Previsão de tráfego SEO: projete cliques, cenários de crescimento e receita

A Previsão de tráfego SEO projeta o seu tráfego orgânico a partir do próprio histórico. Ela separa a sazonalidade da tendência de fundo, ajusta cinco tipos de linha de tendência, escolhe a que melhor explica o seu histórico sem divergir e projeta 3, 6 ou 12 meses à frente com uma banda de confiança de 95%. Sobre essa linha de base, você pode modelar um cenário de crescimento e convertê-los em receita, para definir uma meta ou justificar um investimento.

Carregue o seu histórico

Em Step 1: Load Historical Data, escolha uma origem:

• GSC Data: clique em Load 16 months of data para obter os cliques diários da propriedade nos últimos 16 meses, o máximo que o Search Console mantém (16 meses de dados), independentemente do que o seletor de datas indique. Os filtros no topo são aplicados, então você pode prever um único país ou uma única seção.
• Upload CSV ou Paste Data: um par date, value por linha, com datas no formato YYYY-MM-DD ou YYYY-MM. Um valor mensal é distribuído igualmente pelos dias daquele mês. Use essa opção para sessões exportadas do Google Analytics ou para mais de 16 meses de histórico.

Vale repetir o aviso exibido na página: os dados do Search Console são cliques, não sessões. Os dois costumam variar juntos, mas não são o mesmo número, então identifique a previsão com a métrica que você carregou.

Configure a previsão

Em Step 2: Configure forecast:

• Granularity: períodos Monthly ou Weekly.
• Forecast Months: 3, 6 (padrão) ou 12.
• Trendline type: Auto-select (best R²), ou force Linear, Logarithmic, Exponential, Power ou Polynomial (degree 2).
• Growth rate (% per year) e Added sessions / month para o cenário de crescimento.
• Conversion rate (%) (2 por padrão), Average order value (50 por padrão) e Currency (USD, EUR, GBP, INR, AUD, CAD ou JPY) para a receita.

Tudo é recalculado assim que você altera um campo.

Como a previsão é calculada

1. Períodos. Os valores diários são somados em meses ou semanas do calendário. Um primeiro ou último período parcial é descartado, de modo que o mês atual, ainda incompleto, nunca puxe a tendência para baixo. São necessários pelo menos 4 meses completos ou 8 semanas completas.
2. Sazonalidade. Uma reta é ajustada aos períodos e, para cada mês do calendário, a razão média entre o valor real e essa reta se torna o seu índice sazonal (1.0 é um mês médio). Os índices são normalizados para ter média 1, mantidos entre 0.4 e 2.5, e os meses sem dados recebem 1. As semanas usam o mês em que começam.
3. Tendência. O histórico é dividido pelos seus índices sazonais, e as cinco linhas de tendência são ajustadas ao que sobra por mínimos quadrados (exponencial e potência no espaço logarítmico).
4. Seleção. A seleção automática escolhe o maior R² entre as linhas de tendência cuja projeção permanece entre zero e quatro vezes o seu pico histórico; quando duas estão a até 0.02 de R², vence a de menor MAPE (erro percentual absoluto médio). A tabela Model mostra o R², o MAPE e a elegibilidade de cada linha de tendência.
5. Projeção. A tendência escolhida é estendida e o índice sazonal é reaplicado a cada período futuro. A banda de 95% corresponde a ±1.96 desvios-padrão dos resíduos e se alarga quanto mais distante for o período.
6. Cenário de crescimento. A taxa de crescimento anual é composta por período a partir do primeiro período previsto, e as sessões adicionais são um acréscimo mensal fixo (proporcional no caso das semanas).
7. Receita. Sessões × taxa de conversão × valor médio do pedido, para a linha de base e para o cenário de crescimento.

Leia os resultados

Os cartões mostram o Current Month (o último período completo), os totais de Baseline Forecast e Growth Forecast no horizonte e a Growth Revenue. O gráfico Baseline vs growth exibe o histórico, a linha de base e o crescimento, com a banda de confiança tracejada, e o Seasonal index mostra os seus meses fortes e fracos. A Forecast table lista cada período com o valor real, a tendência ajustada, o índice sazonal, a linha de base, os limites de 95%, o cenário de crescimento e os dois valores de receita, e pode ser exportada em CSV.

Use com cautela

Uma previsão presume que o futuro se comportará como o passado. Atualizações de núcleo, migrações, novas seções e eventos sazonais que só acontecem em alguns anos não fazem parte do modelo. Uma banda larga indica que o histórico é ruidoso, e uma previsão com 16 meses de dados viu cada mês do calendário no máximo duas vezes, então trate a sazonalidade como um esboço. Confira a linha de tendência selecionada: um polinômio que se curva bruscamente no final é um sinal de alerta, mesmo com um R² alto.

Como o AutoPSEO ajuda

O campo Added sessions / month é o lugar para modelar conteúdo novo. Se o content engine está adicionando artigos em um ritmo semanal constante, estime os cliques mensais deles a partir dos artigos que já estão publicados e informe esse valor como acréscimo. Um content group para a seção do engine mostra então se as novas páginas acompanham a estimativa.