追了 1285 个 AI 引用的统计数字：只有约四成能追到说法一致的原始研究，五家 AI 助手都说的「44% 销售跟进一次就放弃」找不到出处

研究怎么做的

问 AI「有多少销售人员跟进一次就放弃」，ChatGPT、Perplexity、Gemini、Claude 和 Google AI 概览给出的都是 44%。AI 搜索监测公司 Trakkr 顺着 Google AI 概览给的引用往下点：一家销售公司 2020 年的统计页，它的「来源」链接指向一位自由撰稿人的样稿，样稿只列了两份幻灯片、一篇博客清单和两篇新闻，没有一项是关于跟进的研究。Trakkr 试遍了能找到的其他路径，都停在一个不引用任何研究的页面上。它把这类被反复转述却没有研究支撑的数字叫作「僵尸数据」。

10 月 28 日发布的这项研究把同样的方法放大：向五家 AI 助手各问 200 个需要给出数字的问题，从它们引用的统计数字中随机抽取 1,285 个（ChatGPT 108 个，Perplexity 277 个，Gemini、Claude、Google AI 概览各 300 个），沿被引页面及其来源最多追五层。每条链先由一个模型判定、再由更强的模型复判 300 条，最后人工随机复核 150 条并据此校正比例。

结果

• 40%（95% 区间 34%–46%）追到了说法一致的研究；
• 8% 追到了研究，但数字、调查对象、地点或年份已经变了；
• 40% 停在无法核对的来源：付费墙、页面已失效，或者原文里根本没有这个数；
• 11% 整条链上都没有研究，每个页面都在重复这个数、却不注明出处。

分助手看，ChatGPT 表现最好，引用的数字也最少，平均每个回答 1.3 个，Claude 为 6.8 个；其余四家落在 38%–46% 之间，差距在误差范围内，无法排名。为排除选题偏差，Trakkr 还从 Google AI 概览对 52,930 个真实日常搜索的回答中抽了 300 个统计数字，结果同样是 40% 有出处。

问题出在引用链，不在 AI 编造

AI 大多没有凭空编数字：首个被引页面 82% 的情况下确实写着这个数。但只有 21% 的首个被引页面是原始研究，54% 是企业博客，其余多是新闻和「统计汇总」类页面。起点决定了结局：从研究机构或政府页面出发，61%–62% 能追到一致的研究；从企业博客出发只有 37%，从统计汇总页出发 35%。追到研究的那些里，也有 17% 在转述中走了样，其中数字本身变动的约占四分之一，更多是语境被改，比如一项 2004 年 15 名女性评价健康网站的研究，被转成了「用户对所有网站的第一印象」。

Trakkr 的结论是：引用告诉你 AI 在哪里看到了这个数，不代表这个数从哪里来。需要注意的是，这是一家做 AI 搜索可见度生意的公司发布的研究，问题集由它设计，链条判定也以模型为主、人工抽查为辅；但方法和区间都写得清楚。对写报告、做选题的人，这意味着 AI 给出的数字至少要点到原始研究那一层再用。