‏۵۰ هزار آمار جعلی که ChatGPT هنوز بهشون ارجاع می‌ده

متهان یسیلیورت، محقق GEO (یعنی بهینه‌سازی محتوا برای دیده شدن تو جواب‌های موتورهای جست‌وجوی AI) در Peec AI، تو این مقاله نتیجهٔ یه آزمایش عجیب رو تعریف می‌کنه. اون مارس ۲۰۲۶ دامنهٔ stateglobe.com رو خرید و با GPT-4.1 تو یه روز ۵۰ هزار صفحهٔ آماری دربارهٔ SEO، بازاریابی و تجارت الکترونیک برای ۲۰۰ کشور ساخت. همهٔ اعداد ساختگی بودن و هزینهٔ کل، با ۱۵ هزار لیستیکل بعدی، حدود ۵۰ دلار شد.

گوگل بعد از دو آپدیت، سایت رو عملاً ناپدید کرد و صفحه‌ها الان فقط ۵ تا ۲۰ impression دارن. ولی ChatGPT ولش نکرد. تو ۳۰ روز اخیر سایت بیش از ۶۰۰ هزار درخواست از بات‌ها گرفته که حدود ۷۲ هزارتاش از ChatGPT-User بوده، یعنی ایجنتی که ChatGPT موقع جواب دادن به یه سؤال واقعی صفحه رو باز می‌کنه، نه کرالر آموزشی. GA4 هم بیش از ۱۰ هزار session از ChatGPT نشون می‌ده و سایت الان بیش از ۳۳۰ دامنهٔ ارجاع‌دهنده داره، از جمله Shopify، DHL و Bluehost.

درس اول به گفتهٔ نویسنده اینه که «رتبه گرفتن تو گوگل» با «قابل بازیابی بودن برای LLM» فرق داره. ChatGPT پرامپت رو به چند زیرپرسش (fanout queries) می‌شکنه، از منابع و کش خودش کاندید می‌گیره، دوباره رتبه‌بندی می‌کنه و چند صفحه رو باز می‌کنه. یعنی صفحه‌ای که تو گوگل نیست، می‌تونه تو همهٔ این مراحل خوب عمل کنه.

نگران‌کننده‌ترین بخش چیزیه که نویسنده اسمش رو citation laundering گذاشته، یعنی اعتبار گرفتن یه عدد جعلی از طریق ارجاع‌های پشت سر هم. آمارهای StateGlobe تو یه مقالهٔ دانشگاهی، تحقیقات سرمایه‌گذاری بزرگ‌ترین گروه مالی قطر و یه نشریهٔ اقتصادی هندی اومدن. هر ارجاع، عدد ساختگی رو معتبرتر نشون می‌ده و ممکنه آخرش به دادهٔ آموزشی مدل‌های بعدی هم برسه.

دلیلش ساده‌ست: محتوای زیادی با LLM نوشته می‌شه، مدل موقع تحقیق دنبال عدد می‌گرده تا جای خالی رو پر کنه، و به خاطر محدودیت زمان و هزینه، درستیش رو چک نمی‌کنه. rerankerها ارتباط با پرسش رو امتیاز می‌دن، نه درستی رو. آمار هم سال رو تو عنوان و URL داره که سیگنال تازگیه.

تیم Peec همین ایده رو با یه صفحهٔ آمار واقعی و منبع‌دار تکرار کرد و بازم سریع لینک گرفت. توصیه‌های نویسنده: هر جمله یه ادعا، منبع و سال کنار هر عدد، تیترها مطابق پرسش‌های مدل‌ها، تاریخ به‌روزرسانی واقعی، HTML رندرشده سمت سرور و چک کردن robots.txt و قوانین WAF. خودش هم تأکید می‌کنه که این تحقیق بوده نه نسخه‌ای برای محتوای جعلی، و سایت الان یه disclaimer داره.

نکات کلیدی:

• سایت stateglobe.com با ۵۰ هزار آمار ساختگی و هزینهٔ حدود ۵۰ دلار ساخته شد.
• تو ۳۰ روز حدود ۷۲ هزار درخواست از ChatGPT-User و بیش از ۱۰ هزار session از ChatGPT در ۷ ماه.
• سایت بیش از ۳۳۰ دامنهٔ ارجاع‌دهنده داره، با اینکه تو گوگل تقریباً دیده نمی‌شه.
• LLMها موقع grounding آمار رو چک نمی‌کنن و rerankerها فقط ارتباط رو می‌سنجن، نه درستی.
• برای ردیابی، بات‌هایی مثل ChatGPT-User، OAI-SearchBot و PerplexityBot رو تو لاگ‌ها دنبال کنید.