SEO-trafikprognos: prognostisera klick, tillväxtscenarier och intäkter

SEO-trafikprognosen projicerar din organiska trafik framåt utifrån dess egen historik. Den skiljer säsongsvariationen från den underliggande trenden, anpassar fem typer av trendlinjer, väljer den som bäst förklarar din historik utan att skena iväg och prognostiserar 3, 6 eller 12 månader framåt med ett konfidensintervall på 95 %. Ovanpå den basprognosen kan du modellera ett tillväxtscenario och omvandla båda till intäkter, för att sätta ett mål eller motivera en investering.

Läs in din historik

Under Step 1: Load Historical Data väljer du en källa:

• GSC Data: tryck på Load 16 months of data för att hämta dagliga klick för egenskapen under de senaste 16 månaderna, vilket är det mesta Search Console sparar (16 months of data), oavsett vad datumväljaren visar. Filtren högst upp gäller, så du kan prognostisera ett enskilt land eller en enskild sektion.
• Upload CSV eller Paste Data: ett date, value-par per rad, med datum som YYYY-MM-DD eller YYYY-MM. Ett månadsvärde fördelas jämnt över månadens dagar. Använd detta för sessioner exporterade från Google Analytics, eller för mer än 16 månaders historik.

Anteckningen på sidan tål att upprepas: data från Search Console är klick, inte sessioner. De två följer oftast varandra men är inte samma tal, så märk prognosen med det mått du har läst in.

Konfigurera prognosen

Under Step 2: Configure forecast:

• Granularity: Monthly- eller Weekly-perioder.
• Forecast Months: 3, 6 (standard) eller 12.
• Trendline type: Auto-select (best R²), eller tvinga fram Linear, Logarithmic, Exponential, Power eller Polynomial (degree 2).
• Growth rate (% per year) och Added sessions / month för tillväxtscenariot.
• Conversion rate (%) (2 som standard), Average order value (50 som standard) och Currency (USD, EUR, GBP, INR, AUD, CAD eller JPY) för intäkter.

Allt räknas om så snart du ändrar en inställning.

Så beräknas prognosen

1. Perioder. Dagliga värden summeras till kalendermånader eller veckor. En ofullständig första eller sista period utelämnas, så att den pågående, ännu inte avslutade månaden aldrig drar ner trenden. Minst 4 fullständiga månader eller 8 fullständiga veckor krävs.
2. Säsongsvariation. En rät linje anpassas genom perioderna, och för varje kalendermånad blir den genomsnittliga kvoten mellan faktiskt värde och den linjen dess säsongsindex (1,0 är en genomsnittlig månad). Indexen normaliseras till medelvärdet 1, hålls mellan 0,4 och 2,5, och månader utan data får 1. Veckor använder den månad de börjar i.
3. Trend. Historiken divideras med sina säsongsindex, och de fem trendlinjerna anpassas till det som återstår med minstakvadratmetoden (exponentiell och potens i logaritmisk skala).
4. Urval. Auto-select väljer det högsta R² bland de trendlinjer vars prognos håller sig mellan noll och fyra gånger din historiska topp. När två ligger inom 0,02 R² från varandra vinner den med lägre MAPE (mean absolute percentage error, genomsnittligt absolut procentuellt fel). Tabellen Model visar varje trendlinjes R², MAPE och om den var valbar.
5. Prognos. Den valda trenden förlängs och säsongsindexet läggs tillbaka på varje framtida period. Intervallet på 95 % är ±1,96 residualstandardavvikelser och vidgas ju längre fram det går.
6. Tillväxtscenario. Den årliga tillväxttakten sammansätts per period från och med den första prognosperioden, och tillagda sessioner är ett fast månatligt tillskott (proportionerat för veckor).
7. Intäkter. Sessioner × konverteringsgrad × genomsnittligt ordervärde, för både basprognosen och tillväxtscenariot.

Läs resultaten

Korten visar Current Month (den senaste fullständiga perioden), totalerna för Baseline Forecast och Growth Forecast över prognoshorisonten samt Growth Revenue. Baseline vs growth visar historik, basprognos och tillväxt i diagram med konfidensintervallet streckat, och Seasonal index visar dina starka och svaga månader. Forecast table listar varje period med faktiskt värde, anpassad trend, säsongsindex, basprognos, gränserna för 95 %, tillväxtscenariot och båda intäktssiffrorna, och kan exporteras som CSV.

Använd den med omdöme

En prognos förutsätter att framtiden beter sig som det förflutna. Core updates, migreringar, nya sektioner och säsongshändelser som bara inträffar vissa år finns inte med i modellen. Ett brett intervall betyder att historiken är brusig, och en prognos med 16 månaders data har sett varje kalendermånad högst två gånger, så se dess säsongsvariation som en skiss. Kontrollera den valda trendlinjen: ett polynom som böjer av kraftigt i slutet är en varningssignal, även när dess R² är högt.

Så hjälper AutoPSEO

Fältet Added sessions / month är rätt ställe att modellera nytt innehåll. Om content engine lägger till artiklar i jämn takt varje vecka kan du uppskatta deras månatliga klick utifrån de artiklar som redan är publicerade och ange det som tillskott. En content group för motorns sektion visar sedan om de nya sidorna håller jämna steg med uppskattningen.