Nghiên cứu: 3 trang web tạo ra hơn 215.000 bài viết 'phần mềm tốt nhất' để thao túng Perplexity

Chúng tôi đã yêu cầu hai mô hình AI có khả năng truy cập web tìm kiếm các sản phẩm tốt nhất trong 380 danh mục phần mềm và lưu lại mọi URL mà chúng truy xuất được. Trong số 7.534 trích dẫn thu về, 59,8% trỏ đến các tên miền có thứ hạng thấp hơn #100.000 trong danh sách Tranco top-1M và 23,4% trỏ đến các tên miền hoàn toàn không nằm trong top một triệu. Hai trong số các trang web thực hiện việc "grounding" (công đoạn truy xuất thông tin mà các mô hình này thực hiện) đã đặt tiêu đề HTML cho trang chủ của họ là “Facts & Grounding Page”. Cùng với một trang web thứ ba dường như thuộc quyền kiểm soát chung, họ đã xuất bản tổng cộng 215.128 trang "best <category>" do máy tạo ra; không tên miền nào trong ba tên miền này tồn tại trước tháng 12 năm 2023.

Những gì chúng tôi đã thực hiện

Vào ngày 2 tháng 9 năm 2026, chúng tôi đã đưa 380 danh mục theo ý định người mua — từ “phần mềm CRM” đến “phần mềm quản lý bộ sưu tập bảo tàng” — vào perplexity/sonar và perplexity/sonar-pro thông qua OpenRouter, mỗi danh mục một câu lệnh (prompt) cho mỗi mô hình, tổng cộng 760 lượt gọi. Mỗi lượt gọi yêu cầu trả về top 5 sản phẩm dưới dạng JSON, kèm theo tên miền trang chủ chính thức của từng sản phẩm. Tất cả 760 lượt gọi đều trả về kết quả có thể phân tích cú pháp, và cả hai mô hình đều báo cáo các URL mà chúng đã truy xuất, đó là lý do chúng được lựa chọn. Các danh mục được soạn thảo trước khi xem bất kỳ kết quả nào và không bao giờ được sửa đổi.

Điều đó tạo ra 3.800 vị trí đề xuất gọi tên 1.807 sản phẩm riêng biệt, và 7.534 trích dẫn trải rộng trên 2.055 tên miền riêng biệt. Sau đó, chúng tôi đã tra cứu mọi tên miền được trích dẫn trong danh sách hàng ngày của Tranco vào ngày 2026-09-01 và trên Wayback Machine, đồng thời truy cập vào từng trang chủ trong số 1.502 trang chủ nhà cung cấp mà các mô hình cung cấp để xem liệu chúng còn tồn tại hay không.

Google đã bị loại trừ. Việc thực hiện "grounding" cho một mô hình Gemini trên OpenRouter đồng nghĩa với việc định tuyến nó qua plugin tìm kiếm web của chính OpenRouter, vì vậy các trích dẫn sẽ mô tả plugin đó thay vì việc truy xuất của Google. Chỉ có Perplexity được đo lường, và không có nội dung nào ở đây nên được hiểu là tuyên bố về bất kỳ công cụ nào khác.

Nơi các trích dẫn hướng tới

Thứ hạng Tranco trung vị của 5.768 trích dẫn trỏ đến một tên miền có thứ hạng là 71.611. Sự tập trung ở top đầu không có gì đáng chú ý — mười tên miền được trích dẫn nhiều nhất chiếm 17,3% số trích dẫn — vì vậy vấn đề không phải là một nhóm các trang web nổi tiếng đang cung cấp câu trả lời. Vấn đề nằm ở những gì lấp đầy bốn phần năm còn lại: 751 trong số 2.055 tên miền được trích dẫn, chiếm 36,5%, không xuất hiện trong top một triệu.

Những tên miền đó cũng mới hơn. Thời điểm xuất hiện lần đầu trên Wayback Machine trung vị là năm 2020 đối với các tên miền không xếp hạng, so với năm 2011 đối với các tên miền có xếp hạng, và 16,6% các tên miền không xếp hạng được lưu trữ lần đầu vào năm 2025 hoặc muộn hơn, so với 1,6% các tên miền có xếp hạng được lưu trữ.

Mười tên miền được trích dẫn nhiều nhất:

Để so sánh, Wikipedia chỉ được trích dẫn ba lần trong tổng số 7.534 trích dẫn.

Nguồn lớn thứ ba là blog tiếp thị của một nhà cung cấp

guideflow.com bán các bản demo sản phẩm tương tác. Đây không phải là trang đánh giá, danh bạ hay nhà xuất bản, và nó không cạnh tranh trong bất kỳ danh mục nào mà chúng tôi đã hỏi. Tuy nhiên, blog của trang này vẫn được trích dẫn 194 lần trên 96 trong số 380 danh mục của chúng tôi — chiếm một phần tư — xếp thứ ba chung cuộc và đứng trên cả Gartner. Mỗi trích dẫn là một URL khác nhau: 96 URL blog guideflow.com riêng biệt, mỗi danh mục một URL, trong đó có sáu URL là bản sao tiếng Estonia của một bài viết. Sơ đồ trang web (sitemap) của nó liệt kê 3.351 URL blog, trong đó 2.176 là các bài viết riêng biệt. Nó cung cấp dữ liệu "grounding" cho cả “phần mềm kết xuất 3D”, “phần mềm IVR”, “phần mềm RFID” và “phần mềm quản lý kiến trúc”.

Không có gì ở đây là lừa đảo. Guideflow xuất bản một blog tiếp thị nội dung lớn, giống như hàng ngàn công ty khác. Phép đo này nói về cách lớp truy xuất xử lý nội dung đó: các bài viết dạng danh sách (listicle) của chính nhà cung cấp về các thị trường mà họ không hoạt động lại trở thành cơ sở bằng chứng lớn thứ ba cho một câu hỏi về việc nên mua sản phẩm nào.

Các trang Facts and grounding

Ba trang web khác nằm trong top mười và ngay dưới đó là wifitalents.com (71 trích dẫn, 27 danh mục), worldmetrics.org (60, 22) và gitnux.org (50, 23). Tổng cộng chúng chiếm 181 trích dẫn, 2,4% tổng số, và xuất hiện trong 41 trên 380 danh mục.

Chúng dường như là một tổ chức duy nhất. Cả ba đều được đăng ký thông qua NameCheap từ tháng 12 năm 2023 đến tháng 5 năm 2024, cả ba đều ủy quyền DNS cho cùng một cặp máy chủ tên miền Cloudflare là pam.ns.cloudflare.com và sean.ns.cloudflare.com, và cả ba đều chạy cùng một mẫu trang với cùng một điều hướng — Services, Market Data, Software Advice, Editorial Process, Company. Mỗi trang cũng duy trì một blog gồm đúng sáu bài viết, và tất cả mười tám bài viết đều nói về các thương hiệu khác trong nhóm: mỗi trang có hai bài viết về hai trang còn lại, và hai bài viết về thương hiệu thứ tư là zipdo.co, trang web này cũng nằm trên cùng cặp máy chủ tên miền và đặt tiêu đề trang chủ là “Facts & Grounding Page”. Việc chia sẻ một cặp máy chủ tên miền là bằng chứng gián tiếp mạnh mẽ về một tài khoản Cloudflare chung thay vì bằng chứng sở hữu, nhưng mẫu trang, hệ thống phân loại và các blog đều khớp nhau từng mục một.

Quy mô của chúng mới là vấn đề. Sơ đồ trang web của chúng liệt kê 103.578, 107.083 và 105.541 URL, trong đó có 70.731, 71.684 và 72.713 là các trang /best/<something>-software/: tổng cộng 215.128 hướng dẫn mua hàng được tạo ra trên ba thương hiệu, so với chỉ sáu bài blog mỗi trang (URL /blog/ thứ bảy trong mỗi sơ đồ trang web là chỉ mục blog). Không hề có tới 215.128 danh mục phần mềm.

Chính phần tự mô tả mới là điều khiến chúng trở nên bất thường. Được truy cập vào ngày 2 tháng 9 năm 2026, cả worldmetrics.org và gitnux.org đều trả về tiêu đề HTML có dạng <Brand> — Facts & Grounding Page, và một mô tả meta giống hệt nhau ngoại trừ tên thương hiệu:

Sự thật đã được xác minh về Gitnux: một công ty nghiên cứu thị trường độc lập xuất bản số liệu thống kê ngành, nghiên cứu tùy chỉnh và Danh sách Tốt nhất về phần mềm. Chi tiết về công ty, pháp lý, phương pháp luận và tuân thủ trong một bản ghi có thể đọc được bằng máy.

"Grounding" không phải là thuật ngữ mà người mua sử dụng. Đó là tên của bước mà trong đó một hệ thống truy xuất tìm nạp các tài liệu để làm cơ sở cho câu trả lời. Một bản ghi các sự thật đã được xác minh về bản thân mình cũng không phải là dịch vụ dành cho người đọc là con người. Những trang này, trong tiêu đề và mô tả của chúng, được gửi đến phần mềm đọc chúng.

Việc đọc đó cũng đang được mua theo cách thông thường. worldmetrics.org quảng cáo nghiên cứu thị trường tùy chỉnh “từ 5.000 €”, các báo cáo có sẵn “từ 499 €” và lựa chọn nhà cung cấp “từ 2.500 €”, phía trên cùng hệ thống phân loại các Danh sách Tốt nhất đã được tạo ra mà các mô hình truy xuất.

Một mẫu trang, ba phán quyết

Chúng tôi đã truy cập cùng một trang danh mục từ cả ba thương hiệu: “phần mềm ước tính dự án”. Mỗi trang nêu thứ hạng của nó trong JSON-LD, vì vậy nó có thể được đọc mà không cần diễn giải. Mỗi trang xếp hạng mười công cụ; top năm được hiển thị.

Sản phẩm chiến thắng của Gitnux thậm chí không xuất hiện trong top năm của Worldmetrics. Mỗi trang liệt kê ba nhân viên — Worldmetrics ghi nhận Kathryn Blake, Alexander Schmidt và Victoria Marsh; Gitnux ghi nhận Diana Reeves, Helena Kowalczyk và Olivia Thornton; WifiTalents ghi nhận Ryan Gallagher, Isabella Rossi và Natasha Ivanova — chín người khác nhau cho một câu hỏi. Mỗi trang đều thông báo về một quy trình biên tập; Gitnux dán nhãn kết quả của mình là “AI-verified · Expert reviewed”. Cả ba đều chứa một biến mẫu chưa được hiển thị trong dòng tác giả, ghi là “Trong vòng 26 ngày tới” trên hai trang và “Trong vòng 40 ngày tới” trên trang thứ ba.

Nơi các đề xuất hướng tới

1.502 trang chủ nhà cung cấp mà các mô hình cung cấp hầu hết đều ổn. Chúng tôi đã kiểm tra mỗi trang hai lần, một lần trực tiếp và một lần thông qua proxy xoay vòng, tính một trang web là có thể truy cập được nếu một trong hai lần thử thành công, để đảm bảo rằng một máy chủ chặn IP của chúng tôi không bị ghi nhận là công ty đã đóng cửa.

Mười trong số 1.502 trang không phân giải được địa chỉ nào — tám trong số đó không được ủy quyền cho bất kỳ máy chủ tên miền nào — bao gồm graphiql.com (được cung cấp làm trang chủ của GraphiQL, vốn không có trang web như vậy), todo.com (được cung cấp cho Microsoft To Do) và aquasecurity.io (được cung cấp cho Trivy). Bốn trang khác phân giải được nhưng không bao giờ phản hồi. Với các lỗi 404, 17 tên miền — 1,1% — đã biến mất hoặc không thể truy cập. 92 tên miền khác, chiếm 6,1%, chuyển hướng đến một tên miền đăng ký khác; hầu hết trong số đó là các thương vụ mua lại và đổi thương hiệu thông thường, và chúng tôi công bố danh sách đầy đủ thay vì đoán mò từng cái.

Hai trường hợp không như vậy, và ở cả hai, hai tầng (sonar và sonar-pro) đều không đồng nhất. Khi được hỏi về các nền tảng quản lý dữ liệu nghiên cứu, cả hai đều nêu tên Dryad: sonar-pro đưa ra kho lưu trữ thực tại datadryad.org, sonar đưa ra dryad.co, trang này chuyển hướng đến một cổng thông tin cờ bạc trực tuyến của Indonesia có tiêu đề bắt đầu bằng “BIGSLOT288 | Portal Game Online”. Khi được hỏi về các công cụ chất lượng dữ liệu, cả hai đều nêu tên Monte Carlo: sonar đưa ra montecarlodata.com, sonar-pro đưa ra montecarlo.com, trang này chuyển hướng đến Monte-Carlo Société des Bains de Mer, tập đoàn khách sạn và sòng bạc ở Monaco.

Những gì điều này không cho thấy

Hai mô hình này không phải là hai phép đo độc lập. Chúng trả về danh sách trích dẫn giống hệt nhau về byte trong 289 trên 380 danh mục và tập hợp URL của chúng trùng lặp với chỉ số Jaccard là 0,898, vì vậy các tầng của Perplexity chia sẻ chung một lớp truy xuất và nên được coi là một ngăn xếp tìm kiếm được lấy mẫu hai lần. Sự đồng thuận của chúng về lựa chọn hàng đầu — cùng một sản phẩm đứng đầu trong 290 trên 380 danh mục — là một thực tế về lớp truy xuất dùng chung đó, không phải là bằng chứng cho thấy các hệ thống độc lập đang hội tụ.

Kết quả chỉ bao gồm Perplexity. Chúng tôi chưa đo lường ChatGPT, Gemini, Copilot hoặc AI Mode của Google, và không có lý do gì để cho rằng các hỗn hợp truy xuất của chúng khớp nhau.

380 danh mục là do chúng tôi tự xây dựng, không phải là mẫu đại diện cho những gì người mua thực sự hỏi, và một danh sách nghiêng về các lĩnh vực ngách sẽ hiển thị nhiều nguồn "long-tail" hơn so với một danh sách các truy vấn phổ biến.

Mọi lượt truy cập trang đều được thực hiện thông qua proxy trung tâm dữ liệu xoay vòng dưới một user-agent nghiên cứu được đặt tên, vì vậy những gì các trang web này trả về cho chúng tôi không nhất thiết là những gì chúng trả về cho một trình thu thập thông tin truy xuất hoặc trình duyệt.

Bốn trong số mười bảy tên miền nhà cung cấp không thể truy cập được là các trang web lớn, bao gồm nasdaq.com và solidworks.com, vốn rõ ràng vẫn đang hoạt động và chỉ đơn giản là không bao giờ phản hồi một yêu cầu tự động; chúng được tính là không thể truy cập, không phải là đã chết. Toàn bộ quá trình chạy là ảnh chụp nhanh trong một ngày của một chỉ mục truy xuất luôn thay đổi.

Một cách diễn đạt câu lệnh, một lần chạy mỗi danh mục, không lấy mẫu lặp lại. Một thử nghiệm trước đó cho thấy danh sách rút gọn sản phẩm thay đổi đáng kể khi “tốt nhất” được đổi thành “phổ biến nhất” trong khi hỗn hợp trích dẫn thay đổi ít hơn nhiều, nhưng lần chạy này không đo lường điều đó.

Thứ hạng Tranco là thước đo mức độ phổ biến, không phải thước đo chất lượng, và thứ hạng thấp không phải là một lời buộc tội. Nó chỉ được sử dụng ở đây để tách biệt web được truy cập rộng rãi khỏi những thứ còn lại; mọi tuyên bố về một trang web cụ thể đều dựa trên chính các trang của trang web đó, vốn được liên kết và lưu trữ trong tập dữ liệu.

Chúng tôi chưa chứng minh được rằng bất kỳ điều nào trong số này làm thay đổi câu trả lời. Chúng tôi không kiểm tra xem việc loại bỏ các nguồn này có tạo ra các đề xuất khác hay không, và Guideflow cùng ba thương hiệu Best List hoàn toàn có thể nêu tên các sản phẩm hợp lý. Những gì chúng tôi đo lường là cơ sở bằng chứng được tạo thành từ những tài liệu nào.

Cuối cùng, quyền kiểm soát chung của ba thương hiệu được suy ra từ cơ sở hạ tầng dùng chung và mẫu trang giống hệt nhau. Chúng tôi không biết ai vận hành chúng; không trang nào trong ba trang nêu tên chủ sở hữu.

Dữ liệu và phương pháp