NOXEL Research Lab
NOXEL Research Lab 發布有關SEO、AEO、GEO及AI搜尋可見度的原創數據——來源於真實網站審核，而非重複套用的建議。
關於本研究
大多數SEO內容只是重複隨處可見的相同建議。NOXEL Research Lab 的建立目的恰恰相反：發布直接來自透過 NOXEL SEO 進行真實審核的研究結果，並為每個數字提供透明的研究方法。
我們在此發布的每項統計數據都將包含精確數字、樣本量、研究方法、日期及來源——絕無虛構數字，亦無模糊聲明。
瀏覽內容
研究方法
NOXEL 如何計算SEO、AEO、GEO及Core Web Vitals分數——真實的權重與評估標準。
AI搜尋準備度——v1
關於AI爬蟲可及性及結構化數據採用情況的首批研究結果，樣本數=53。
上線中 · 持續擴展基準測試
技術SEO、效能及AI搜尋準備度的行業與類別基準測試。
正在建立樣本量NOXEL AI搜尋準備度——v1研究結果
樣本：53個公開網站，涵蓋行銷/SEO機構、SaaS工具及一個小型機構對照組（政府、學術及參考網站）。這是一個工作中的v1數據集，並非網路的隨機或代表性樣本——我們現在發布，是因為一項透明、規模適中的研究勝過無限期等待「完美」研究。個別網域從不點名；以下每個數字均為匯總數據。
AI爬蟲可及性
- 20.8% 的網站封鎖了至少一個主要AI爬蟲（GPTBot、PerplexityBot及類似爬蟲）。
- 在這些封鎖中，91% 可歸因於明確的robots.txt規則——其餘的從robots.txt中找不到明確原因，需要進行伺服器層面的調查。
結構化數據採用情況
- 28.3% 的網站完全沒有JSON-LD結構化數據。
- 66.0% 的網站沒有Organization或LocalBusiness架構。
- 94.3% 的網站沒有BreadcrumbList架構。
簡而言之：我們的研究發現，結構化數據的採用——尤其是BreadcrumbList架構——即使在技術成熟的網站中也仍然罕見，而AI爬蟲封鎖通常歸因於robots.txt，而非防火牆。
AI爬蟲可及性是指GPTBot和PerplexityBot等爬蟲能否成功抓取並讀取頁面——這是該頁面能被AI答案引擎引用的先決條件。
研究方法
- 首先，我們在三個類別中選取了53個公開網站：行銷/SEO機構、SaaS工具及機構參考網站。
- 然後，我們通過 NOXEL SEO 自身的審核引擎——即每份 NOXEL SEO 報告背後的相同技術——對每個網域進行審核，檢查AI爬蟲可及性及結構化數據的存在情況。
- 接著，我們將結果匯總為上述百分比；不發布任何個別網域或分數。
- 最後，我們計劃將此數據集擴展為更大、更具代表性的樣本，並隨著進展重新發布更新的研究結果。
我們的數據於2026年9月掃描完成。如承諾，以上每項數字均清楚列明其樣本量。
原創研究對AI搜尋的重要性
ChatGPT、Claude、Perplexity 和 Gemini 等大型語言模型並不像傳統搜尋引擎那樣對頁面進行排名——它們綜合整理答案，並傾向於引用那些提供其他十幾個頁面尚未提及內容的來源。重複套用的建議、改寫的定義以及泛泛的「10個技巧」列表式文章很少被引用，因為AI模型在訓練過程中已從數千個其他來源吸收了這些資訊。原創數據——真實樣本、真實方法、真實百分比——則截然不同。這是AI模型無法預先掌握的內容，這正是它值得被引用的原因。
這正是 NOXEL Research Lab 的核心理念：我們不再撰寫更多泛泛的SEO建議，而是通過 NOXEL SEO 自身引擎進行真實審核，並發布我們實際發現的結果。這裡的每項研究都遵循相同的原則——披露樣本量、描述研究方法、標明發布日期，以及僅發布匯總結果而不點名任何個別網站。
後續計劃
上述v1數據集刻意保持適中規模——53個網站足以誠實發布，但不足以稱為代表更廣泛網路的樣本。我們的下一次發布將把樣本擴大至更大、更具層次性的數據集（更多類別、每個類別更多網站、更清晰的抽樣方法），並在相同網站中增加AI爬蟲可及性及結構化數據以外的新信號——例如內容新鮮度、實體清晰度及主題深度。
如果您希望在下一次 NOXEL Research Lab 發布時收到通知，或者您擁有一個網站並希望將其納入未來研究（需您的明確同意——請參閱上方的數據政策），請透過我們的聯絡頁面與我們聯繫。