AI 推薦引擎操縱實錄：21 萬頁機器排行灌進 Perplexity，老闆該怎麼看 AI 推薦名單
AI 推薦的軟體名單不能照單全收。Trellner 2026 年 9 月調查證實，Perplexity 軟體推薦近六成引自排名十萬名外的小站，三個站群灌了 21 萬頁機器內容。
這份報告編號 TR-2026-009，2026 年 9 月 2 日發布。報告網址使用 manufactured sources 一詞，內文未進一步定義這個詞，法律定性官方未公布。今天是 2026 年 9 月 3 日，以下所有數字都以報告原文為準；報告沒講的，我們不補。
AI 推薦的產品或服務名單可以相信嗎？
可以當線索，不能當結論。AI 助理回答「哪家最好」時，先上網抓幾篇網頁，再從抓到的內容整理成名單。名單品質完全取決於它抓到什麼，而 Trellner 的量測顯示，它抓到的東西有一大半來自沒什麼人造訪的網站。
先解釋一個詞。模型在回答前先檢索網頁、把檢索結果當事實依據，業界叫 grounding，中文可以理解成「事實接地」。接地用的網頁一旦被動手腳，答案就跟著歪，而且外表看起來一樣有憑有據。
報告的核心數字如下：Perplexity 兩個模型總共回傳 7,534 筆引用，其中 59.8% 指向 Tranco 排名十萬名以後的網域，23.4% 指向連前一百萬名都排不進的網域。Tranco 是學術界常用的網站流量排行榜，排到十萬名以外，基本上代表這個站沒什麼真人在看。
全部引用中，指向有排名網域的共 5,768 筆，這些引用的中位數排名是第 71,611 名；這是以引用筆數計的中位數，不是把網域去重後再算。對照組很殘酷：維基百科在 7,534 筆引用裡只出現 3 次。一個模型寧可引用排名十萬名外的小站，也不太引用維基百科，這件事本身就說明檢索層的口味被什麼東西帶著走。
Trellner 這份調查是怎麼做的，查到什麼？
方法很單純：2026 年 9 月 2 日，研究者把 380 個帶購買意圖的軟體類別，逐一丟給 perplexity/sonar 與 perplexity/sonar-pro 兩個模型，要求各回一份前五名清單並附官方網址，總共 760 次呼叫。類別在看到任何結果之前就定好，事後沒改過。
760 次呼叫全部回傳可解析的答案，產生 3,800 個推薦名額、1,807 個不同產品、7,534 筆引用、2,055 個不同網域。研究者接著把每個網域拿去比對 2026 年 9 月 1 日的 Tranco 名單與 Wayback Machine 網頁存檔，也逐一抓取模型提供的 1,502 個廠商官網。
有一個限制必須先講清楚：這份報告只量了 Perplexity。Google 被排除在外，因為透過 OpenRouter 接 Gemini 會走 OpenRouter 自己的搜尋外掛，量到的會是外掛而非 Google 的檢索。報告明說，這些結論不該被解讀成對任何其他引擎的指控。
十大被引用網域如下，資料出自報告：
| 網域 | 引用次數 | 占比 | Tranco 排名 | 網站性質 |
|---|---|---|---|---|
| g2.com | 291 | 3.86% | 4,027 | 軟體評測平台 |
| reddit.com | 261 | 3.46% | 105 | 社群討論 |
| guideflow.com | 194 | 2.57% | 177,039 | 賣互動產品 demo 的廠商部落格 |
| gartner.com | 158 | 2.10% | 1,766 | 研究機構 |
| zapier.com | 82 | 1.09% | 2,919 | 自動化工具廠商 |
| wifitalents.com | 71 | 0.94% | 105,281 | 疑似同一站群 |
| capterra.com | 68 | 0.90% | 6,387 | 軟體評測平台 |
| linkedin.com | 67 | 0.89% | 18 | 職業社群 |
| worldmetrics.org | 60 | 0.80% | 104,737 | 疑似同一站群 |
| gitnux.org | 50 | 0.66% | 42,759 | 疑似同一站群 |
前十名合計只占 17.3% 的引用，所以問題出在其餘八成多的長尾：2,055 個被引用網域裡有 751 個、也就是 36.5%，完全不在前一百萬名內。這些網域也明顯年輕。有排名的網域首次被 Wayback 存檔的中位年份是 2011 年，無排名的則是 2020 年；無排名網域裡有 16.6% 是 2025 年之後才首次被存檔，有排名的只有 1.6%。
那 215,128 頁「最佳軟體」排行是怎麼灌進 Perplexity 的？
靠規模與針對性。報告指出 wifitalents.com、worldmetrics.org、gitnux.org 三個站看起來是同一個操作：三者都在 2023 年 12 月到 2024 年 5 月之間透過 NameCheap 註冊，DNS 都指向同一組 Cloudflare 名稱伺服器，三個網域在 2023 年 12 月前都不存在。它們合計發布了 215,128 頁機器產出的「最佳某某類軟體」頁面。
最直白的證據在網頁標題。其中兩個站把首頁的 HTML title 直接寫成「Facts Grounding Page」，grounding 正是模型檢索時執行的那個步驟。這等於在門口掛牌子告訴模型：這裡是給你抓的。這三個站在調查裡合計拿到 181 筆引用，占總數 2.4%，出現在 380 個類別中的 41 個。
另一種路徑更值得台灣老闆注意，因為它完全合法。排名第三的 guideflow.com 賣的是互動式產品 demo，它既非評測站也非媒體，而且不在任何一個被問到的類別裡競爭。它的部落格卻在 380 個類別中的 96 個被引用，合計 194 次，排在 Gartner 前面。每一筆引用都是不同網址，一個類別對應一篇文章，其中六篇還是愛沙尼亞語版本。它的 sitemap 列了 3,351 個部落格網址，扣掉重複後有 2,176 篇文章。
報告對 guideflow 的評語很公道：這裡沒有任何欺騙，成千上萬的公司都在做內容行銷。癥結在模型抓什麼、不在誰造假：一家廠商針對自己根本不做的市場寫的清單文，變成了「該買哪個產品」這個問題的第三大證據來源。從 3D 算圖軟體、IVR 語音應答系統、RFID 軟體到建築師事務所管理軟體，都由它供稿。
怎麼分辨 AI 給的推薦名單有沒有被操縱過？
要求 AI 列出來源網址，然後逐一看網域年齡、網站性質與內容模式。操縱過的名單通常有三個共同特徵：來源網域很新、一個網站涵蓋幾百個互不相關的類別、以及每個類別剛好一頁模板化排行。下面這張表把可信來源與製造來源的訊號並排：
| 檢查項 | 可信來源的樣子 | 製造來源的樣子 | 怎麼查 |
|---|---|---|---|
| 網域年齡 | 首次存檔多在 2010 年代或更早 | 2023 年底以後才出現 | Wayback Machine 查首次存檔 |
| 涵蓋範圍 | 專注少數領域，有編輯署名 | 同站涵蓋數百個不相干類別 | 看網站分類與 sitemap 規模 |
| 內容型態 | 有實測、截圖、缺點 | 每類一頁、結構完全相同 | 隨機開三頁比對 |
| 發布者身分 | 評測平台、媒體、研究機構 | 賣別的產品的廠商部落格、來路不明的「統計站」 | 看關於我們與營業項目 |
| 流量排名 | Tranco 前幾萬名 | 十萬名外或無排名 | Tranco 名單查詢 |
| 跨引擎一致性 | 換引擎、換問法名單大致穩定 | 只在某一台引擎冒出來 | 同一問題問兩台以上 |
實際操作上，我們建議老闆做四件事。第一，凡是要花錢的決定，都要 AI 把引用網址列出來，Perplexity 這類會回報檢索網址的引擎才適合用來做採購研究。第二，看到不認識的網域，先開 Wayback Machine 查它幾歲。第三，同一個問題至少問兩台引擎、換兩種問法，名單如果大幅變動，代表它建立在很薄的證據上。第四，把 AI 名單裡的每個產品都拿去 G2、Capterra 這種真人評測平台交叉看一次。
這對台灣中小企業意味著什麼？
兩件事，一件關於買，一件關於賣。買的那一面：如果你用 ChatGPT 或 Perplexity 幫公司挑客戶管理系統、POS、ERP 或行銷工具，看到的前五名可能是灌出來的，把它當初篩名單可以，當採購決策不行。Trellner 只量了英文類別與 Perplexity，中文市場沒有對應數據，但我們的判斷是繁體中文的軟體評測內容本來就更稀薄，少數幾頁就能左右一整個類別的答案，風險只會更高，不會更低。
賣的那一面：這份報告等於公開證明，「怎麼被 AI 推薦到」已經是一個能被規模化操作的戰場，業界叫 GEO（生成引擎優化），意思是針對 AI 回答引擎而非傳統搜尋結果頁做的可見度經營。三個站群靠 21 萬頁拿到 2.4% 的引用，一家 demo 軟體廠商靠 2,176 篇部落格文章排到第三名，這兩條路現在都走得通。
我們的立場很清楚：灌頁面這條路不要走。理由有三。第一，報告已經把手法、網域、註冊時間全部攤開，這種曝光通常是檢索層開始清理的前奏，今天有效的東西明天可能歸零。第二，被 AI 引用之後，客戶點進去看到的是模板文，信任在那一刻就破了，成交不會發生。第三，台灣中小企業沒有本錢養 21 萬頁，跟站群比量是輸定的仗。
可執行的判斷只有一條：把你真正做過的案子、真正量過的數字、真正踩過的坑寫成能被單獨摘走的段落，讓 AI 抓到你的時候，抓到的是證據。報告反面也印證這件事：guideflow 能排第三，靠的是針對每一個類別都真的寫了一篇有結構的文章，報告也認定它沒有欺騙。
想被 AI 推薦到，該做 GEO 還是繼續做 SEO？
兩者是同一件事的兩個層次，GEO 建立在 SEO 基本盤之上，再加上跨引擎的可見度量測。量測這塊有一個開源專案可以參考：open-seo-mcp-skills 是一組 MIT 授權的開源 SEO 與 GEO 技能包，截至本文發稿在 GitHub 有 340 顆星。
它的作法是把 Google Search Console、GA4 與廣告帳戶的真實數據接進 Claude，其中一個叫 ai-visibility 的技能，直接從 GA4 的 AI 轉介報表看哪些 AI 引擎帶流量給你、哪些頁面被引用。它的說明文件講得直白：市面上多數「開源 SEO 工具」只是包了一層 DataForSEO 的介面，程式碼免費、資料從來不免費；這個專案改用你自己帳戶裡的真實排名與流量，取代抓取來的估計值。
對台灣中小企業的意義在於，被 AI 引用這件事終於可以用自己的數據量，用不著靠猜或靠賣工具的人講。我們自己在 AIRUN 的 AEO 服務 就是照這個邏輯做：先量哪些問句 AI 現在不推你，再補上能被引用的證據段落，再回頭量。量不到就別宣稱，這是底線。
所以，AI 推薦名單到底該怎麼用？
當成一個懂很多但容易被帶風向的實習生的意見。Trellner 這份報告證明了三件事：AI 推薦引擎會被規模化操縱、操縱者已經在場、而且引擎目前照單全收。AI 推薦仍然有用，前提是可信度由你自己驗證，驗證方法就是上面那張表。
對做生意的人來說，結論更硬：GEO 戰場是真的，但贏的方法只有把真材實料寫成 AI 抓得到的形式。灌水的人會先贏一陣，然後被清掉；寫證據的人慢，但留得下來。這篇文章本身也是這樣寫的。
常見問題
AI 推薦的軟體名單可以信嗎？
可以當初篩，不能當決策。2026 年 9 月 Trellner 對 Perplexity 的調查顯示，7,534 筆引用有 59.8% 來自 Tranco 排名十萬名外的網域，23.4% 來自連前一百萬名都排不進的網域。名單品質取決於引擎抓到什麼網頁，而它抓到的內容有一大半來自沒什麼真人造訪的站。凡是要花錢的決定，都該要求 AI 列出來源網址並逐一檢查。
什麼是 GEO 生成引擎優化？跟 SEO 差在哪？
GEO 是針對 ChatGPT、Perplexity 這類 AI 回答引擎經營可見度的做法，目標是讓 AI 在回答時引用你、推薦你。它建立在 SEO 基本盤之上，多出來的是跨引擎的引用量測與可被單獨摘取的證據段落。Trellner 報告證明這個戰場能被規模化操縱，因此 GEO 的正路是提供真實證據，而非灌模板頁面。
怎麼判斷一個來源網站是不是為了餵 AI 而做的？
看四個訊號：網域是否 2023 年底以後才出現、同一站是否涵蓋數百個不相干類別、每個類別是否剛好一頁且結構相同、發布者是否與該類別無關。Trellner 找到的三個站群全部符合，其中兩個甚至把首頁標題寫成 Facts Grounding Page。用 Wayback Machine 查首次存檔年份是最快的第一步。
Trellner 的調查也適用於 ChatGPT 或 Google 嗎？
不適用，報告只量了 Perplexity 的 sonar 與 sonar-pro 兩個模型。Google 被排除是因為透過 OpenRouter 接 Gemini 會走 OpenRouter 自己的搜尋外掛，量到的會是外掛而非 Google 的檢索。報告明確聲明結論不該被解讀成對其他引擎的指控。其他引擎是否有同樣問題，官方未公布，需要另行量測。
台灣中小企業想被 AI 推薦，該不該大量產內容？
不該用灌頁面的方式。三個站群靠 215,128 頁只拿到 2.4% 的引用，而且手法已被公開，隨時可能被清理。中小企業沒本錢跟站群比量，該做的是把真實案例、實測數字與踩過的坑寫成 AI 能單獨摘走的段落，並用自己的 GA4 AI 轉介數據量測成效，例如 open-seo-mcp-skills 這類開源工具。