Как мы формируем экспресс-прогноз посещаемости в SEO

Используется, в основном, на этапе пресейла. Пригодится SEO-специалистам, стратегам, аналитикам и маркетологам.

Рассмотрим базовые положения нашей модели, а затем пробежимся по ключевым этапам технологии, затронув наиболее важные моменты.

Поддержка принятия решения

Мы используем простую систему поддержки принятия решения и ее достаточно для прогноза. На выходе получаем численное описание и визуализацию по трем сценариям: без продвижения, стандартный и оптимистичный.

Прогнозируем на год вперед

Для формирования сценариев продвижения, выбора кривой тренда и оценки чистоты фразы проводим экспресс-анализ проекта, смотрим конкурентов и выдачу по запросам, вычищаем объем спроса, подбираем коэффициенты.

Входные данные

На этом этапе достаточно данных Гугл Аналитикс и общих частот опорных фраз. Например, купить шины и купить колеса. Обычно подбираем одну фразу на одну категорию и рекомендуем использовать от трех до семи опорных фраз.

Для прогноза суммарного органического трафика нужны сеансы минимум за год, иначе скользящая и запаздывающая функция в случае значительной сезонности пропустит начало пика или спада — значение будет скорректировано только на следующий месяц. Если таких данных нет, то рекомендуем использовать один из трех вариантов выбора базовой кривой:

1. постоянное среднее за имеющийся период;
2. среднее за период с коэффициентом тренда (опасно при большой сезонности и малом количестве информации);
3. ноль трафика, считать только прирост за счет продвижения.

Прогнозная функция пропустила начало пика в мае и спад в октябре. Только на второй год кривая стала повторять сезонные колебания

Как мы составляем точный прогноз

Заполняем область ретроспективы спроса на первом листе. Импортируем из Кей Коллектора данные сезонности опорных фраз и размещаем их в зону ниже второго розового разделителя.

Область для выгрузки данных сезонности

Получаем коэффициент тренда и прогноз по общему нечищенному спросу со всех опорных фраз. Коэффициент тренда показывает общую тенденцию: как за последние 12 месяцев изменился спрос по сравнению с позапрошлым годом.

Прогноз общего объема запросов по имеющимся опорным фразам. Коэффициент тренда — 1,3

Подбираем коэффициент сигмоидальных функций через надстройку Поиск решенияв Экселе или плагином в Гугл-спредшите с аналогичными возможностями.

Настройки для поиска оптимальной сигмоиды по данным за два года

Задача — найти две сигмоиды, наиболее близко расположенные к фактическим данным. Сравнение производим на отрезках в один и два года.

Векторы из значений функций тренда на прогнозный период: две подобранные сигмоиды и степенная функция

Выбираем одну из сигмоид или используем степенную функцию на основе прогноза спроса, перспектив проекта и активности конкурентов по данному сегменту рынка. Рекомендуем выбирать одну из сигмоид при прогнозе на насыщение спроса и высокую конкурентность, степенную функцию — при прогнозе на бурный рост спроса и слабую активность конкурентов.

Графическое представление функций тренда для принятия решения аналитиком. Годовой коэффициент тренда в данном случае — 1,30

Нормируем фактические данные на коэффициент тренда в точке, равной одному месяцу.Получаем функцию сезонности. Используем понижающий коэффициент влияния, равный 0,8 — считаем, что для сезонности значения первого года менее значимы, чем второго.

Сезонные коэффициенты опорных фраз (1) и общий коэффициент сезонности (2)

Проводим технический анализ по методике:

1. Выбираем функции и вектор весовых коэффициентов, их влияния в прогнозных точках — месяцах.
2. Произведение вектора значений выбранных функций и вектора весов, разделенное на сумму весов — есть прогнозное значение для конкретного месяца.
3. Протягиваем. Прогноз по сценарию без продвижения составлен.

Мы используем понижающий коэффициент для функций, вычисляемых через расчетные значения.

Это сделано для уменьшения влияния параметров, частично или полностью полученных по расчетным, а не фактическим данным, — искусственная сходимость к скользящему среднему при прогнозе на несколько лет.

Область расчета прогнозного значения трафика по выбранным функциям и их весам

1 — функции и вектор весовых коэффициентов; 2 — сумма весов; 3 — прогнозное значение

Заполняем блок расчетных частот опорных фраз:

1. Из общей частоты для выбранного региона вычищаем объем минус-словами, формирующими наибольшее количество мусора, сохраняем их в ячейку под фразой и указываем частоту с учетом минус-слов.
2. Указываем коэффициент чистоты для текущего, уже заминусованного кластера — примерную долю объема полезных запросов.
3. В результате получаем расчетную частоту и итоговый коэффициент чистоты полезного объема, которые будут использоваться в прогнозе.
4. Повторяем пункты 1-4 для всех фраз и интересующих нас регионов.

Заполнение блока расчетных частот кластеров

Составляем прогноз трафика проекта для стандартного и оптимистического сценариев продвижения.

Заполнение сценариев — финальная и самая ответственная часть работы специалиста. Количество сеансов с органики вычисляется с учетом двух коэффициентов — среднего CTR позиции и коэффициента вариации, указывающему долю достигших позиции фраз.

Пример заполнения оптимистичного сценария продвижения

Так получаем таблицу итогового трафика и прироста по месяцам, а также графическое представление, пример на первом изображении в статье.

Что улучшит точность прогноза и автоматизацию

1. Подход к прогнозу через расчетные частоты и стабильный трафик на проекте. По уже собранной семантике для устойчивых проектов, находящихся долгое время на продвижении, задача прогнозирования решается достаточно точно.

2. Автоматизация и точность базового SEO-анализа проекта, конкурентов, сегментов рынка и ниши в целом. В том числе определением того, кто из выдачи не является конкурентом и за какие позиции мы можем бороться.

3. Регрессионный анализ или использование нейросетей при расчете тренда и скользящей функции прогноза.

Оригинал статьи