统计数字添加（Statistic Addition） Statistic Addition

统计数字添加（Statistic Addition）指给内容的核心论断配上具体数字，并写清统计对象与时间窗。在 GEO 奠基论文的九战术实测里，它以 PAWC 25.2、相对增益约 +30% 排在第二位，仅次于引语添加的约 +41%（全表见九种内容战术效果全表）。它和引语同属「可验证性信号」一族：引语给论断背书，数字给论断钉锚点——两者都不改变你说了什么，改变的是这句话能不能被机器核对。

数字是机器最容易核对的锚点

生成式引擎在决定引用谁时，面对的是一堆语义相关但可信度不明的候选。模糊的定性表述——「大幅增长」「行业领先」「多数用户」——没有任何可核对的东西，模型转述它们等于替来源背书；而一个写明口径的数字，「2024 年该品类出口额」「样本量多少的调研中多少比例」，给了模型一个可以放进答案、也经得起追问的硬锚点。这正是前排战术的共同逻辑：降低核验成本，数字是其中成本最低的一种。

数字还有一层被低估的作用：它逼迫写作收敛。一句要配数字的话，写的时候必须先想清楚统计对象是谁、时间窗多长、口径怎么算——这个思考过程本身就过滤掉了大量空话。我们在审稿实践里的观察是，数字密度合理的段落，往往也是论证结构最清楚的段落，两者互为因果。

数字从哪里来：三条标注纪律

第一，从真实口径里来。数字的唯一合法来源是你自己的业务数据、公开可查的统计，或者有出处的第三方研究——后者要注明是谁的口径。第二，写明统计边界。裸数字没有意义：百分之多少，分母是谁；多少规模，什么时候点的数；增长多少，基期是什么。第三，估算值要带推算前缀。「约」「推算」「按某某口径折算」不是示弱，是让数字在被人核验时站得住。三条合起来的检验标准很朴素：读者拿着这个数字去问一句「哪来的」，你答得上来吗。

放到 GEO 语境里还有第四条：数字与论断要写在一起，而不是散落在图表里。引擎的取用单位是文本段落，锁在图片表格里的数字对模型基本不可见；要让数字参与论证，它必须以文本形态出现在论断旁边，这也是为什么改写动作强调「每个核心论断配一个具体数字」。

数字写进内容只是开始：数字有保鲜期，口径随时间失效——去年的市场份额、旧版标准的限值、上一代的性能参数，过期不更新就是另一种形式的失真。给内容里的数字建一份台账（数字、口径、采集时间、复核周期），与内容更新节奏绑定复核；到期复核发现数字失效，就更新并注明新口径，而不是留着旧数装新话。台账是数字纪律的收尾动作，它让「可核验」在时间轴上也成立。

注水数字的反噬

这条战术的误用代价在前排战术里最重。编造的数字、挪用的样本、去掉推算前缀的估算，短期内确实让段落看起来更「有料」，但生成式引擎的检索链路意味着你的数字会与其他来源同场呈现——同一道题里，你的 30% 和别家报告的数字打架，下一次选源时你就是被弃用的那个。更糟的是用户侧复核：AI 答案的读者拿着数字去查证的成本极低，一次对不上，失去的不只是这次引用。

反噬还有站内维度。数字是可归因的承诺，写进内容就等于替整站信用背书；一份被戳穿的假数据，污染的是同一站点上所有真数据的可信度。这与本站对数据卡的一贯要求同源：先问口径，再用数字——数字的价值在于它可被核验，可核验性一旦破产，战术就从增益变成负债。

没有现成数字怎么办

多数团队的真实困境不是不愿用数字，是手头没有数字。四条合规的来路能解决大半。其一，拆自家的业务数据：订单结构、交付周期、工单分布、复购比例，这些数据每天都在产生，聚合去敏后就是别人写不出的第一手数字。其二，小样本自测：自己动手做的小规模测试与抽样统计，样本量与口径如实写明——「我们实测三十次，其中多少次如何」比空口断言有力得多。其三，公开统计的二次加工：把权威机构的公开数据按自己的分析口径重新组合，原口径与加工口径分别标注。其四，行业交换：与同行、协会的联合调研，注明联合口径与样本构成。

四条来路共同的前提仍是可核验：数字敢不敢被追问出处，决定它是资产还是隐患。反过来，没有数字的段落不必硬凑——用案例与机制解释撑住的论证，比一个来路不明的数字干净。判断标准回到那句检验：读者拿着数字问一句「哪来的」，你答得上来，就写；答不上来，就换成定性表述并说明为什么给不出数。

组合与边界

论文的补充分析给了两个值得记住的数。其一，组合战术比单一战术更高：流畅度优化加统计数字的组合，比单打独斗再高约 5.5%——数字提供锚点，流畅保证可转述，两者作用在不同的环节，互不替代。这条结论的实际含义是别只挑第一名做：九战术大致正交，一套全做才是完整执行，见流畅度优化。其二，同样的战术施加在排名越靠后的来源上受益越大：排名第 5 的来源加引用类战术可见度提升约 +115.1%，第 1 名反而下降约 30.3%（见第 5 名增益数据卡）——中腰部页面最值得先补数字与口径。

边界照例两条。领域差异：健康、科学、历史等领域的战术收益显著不同，数字密集的领域里这条战术的边际价值可能与实验均值不同，用自家问题集复测再定投入。基准差异：约 +30% 是实验环境对基线 PAWC 19.3 的相对值，真实引擎上方向一致、幅度缩水，引用时按论文口径注明 Table 1 与样本构成，完整方法见九战术论文文献卡。