Самостоятельное прогнозирование органического трафика
Введение
Дорогие друзья, я рад приветствовать вас всех! Сегодня мы поговорим о том, как самостоятельно прогнозировать органический трафик. Это очень полезная вещь, ведь когда речь идет о SEO-оптимизации, очень важно понимать ожидаемый результат, особенно если вы являетесь владельцем сайта. В этой статье мы сравним различные подходы к прогнозированию, инструменты и сервисы, которые могут помочь вам в этом.
Что такое прогнозирование трафика?
Прогнозирование трафика — это совокупность аналитических процессов, позволяющих определить потенциал ваших поисковых позиций, количество посетителей, а также ресурсы, которые необходимо запланировать для SEO-оптимизации.
На основе этих данных можно оценить ожидаемый доход от SEO, что особенно актуально для персональных блогов, сайтов электронной коммерции и новостных сайтов. В процессе прогнозирования необходимо определить CTR, коэффициент конверсии, объем продаж вашего продукта/услуги и другие показатели, влияющие на конечный результат.
Важно отметить, что универсального метода прогнозирования в SEO не существует. Да и сам этот процесс не прост, поэтому ведутся многочисленные споры о том, как получить наиболее точные результаты. Однако, несмотря на отсутствие 100%-ной гарантии, прогнозирование, безусловно, может помочь предприятиям, компаниям или частным лицам скоординировать свои действия перед началом поисковой оптимизации.
Кому полезно прогнозирование трафика
- владельцам бизнеса, которые хотят понять примерное соотношение затрат и доходов от SEO-оптимизации;
- SEO-специалистам, которые хотят получить конкурентное преимущество и/или улучшить общение с клиентами.
Основные подходы к прогнозированию трафика
- Использование для прогнозирования платного инструмента Semrush и его внутренних сервисов;
- Наш метод, который позволяет прогнозировать трафик на 6/12 месяцев с помощью бесплатных инструментов;
- Метод оценки трафика на основе исторических данных;
- Бонусный метод, подходящий для специалистов продвинутого уровня.
Метод 1 – Прогнозирование с помощью Semrush
*Это не реклама сервиса. Вы можете с тем же успехом использовать любой аналогичный сервис, например Ahrefs или SerpStat.
В своем блоге Semrush пишет о прогнозировании не только органического трафика, но и конверсий, лидов и продаж. Этот аспект уже не имеет отношения к SEO, но в конце статьи мы приведем формулы в качестве бонуса.
Как работает метод
Для прогнозирования органического трафика с помощью сервиса Semrush необходимо взять месячный объем поиска по интересующим нас ключевым словам и умножить его на CTR нашего сайта.
- Объем поиска – среднее количество поисковых запросов по ключевому слову в месяц.
- Органический CTR – процент поисковых запросов, которые приводят к кликам на ваш сайт в результатах поиска.
Важное примечание: Для получения более точных результатов прогнозирования трафика рекомендуется использовать данные CTR из Google Search Console. Однако если ваш сайт новый или вы ранее не проводили SEO-оптимизацию, можно использовать средние значения из исследования Semrush.
Вот фактические результаты исследования в рамках CTR:
Сбор данных для прогнозирования
Теперь перейдем непосредственно к инструментам сбора данных для будущего прогнозирования. Для сбора ключевых слов мы будем использовать инструмент под названием Keyword Magic Tool.
Переходим на главную страницу сервиса и вводим нужное нам ключевое слово. В качестве примера возьмем запрос «фильмы», чтобы собрать ключевые слова для сайта кинотеатра.
Нажимаем кнопку «Поиск» и сразу же получаем набор ключевых слов, которые изначально отсортированы по объему поиска.
Далее следует собрать необходимые ключевые слова и экспортировать их в файл.
После того как мы собрали список нужных нам ключевых слов, переходим в Google Search Console, чтобы посмотреть CTR целевых страниц по нашим ключевым словам.
Формула прогнозирования
Месячный прогноз органического трафика = месячный объем поиска по ключевым словам × CTR (мы возьмем средний CTR из исследования).
Пример: поисковый запрос «фильмы рядом со мной» – 3 350 000 запросов в месяц. CTR на мобильных устройствах для 5-й позиции – 5,6%:
3 350 000 × 5.6% = 187 600
Цифра, конечно, впечатляющая, но совсем не точная, поскольку учитывает только два параметра. Также стоит учитывать, что запрос может появиться в расширенных результатах поиска с Google Maps и Бизнес-профилями. И данные взяты только за 1 месяц, что снижает точность.
Дополнительные советы
Рекомендуется также следить за результатами конкурентов, для чего достаточно открыть инструмент Organic Research Tool. Введите домен конкурента и посмотрите его позиции по ключевым словам.
Теперь перейдем к разделу «Ранжирование», чтобы увидеть позиции по ключевым словам.
Введение
Дорогие друзья, я рад приветствовать вас всех! Сегодня мы поговорим о том, как самостоятельно прогнозировать органический трафик. Это очень полезная вещь, ведь когда речь идет о SEO-оптимизации, очень важно понимать ожидаемый результат, особенно если вы являетесь владельцем сайта. В этой статье мы сравним различные подходы к прогнозированию, инструменты и сервисы, которые могут помочь вам в этом.
Что такое прогнозирование трафика?
Прогнозирование трафика — это совокупность аналитических процессов, позволяющих определить потенциал ваших поисковых позиций, количество посетителей, а также ресурсы, которые необходимо запланировать для SEO-оптимизации.
На основе этих данных можно оценить ожидаемый доход от SEO, что особенно актуально для персональных блогов, сайтов электронной коммерции и новостных сайтов. В процессе прогнозирования необходимо определить CTR, коэффициент конверсии, объем продаж вашего продукта/услуги и другие показатели, влияющие на конечный результат.
Важно отметить, что универсального метода прогнозирования в SEO не существует. Да и сам этот процесс не прост, поэтому ведутся многочисленные споры о том, как получить наиболее точные результаты. Однако, несмотря на отсутствие 100%-ной гарантии, прогнозирование, безусловно, может помочь предприятиям, компаниям или частным лицам скоординировать свои действия перед началом поисковой оптимизации.
Кому полезно прогнозирование трафика
- владельцам бизнеса, которые хотят понять примерное соотношение затрат и доходов от SEO-оптимизации;
- SEO-специалистам, которые хотят получить конкурентное преимущество и/или улучшить общение с клиентами.
Основные подходы к прогнозированию трафика
- Использование для прогнозирования платного инструмента Semrush и его внутренних сервисов;
- Наш метод, который позволяет прогнозировать трафик на 6/12 месяцев с помощью бесплатных инструментов;
- Метод оценки трафика на основе исторических данных;
- Бонусный метод, подходящий для специалистов продвинутого уровня.
Метод 1 – Прогнозирование с помощью Semrush
*Это не реклама сервиса. Вы можете с тем же успехом использовать любой аналогичный сервис, например Ahrefs или SerpStat.
В своем блоге Semrush пишет о прогнозировании не только органического трафика, но и конверсий, лидов и продаж. Этот аспект уже не имеет отношения к SEO, но в конце статьи мы приведем формулы в качестве бонуса.
Как работает метод
Для прогнозирования органического трафика с помощью сервиса Semrush необходимо взять месячный объем поиска по интересующим нас ключевым словам и умножить его на CTR нашего сайта.
- Объем поиска – среднее количество поисковых запросов по ключевому слову в месяц.
- Органический CTR – процент поисковых запросов, которые приводят к кликам на ваш сайт в результатах поиска.
Важное примечание: Для получения более точных результатов прогнозирования трафика рекомендуется использовать данные CTR из Google Search Console. Однако если ваш сайт новый или вы ранее не проводили SEO-оптимизацию, можно использовать средние значения из исследования Semrush.
Вот фактические результаты исследования в рамках CTR:
Сбор данных для прогнозирования
Теперь перейдем непосредственно к инструментам сбора данных для будущего прогнозирования. Для сбора ключевых слов мы будем использовать инструмент под названием Keyword Magic Tool.
Переходим на главную страницу сервиса и вводим нужное нам ключевое слово. В качестве примера возьмем запрос «фильмы», чтобы собрать ключевые слова для сайта кинотеатра.
Нажимаем кнопку «Поиск» и сразу же получаем набор ключевых слов, которые изначально отсортированы по объему поиска.
Далее следует собрать необходимые ключевые слова и экспортировать их в файл.
После того как мы собрали список нужных нам ключевых слов, переходим в Google Search Console, чтобы посмотреть CTR целевых страниц по нашим ключевым словам.
Формула прогнозирования
Месячный прогноз органического трафика = месячный объем поиска по ключевым словам × CTR (мы возьмем средний CTR из исследования).
Пример: поисковый запрос «фильмы рядом со мной» – 3 350 000 запросов в месяц. CTR на мобильных устройствах для 5-й позиции – 5,6%:
3 350 000 × 5.6% = 187 600
Цифра, конечно, впечатляющая, но совсем не точная, поскольку учитывает только два параметра. Также стоит учитывать, что запрос может появиться в расширенных результатах поиска с Google Maps и Бизнес-профилями. И данные взяты только за 1 месяц, что снижает точность.
Дополнительные советы
Рекомендуется также следить за результатами конкурентов, для чего достаточно открыть инструмент Organic Research Tool. Введите домен конкурента и посмотрите его позиции по ключевым словам.
Теперь перейдем к разделу «Ранжирование», чтобы увидеть позиции по ключевым словам.
Теперь можно постоянно анализировать изменения в позициях конкурентов и корректировать стратегию поисковой оптимизации.
Метод 2 – Бесплатное прогнозирование трафика на 6/12 месяцев
Для начала возьмем наш объект прогнозирования. В нашем случае возьмем сайт компании, которая занимается продажей новых и подержанных автомобилей в Бруклине. В качестве основного ключевого слова возьмем «car dealerhip brooklyn». Заходим в Google, переходим в режим инкогнито и смотрим на первые несколько строк SERP.
Важное замечание: желательно использовать только те сайты, на которых в результатах поиска используется главная страница. Не используйте страницы категорий интернет-магазинов и сайтов-агрегаторов. Только нишевые сайты, которые являются прямыми конкурентами.
Теперь возьмем 3 дилерских сайта, которые также продают автомобили.
- Brooklyn Automall
- Brooklyn Auto Sales
…
Теперь мы добавляем собранные сайты в сервис Metrica, вот пример. Мы собираем данные за год.
Открываем Google Sheets и начинаем расчеты. Сначала записываем данные о ежемесячном трафике для каждого сайта за последние полгода (мы берем данные с апреля по сентябрь 2023 года). При сборе данных старайтесь избегать аномальных всплесков трафика с большим отклонением от средних значений.
Далее рассчитываем среднее значение для каждого месяца, а затем находим среднее значение средних значений. В итоге: наибольшее среднее значение по месяцам — это возможный достижимый результат в течение 12 месяцев, среднее значение, выделенное зеленым цветом, — это возможный достижимый результат в течение 6 месяцев.
Вот ссылка на шаблон таблицы — Прогноз
Да, как и в первом методе, результаты далеки от идеала, но на более длинной дистанции они становятся понятны.
Метод 3 – Прогнозирование на основе собственных исторических данных
Еще один достаточно простой метод, который подходит только в том случае, если вы уже провели определенную работу по SEO-оптимизации и у вашего сайта есть исторические показатели посещаемости.
Например, обратившись к сервису Google Analytics, можно увидеть, что за 12 месяцев органический трафик вырос на 10%. Исходя из простой логики, можно сделать вывод, что, приложив те же усилия к оптимизации, можно увеличить трафик еще на 10% за тот же период времени.
Да, этот подход является наименее точным, поскольку не учитывает тенденции развития поисковых систем и конкурентов, но он дает базовое понимание того, как лучше выстроить свою SEO-стратегию.
Метод 4 – наиболее точный и сложный
Этот метод не будет полностью описан, поскольку в нем используется сложная модель машинного обучения. Прогнозирование осуществляется с помощью скрипта и данных, которые вы загружаете в модель.
Метод описан нашими коллегами из Search Engine Journal и является профессиональным инструментом, требующим изучения и явно не подходящим для новичков. Кроме того, этот подход требует большого объема данных. Вот выдержка из статьи авторов:
«Частота сбора данных полностью определяет временной интервал, необходимый для прогнозирования. Например, если данные собираются ежедневно на основе аналитики сайта, то у вас будет более +- 720 точек данных (точка данных — это единица данных за определенный период времени), что вполне приемлемо.
В случае с Google Trends, где данные собираются еженедельно, для получения 250 точек данных потребуется не менее 5 лет. В любом случае целесообразно ориентироваться на временной интервал, обеспечивающий получение не менее 200 точек данных (это число основано на нашем личном опыте).»
Для получения расчетов необходимо пройти следующие этапы:
- Извлечь данные и построить графики;
- Рассчитать оптимальную математическую модель;
- Провести статистическое тестирование временного ряда;
- Оценить количество параметров для SARIMA (модель машинного обучения);
- Протестировать модели и перейти к прогнозированию;
- Интерпретировать и экспортировать полученные прогнозы.
К достоинствам модели можно отнести высокую точность.
К недостаткам – сильную зависимость от точности и количества данных.
Если у вас крупное новостное издание и вы хотите точно спрогнозировать оптимизацию с использованием вечнозеленого контента, рекомендуем показать этот материал вашему SEO-специалисту.
Вот ссылка на методику.
…
Теперь мы добавляем собранные сайты в сервис Metrica, вот пример. Мы собираем данные за год.
Открываем Google Sheets и начинаем расчеты. Сначала записываем данные о ежемесячном трафике для каждого сайта за последние полгода (мы берем данные с апреля по сентябрь 2023 года). При сборе данных старайтесь избегать аномальных всплесков трафика с большим отклонением от средних значений.
Далее рассчитываем среднее значение для каждого месяца, а затем находим среднее значение средних значений. В итоге: наибольшее среднее значение по месяцам — это возможный достижимый результат в течение 12 месяцев, среднее значение, выделенное зеленым цветом, — это возможный достижимый результат в течение 6 месяцев.
Вот ссылка на шаблон таблицы — Прогноз
Да, как и в первом методе, результаты далеки от идеала, но на более длинной дистанции они становятся понятны.
Метод 3 – Прогнозирование на основе собственных исторических данных
Еще один достаточно простой метод, который подходит только в том случае, если вы уже провели определенную работу по SEO-оптимизации и у вашего сайта есть исторические показатели посещаемости.
Например, обратившись к сервису Google Analytics, можно увидеть, что за 12 месяцев органический трафик вырос на 10%. Исходя из простой логики, можно сделать вывод, что, приложив те же усилия к оптимизации, можно увеличить трафик еще на 10% за тот же период времени.
Да, этот подход является наименее точным, поскольку не учитывает тенденции развития поисковых систем и конкурентов, но он дает базовое понимание того, как лучше выстроить свою SEO-стратегию.
Метод 4 – наиболее точный и сложный
Этот метод не будет полностью описан, поскольку в нем используется сложная модель машинного обучения. Прогнозирование осуществляется с помощью скрипта и данных, которые вы загружаете в модель.
Метод описан нашими коллегами из Search Engine Journal и является профессиональным инструментом, требующим изучения и явно не подходящим для новичков. Кроме того, этот подход требует большого объема данных. Вот выдержка из статьи авторов:
«Частота сбора данных полностью определяет временной интервал, необходимый для прогнозирования. Например, если данные собираются ежедневно на основе аналитики сайта, то у вас будет более +- 720 точек данных (точка данных — это единица данных за определенный период времени), что вполне приемлемо.
В случае с Google Trends, где данные собираются еженедельно, для получения 250 точек данных потребуется не менее 5 лет. В любом случае целесообразно ориентироваться на временной интервал, обеспечивающий получение не менее 200 точек данных (это число основано на нашем личном опыте).»
Для получения расчетов необходимо пройти следующие этапы:
- Извлечь данные и построить графики;
- Рассчитать оптимальную математическую модель;
- Провести статистическое тестирование временного ряда;
- Оценить количество параметров для SARIMA (модель машинного обучения);
- Протестировать модели и перейти к прогнозированию;
- Интерпретировать и экспортировать полученные прогнозы.
К достоинствам модели можно отнести высокую точность.
К недостаткам – сильную зависимость от точности и количества данных.
Если у вас крупное новостное издание и вы хотите точно спрогнозировать оптимизацию с использованием вечнозеленого контента, рекомендуем показать этот материал вашему SEO-специалисту.
Вот ссылка на методику.
Заключение
Дорогие друзья! Спасибо, что дочитали статью до конца!
Надеемся, что приведенные выше методы прогнозирования помогут вам в разработке собственной или клиентской SEO-стратегии. Да, мы знаем, что описанные методы не претендуют на высокую точность, но время, необходимое для их расчета, минимально.
Мы рекомендуем использовать их для того, чтобы увидеть наиболее вероятное направление развития событий в нужных временных интервалах. Будем рады, если Вы опишете используемые Вами методы прогнозирования.
