه سازی انجام داده ام (اعتبار به تیم iPullRank، دن پتروویچ و ویل رینولدز).

در طول کارم، متوجه الگویی شدم: هر چه تیم‌های بیشتری محتوای حساس به زمان و شکستن را با LLM می‌نویسند، آن LLMها باید در طول تحقیقات خود به دنبال داده‌های (به ظاهر) قابل اعتماد باشند تا شکاف‌های دانش خود را پر کنند. آمار اغلب دقیقا همان چیزی است که آنها به دنبال آن هستند.

بیشتر توصیه‌های GEO بر یک لحظه تمرکز می‌کنند: وارد کردن نام تجاری خود به پاسخ هوش مصنوعی. این آزمایش به این می‌پردازد که بعد از پاسخ چه اتفاقی می‌افتد، وقتی افراد آن خروجی را می‌گیرند و از آن استفاده می‌کنند، آن را در ارائه‌ها قرار می‌دهند، آن را به لیست خرید اضافه می‌کنند، و بله، آن را در وب‌سایت خود منتشر می‌کنند.

من به تنهایی ایده این آزمایش را نداشتم. نکته کلاهی به Seer Interactive، که قبلا یک مطالعه چشم باز در آگوست 2025 منتشر کرده بود که در آن چند فکر در سرم به جریان افتاد. چندین ماه بعد، این افکار با هم جمع شدند و در نهایت به بالای لیست کارهای من رسیدند. در مارس 2026، کار بر روی ساخت سایتی را شروع کردم که به من اجازه می داد ایده هایم را آزمایش کنم.

زمینه سریع برای هر کسی که در زمان اجرای من این آزمایش را دنبال نمی کرد:

واکنش زمانی که برای اولین بار آن را به اشتراک گذاشتم وحشیانه بود. وقتی دوستم کوین آن را در یادداشت رشد به نمایش گذاشت، مخاطبان بسیار بیشتری را جذب کرد. من فکر می‌کنم مردم به این کار بسیار مشتاقانه واکنش نشان دادند، زیرا نتایج عالی نشان داد و در عین حال درباره ترسی که مردم در مورد آنچه در نتایج جستجوی هوش مصنوعی به پایان می‌رسد، صحبت می‌کردند.

وقتی سایت را راه اندازی کردم، ترافیک، نمایه سازی و تعامل در ابتدا واقعا خوب پیش می رفت. با استفاده از ابزارهای نمایه ساز، تقریبا کل سایت را در عرض یک هفته ایندکس کردم و در نتایج گوگل ظاهر شد.

سپس دو به‌روزرسانی Google بلافاصله پس از راه‌اندازی منتشر شد و نمایان بودن Google من از بین رفت.

الان چندین ماه است که در گوگل نامرئی هستم. صفحات ایندکس شده بین 5 تا 20 نمایش باز می گردند. در یک نقطه، من کنجکاو شدم و یک زیر دامنه ایجاد کردم تا ببینم آیا می توانم تأثیرات را افزایش دهم، اما واقعا کمکی نکرد.

غیر از این، من سایت را لمس نکردم. حتی ممکن است برخی از صفحات گاهی اوقات بارگیری نشوند. من نمی دانم.

اما وقتی نشستم این را بنویسم، پس از 7 ماه اطلاعات خزیدن را در Cloudflare بررسی کردم.

تنها در 30 روز گذشته، این سایت بیش از 600000 درخواست از ربات ها دریافت کرده است. حدود 72000 نفر از آنها از ChatGPT-User آمدند. این عاملی است که ChatGPT برای باز کردن یک صفحه در زمان واقعی هنگام پاسخ دادن به کسی استفاده می کند. بنابراین اینها خزیدن آموزشی نیستند. هر کدام ChatGPT هستند که یک صفحه آمار جعلی را برای پاسخ به یک سوال واقعی دریافت می کنند.

و وقتی می گویم "هرگز متوقف نشد"، منظورم ChatGPT واقعا هرگز متوقف نشد.

پس از 7 ماه، سایت اکنون بیش از 330 دامنه ارجاع دهنده دارد

به گزارش Ahrefs و Semrush، این سایت دارای لینک هایی از بیش از 330 سایت دیگر است. این شامل مارک های معروف مانند Shopify، DHL و Bluehost می شود. با عملکرد قوی گوگل، اعداد ممکن بود حتی بهتر هم باشند.

ممکن است گوگل سایت را فراموش کرده باشد، اما ChatGPT به وضوح فراموش نکرده است. این سایت با گذشت بیش از 7 ماه از راه‌اندازی همچنان در حال کسب استناد و بازدید است.

اگر پژوهش Tomek's ChatGPT Index را خوانده باشید، خوش شانس هستید، زیرا این یک مقدمه عالی برای نحوه کار جستجوی ChatGPT است. اگر این کار را نکرده‌اید، همین الان آن را به لیست خواندن خود اضافه کنید، زیرا به توضیح اینکه چرا وب‌سایت من برای مدت طولانی در ChatGPT/OpenAI Index زندگی می‌کند کمک می‌کند.

یک وب‌سایت کاملا ساخته‌شده که هنوز هم عملکرد خوبی دارد، تکان‌دهنده است. از ماه مارس، GA4 بیش از 10000 جلسه را تنها از ChatGPT نشان می‌دهد و Cloudflare نشان می‌دهد که سایت امتیاز بالایی برای بازیابی دارد.

من جلسات مستقیم را در بازدیدهای کلی لحاظ نکردم، زیرا بیشتر شبیه ترافیک ربات است. تئوری مرده اینترنت را به یاد بیاورید!

درست پس از اینکه در ژوئن 2026 به Peec پیوستم، داشبورد دید را نیز در ابزار خود راه‌اندازی کردم تا چند درخواست را ردیابی کنم. عملکرد برای آنها هنوز قوی است. در 7 اکتبر، stateglobe.com در رتبه دوم از نظر قابلیت مشاهده در این دستورات قرار گرفت و تنها پس از Statista نیروگاه داده قرار گرفت.

بازیابی مداوم اولین درس بزرگ است: رتبه بندی در گوگل و قابل بازیابی توسط یک LLM دو مشکل متفاوت هستند.

وقتی ChatGPT جستجو می‌کند، فقط 10 مورد برتر گوگل را کپی نمی‌کند. درخواست شما را در جستارهای فرعی خود بازنویسی می‌کند (به نام پرس‌وجوهای fanout)، نامزدها را از منابع جستجو و حافظه پنهان خود بیرون می‌کشد، آنها را مجددا رتبه‌بندی می‌کند و سپس تعدادی صفحه را باز می‌کند تا پاسخ را ثابت کند. یک صفحه می تواند در گوگل نامرئی باشد و همچنان در هر یک از آن مراحل LLM عملکرد خوبی داشته باشد.

StateGlobe مثال خوبی است. در حالی که گوگل آن را کنار گذاشت، ربات های بازیابی هوش مصنوعی مدام برمی گشتند.

برای GEO، این بدان معنی است که رتبه بندی گوگل تنها یک سیگنال است، نه کل تصویر. اگر فقط گوگل را ردیابی می کنید، کانالی را از دست می دهید که حتی زمانی که گوگل می گوید "نه" می تواند کار کند.

شما انتظار دارید که اگر یک سایت با ابزارهای بازیابی اطلاعات عملکرد خوبی داشته باشد، اطلاعات آن در طبیعت ظاهر می شود. و حق با شما خواهد بود.

StateGlobe به طور کامل بر اساس داده های جعلی ساخته شده است، با استفاده از ارزان ترین مدل موجود و درخواستی که چیزی بیش از فهرستی از کشورها و موضوعات به اضافه دو جمله نبود. با این حال، خروجی…

... مورد استفاده در تحقیقات سرمایه گذاری توسط بزرگترین گروه مالی قطر ...

... و به عنوان منبع در یک گزارش تحقیقاتی از یک جامعه تأثیرگذار کانادایی استفاده می شود.

توجه داشته باشید که اینها فقط نقل قول هایی هستند که به سایت StateGlobe پیوند داده شده اند. احتمالا بسیاری دیگر از داده ها بدون پیوند استفاده کردند.

مفهوم ناراحت کننده: شستشوی استنادی

در روز اول، یک شماره جعلی در StateGlobe هیچ اعتباری نداشت. این یک آمار تصادفی در یک دامنه کاملا جدید بود.

سپس یک مقاله دانشگاهی به آن استناد کرد. سپس یک بانک. اکنون فرد بعدی یا مدل بعدی که این عدد را پیدا می کند، آماری را با منبع می بیند. و آن منبع توسط نهادهای جدی ذکر شده است.

مطمئنا داده‌های جعلی درست نشدند، اما هر استنادی آن را قابل اعتمادتر نشان می‌داد.

این پتانسیل بدتر شدن را دارد: پس از این همه بازیابی و استناد، این صفحات به خزیدن وب و خزیدن وب به داده های آموزشی ختم می شوند (امیدوارم اینطور نباشد!). عددی که به‌عنوان حدس GPT-4.1 شروع شد، می‌تواند به چیزی تبدیل شود که مدل بعدی «می‌داند».

این نشان‌دهنده خطر بزرگ‌تری است که این آزمایش پیشنهاد می‌کند، و به همین دلیل است که من این را به عنوان تحقیق به اشتراک می‌گذارم، نه به عنوان کتاب بازی برای محتوای جعلی. تأیید منابع باید به بخشی ضروری از گردش کار نویسندگان و محققان تبدیل شود.

زمانی که در Peec شروع به کار کردم، تصمیم گرفتم نسخه ای از این تست را دوباره امتحان کنم. به‌عنوان تیم تحقیقاتی GEO، تا آن زمان درباره نتایج صحبت کردیم و به سرعت یک صفحه جدید ساده راه‌اندازی کردیم. این بار هیچ اعداد ساختگی وجود نداشت و ما همه آمار را بررسی کردیم و منبع آن را به درستی ذکر کردیم. می‌توانید آن را در اینجا مشاهده کنید: peec.ai/ai-search-geo-statistics.

تقریبا بلافاصله، سایت‌هایی که ما گمان می‌کنیم از هوش مصنوعی برای نوشتن محتوای خود استفاده می‌کنند، شروع به پیوند به ما کردند. برای دومین بار، با استفاده از سایت دوم، کسب لینک با انتشار محتوای آماری ثابت کرد که یک تاکتیک فرضی قوی در واقعیت کار می کند.

این دو آزمون نشان می دهد که LLM ها ترجیح زیادی برای جستجوی آمار در هنگام نوشتن مقاله دارند. مکانیسم ساده است:

وقتی یک LLM می نویسد، موضوع مناسب را بررسی می کند.

هنگامی که LLM به یک شکاف برخورد می کند، به دنبال عددی می گردد تا آن را پر کند.

دلایل این روند به همان اندازه روشن است.

تحقیق به معنای پرس و جوهایی است که آمار را درخواست می کنند

هنگامی که یک درخواست نیاز به تحقیق دارد، مدل آن را به جستارهای فرعی تقسیم می‌کند، اصلاح‌کننده‌هایی مانند «آمار»، «داده»، «گزارش» یا سال جاری (اگر در متن درخواستی نیز درخواست شود) اضافه می‌کند. اگر شخصی از مدل بخواهد تا یک پست وبلاگی درباره کار از راه دور بنویسد، مدل "آمار کار از راه دور 2026" را جستجو می کند. صفحاتی که برای مدل‌هایی که جستجو می‌کنند به‌جای آنچه انسان‌ها تایپ می‌کنند بهینه می‌شوند، بیشتر در نتایج LLM ظاهر می‌شوند.

یک عدد مانند شواهدی به نظر می رسد که می تواند شکاف های دانش را پر کند

هنگامی که از یک مدل خواسته می‌شود پیش‌نویس یک نوشته را پیش‌نویس کند، نقل قول به صفحه‌ای که می‌گوید «کار از راه دور در حال رشد است» قدرت کمی می‌افزاید و مبهم باقی می‌ماند. اگر در آن صفحه به جای آن نوشته شود: «X% از کارمندان حداقل یک بار در هفته از راه دور کار می‌کنند»، ناگهان چیزی خاص، قابل نقل قول و افزودنی به وجود می‌آید. وقتی یک مدل پاسخی را ارائه می دهد، یک عدد خاص مفیدترین چیزی است که می تواند پیدا کند. این اعداد مانند شواهد به نظر می رسند، اگرچه همانطور که این آزمایش ثابت می کند، گاهی اوقات اینطور نیست.

یک قطعه جستجو از محتوای نوشته شده توسط LLM بودجه کمی برای تأخیر و هزینه دارد. سیستم چند صفحه را واکشی می کند، قسمت های مربوطه را می کشد و شروع به نوشتن می کند. بررسی واقعیت در هیچ کجای فرآیند اتفاق نمی افتد.

تأیید یک آمار واحد به معنای یافتن منابع مستقل، مقایسه آنها و حل تعارض است. در میان میلیاردها درخواست میلیون‌ها کاربر، هزینه‌ها هم از نظر زمانی و هم پولی افزایش می‌یابد و تأیید را برای اهداف عملی بسیار کند و بسیار گران می‌کند.

برای دور زدن این موضوع، LLMها از رتبه‌بندی‌های مجدد استفاده می‌کنند که ارتباط را امتیاز می‌دهند، اما حقیقت را ندارند. این بدان معناست که اگر یک متن با پرس و جو مطابقت داشته باشد و معتبر به نظر برسد، استفاده می شود.

آمار یک تازگی داخلی دارد که مدل ها آن را دوست دارند

قبلا در مورد سوگیری اخیر ChatGPT در نحوه امتیازدهی به منابع نوشته ام. صفحات آمار شامل سال در عنوان، سرفصل ها و URL هستند. سه سیگنال داخلی به مدل نشان می دهد که آنچه در صفحه است تازه است.

دو آزمایشی که من انجام دادم نشان می‌دهد که صفحات آمار روشی بسیار قدرتمند برای دریافت محتوای شما توسط LLM است. در حالی که من مطلقا ارائه داده های جعلی را توصیه نمی کنم، می توانید از آموخته های آزمون کوچک ما برای ایجاد صفحات خود با داده های واقعی استفاده کنید. در اینجا چیزی است که برای ما در Peec کار می کرد و اگر دوباره یک صفحه آمار ایجاد می کردم چه کاری انجام می دادم.

هر جمله یک ادعا داشته باشید. هر آماری باید به تنهایی و خارج از زمینه معنا داشته باشد. بازیابی در صفحات کار نمی کند، بلکه در قسمت ها کار می کند. اگر عددی به پاراگراف بالای آن نیاز داشته باشد تا معنی داشته باشد، احتمالا کشیده نخواهد شد.

منبع و سال را در کنار هر عدد قرار دهید. "براساس [منبع] (2026)، X%..." این به مدل، ویرایشگر انسانی و اعتبار شما کمک می کند. این یک بخش کوچک از بهداشت اطلاعات است که برای محیط اطلاعاتی گسترده تر مفید است.

عناوین را با جستارهای fanout مطابقت دهید. سرفصل‌های صفحه شما باید با روش جستجوی LLM در اینترنت مطابقت داشته باشد: "آمار [موضوع]"، "اندازه بازار [موضوع]"، "پذیرش [موضوع] بر اساس کشور." به مدل‌های جستجوی اجرا شده فکر کنید، نه فقط به کلمات کلیدی که افراد تایپ می‌کنند.

تاریخ به روز رسانی را نشان دهید (و در واقع آن را به روز کنید). تازگی یک سیگنال واقعی است که مدل ها به آن توجه می کنند. یک صفحه آمار قدیمی به صفحه جدیدتر بازنده خواهد شد.

واکشی آمار را آسان کنید. به جای پنهان کردن داده ها در پشت جاوا اسکریپت، برگه ها یا تصاویر، از HTML ارائه شده توسط سرور استفاده کنید. همچنین، حتما robots.txt و قوانین CDN یا WAF خود را بررسی کنید. ممکن است سایت شما ربات های بازیابی هوش مصنوعی را بدون اینکه شما بدانید مسدود کند.

آن را ساده نگه دارید. صفحه آمار Peec AI GEO ما اساسا یک لیست است. مال شما هم لازم نیست چیزی بیشتر از این باشد. منابع طراحی را برای سایت ها و دارایی هایی که واقعا می توانند از آنها بهره مند شوند، ذخیره کنید.

در صورت امکان داده های اصلی را اضافه کنید. آمارهای انبوه ممکن است چند نقل قول برای شما به ارمغان بیاورد، اما وقتی چیزی را می گویید که هیچ کس دیگری انجام نمی دهد، می توانید منبع اصلی شوید.

کنسول جستجوی گوگل به شما نشان نمی دهد که با ربات های هوش مصنوعی در سایت شما چه می گذرد. این چیزی است که من به جای آن دنبال می کنم:

فعالیت ربات هوش مصنوعی در گزارش های سرور یا Cloudflare. به دنبال ربات‌های بازیابی مانند ChatGPT-User، OAI-SearchBot و PerplexityBot باشید، نه تنها خزنده‌ها را آموزش دهید. ما این ویژگی را داریم!

جلسات ارجاع هوش مصنوعی در GA4 از chatgpt.com، perplexity.ai و منابع مشابه.

ردیابی استناد و قابلیت مشاهده در مجموعه ای از اعلان ها. بدیهی است که در Peec از ابزار خودمان برای این کار استفاده می کنیم.

اشاره های بدون پیوند اعداد دقیق خود را در نقل قول جستجو کنید. افرادی را خواهید یافت که از داده های شما استفاده می کنند بدون اینکه به شما پیوند داده شوند.

ناگفته نماند که هرگز نباید محتوای جعلی منتشر کنید. در حالی که آزمایش من به ده ها هزار آمار تأیید نشده متکی بود، من آن را اجرا کردم تا نتایج را با عموم به اشتراک بگذارم، و وب سایت، در حالی که هنوز فعال است، اکنون یک سلب مسئولیت دارد. هنگام انتشار محتوایی که امیدواریم توسط LLM ها مورد توجه قرار گیرد، وظیفه ما همیشه باید ارائه اطلاعات دقیق و در دسترس باشد.

برای اضافه کردن یک هشدار دیگر، هیچ تضمینی وجود ندارد که این تاکتیک به کار خود ادامه دهد. ما آن را آزمایش کردیم و اینها نتایج هستند، اما اکنون که آنها منتشر شده اند، ممکن است LLM ها این شکاف را برطرف کنند. فعلا کار می کند، اما در آینده ممکن است چنین نباشد و البته هرگز نباید از آن سوء استفاده کرد.

و یک نکته آخر: این یک تاکتیک است و نه می تواند و نه نباید مبنایی برای کل استراتژی GEO سازمان شما باشد. نتایجی که من با StateGlobe به دست آوردم فوق العاده بود، اما برندهایی که احتمالا از استفاده از این تکنیک سود می برند، آن دسته از افراد هستند که قبلا به آنها اعتماد دارند.

در Peec، تیم تحقیقاتی ما نزدیک به 40 آزمایش مانند این را اجرا می کند. برخی هنوز در حال پیشرفت هستند و برخی دیگر در حال نشان دادن نتایج هستند. ساختن یک استراتژی بلندمدت برای برند شما به معنای آزمایش، اندازه گیری و به اشتراک گذاشتن چیزهایی است که در طول مسیر یاد می گیریم.