NOXEL Research Lab

NOXEL Research Lab publiceert originele data over SEO, AEO, GEO en AI-zoekzichtbaarheid — gebaseerd op echte website-audits, niet op hergebruikt advies.

NOXEL Research Lab heeft zijn eerste voorlopige bevindingen gepubliceerd — een v1-dataset van 53 openbaar toegankelijke websites, geanalyseerd op toegankelijkheid voor AI-crawlers en toepassing van gestructureerde data. Zie de bevindingen hieronder, of lees onze volledige methodologie. Dit is een beginpunt, geen definitief antwoord — we zullen het steekproefformaat vergroten en opnieuw publiceren naarmate er meer data beschikbaar komt.

Wat dit is

De meeste SEO-content herhaalt hetzelfde advies dat overal te vinden is. NOXEL Research Lab is gebouwd om het tegenovergestelde te doen: bevindingen publiceren die rechtstreeks afkomstig zijn van echte audits uitgevoerd via NOXEL SEO, met een transparante methodologie achter elk getal.

Elke statistiek die we hier publiceren bevat een precies getal, een steekproefomvang, een methodologie, een datum en een bron — geen verzonnen cijfers, geen vage beweringen.

Verkennen

Nu beschikbaar

Methodologie

Hoe NOXEL SEO-, AEO-, GEO- en Core Web Vitals-scores berekent — de echte gewichten en criteria.

Nu beschikbaar

AI-zoekgereedheid — v1

Eerste bevindingen over toegankelijkheid voor AI-crawlers en toepassing van gestructureerde data, n=53.

Live · uitbreidend

In uitvoering

Benchmarks

Sector- en categoriebenchmarks voor technische SEO, prestaties en AI-zoekgereedheid.

Steekproefomvang uitbouwen

NOXEL AI-zoekgereedheid — v1-bevindingen

Steekproef: 53 openbaar toegankelijke websites, samengesteld uit marketing- en SEO-bureaus, SaaS-tools en een kleine institutionele controlegroep (overheid, academisch en referentiesites). Dit is een werkende v1-dataset, geen willekeurige of representatieve steekproef van het web — we publiceren het nu omdat een transparante, bescheiden studie beter is dan onbepaald wachten op een "perfecte" studie. Individuele domeinen worden nooit bij naam genoemd; elk getal hieronder is een aggregaat.

Toegankelijkheid voor AI-crawlers

20,8% van de sites blokkeerde ten minste één grote AI-crawler (GPTBot, PerplexityBot en vergelijkbare).
Van die blokkades was 91% toe te schrijven aan expliciete robots.txt-regels — de rest had geen duidelijke oorzaak vanuit robots.txt alleen en zou een onderzoek op serverniveau vereisen.

Toepassing van gestructureerde data

28,3% van de sites had helemaal geen JSON-LD-gestructureerde data.
66,0% had geen Organization- of LocalBusiness-schema.
94,3% had geen BreadcrumbList-schema.

Kortom: ons onderzoek toonde aan dat de toepassing van gestructureerde data — met name BreadcrumbList-schema — zelfs onder technisch geavanceerde sites zeldzaam blijft, en dat het blokkeren van AI-crawlers doorgaans neerkomt op robots.txt, niet op firewalls.

Toegankelijkheid voor AI-crawlers verwijst naar de vraag of crawlers zoals GPTBot en PerplexityBot een pagina met succes kunnen ophalen en lezen — een vereiste voordat die pagina ooit door een AI-antwoordmotor geciteerd kan worden.

Hoe we dit onderzoek hebben uitgevoerd

Eerst hebben we 53 openbaar toegankelijke sites geselecteerd uit drie categorieën: marketing- en SEO-bureaus, SaaS-tools en institutionele referentiesites.
Vervolgens hebben we elk domein door de eigen audit-engine van NOXEL SEO geleid — dezelfde technologie achter elk NOXEL SEO-rapport — waarbij we de toegankelijkheid voor AI-crawlers en de aanwezigheid van gestructureerde data hebben gecontroleerd.
Daarna hebben we de resultaten samengevoegd tot de bovenstaande percentages; geen individueel domein of score wordt gepubliceerd.
Ten slotte zijn we van plan deze dataset te laten groeien naar een grotere, meer representatieve steekproef en zullen we bijgewerkte bevindingen publiceren zodra dat gebeurt.

Onze data werd gescand in september 2026. Elk getal hierboven vermeldt de steekproefomvang duidelijk, zoals beloofd.

Waarom origineel onderzoek belangrijk is voor AI-zoeken

Grote taalmodellen zoals ChatGPT, Claude, Perplexity en Gemini rangschikken pagina's niet op de manier waarop traditionele zoekmachines dat doen — ze synthetiseren antwoorden en geven de voorkeur aan bronnen die iets bieden wat een dozijn andere pagina's nog niet zeggen. Hergebruikt advies, omschreven definities en generieke "10 tips"-lijstjes worden zelden geciteerd, omdat een AI-model die informatie al tijdens de training uit duizenden andere bronnen heeft opgenomen. Originele data — een echte steekproef, een echte methodologie, echte percentages — is anders. Het is het soort inhoud dat een AI-model nog niet kan kennen, en dat is precies wat het de moeite waard maakt om te citeren.

Dit is het kernidee achter NOXEL Research Lab: in plaats van meer generiek SEO-advies te schrijven, voeren we echte audits uit via de eigen engine van NOXEL SEO en publiceren we wat we daadwerkelijk vinden. Elke studie hier volgt dezelfde discipline — een bekendgemaakte steekproefomvang, een beschreven methodologie, een publicatiedatum en alleen geaggregeerde resultaten zonder vermelding van individuele sites.

Wat er hierna komt

De bovenstaande v1-dataset is bewust bescheiden — 53 sites is genoeg om eerlijk te publiceren, maar niet genoeg om representatief te noemen voor het bredere web. Onze volgende release zal de steekproef laten groeien naar een grotere, meer gestratificeerde dataset (meer categorieën, meer sites per categorie, een duidelijkere steekproefmethodologie) en zal nieuwe signalen toevoegen naast toegankelijkheid voor AI-crawlers en gestructureerde data — zoals versheid van inhoud, helderheid van entiteiten en thematische diepgang over dezelfde sites.

Als u een melding wilt ontvangen wanneer de volgende NOXEL Research Lab-release live gaat, of als u een site beheert en wilt dat deze in een toekomstige studie wordt opgenomen (met uw uitdrukkelijke toestemming — zie ons gegevensbeleid hierboven), neem dan contact op via onze contactpagina.