NOXEL Research Lab

NOXEL Research Lab publikuje oryginalne dane dotyczące SEO, AEO, GEO i widoczności w wyszukiwaniu AI — oparte na rzeczywistych audytach witryn, nie na powielanych poradach.

NOXEL Research Lab opublikował pierwsze wstępne wyniki — zestaw danych v1 obejmujący 53 publicznie dostępne witryny, przeanalizowane pod kątem dostępności dla crawlerów AI i wdrożenia danych strukturalnych. Zobacz wyniki poniżej lub przeczytaj naszą pełną metodologię. To punkt wyjścia, a nie ostateczne słowo — będziemy poszerzać próbę i ponownie publikować wyniki w miarę napływu nowych danych.

Czym to jest

Większość treści SEO powtarza te same porady, które można znaleźć wszędzie indziej. NOXEL Research Lab powstał po to, by robić coś przeciwnego: publikować wyniki pochodzące bezpośrednio z rzeczywistych audytów przeprowadzanych przez NOXEL SEO, z przejrzystą metodologią stojącą za każdą liczbą.

Każda statystyka publikowana w tym miejscu będzie zawierać dokładną wartość, wielkość próby, metodologię, datę i źródło — żadnych wymyślonych liczb, żadnych ogólnikowych twierdzeń.

Przeglądaj

Dostępne teraz

Metodologia

Jak NOXEL oblicza wyniki SEO, AEO, GEO i Core Web Vitals — rzeczywiste wagi i kryteria.

Dostępne teraz

Gotowość na wyszukiwanie AI — v1

Pierwsze wyniki dotyczące dostępności dla crawlerów AI i wdrożenia danych strukturalnych, n=53.

Na żywo · rozszerzamy

W trakcie

Testy porównawcze

Testy porównawcze branżowe i kategoriowe dla technicznego SEO, wydajności i gotowości na wyszukiwanie AI.

Budowanie wielkości próby

NOXEL — Gotowość na wyszukiwanie AI — Wyniki v1

Próba: 53 publicznie dostępne witryny, dobrane spośród agencji marketingowych/SEO, narzędzi SaaS oraz małej instytucjonalnej grupy kontrolnej (strony rządowe, akademickie i referencyjne). To roboczy zestaw danych v1, a nie losowa ani reprezentatywna próba sieci — publikujemy go teraz, ponieważ przejrzyste, skromne badanie jest lepsze od nieskończonego czekania na „idealne". Poszczególne domeny nigdy nie są wymieniane; każda podana poniżej wartość jest wartością zbiorczą.

Dostępność dla crawlerów AI

20,8% witryn blokowało co najmniej jednego głównego crawlera AI (GPTBot, PerplexityBot i podobne).
Spośród tych blokad 91% można było przypisać jawnym regułom w pliku robots.txt — pozostałe nie miały wyraźnej przyczyny wynikającej wyłącznie z robots.txt i wymagałyby analizy na poziomie serwera.

Wdrożenie danych strukturalnych

28,3% witryn nie posiadało żadnych danych strukturalnych JSON-LD.
66,0% nie posiadało schematu Organization ani LocalBusiness.
94,3% nie posiadało schematu BreadcrumbList.

Podsumowując: nasze badania wykazały, że wdrożenie danych strukturalnych — zwłaszcza schematu BreadcrumbList — pozostaje rzadkością nawet wśród technicznie zaawansowanych witryn, a blokowanie crawlerów AI zazwyczaj wynika z pliku robots.txt, a nie z zapór sieciowych.

Dostępność dla crawlerów AI oznacza, czy crawlery takie jak GPTBot i PerplexityBot mogą skutecznie pobierać i odczytywać stronę — co jest warunkiem wstępnym do tego, aby dana strona mogła kiedykolwiek zostać zacytowana przez silnik odpowiedzi AI.

Jak przeprowadziliśmy to badanie

Najpierw wybraliśmy 53 publicznie dostępne witryny z trzech kategorii: agencje marketingowe/SEO, narzędzia SaaS oraz instytucjonalne strony referencyjne.
Następnie przepuściliśmy każdą domenę przez własny silnik audytowy NOXEL SEO — tę samą technologię, która stoi za każdym raportem NOXEL SEO — sprawdzając dostępność dla crawlerów AI oraz obecność danych strukturalnych.
Potem zagregowaliśmy wyniki w powyższe wartości procentowe; żadna indywidualna domena ani wynik nie zostały opublikowane.
Na koniec planujemy rozbudować ten zestaw danych do większej, bardziej reprezentatywnej próby i będziemy ponownie publikować zaktualizowane wyniki w miarę postępów.

Nasze dane zostały zeskanowane we wrześniu 2026 r. Każda z powyższych wartości wyraźnie podaje swoją wielkość próby, zgodnie z obietnicą.

Dlaczego oryginalne badania mają znaczenie dla wyszukiwania AI

Duże modele językowe, takie jak ChatGPT, Claude, Perplexity czy Gemini, nie rankingują stron tak jak tradycyjne wyszukiwarki — syntetyzują odpowiedzi i preferują źródła, które oferują coś, czego dziesiątki innych stron jeszcze nie mówią. Powielane porady, przeformułowane definicje i ogólnikowe listy „10 wskazówek" rzadko są cytowane, ponieważ model AI wchłonął już te informacje z tysięcy innych źródeł podczas treningu. Oryginalne dane — rzeczywista próba, rzeczywista metodologia, rzeczywiste wartości procentowe — są czymś innym. To rodzaj treści, których model AI nie może już znać, co sprawia, że warto je cytować.

To jest główna idea NOXEL Research Lab: zamiast pisać kolejne ogólne porady SEO, przeprowadzamy rzeczywiste audyty za pomocą własnego silnika NOXEL SEO i publikujemy to, co faktycznie znajdujemy. Każde badanie w tym miejscu przestrzega tej samej zasady — ujawniona wielkość próby, opisana metodologia, data publikacji i wyniki wyłącznie zbiorcze, bez wymieniania żadnej indywidualnej witryny.

Co pojawi się dalej

Powyższy zestaw danych v1 jest celowo skromny — 53 witryny to wystarczająco dużo, by publikować uczciwie, ale za mało, by nazwać go reprezentatywnym dla szerszej sieci. Nasze kolejne wydanie rozbuduje próbę do większego, bardziej stratyfikowanego zbioru danych (więcej kategorii, więcej witryn na kategorię, wyraźniejsza metodologia doboru próby) i doda nowe sygnały wykraczające poza dostępność dla crawlerów AI i dane strukturalne — takie jak świeżość treści, jasność encji i głębokość tematyczna w tych samych witrynach.

Jeśli chcesz otrzymać powiadomienie, gdy ukaże się kolejne wydanie NOXEL Research Lab, lub jeśli prowadzisz witrynę i chcesz, aby została uwzględniona w przyszłym badaniu (za Twoją wyraźną zgodą — patrz nasza polityka danych powyżej), skontaktuj się z nami przez naszą stronę kontaktową.