Publiceren van statistieken, geciteerd worden: De tactiek die mijn data overal op het web bracht

Wat ik leerde over AI-zoekopdrachten toen ik 50.000 statistieken bedacht die werden geciteerd door ChatGPT...

Ongeveer zeven maanden geleden lanceerde ik een website met 50.000 statistieken. Elke statistiek was nep.

Google is inmiddels vergeten dat de site bestaat en heeft de pagina's gedeindexeerd, maar ChatGPT niet. Sinds de website zeven maanden geleden live ging, heeft deze meer dan 10.000 AI-sessies aangetrokken. Daarnaast linken inmiddels meer dan 330 verwijzende domeinen, waaronder Shopify, Bluehost en DHL, naar de site. De verzonnen cijfers zijn zelfs terechtgekomen in een wetenschappelijk artikel en in het investeringsonderzoek van een bank.

Bij Peec AI en in de sector spreken we dagelijks over GEO (Generative Engine Optimization) en SEO, en we zoeken voortdurend naar nieuwe tactieken. Ik werk al lange tijd aan deze statistiekenpagina en heb delen hiervan publiekelijk gedeeld. Hoewel het experimenteel is, zijn de resultaten moeilijk te negeren.

Waar het idee voor het publiceren van nepstatistieken vandaan kwam

De impuls om een site te vullen met statistieken kwam voort uit langdurig onderzoek naar LLM's (Large Language Models), relevance engineering en grounding (met credits aan het iPullRank-team, Dan Petrovic en Wil Reynolds).

Tijdens mijn werk merkte ik een patroon op: naarmate meer teams tijdgevoelige en actuele content schrijven met LLM's, moeten deze LLM's tijdens hun onderzoek zoeken naar (schijnbaar) betrouwbare data om gaten in hun kennis op te vullen. Statistieken zijn vaak precies waar ze naar op zoek zijn.

De meeste GEO-adviezen richten zich op één moment: zorgen dat je merk in het AI-antwoord terechtkomt. Dit experiment kijkt naar wat er gebeurt na het antwoord, wanneer mensen die output overnemen en gebruiken in presentaties, toevoegen aan een boodschappenlijst of publiceren op hun eigen website.

Ik bedacht dit experiment niet alleen. Een eervolle vermelding gaat naar Seer Interactive, die in augustus 2025 een oogopenende studie publiceerde die mijn gedachten in beweging zette. Enkele maanden later kwamen deze ideeën samen en in maart 2026 begon ik met het bouwen van de site om deze ideeën te testen.

De opzet: een website en 50.000 verzonnen statistieken in één dag

Ter context voor wie het experiment niet in real-time heeft gevolgd:

Ik kocht een gloednieuw domein, stateglobe.com, en genereerde in één dag 50.000 statistiekpagina's met GPT-4.1. De site beweert statistieken te bieden over SEO, contentmarketing, sociale media, e-commerce en webtechnologie uit 200 landen. Alleen was elk getal volledig verzonnen. Ik heb er geen enkele gecontroleerd. Ik plaatste ze op de site met een eenvoudig AI-webdesign-sjabloon. Dit kostte me ongeveer $30. Later voegde ik nog 15.000 listicles toe aan de statistieken. Dat kostte ongeveer $20 extra. In totaal kostte dit experiment dus slechts zo'n $50.

De reactie toen ik dit voor het eerst deelde was enorm. Toen mijn vriend Kevin het opnam in Growth Memo, bereikte het een veel groter publiek. Ik denk dat mensen zo enthousiast reageerden omdat het grote resultaten liet zien, terwijl het tegelijkertijd inspeelde op de angst over wat er precies in AI-zoekresultaten terechtkomt.

Wat er gebeurde

Google begroef de site bijna onmiddellijk

Bij de lancering verliepen het verkeer, de indexering en de interactie aanvankelijk erg goed. Met behulp van indexeringstools kreeg ik bijna de hele site binnen een week geïndexeerd en verscheen deze in de Google-resultaten.

Kort na de lancering kwamen er echter twee Google-updates uit, waardoor mijn zichtbaarheid op Google volledig instortte. Ik ben nu al vele maanden onzichtbaar op Google. Geïndexeerde pagina's schommelen tussen de 5 en 20 impressies. Op een gegeven moment maakte ik een subdomein aan om te zien of ik de impressies kon verhogen, maar dat hielp niet echt.

Verder heb ik de site niet aangeraakt. Sommige pagina's laden nu waarschijnlijk zelfs af en toe niet meer.

Toen ik echter begon aan dit artikel, controleerde ik na zeven maanden de crawl-data in Cloudflare. In de afgelopen 30 dagen alleen al kreeg de site meer dan 600.000 verzoeken van bots. Ongeveer 72.000 daarvan kwamen van ChatGPT-User. Dit is de agent die ChatGPT gebruikt om in real-time een pagina te openen terwijl het iemand een antwoord geeft. Dit zijn dus geen trainings-crawls, maar momenten waarop ChatGPT een nepstatistiekpagina ophaalt om een echte vraag te beantwoorden.

ChatGPT stopte nooit met het ophalen van data

In tegenstelling tot Google is ChatGPT nooit gestopt met het putten uit de site. Na zeven maanden heeft de site inmiddels meer dan 330 verwijzende domeinen. Volgens Ahrefs en Semrush linkt de site naar bekende merken als Shopify, DHL en Bluehost. Met sterke Google-prestaties waren de cijfers waarschijnlijk nog beter geweest.

ChatGPT citeert de site nog steeds

Google is de site misschien vergeten, maar ChatGPT duidelijk niet. De site verdient nog steeds citaties en verkeer. Als je het onderzoek van Tomek over de ChatGPT Index hebt gelezen, begrijp je waarschijnlijk waarom mijn website zo lang in de ChatGPT/OpenAI Index is gebleven.

Dat een volledig verzonnen website zo goed blijft presteren is schokkend. Sinds maart laat GA4 meer dan 10.000 sessies zien die enkel afkomstig zijn van ChatGPT, en Cloudflare laat zien dat de site hoge scores haalt voor retrieval (het ophalen van informatie). (Ik heb directe sessies niet meegerekend in het totaalbezoek, omdat dit voornamelijk op bot-verkeer lijkt. Denk aan de dead internet theory!)

Kort nadat ik in juni 2026 bij Peec in dienst trad, stelde ik een zichtbaarheidsdashboard in onze tool in om een paar prompts te volgen. De prestaties blijven sterk. Op 7 oktober stond stateglobe.com op de tweede plaats voor zichtbaarheid op deze prompts, vlak achter de datagigant Statista.

Retrieval is niet hetzelfde als ranking

De constante retrieval is de eerste belangrijke les: ranken op Google en ophaalbaar (retrievable) zijn voor een LLM zijn twee verschillende problemen.

Wanneer ChatGPT zoekt, kopieert het niet simpelweg de top 10 van Google. Het herschrijft je prompt naar eigen sub-queries (genaamd fanout queries), haalt kandidaten op uit zijn zoekbronnen en eigen cache, rangschikt deze opnieuw en opent vervolgens een handvol pagina's om het antwoord te onderbouwen (grounding). Een pagina kan onzichtbaar zijn op Google en toch goed presteren in elke stap van dit LLM-proces.

StateGlobe is hier een goed voorbeeld van. Terwijl Google de site liet vallen, bleven de AI-retrievalbots terugkomen. Voor GEO betekent dit dat Google-rankings slechts één signaal zijn, niet het hele plaatje. Als je alleen Google trackt, mis je een kanaal dat kan werken, zelfs wanneer Google "nee" zegt.

Nepdata werden echte citaties

Je zou verwachten dat als een site goed presteert bij informatie-retrievaltools, de informatie ook in de praktijk zou verschijnen. En dat is precies wat gebeurde.

StateGlobe was volledig gebouwd op nepdata, met het goedkoopste beschikbare model en een prompt die niet meer was dan een lijst met landen en onderwerpen plus twee zinnen. Desondanks werd de output:

• geciteerd in een wetenschappelijk artikel;
• gebruikt in investeringsonderzoek door de grootste financiële groep van Qatar;
• geciteerd door een economische publicatie in India;
• en gebruikt als bron in een onderzoeksrapport van een Canadese influencer-community.

Let op dat dit alleen de citaties zijn die teruglinkten naar de StateGlobe-site. Vermoedelijk zijn veel meer mensen de data gaan gebruiken zonder een link toe te voegen.

De ongemakkelijke implicatie: citation laundering

Op dag één had een verzonnen getal op StateGlobe nul autoriteit. Het was een willekeurige statistiek op een gloednieuw domein.

Daarna citeerde een wetenschappelijk artikel het. Daarna een bank. De volgende persoon, of het volgende model dat dit getal vindt, ziet nu een statistiek met een bron. En die bron wordt geciteerd door serieuze instellingen. De nepdata werden er niet waar door, maar elke citatie zorgde ervoor dat het betrouwbaarder leek.

Dit heeft het potentieel om te verslechteren: na veel retrieval en citaties komen deze pagina's in web-crawls terecht, en web-crawls belanden in trainingsdata. Een getal dat begon als een gok van GPT-4.1 kan zo iets worden dat het volgende model "weet".

Dit wijst op het grotere risico van dit experiment, en dat is waarom ik dit deel als onderzoek en niet als een handleiding voor nepcontent. Het verifiëren van bronnen moet een essentieel onderdeel worden van de workflow van schrijvers en onderzoekers.

Experiment met echte data

Toen ik bij Peec begon, besloot ik een nieuwe versie van deze test uit te voeren. Samen met het GEO Research-team lanceerden we een eenvoudige nieuwe pagina. Deze keer waren er geen verzonnen cijfers; we controleerden elke statistiek en citeerden de bron correct. (Te bekijken op: peec.ai/ai-search-geo-statistics).

Bijna onmiddellijk begonnen sites die naar ons vermoeden AI gebruiken om hun content te schrijven, naar ons te linken. Voor de tweede keer bewees het publiceren van statistische content dat deze tactiek in de praktijk werkt.

Geleerde lessen

Waarom het publiceren van statistieken leidt tot LLM-citaties

De twee tests laten zien dat LLM's een sterke voorkeur hebben voor het zoeken naar statistieken wanneer ze gevraagd wordt artikelen te schrijven. Het mechanisme is simpel:

1. Steeds meer content wordt geschreven met LLM's.
2. Wanneer een LLM schrijft, doet het onderzoek naar het betreffende onderwerp.
3. Wanneer de LLM een gat in de informatie vindt, zoekt het naar een getal om dat gat op te vullen.

De redenen achter dit proces:

Onderzoek betekent fanout-queries die vragen naar statistieken Wanneer een prompt onderzoek vereist, splitst het model dit op in sub-queries en voegt modifiers toe zoals "statistieken", "data", "rapport" of het huidige jaar. Als iemand vraagt om een blogpost over werken op afstand, zoekt het model naar "remote work statistics 2026". Pagina's die optimaliseren voor wat modellen zoeken, in plaats van wat mensen typen, verschijnen vaker in AI-resultaten.

Een getal oogt als bewijs om kennisgaten te vullen Een citatie van een pagina die zegt "Werken op afstand groeit" voegt weinig autoriteit toe en blijft vaag. Als die pagina echter zegt "X% van de werknemers werkt minstens één keer per week op afstand", is er plotseling iets specifieks, citeerbaars en additief. Wanneer een model een antwoord onderbouwt, is een specifiek getal het meest nuttige dat het kan vinden. Deze getallen ogen als bewijs, hoewel dit experiment bewijst dat dit soms niet zo is.

Het model controleert het getal niet Een door AI geschreven tekst op basis van zoekopdrachten heeft een strikt budget voor latentie en kosten. Het systeem haalt een paar pagina's op, trekt de relevante passages eruit en begint te schrijven. Fact-checking vindt nergens in dit proces plaats.

Het verifiëren van één enkele statistiek zou betekenen dat er onafhankelijke bronnen gezocht moeten worden, vergeleken worden en conflicten opgelost moeten worden. Over miljarden prompts en miljoenen gebruikers zouden de kosten in tijd en geld te hoog zijn, waardoor verificatie te traag en te duur wordt voor praktische doeleinden.

Om dit te omzeilen gebruiken LLM's rerankers die scoren op relevantie, maar niet op waarheid. Dat betekent dat als een passage overeenkomt met de query en gezaghebbend oogt, deze wordt gebruikt.

Statistieken hebben een ingebouwde actualiteit waar modellen van houden Statistiekpagina's bevatten vaak het jaartal in de titel, de koppen en de URL. Dit zijn drie ingebouwde signalen aan het model dat de informatie op de pagina actueel is.

Hoe bouw je een statistiekenpagina op de juiste manier?

Hoewel ik het absoluut afraad om verzonnen data te gebruiken, kun je de lessen uit dit experiment gebruiken om pagina's te maken met echte data. Dit is wat werkte voor ons bij Peec:

• Maak één claim per zin. Elke statistiek moet op zichzelf staan, los van de context. Retrieval werkt op passages, niet op volledige pagina's. Als een getal de bovenstaande paragraaf nodig heeft om begrepen te worden, zal het waarschijnlijk niet worden opgepikt.
• Zet de bron en het jaartal naast elk getal. Bijvoorbeeld: "Volgens [Bron] (2026) werkt X%...". Dit helpt het model, de menselijke redacteur en je eigen geloofwaardigheid.
• Sluit koppen aan op fanout-queries. De koppen op je pagina moeten overeenkomen met de manier waarop LLM's zoeken: "[Onderwerp] statistieken", "[Onderwerp] marktomvang", "[Onderwerp] adoptie per land".
• Toon de datum van update (en update deze ook echt). Actualiteit is een echt signaal dat modellen meenemen. Een verouderde statistiekenpagina verliest het van een nieuwere.
• Maak de statistieken makkelijk opvraagbaar. Gebruik server-rendered HTML in plaats van data te verbergen achter JavaScript, tabs of afbeeldingen. Controleer ook je robots.txt en CDN/WAF-regels; je site kan AI-retrievalbots onbedoeld blokkeren.
• Houd het simpel. Onze statistiekenpagina bij Peec AI is in feite een lijst. Jouw pagina hoeft niet meer te zijn dan dat.
• Voeg originele data toe waar mogelijk. Geaggregeerde statistieken kunnen je een paar citaties opleveren, maar wanneer je iets zegt dat niemand anders zegt, kun je de primaire bron worden.

Hoe track je of je pagina wordt opgepikt?

Google Search Console laat niet zien wat er gebeurt met AI-bots op je site. Gebruik in plaats daarvan:

1. AI-botactiviteit in serverlogs of Cloudflare. Zoek naar retrieval-bots zoals ChatGPT-User, OAI-SearchBot en PerplexityBot, niet alleen naar training-crawlers.
2. AI-referral sessies in GA4 van chatgpt.com, perplexity.ai en soortgelijke bronnen.
3. Citaties en zichtbaarheid tracking over een set prompts.
4. Nieuwe verwijzende domeinen in Ahrefs of Semrush.
5. Niet-gelinkte vermeldingen. Zoek je exacte getallen tussen aanhalingstekens om te zien wie je data gebruikt zonder te linken.

Een woord over ethiek

Het spreekt voor zich dat je nooit nepcontent moet publiceren. Hoewel mijn experiment leunde op tienduizenden ongeverifieerde statistieken, deed ik dit om de resultaten publiekelijk te delen. De website is nog steeds live, maar bevat nu een disclaimer. Wanneer we content publiceren die we hopen dat door LLM's wordt opgepikt, moet ons doel altijd zijn om accurate, toegankelijke informatie te verspreiden.

Daarnaast is er geen garantie dat deze tactiek zal blijven werken. Nu deze resultaten gepubliceerd zijn, kunnen LLM's dit gat dichten. Voor nu werkt het, maar in de toekomst kan dat veranderen, en het zou nooit misbruikt moeten worden.

Tot slot: dit is een tactiek en kan (en moet) niet de basis vormen voor de gehele GEO-strategie van een organisatie. De resultaten met StateGlobe waren extreem, maar de merken die het meeste voordeel halen uit deze techniek zijn de merken die mensen al vertrouwen.