[ad_1]
当SEO顾问和第三方讨论计划的SEO策略时，如何预测有机流量是争论中经常出现的问题。
由于SEO不是一门精确的科学，并且由于缺乏适用于所有行业的一般事实（每页的单词数量等）和确切数字（每次点击成本等），SEO本质上使数学预测变得困难。
为何预测有机交通？
有几个原因导致公司负责人，部门负责人和许多其他决策者要求SEO流量预测：
- 确保投资。 （SEO首先是作为营销渠道的投资。）
- 平衡搜索引擎优化预算和付费搜索投资（谷歌广告，购物等）之间的费用。
您是否同意提供预测？
这个问题是每个SEO顾问在面对严格的经理或客户时迟早都必须回答。
尝试预测结果似乎有风险，因为SEO是一种不精确的科学。
有时候，你正在处理的人会理解这一点，很快就会看到SEO的复杂性。
但在其他情况下，在您为任何SEO策略开绿灯之前，提供预测将是必不可少的必要条件。
但是，在开始计算预测之前，您需要掌握足够的信息：
- 过去12个月的每月有机会话：我想说这是允许您在一整年内平滑预测数据的最短时间长度，这反过来可以真实地理解数据背后的内容。
- 同期其他频道的月度会话，以便更好地了解网站流量的全貌。此信息不会用于计算。
- 可能需要增加付费搜索投资的重要事件。
- 季节性（高活动和低活动的周期）和网站行业的关键时期。
这些信息需要成为产生现实和相关预测的“好候选人”。换句话说，不能使用随机和不完整的数据。
你怎么能预测有机交通？
根据您使用的工具，有几种方法可用于预测预计的流量。
为了本文的目的，我们将讨论两种方法，这些方法既易于实现又易于向您的上级解释。
1. Holt-Winters方法
尽管这是一种指数平滑方法，但Holt-Winters方法具有明显的优势，因为它考虑了一系列数据的趋势以及季节性的概念。
因此，它可以根据我们想要建立预测的网站特定数据创建真实的预测。
要使用此方法，您需要下载：
这是对的：我们将使用语言R来创建投影（但您不需要成为R的专家来进行此练习）。
接下来，您需要使用此命令打开R Studio并下载以下库，但替换以下三个库中的每个库的LIBRARY_NAME：
install.packages（ “LIBRARY_NAME”）
- Highcharter：创建数据可视化。
- GoogleAnalyticsR：从Google Analytics获取所需数据。
- 预测：创建投影。
最后，您需要记下要用于获取有机会话数据的Google Analytics视图的ID。
现在，回到R Studio，你可以 复制并粘贴以下代码 在使用您自己的Google Analytics视图ID数据和要分析的日期替换占位符后执行它。
这将产生我们一直在等待的投影的可视化！
＃加载我们需要的库（highcharter）库（googleAnalyticsR）库（预测）＃设置我们将使用的视图ID。 view_id < – XYZABC＃授权Google Analytics ga_auth（）＃从Google Analytics gadata获取数据< – google_analytics_4（view_id，date_range = c（“YYYY-MM-DD”，“YYYY-MM-DD”），metrics =“sessions “，dimension = c（”yearMonth“），max = -1）＃将数据转换为正式的”时间序列“数据ga_ts < – ts（gadata $ sessions，start = c（YYYY，MM），end = c （YYYY，MM），频率= 12）＃计算Holt-Winters过滤数据预测1 < – HoltWinters（ga_ts）＃生成有机会话未来12个月的预测hchart（预测（forecast1，h = 12））
给自己拍拍背！您已经预测了未来12个月的有机流量！
2.使用Search Console的CTR方法
第二种方法在分析中采用了更多的短期方法，因为它不允许您在接下来的12个月内平滑预测。
然而，它具有基于其他自定义标准定位特定页面的优势 – 例如，您为其分配的重要性分数。
在此示例中，我们将使用OnCrawl，SEMrush和Search Console，但可以使用任何可以连接到其他数据源的爬网程序以及提供关键字数据的任何工具来完成此练习。
在我们的示例中，我们将根据关键字（不包括品牌名称）查看数据的可视化。我们还可以应用更窄的分段，以便集中，例如，在特定的页面组上。
在我们开始之前，我们需要从SEMrush导出与我们正在分析的网站有关的有机搜索数据：
- 网址
- 关键词
- 当前位置
- 每月搜索量
- 关键字难度
- 估算的每次点击费用
- 竞争程度
- Google中的结果数量
- 每月搜索趋势（当您在电子表格编辑器（如Excel或LibreOffice）中打开导出时，您需要将日历月归因于每个值。
链接到URL后，这些数据将与爬网和Search Console数据相关联，以便创建以下可视化。
这里，目标是分析在搜索结果的第1页上排名的页面，在位置4和10之间，并且竞争对手低或非常低。
我们现在假设这个 KPI 是我们优化行动成功的一个因素。或者，我们也可以选择使用关键字“难度”作为基础KPI。
在这个例子中，我们在第4和第10位之间排名27页，竞争程度低，120页，竞争程度非常低。
现在，借助从搜索控制台和抓取数据的交叉分析创建的下表，我们可以根据搜索结果中排名前3位的页面的当前平均点击率创建投影。
我们还可以根据点击率高于或低于整个网站平均点击率的网页创建正面和负面预测。
使用我们之前找到的147页的详细信息，请按照下列步骤操作：
- 将以下数据从爬网程序导出到Excel：位置，关键字，页面，竞争级别。
- 还包括每个关键字的每月搜索量或与该页面关联的所有搜索的平均值。
- 在Excel中，每页将CTR乘以平均搜索量（全局页面量或每页目标关键字的量），以便定义您在有机流量中的潜在收购。在下面的示例中，列E和F对应于基于相应平均SERP位置的平均CTR的潜在月度流量。
结论
您刚刚创建了两种不同类型的投影来预测网站上的自然流量。
注意，可以基于关于竞争者网站的附加数据（例如，排名页面上是否存在结构化数据等）创建不同的投影。
图片来源
所有截图均由作者拍摄，2019年6月