mx-wordpress-seo-health-benchmark

该数据集提供了一个关于技术SEO（搜索引擎优化）健康度的基准测试，专门针对4个墨西哥中小企业的真实生产网站。这些网站采用了不同的技术栈，包括手工编码主题的WordPress、使用Astra + Elementor的WordPress、使用WooCommerce/Elementor的WordPress，以及一个无CMS的纯PHP + MySQL网站。所有网站均使用同一套确定性的评分标准（涵盖技术、页面内、速度、头部四个类别，总分0-100），因此其分数可以在不同网站和技术栈之间直接比较。数据集包含三个CSV文件：seo_health_live_snapshot.csv（16行，记录每个站点和类别的分数快照）、seo_health_live_checks.csv（138行，记录每个独立检查项的详细信息）、seo_health_case_studies.csv（10行，记录修复事件的前后对比案例）。数据生成基于布尔/阈值检查评分标准，分数计算方式为（通过检查数 / 总检查数）× 100。扫描脚本使用Python + requests + BeautifulSoup，无需无头浏览器或第三方API密钥。数据集旨在用于跨不同CMS/技术栈组合进行技术SEO健康度基准测试、提供常见修复案例研究，以及作为构建可比较多站点SEO扫描器的参考标准。局限性包括仅包含4个网站、仅扫描首页，且不能代表墨西哥中小企业的整体网络状况。数据集在CC-BY-4.0许可下发布。This dataset provides a benchmark for technical SEO (Search Engine Optimization) health, specifically targeting 4 real-world production websites of Mexican small and medium-sized enterprises (SMEs). These websites use different technology stacks, including: manually coded WordPress theme, WordPress with Astra + Elementor, WordPress with WooCommerce/Elementor, and a CMS-free pure PHP + MySQL website. All websites are evaluated using the same deterministic scoring criteria (covering four categories: technical, on-page, speed, and headers, with a total score of 0-100), allowing scores to be directly comparable across different websites and technology stacks. The dataset includes three CSV files: seo_health_live_snapshot.csv (16 rows, recording score snapshots for each site and category), seo_health_live_checks.csv (138 rows, recording detailed information for each individual pass/fail check), and seo_health_case_studies.csv (10 rows, recording before-and-after case studies for documented fixes). Data generation is based on a Boolean/threshold check scoring system, with scores calculated as (number of passed checks / total checks) × 100. The scanning script uses Python + requests + BeautifulSoup, requiring no headless browser or third-party API keys. The dataset is intended for benchmarking technical SEO health across different CMS/technology stack combinations, providing case studies for common fixes (e.g., header settings, lazy loading, CSS merging), and serving as a reference standard for building comparable multi-site SEO scanners. Limitations include only 4 websites, all owned/operated by the same agency, scanning only the homepage (not full-site crawling), and not measuring real user experience Core Web Vitals. The dataset is released under the CC-BY-4.0 license.

原始信息汇总

数据集概述

WordPress/PHP 技术 SEO 健康基准是一个针对 4 个墨西哥中小企业真实线上网站的技术 SEO 健康度基准数据集，涵盖了不同的技术栈：手工编码主题的 WordPress、WordPress（Astra + Elementor）、WordPress（WooCommerce/Elementor）以及无 CMS 的纯 PHP + MySQL 网站。所有网站均采用相同的确定性评分规则（技术、页面、速度、响应头 → 0-100 分），使各网站和技术栈之间的分数具有直接可比性。

该数据集由 NodarisHub（nodarishub.com） 策划和维护，这是一家面向墨西哥和厄瓜多尔中小企业的网页设计、SEO 和定制软件代理机构，所使用的评分规则（seo_health.py）与该机构每周在其自身网站和客户项目中运行的规则相同。

---

文件结构

文件	行数	描述
data/seo_health_live_snapshot.csv	16	每个网站、每个类别的得分（4 个网站 × 4 个类别）的实时快照
data/seo_health_live_checks.csv	138	快照背后逐项通过/未通过检查的完整记录
data/seo_health_case_studies.csv	10	带有日期、根本原因和修复方案的修复前后记录案例

---

数据列说明

seo_health_live_snapshot.csv：site（网站）、url（网址）、scanned_at（扫描时间）、overall_score（总分）、category（类别）、category_pct（类别百分比）、checks_passed（通过检查数）、checks_total（总检查数）

seo_health_live_checks.csv：site（网站）、url（网址）、scanned_at（扫描时间）、category（类别）、check（检查项）、passed（是否通过）、detail（详情）

seo_health_case_studies.csv：site（网站）、url（网址）、date（日期）、stack（技术栈）、score_before（修复前得分）、score_after（修复后得分）、category（类别）、finding（发现）、fix（修复方案）——包含真实修复工作的日期记录，例如 raditech.mx 通过添加条件 Cache-Control 响应头、JS 驱动懒加载和 CSS 合并/压缩实现 85→100（2026-07-06）；arcademotorsmx.com 通过添加缺失的 H1 和安全响应头实现 85→100（2026-07-05）。

---

评分方法

评分规则对四个类别进行等权重的布尔/阈值检查：

• 技术（Technical） — robots.txt、sitemap、HTTPS 重定向、canonical、html lang、viewport、favicon
• 页面（On-Page） — 标题长度、meta description 长度、H1/H2 结构、Open Graph/Twitter 标签、JSON-LD schema、图片 alt 文本、懒加载、字数
• 速度（Speed） — HTML 大小、外部 CSS/JS 数量、gzip/br 压缩、Cache-Control
• 响应头（Headers） — HSTS、X-Content-Type-Options、Server 头信息泄露

得分计算公式：得分 =（通过检查数 / 总检查数）× 100，按类别和总体分别计算。扫描脚本（seo_health.py）是一个纯 Python + requests + BeautifulSoup 的 HTTP 客户端，无需无头浏览器，也无需第三方 API 密钥。实时快照行通过在 scanned_at 时间点对每个网站的公开首页运行扫描器生成。

---

预期用途

• 跨不同 CMS/技术栈组合进行技术 SEO 健康度基准测试
• 针对常见 WordPress + LiteSpeed Cache 修复（响应头、懒加载、CSS 合并）的修复前后案例研究
• 作为构建自有可比性多站点 SEO 扫描器的参考评分规则

---

局限性

• 仅包含 4 个网站，且均由同一代理机构拥有/运营，不能代表墨西哥中小企业网站的整体情况
• 扫描器仅检查首页信号（非全站爬取），且不测量真实用户核心 Web 指标（Core Web Vitals）

---

许可

数据集基于 CC-BY-4.0 许可发布，复用时应注明出处。

搜集汇总

数据集介绍

构建方式

该数据集聚焦于墨西哥四家中小型企业网站的搜索引擎优化健康度评估，涵盖WordPress（手工编码主题、Astra+Elementor、WooCommerce+Elementor）及无CMS的PHP+MySQL站点。数据集通过统一的确定性评分准则，从技术、页面、速度、头部四个维度对站点进行0-100分量化评分。数据收集依赖基于Python、requests与BeautifulSoup构建的轻量级扫描脚本，无需无头浏览器或第三方API，对每个站点的公开首页执行扫描，形成三项子集：包含16条站点-类别评分的实时快照、138条独立检查记录的实时检测日志，以及10条记录修复前后对比的案例研究。

特点

该数据集的核心优势在于其高度可比性与实用性。所有站点采用相同评分模板与等权布尔/阈值检查，确保评分跨站点与跨技术栈直接对比。数据粒度细腻，实时快照呈现整体与分项得分，实时检测日志记录每个检查项通过与否的细节，案例研究则附有具体日期、根因与修复方案，如通过添加条件性缓存头、JavaScript懒加载与CSS合并缩小等手段实现评分从85跃升至100。数据集仅涵盖四家由同一机构运营的站点，虽非广泛代表，但为同质化比较提供了精准基准。

使用方法

该数据集适用于多种场景：可作为跨内容管理系统与技术栈的技术搜索引擎优化健康度基准参照，用于评估不同平台下的SEO表现；案例研究部分为WordPress搭配LiteSpeed Cache的常见修复（如头部信息、懒加载、CSS合并）提供了可复现的实践参考；数据集亦可用于构建或验证自定义的多站点SEO扫描器。使用者可通过对比实时快照中的评分变化，或借鉴案例中的修复逻辑，优化自身站点的SEO策略。数据集采用CC-BY-4.0许可，引用时需标注来源。

背景与挑战

背景概述

搜索引擎优化（SEO）是中小型企业在数字时代获取在线可见性的关键手段，尤其对于资源有限的拉丁美洲中小企业而言，技术性SEO的健康状况直接影响其网站流量与商业转化。由墨西哥及厄瓜多尔数字服务公司NodarisHub于2026年前后创建的WordPress/PHP技术SEO健康基准数据集，聚焦于四家墨西哥中小企业的真实生产网站，涵盖手工编码的WordPress、Astra+Elementor、WooCommerce/Elementor及无CMS的纯PHP+MySQL站点。该数据集通过统一的确定性评分规则（技术、页面内、速度、HTTP头四维度0-100分）进行跨站点可比评估，为CMS技术栈与SEO健康之间的关联研究提供了实证基础，对拉丁美洲地区的网络性能优化与商业实践具有参考价值。

当前挑战

该数据集所解决的领域核心挑战在于，技术性SEO评估通常依赖复杂的自动化工具或第三方API，而中小企业缺乏标准化、低成本的跨站可比基准。构建过程中，研究者面临样本代表性不足与信号采集局限的双重挑战：四家由同一机构运营的站点难以代表墨西哥中小企业生态的多样性，且基于纯HTTP客户端而非无头浏览器的首页扫描方法，无法捕捉全站爬行结果或真实用户的核心网页指标，导致数据维度单一。此外，静态评分规则未涵盖动态内容加载、多语言页面等新兴SEO要素，亟需扩展检测项与样本规模以提升泛化能力。

常用场景

经典使用场景

在搜索引擎优化（SEO）与网站性能评估领域，mx-wordpress-seo-health-benchmark数据集作为一项精心构建的基准资源，其经典使用场景在于对不同技术栈的WordPress及PHP站点进行可复现的、跨平台的技术SEO健康度横向对比。该数据集覆盖了手工编码主题、Astra+Elementor页面构建器、WooCommerce电商平台以及无CMS的纯PHP+MySQL架构四类真实生产环境中的墨西哥中小企业站点，借助统一的确定性评分规则（技术、页面、速度、HTTP头四维度，0-100分），使得研究者能够直观评估并比较不同技术选择对SEO健康指标的影响。这种结构化、标准化且基于实际运行数据的对比分析框架，为SEO技术栈效能评估提供了可靠且具有操作性的实证工具。

解决学术问题

该数据集精准回应了学术研究中长期存在的技术SEO评估方法碎片化与不可比较性难题。传统上，不同CMS或开发框架间的SEO健康度评估常因评估标准不统一、测试条件各异而难以直接对比，导致研究结论缺乏普适性与可重复性。mx-wordpress-seo-health-benchmark通过提供一份经验证的、公开透明的确定性评分规则及其在多站点上的应用快照，有效解决了技术栈SEO性能可量化和跨平台对比的学术挑战。其意义在于为后续研究者奠定了一个标准化的评估基准，使得关于CMS架构、前端优化策略或托管配置对搜索引擎可见性影响的实证分析成为可能，从而推动了技术SEO领域的科学化与规范化研究进程。

衍生相关工作

围绕mx-wordpress-seo-health-benchmark数据集，可衍生出一系列具有深度与系统性的相关工作。一是开发基于该评分规则的自动化跨站SEO监控仪表盘，通过持续化扫描与结果可视化，实现对多个站群技术健康度的实时追踪与异常报警。二是构建多语言、多地区的扩展基准库，将当前四位墨西哥站点的评估体系复制至拉美其他国家或行业，以探讨地域性托管环境与SEO策略间的关联。三是利用案例研究中的修复前后数据，训练机器学习模型以预测特定优化动作对SEO分数的提升幅度，从而辅助自动生成最优优化建议。四是将该评估框架与真实用户体验指标（如Google Core Web Vitals）相结合，探索技术SEO健康度与用户核心性能之间的相关性，进一步推动全链路Web性能优化研究。