我用 AI 查提案數據，當場抓到它把數字掛錯來源

我寫提案最怕的，從來不是沒有 idea，是「數據站不住」。

做行銷提案的人都懂：策略要有數據撐腰才有說服力。但只要客戶指著其中一個數字問一句「這哪來的？」，而你答不出來——前面再漂亮的策略，可信度都會跟著一起垮。一個站不住的數據，毀的不是那一行，是整份。

所以最近我用 AI 查資料，特別謹慎，甚至有點刻意想抓它的包。這次真的抓到一個，而且很典型。

我問 Perplexity：「2026 年電子報的平均開信率是多少？」它答得乾淨俐落：「約 21.5%，依 Thunderbit 整理的資料。」還貼心地附上了 Thunderbit 那篇文章的連結。

看起來無懈可擊對吧？有數字、有出處、來源還是個正經的行銷網站。

但我點進去那篇 Thunderbit 一看——整篇文章沒有 21.5% 這個數字。 它實際列的開信率是 Brevo 31.22%、MailerLite 43.46%、Klaviyo 31%……全都落在 31% 到 43% 之間，跟 21.5% 差了一大截。

換句話說，Perplexity 給了我一個真的、點得開的連結，配上一個那篇原文根本沒講的數字。

這裡要誠實說一句：21.5% 這個數字本身，在別的行業基準裡不是不可能成立。所以問題不是「它憑空捏造一個假數字」，而是更隱形的——它把數字掛錯了來源。它叫我信 Thunderbit，但 Thunderbit 講的是另一回事。

而這，正是提案裡最致命的一種錯。因為在提案桌上，數字真假是其次，「來源對不對得上」才是底線。你引用一個來源、寫上一個數字，客戶一點進去發現原文不是這樣說——那一刻，崩的不是這個數字，是客戶對你整份提案的信任。

順手做的小實測：同一題，問四個 AI

不只 Perplexity，我乾脆把同一題同步問了四個 AI：ChatGPT、Claude、Gemini、Perplexity（都沒開 Deep Research），再把它們附的來源一條一條點開，核對「它說的數字，原文有沒有真的寫」。

四個的「個性」也很不一樣：

• Perplexity — 極簡快答型：只給一個數字。最好讀，但沒區間、沒解釋、來源還掛錯。看起來最果斷，其實最空。
• ChatGPT — 結構化教學型：多來源、給區間、解釋為什麼差這麼多，還教你怎麼判讀。
• Claude — 顧問決策型：分類清楚，還給務實建議（別追外部平均、建立自己的基準）。
• Gemini — 資料報告型：行業別細分最完整，但要你自己去找源頭。

最後一個體悟，我覺得最值得記：「扎實」的相反，不是「錯」，是「假裝確定」。 最篤定的那個最不扎實；真正扎實的，反而都先承認「這題沒有單一答案」，再幫你把複雜度整理清楚。

我的規矩

所以我用 AI 查數據的規矩，很簡單也很硬：要它附來源，我一定自己點回去確認「原文真的有講這句、這個數字」；只要對不上，這個數字再漂亮，我也寧可不用。

AI 的角色，是幫我找線索、加速整理；但「敢不敢把這個數字寫進提案、簽上我的名字」——那是我的判斷，不是它的。當生成變得很便宜，這份「為自己每一個數據負責」的紀律，反而是專業跟業餘的分水嶺。