Prakiraan Trafik SEO: proyeksi klik, skenario pertumbuhan, dan pendapatan

Prakiraan Trafik SEO memproyeksikan trafik organik Anda ke depan berdasarkan riwayatnya sendiri. Fitur ini memisahkan musiman dari tren dasar, mencocokkan lima jenis garis tren, memilih garis yang paling baik menjelaskan riwayat Anda tanpa melenceng, lalu memproyeksikan 3, 6, atau 12 bulan ke depan dengan pita kepercayaan 95%. Di atas baseline tersebut, Anda dapat memodelkan skenario pertumbuhan dan mengubah keduanya menjadi pendapatan, untuk menetapkan target atau mendukung usulan investasi.

Muat riwayat Anda

Pada Step 1: Load Historical Data, pilih salah satu sumber:

• GSC Data: tekan Load 16 months of data untuk mengambil klik harian properti selama 16 bulan terakhir, batas maksimum yang disimpan Search Console (16 months of data), apa pun yang diatur pada pemilih tanggal. Filter di bagian atas tetap berlaku, sehingga Anda dapat memprakirakan satu negara atau satu bagian situs.
• Upload CSV atau Paste Data: satu pasangan date, value per baris, dengan tanggal dalam format YYYY-MM-DD atau YYYY-MM. Nilai bulanan dibagi rata ke seluruh hari pada bulan tersebut. Gunakan ini untuk sesi yang diekspor dari Google Analytics, atau untuk riwayat yang lebih dari 16 bulan.

Catatan di halaman ini patut diulang: data Search Console adalah klik, bukan sesi. Keduanya biasanya bergerak searah, tetapi angkanya tidak sama, jadi beri label pada prakiraan sesuai metrik yang Anda muat.

Konfigurasikan prakiraan

Pada Step 2: Configure forecast:

• Granularity: periode Monthly atau Weekly.
• Forecast Months: 3, 6 (default), atau 12.
• Trendline type: Auto-select (best R²), atau paksa Linear, Logarithmic, Exponential, Power, atau Polynomial (degree 2).
• Growth rate (% per year) dan Added sessions / month untuk skenario pertumbuhan.
• Conversion rate (%) (default 2), Average order value (default 50), dan Currency (USD, EUR, GBP, INR, AUD, CAD, atau JPY) untuk pendapatan.

Semua dihitung ulang segera setelah Anda mengubah input.

Cara prakiraan dihitung

1. Periode. Nilai harian dijumlahkan menjadi bulan kalender atau minggu. Periode pertama atau terakhir yang tidak lengkap dibuang, sehingga bulan berjalan yang belum selesai tidak menekan tren ke bawah. Dibutuhkan minimal 4 bulan penuh atau 8 minggu penuh.
2. Musiman. Sebuah garis lurus dicocokkan melalui periode-periode tersebut, dan untuk setiap bulan kalender, rata-rata rasio antara nilai aktual dan garis itu menjadi indeks musimannya (1.0 berarti bulan rata-rata). Indeks dinormalisasi agar rata-ratanya 1, dibatasi antara 0.4 dan 2.5, dan bulan tanpa data diberi nilai 1. Untuk data mingguan, digunakan bulan tempat minggu itu dimulai.
3. Tren. Riwayat dibagi dengan indeks musimannya, lalu kelima garis tren dicocokkan pada sisanya dengan metode kuadrat terkecil (exponential dan power dalam ruang log).
4. Pemilihan. Auto-select mengambil R² tertinggi di antara garis tren yang proyeksinya tetap berada di antara nol dan empat kali puncak historis Anda; jika dua garis selisihnya dalam 0.02 R², yang memiliki MAPE (mean absolute percentage error) lebih rendah yang dipilih. Tabel Model menampilkan R², MAPE, dan kelayakan setiap garis tren.
5. Proyeksi. Tren terpilih diperpanjang dan indeks musiman dikembalikan pada setiap periode mendatang. Pita 95% adalah ±1.96 simpangan baku residual, yang melebar seiring jauhnya periode ke depan.
6. Skenario pertumbuhan. Laju pertumbuhan tahunan diterapkan secara majemuk per periode mulai dari periode prakiraan pertama, sedangkan sesi tambahan merupakan kenaikan bulanan tetap (diproporsikan untuk data mingguan).
7. Pendapatan. Sesi × conversion rate × average order value, untuk baseline dan skenario pertumbuhan.

Membaca hasil

Kartu-kartu menampilkan Current Month (periode lengkap terakhir), total Baseline Forecast dan Growth Forecast sepanjang horizon, serta Growth Revenue. Baseline vs growth memvisualisasikan riwayat, baseline, dan pertumbuhan dengan pita kepercayaan berupa garis putus-putus, sedangkan Seasonal index menunjukkan bulan-bulan kuat dan lemah Anda. Forecast table mencantumkan setiap periode beserta nilai aktual, tren yang dicocokkan, indeks musiman, baseline, batas 95%, skenario pertumbuhan, dan kedua angka pendapatan, dan dapat diekspor sebagai CSV.

Gunakan dengan hati-hati

Prakiraan mengasumsikan masa depan berperilaku seperti masa lalu. Core update, migrasi, bagian situs baru, dan peristiwa musiman yang hanya terjadi pada tahun-tahun tertentu tidak termasuk dalam model. Pita yang lebar berarti riwayatnya berfluktuasi, dan prakiraan dengan data 16 bulan hanya melihat tiap bulan kalender paling banyak dua kali, jadi anggap musimannya sebagai sketsa kasar. Periksa garis tren yang dipilih: polinomial yang melengkung tajam di ujung merupakan tanda peringatan, meskipun R²-nya tinggi.

Bagaimana AutoPSEO membantu

Input Added sessions / month adalah tempat untuk memodelkan konten baru. Jika content engine menambahkan artikel dengan ritme mingguan yang stabil, perkirakan klik bulanan artikel tersebut dari artikel yang sudah tayang, lalu masukkan angkanya sebagai kenaikan. Content group untuk bagian situs yang dikelola engine tersebut kemudian menunjukkan apakah halaman-halaman baru mengikuti perkiraan itu.