偽の統計データを公開し、LLMで引用される

偽の統計を公開し、引用される：私のデータがウェブ中に広まった戦術

AI検索について学んだこと：ChatGPTに引用された架空の統計データ50,000件

約7ヶ月前、私は50,000件の統計データを掲載したウェブサイトを立ち上げました。そのすべてが偽のデータでした。

Googleはこのサイトの存在を忘れ、ページをインデックスから削除しましたが、ChatGPTはそうではありませんでした。ウェブサイトが公開されてから7ヶ月、このサイトは10,000件以上のAIセッションを誘導しました。そして現在、Shopify、Bluehost、DHLを含む330以上の参照ドメインがこのサイトにリンクしています。その架空の数値は、学術論文や銀行の投資調査にも掲載されました。

Peec AIおよび業界では、毎日GEOとSEOについて話し合い、新しい戦術を探し続けています。私はこの統計ページに長い間取り組んでおり、その一部を随時公開してきました。もちろん、これは実験ですが、その結果は無視できないものでした。

なぜ偽の統計を公開するというアイデアに至ったのか

統計データを掲載したサイトを立ち上げるという発想は、LLM、関連エンジニアリング、およびグラウンディングに関する私の長年の研究（iPullRankチーム、Dan Petrovic、Wil Reynoldsに感謝）から生まれました。

作業を進める中で、私はあるパターンに気づきました。時間的制約のある速報性の高いコンテンツをLLMで作成するチームが増えるにつれて、それらのLLMは知識のギャップを埋めるために、（一見）信頼できるデータを検索する必要に迫られます。統計データは、まさに彼らが探しているものです。

ほとんどのGEOアドバイスは、ブランドをAIの回答に登場させるという一つの瞬間に焦点を当てています。この実験は、回答の後、人々がその出力を利用し、プレゼンテーションに組み込んだり、買い物リストに加えたり、そしてはい、ウェブサイトに公開したりしたときに何が起こるかを見ています。

この実験のアイデアを一人で思いついたわけではありません。Seer Interactiveに感謝します。彼らは2025年8月に示唆に富む研究を発表しており、それが私の頭の中でいくつかの考えを巡らせました。数ヶ月後、それらの考えがまとまり、ついに私のToDoリストの最上位に来ました。2026年3月、私はアイデアをテストできるサイトの構築に取り掛かりました。

セットアップ：1日で作成したウェブサイトと50,000件の架空統計

この実験をリアルタイムで追っていなかった方のために簡単な背景を説明します。

私はstateglobe.comという新しいドメインを取得し、GPT-4.1を使用して1日で50,000件の統計ページを生成しました。このサイトは、SEO、コンテンツマーケティング、ソーシャルメディア、eコマース、ウェブテクノロジーに関する、200カ国の統計データを提供すると謳っています。しかし、すべての数値は完全にでっち上げでした。私は一つとして確認していません。基本的なAIウェブデザインテンプレートでサイトにプッシュしました。費用は約30ドルでした。その後、統計データの上に15,000件のリスト記事を追加しました。これはさらに約20ドルかかったので、総額で約50ドルという非常に低価格の実験でした。

私が最初に共有したときの反応は驚くべきものでした。友人のKevinがGrowth Memoで取り上げたとき、より多くの読者に届きました。人々がこの作品に熱狂的に反応したのは、素晴らしい結果を示しつつ、AI検索結果に含まれるものに対する人々の懸念にも応えていたからだと思います。

何が起こったか

1. Googleはサイトをほぼ即座に埋もれさせた

サイトを立ち上げたとき、トラフィック、インデックス登録、エンゲージメントは当初非常に順調でした。インデクサーツールを使用し、1週間以内にほぼサイト全体をインデックス登録させ、Google検索結果に表示され始めました。

その後、ローンチ直後に2回のGoogleアップデートがあり、私のGoogleでの可視性は崩壊しました。

［画像: Google検索結果での可視性が激減したことを示すグラフ］［画像: Google検索結果でのインプレッション数がほぼゼロになったことを示すグラフ］

私は数ヶ月間、Googleでは見えなくなっています。インデックス登録されたページは5〜20インプレッションの間で変動します。ある時点で、好奇心からサブドメインを作成してインプレッションを増やせるか試しましたが、あまり効果はありませんでした。

それ以外は、サイトに触れていません。一部のページは時々ロードに失敗するかもしれません。私にもわかりません。

しかし、この記事を書くために座ったとき、7ヶ月後のCloudflareのクロールデータを確認しました。

［画像: Cloudflareのログで、ChatGPTからのリクエストが急増していることを示すグラフ］［画像: Cloudflareのログで、ChatGPT-Userエージェントからのリクエストが多数記録されていることを示すグラフ］

過去30日間だけで、サイトはボットから600,000件以上のリクエストを受けました。そのうち約72,000件はChatGPT-Userからでした。これはトレーニング用のクロールではなく、ChatGPTが誰かの質問に答えるためにリアルタイムでページを開く際に使用するエージェントです。つまり、これらはトレーニングクロールではありません。それぞれが、ChatGPTが実際の質問に答えるために偽の統計ページを取得したものです。

2. Googleとは異なり、ChatGPTはサイトからの情報取得を止めなかった

そして、「止めなかった」と言うとき、それはChatGPTが本当に止めなかったということです。

7ヶ月後、サイトには330以上の参照ドメインがある

AhrefsとSemrushによると、このサイトは330以上の他のサイトからのリンクを持っています。これには、Shopify、DHL、Bluehostなどの有名なブランドが含まれます。Googleでのパフォーマンスが強ければ、さらに良い数字になったかもしれません。

［画像: Ahrefsのデータで、参照ドメインが330を超えていることを示すスクリーンショット］［画像: Semrushのデータで、参照ドメインが多数存在することを示すスクリーンショット］

ChatGPTは今日までそれを引用し続けている

Googleはこのサイトを忘れたかもしれませんが、ChatGPTは明らかに忘れていません。サイトはローンチから7ヶ月以上経っても、引用とトラフィックを獲得し続けています。

TomekのChatGPT Index研究を読んだことがあるなら幸運です。なぜなら、それはChatGPT検索がどのように機能するかについての素晴らしい入門だからです。まだ読んでいないなら、今すぐあなたの読書リストに追加してください。なぜなら、それは私のウェブサイトがなぜこれほど長くChatGPT/OpenAI Indexに存在しているのかを説明するのに役立つからです。

完全に架空のウェブサイトが依然としてこれほど高いパフォーマンスを発揮しているのは衝撃的です。3月以降、GA4はChatGPT単独で10,000セッション以上を示しており、Cloudflareはサイトが取得において高い評価を得ていることを示しています。

［画像: GA4のデータで、ChatGPTからのセッションが10,000を超えていることを示すスクリーンショット］

ダイレクトセッションは全体的な訪問数に含めていません。なぜなら、それはほとんどボットトラフィックのように見えるからです。デッドインターネット理論を思い出してください！

私がPeecに入社した直後の2026年6月、いくつかのプロンプトのパフォーマンスを追跡するための可視性ダッシュボードもツールに設定しました。それらのパフォーマンスは依然として強力です。10月7日、stateglobe.comは、データ powerhouse のStatistaに次いで、これらのプロンプトに対する可視性で2位でした。

［画像: プロンプトに対する可視性ランキングで、stateglobe.comがStatistaに次いで2位であることを示すスクリーンショット］

取得はランキングではない

継続的な取得が最初の大きな教訓です。Googleでランキングされることと、LLMによって取得可能であることは、異なる問題です。

ChatGPTが検索するとき、Googleのトップ10をコピーするだけではありません。それはあなたのプロンプトを独自のサブクエリ（ファンアウトクエリと呼ばれる）に書き換え、検索ソースとそのキャッシュから候補を取得し、それらを再ランク付けし、そして回答をグラウンディングするために少数のページを開きます。Googleでは見えなくても、LLMのステップのすべてでうまく機能するページがあります。

StateGlobeはその良い例です。Googleはそれを無視しましたが、AI取得ボットは戻ってきました。

GEOにとって、これはGoogleのランキングが唯一のシグナルではなく、全体像ではないことを意味します。Googleだけを追跡している場合、Googleが「ノー」と言っているときでも機能するチャネルを見逃しています。

3. 架空のデータが実際の引用に変わった

情報取得ツールでうまく機能するサイトがあれば、その情報が現実世界に出現し始めると予想するでしょう。そして、それは正しいでしょう。

StateGlobeは、最も安価なモデルと、国とトピックのリストに2つの文を加えただけのプロンプトを使用して、完全に架空のデータに基づいて構築されました。それにもかかわらず、その出力は…

…学術論文で引用され…

［画像: 学術論文でstateglobe.comのデータが引用されていることを示すスクリーンショット］

…カタールの最大の金融グループによる投資調査で使用され…

［画像: 投資調査レポートでstateglobe.comのデータが引用されていることを示すスクリーンショット］

…インドのエコノミクス出版物で引用され…

［画像: エコノミクス出版物でstateglobe.comのデータが引用されていることを示すスクリーンショット］

…カナダのインフルエンサーコミュニティからの調査レポートで情報源として使用されました。

［画像: 調査レポートでstateglobe.comのデータが引用されていることを示すスクリーンショット］

これらはStateGlobeサイトへのリンクを伴う引用のみであることに注意してください。おそらく、リンクなしでデータを使用したものはさらに多いでしょう。

不快な示唆：引用の洗浄（Citation Laundering）

初日、StateGlobeの架空の数値には権威が全くありませんでした。それは新しいドメイン上のランダムな統計でした。

その後、学術論文がそれを引用しました。次に銀行が。今、この数値を見つけた次の人、または次のモデルは、情報源を持つ統計を目にします。そして、その情報源は真剣な機関によって引用されています。

架空のデータが真実になったわけではありませんが、引用されるたびに、それはより信頼できるように見えました。

これは悪化する可能性があります。多くの取得と引用の後、これらのページはウェブクロールに最終的に取り込まれ、ウェブクロールはトレーニングデータに入ります（そうなっていないことを願っています！）。GPT-4.1の推測から始まった数値が、次のモデルが「知っている」ものになる可能性があります。

これは、この実験が示唆するより大きなリスクを指摘しており、私がこれをプレイブックではなく、研究として共有している理由です。情報源の検証は、ライターや研究者のワークフローの不可欠な部分になるべきです。

4. 最後に、実際のデータで実験を実行してみました

Peecで働き始めてから、このテストのバージョンを再度実行することにしました。GEOリサーチチームとして、これまでの結果を検討し、すぐにシンプルな新しいページをローンチしました。今回は架空の数値はなく、すべての統計を確認し、情報源を適切に引用しました。こちらでご覧いただけます：peec.ai/ai-search-geo-statistics。

ほぼ即座に、AIでコンテンツを作成していると思われるサイトが私たちへのリンクを張り始めました。2度目のテストで、別のサイトを使用して、統計コンテンツを公開することによってリンクを獲得するという、仮説上の強力な戦術が現実で機能することを示しました。

［画像: peec.aiの統計ページへのリンクが、AIで作成されたコンテンツと思われるサイトから多数生成されていることを示すスクリーンショット］

学んだ教訓

なぜ統計の公開がLLMの引用につながるのか

2つのテストは、LLMが記事作成を依頼された際に統計データを検索することを強く好むことを示しています。メカニズムは単純です。

1. LLMで作成されるコンテンツが増加している。
2. LLMが作成する際、適切なトピックをリサーチする。
3. LLMがギャップに遭遇したとき、それを埋めるための数値を探す。

このプロセスの背後にある理由は同様に明確です。

リサーチは統計を求めるファンアウトクエリを生成する

プロンプトがリサーチを必要とする場合、モデルはそれをサブクエリに分割し、「statistics」「data」「report」、または現在の年（プロンプトテキストで要求されている場合）などの修飾子を追加します。誰かがリモートワークに関するブログ記事の作成をモデルに依頼した場合、モデルは「remote work statistics 2026」を検索します。人間が入力するキーワードだけでなく、モデルが検索する内容に合わせて最適化されたページが、LLMの結果に頻繁に表示されるようになります。

数値は知識のギャップを埋める証拠のように見える

モデルが文章のドラフト作成を依頼されたとき、「リモートワークが増加している」と述べるページへの言及は、権威性をほとんど加えず、曖昧なままです。もしそのページが代わりに「週に少なくとも一度リモートワークをする従業員はX%」と言うなら、具体的で引用可能で付加価値のあるものが突然現れます。モデルが回答をグラウンディングするとき、具体的な数値はそれが見つけられる最も有用なものです。これらの数値は証拠のように見えますが、この実験が証明するように、時にはそうではありません。

モデルは数値をチェックしない

検索でグラウンディングされたLLM作成コンテンツには、レイテンシとコストのタイトな予算があります。システムは少数のページを取得し、関連する箇所を抽出し、書き込みを開始します。ファクトチェックはプロセス全体を通してどこにも行われません。

単一の統計を検証するには、独立した情報源を見つけ、それらを比較し、競合を解決する必要があります。何百万ものユーザーによる数十億ものプロンプト全体で、時間と費用の両方のコストが積み重なり、検証が実用的には遅すぎ、高価すぎます。

これを回避するために、LLMは関連性をスコアリングするリランカーを使用しますが、真実性はスコアリングしません。つまり、パッセージがクエリに一致し、権威があるように見える場合、それは使用されます。

統計にはモデルが好む組み込みの鮮度がある

私は以前、ChatGPTの最近性バイアスについて、ソースのスコアリング方法について書きました。統計ページには、タイトル、見出し、URLに年が含まれています。モデルにとって、ページ上のものが新鮮であることを示す3つの組み込みシグナルです。

統計ページを正しく構築する方法

私が実行した2つのテストは、統計ページがLLMにコンテンツを引用してもらうための非常に強力な方法であることを示しています。もちろん、偽のデータをでっち上げることは絶対にお勧めしませんが、私たちの小さなテストから得られた教訓を使用して、実際のデータで独自のページを作成できます。以下は、Peecでうまくいったこと、そして私が統計ページを再度作成する場合にすることです。

• 1つの文につき1つの主張をする。 各統計は、文脈から切り離して、それ自体で意味をなす必要があります。取得はページ単位ではなく、パッセージ単位で行われます。数値が意味をなすために上の段落を必要とする場合、それはおそらく取得されません。

• 各数値の隣に情報源と年を記載する。 「[情報源]（2026）によると、X%…」これはモデル、人間のエディター、そしてあなたの信頼性に役立ちます。それは、より広い情報環境に利益をもたらす、小さな情報衛生の一部です。

• 見出しをファンアウトクエリに合わせる。 ページの見出しは、LLMがインターネットを検索する方法と一致する必要があります：「[トピック] statistics」、「[トピック] market size」、「[トピック] adoption by country」。人間が入力するキーワードだけでなく、モデルが実行するクエリで考えます。

• 更新日を表示する（そして実際に更新する）。 鮮度は、モデルが考慮する実際のシグナルです。古い統計ページは、新しいページに負けます。

• 統計を取得しやすくする。 JavaScript、タブ、または画像の背後にデータを隠すのではなく、サーバーレンダリングされたHTMLを使用します。また、robots.txtとCDNまたはWAFルールを確認してください。サイトが意図せずにAI取得ボットをブロックしている可能性があります。

• シンプルに保つ。 私たちのPeec AI GEO統計ページは基本的にリストです。あなたのものもそれ以上である必要はありません。デザインリソースは、実際にメリットのあるサイトやアセットのために保存してください。

• 可能な場合は独自のデータを追加する。 集計された統計はいくつかの引用を得るかもしれませんが、誰も言っていないことを言うと、あなたは主要な情報源になることができます。

ページが取り上げられているかどうかを追跡する方法

Google Search Consoleは、サイト上のAIボットで何が起こっているかを示しません。代わりに、私は以下を追跡します。

• サーバーログまたはCloudflareのAIボットアクティビティ。トレーニングクローラーだけでなく、ChatGPT-User、OAI-SearchBot、PerplexityBotなどの取得ボットを探します。私たちはこの機能を持っています！

• GA4のchatgpt.com、perplexity.aiなどからのAI参照セッション。

• 一連のプロンプトにわたる引用と可視性の追跡。Peecでは、もちろん独自のツールを使用しています。

• AhrefsまたはSemrushの新しい参照ドメイン。

• リンクなしの言及。引用符で囲んで、あなたの数値を検索します。人々があなたにリンクせずにあなたのデータを使用しているのを見つけるでしょう。

倫理に関する一言

言うまでもなく、偽のコンテンツを公開すべきではありません。私の実験は何万もの未検証の統計に依存していましたが、私はそれを公開するために実行しました。ウェブサイトはまだライブですが、現在は免責事項を掲載しています。LLMに取得されることを期待するコンテンツを公開する場合、私たちの仕事は常に正確でアクセスしやすい情報を提供することであるべきです。

さらに注意点として、この戦術が今後も機能し続ける保証はありません。私たちはそれをテストし、これらが結果ですが、それが公開された今、LLMはこのギャップを閉じるかもしれません。今のところ機能しますが、将来的には機能しない可能性があり、もちろん悪用されるべきではありません。

そして最後の1点：これは戦術であり、あなたの組織のGEO戦略全体を支える基盤にはなり得ませんし、なるべきでもありません。StateGlobeで得られた結果は極端でしたが、このテクニックを使用することから最も恩恵を受ける可能性のあるブランドは、人々がすでに信頼しているブランドです。

PeecのGEOリサーチからの次のステップ

Peecでは、私たちのリサーチチームは、これのような約40の実験を実行しています。いくつかはまだ進行中であり、いくつかはすでに結果を示しています。ブランドの長期戦略を構築するには、テストし、測定し、学んだことを共有することが必要です。

近日中にさらに！