[ad_1]
當SEO顧問和第三方討論計劃的SEO策略時,如何預測有機流量是爭論中經常出現的問題。
由於SEO不是一門精確的科學,並且由於缺乏適用於所有行業的一般事實(每頁的單詞數量等)和確切數字(每次點擊成本等),SEO本質上使數學預測變得困難。
為何預測有機交通?
有幾個原因導致公司負責人,部門負責人和許多其他決策者要求SEO流量預測:
- 確保投資。 (SEO首先是作為營銷渠道的投資。)
- 平衡搜索引擎優化預算和付費搜索投資(谷歌廣告,購物等)之間的費用。
您是否同意提供預測?
這個問題是每個SEO顧問在面對嚴格的經理或客戶時遲早都必須回答。
嘗試預測結果似乎有風險,因為SEO是一種不精確的科學。
有時候,你正在處理的人會理解這一點,很快就會看到SEO的複雜性。
但在其他情況下,在您為任何SEO策略開綠燈之前,提供預測將是必不可少的必要條件。
但是,在開始計算預測之前,您需要掌握足夠的信息:
- 過去12個月的每月有機會話:我想說這是允許您在一整年內平滑預測數據的最短時間長度,這反過來可以真實地理解數據背後的內容。
- 同期其他頻道的月度會話,以便更好地了解網站流量的全貌。此信息不會用於計算。
- 可能需要增加付費搜索投資的重要事件。
- 季節性(高活動和低活動的周期)和網站行業的關鍵時期。
這些信息需要成為產生現實和相關預測的「好候選人」。換句話說,不能使用隨機和不完整的數據。
你怎麼能預測有機交通?
根據您使用的工具,有幾種方法可用於預測預計的流量。
為了本文的目的,我們將討論兩種方法,這些方法既易於實現又易於向您的上級解釋。
1. Holt-Winters方法
儘管這是一種指數平滑方法,但Holt-Winters方法具有明顯的優勢,因為它考慮了一系列數據的趨勢以及季節性的概念。
因此,它可以根據我們想要建立預測的網站特定數據創建真實的預測。
要使用此方法,您需要下載:
這是對的:我們將使用語言R來創建投影(但您不需要成為R的專家來進行此練習)。
接下來,您需要使用此命令打開R Studio並下載以下庫,但替換以下三個庫中的每個庫的LIBRARY_NAME:
install.packages( 「LIBRARY_NAME」)
- Highcharter:創建數據可視化。
- GoogleAnalyticsR:從Google Analytics獲取所需數據。
- 預測:創建投影。
最後,您需要記下要用於獲取有機會話數據的Google Analytics視圖的ID。
現在,回到R Studio,你可以 複製並粘貼以下代碼 在使用您自己的Google Analytics視圖ID數據和要分析的日期替換佔位符後執行它。
這將產生我們一直在等待的投影的可視化!
#載入我們需要的庫(highcharter)庫(googleAnalyticsR)庫(預測)#設置我們將使用的視圖ID。 view_id < – XYZABC#授權Google Analytics ga_auth()#從Google Analytics gadata獲取數據< – google_analytics_4(view_id,date_range = c(「YYYY-MM-DD」,「YYYY-MM-DD」),metrics =「sessions 「,dimension = c(」yearMonth「),max = -1)#將數據轉換為正式的」時間序列「數據ga_ts < – ts(gadata $ sessions,start = c(YYYY,MM),end = c (YYYY,MM),頻率= 12)#計算Holt-Winters過濾數據預測1 < – HoltWinters(ga_ts)#生成有機會話未來12個月的預測hchart(預測(forecast1,h = 12))
給自己拍拍背!您已經預測了未來12個月的有機流量!
2.使用Search Console的CTR方法
第二種方法在分析中採用了更多的短期方法,因為它不允許您在接下來的12個月內平滑預測。
然而,它具有基於其他自定義標準定位特定頁面的優勢 – 例如,您為其分配的重要性分數。
在此示例中,我們將使用OnCrawl,SEMrush和Search Console,但可以使用任何可以連接到其他數據源的爬網程序以及提供關鍵字數據的任何工具來完成此練習。
在我們的示例中,我們將根據關鍵字(不包括品牌名稱)查看數據的可視化。我們還可以應用更窄的分段,以便集中,例如,在特定的頁面組上。
在我們開始之前,我們需要從SEMrush導出與我們正在分析的網站有關的有機搜索數據:
- 網址
- 關鍵詞
- 當前位置
- 每月搜索量
- 關鍵字難度
- 估算的每次點擊費用
- 競爭程度
- Google中的結果數量
- 每月搜索趨勢(當您在電子表格編輯器(如Excel或LibreOffice)中打開導出時,您需要將日曆月歸因於每個值。
鏈接到URL後,這些數據將與爬網和Search Console數據相關聯,以便創建以下可視化。
這裡,目標是分析在搜索結果的第1頁上排名的頁面,在位置4和10之間,並且競爭對手低或非常低。
我們現在假設這個 KPI 是我們優化行動成功的一個因素。或者,我們也可以選擇使用關鍵字「難度」作為基礎KPI。
在這個例子中,我們在第4和第10位之間排名27頁,競爭程度低,120頁,競爭程度非常低。
現在,藉助從搜索控制台和抓取數據的交叉分析創建的下表,我們可以根據搜索結果中排名前3位的頁面的當前平均點擊率創建投影。
我們還可以根據點擊率高於或低於整個網站平均點擊率的網頁創建正面和負面預測。
使用我們之前找到的147頁的詳細信息,請按照下列步驟操作:
- 將以下數據從爬網程序導出到Excel:位置,關鍵字,頁面,競爭級別。
- 還包括每個關鍵字的每月搜索量或與該頁面關聯的所有搜索的平均值。
- 在Excel中,每頁將CTR乘以平均搜索量(全局頁面量或每頁目標關鍵字的量),以便定義您在有機流量中的潛在收購。在下面的示例中,列E和F對應於基於相應平均SERP位置的平均CTR的潛在月度流量。
結論
您剛剛創建了兩種不同類型的投影來預測網站上的自然流量。
注意,可以基於關於競爭者網站的附加數據(例如,排名頁面上是否存在結構化數據等)創建不同的投影。
圖片來源
所有截圖均由作者拍攝,2019年6月