NOXEL Research Lab

NOXEL Research Lab publica datos originales sobre SEO, AEO, GEO y visibilidad en búsquedas con IA — basados en auditorías reales de sitios web, no en consejos reciclados.

Qué es esto

La mayoría del contenido sobre SEO repite los mismos consejos que encontrás en todos lados. NOXEL Research Lab está pensado para hacer exactamente lo contrario: publicar hallazgos que provienen directamente de auditorías reales ejecutadas a través de NOXEL SEO, con una metodología transparente detrás de cada número.

Cada estadística que publiquemos acá va a incluir una cifra precisa, un tamaño de muestra, una metodología, una fecha y una fuente — sin números inventados, sin afirmaciones vagas.

Explorá

NOXEL AI Search Readiness — Hallazgos v1

Muestra: 53 sitios web de acceso público, seleccionados entre agencias de marketing/SEO, herramientas SaaS y un pequeño grupo de control institucional (sitios gubernamentales, académicos y de referencia). Este es un dataset v1 de trabajo, no una muestra aleatoria ni representativa de la web — lo publicamos ahora porque un estudio transparente de tamaño modesto es mejor que esperar indefinidamente a uno "perfecto". Los dominios individuales nunca se nombran; cada cifra a continuación es un agregado.

Accesibilidad para crawlers de IA

• El 20,8% de los sitios bloqueaba al menos un crawler de IA importante (GPTBot, PerplexityBot y similares).
• De esos bloqueos, el 91% era atribuible a reglas explícitas en robots.txt — el resto no tenía una causa clara solo desde robots.txt y requeriría investigación a nivel de servidor.

Adopción de datos estructurados

• El 28,3% de los sitios no tenía datos estructurados JSON-LD en absoluto.
• El 66,0% no tenía schema de Organization ni de LocalBusiness.
• El 94,3% no tenía schema de BreadcrumbList.

En resumen: nuestra investigación encontró que la adopción de datos estructurados — especialmente el schema BreadcrumbList — sigue siendo poco frecuente incluso entre sitios técnicamente avanzados, y que el bloqueo de crawlers de IA generalmente se reduce a robots.txt, no a firewalls.

La accesibilidad para crawlers de IA hace referencia a si crawlers como GPTBot y PerplexityBot pueden obtener y leer una página correctamente — un requisito previo para que esa página sea citada alguna vez por un motor de respuestas con IA.

Cómo realizamos esta investigación

1. Primero, seleccionamos 53 sitios de acceso público en tres categorías: agencias de marketing/SEO, herramientas SaaS y sitios de referencia institucionales.
2. Luego, ejecutamos cada dominio a través del motor de auditoría propio de NOXEL SEO — la misma tecnología detrás de cada informe de NOXEL SEO — verificando accesibilidad para crawlers de IA y presencia de datos estructurados.
3. A continuación, agregamos los resultados en los porcentajes indicados arriba; no se publica ningún dominio ni puntaje individual.
4. Finalmente, planeamos ampliar este dataset hacia una muestra más grande y representativa, y republicaremos los hallazgos actualizados a medida que eso suceda.

Nuestros datos fueron relevados en septiembre de 2026. Cada cifra indicada arriba declara su tamaño de muestra claramente, tal como prometimos.

Por qué la investigación original importa para la búsqueda con IA

Los modelos de lenguaje grandes como ChatGPT, Claude, Perplexity y Gemini no rankean páginas como lo hacen los motores de búsqueda tradicionales — sintetizan respuestas, y favorecen fuentes que ofrecen algo que docenas de otras páginas no dicen. Los consejos reciclados, las definiciones reescritas y los listicles genéricos de "10 tips" rara vez son citados, porque un modelo de IA ya absorbió esa información de miles de otras fuentes durante el entrenamiento. Los datos originales — una muestra real, una metodología real, porcentajes reales — son diferentes. Son el tipo de contenido que un modelo de IA no puede conocer de antemano, lo que es exactamente lo que lo hace digno de ser citado.

Esta es la idea central detrás de NOXEL Research Lab: en lugar de escribir más consejos genéricos de SEO, ejecutamos auditorías reales a través del motor propio de NOXEL SEO y publicamos lo que realmente encontramos. Cada estudio acá sigue la misma disciplina — un tamaño de muestra declarado, una metodología descripta, una fecha de publicación y resultados solo en forma agregada sin nombrar ningún sitio individual.

Qué viene a continuación

El dataset v1 de arriba es deliberadamente modesto — 53 sitios son suficientes para publicar con honestidad, pero no suficientes para considerarlos representativos de la web en general. Nuestro próximo lanzamiento ampliará la muestra hacia un dataset más grande y estratificado (más categorías, más sitios por categoría, una metodología de muestreo más clara), y añadirá nuevas señales más allá de la accesibilidad para crawlers de IA y los datos estructurados — cosas como la frescura del contenido, la claridad de entidades y la profundidad temática en los mismos sitios.

Si querés recibir una notificación cuando salga el próximo lanzamiento de NOXEL Research Lab, o si tenés un sitio y querés que sea incluido en un estudio futuro (con tu consentimiento explícito — consultá nuestra política de datos arriba), contactanos a través de nuestra página de contacto.