SEO时当顾问和第三方讨论计划的 SEO 策略时，如何预测有机流量是一个反复出现的争论点。
由于 SEO 不是一门精确的科学，并且由于缺乏一般事实（每页的字数等），预测变得困难。
为什么要预测自然流量？
公司负责人、部门负责人和许多其他决策者要求进行 SEO 流量预测的原因有以下几个：
- 确保投资。 （SEO 作为营销渠道首先是一项投资。）
- 平衡 SEO 预算和付费搜索投资（Google Ads、购物等）之间的成本。
您同意提供预测吗？
这是每个 SEO 顾问在面对严格的经理或客户时迟早要回答的问题。
尝试预测结果似乎有风险，因为 SEO 是一门不精确的科学。
有时，与您打交道的人会理解这一点，并很快看出 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。
但是，在您开始计算预测之前，您需要有足够的信息：
- 过去 12 个月的每月自然会话：我想说这是让您能够平滑全年预测数据的最短时间长度，这反过来又可以真正了解数据背后的内容。
- 将月度会话与其他渠道同步，以更好地了解网站流量的全貌。此信息不用于计算。
- 可能需要增加付费搜索投资的重要事件。
- 季节性（高活动期和低活动期）和网站行业的关键时期。
此信息需要成为生成切合实际的相关预测的“良好候选者”。换句话说，不能使用随机和不完整的数据。
如何预测自然流量？
根据您使用的工具，有多种方法可以预测预计流量。
为了本文的目的，我们将讨论两种既易于实施又易于向上级解释的方法。
1. Holt-Winters方法
虽然是一种指数平滑方法，但是Holt-Winters方法有一个明显的优势，因为它考虑了一系列数据的趋势以及季节性别的概念。
因此它可以根据我们想要建立预测的网站特定数据创建现实的预测。
使用该方法需要下载：
- R: https://cran.rstudio.com/
- R Studio: https : //www.rstudio.com/products/rstudio/download/
没错：我们将使用 R 语言来创建投影（但您不需要是R 专家来做这个练习）。
接下来，您需要打开 R Studio 并使用此命令下载以下库，但为以下三个库中的每一个替换 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：创建预测。
- URL
- Keywords
- 当前位置
- 每月搜索量
- 关键词难度
- 预估CPC
- 竞争程度
- 数量Google 中的结果数
- 每月搜索趋势（当您在 Excel 或 LibreOffice 等电子表格编辑器中打开导出时，您需要为每个值指定日历月。
- 将以下数据从爬虫导出到 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相关的所有搜索量的平均值。
- 在Excel中，CTR乘以每页平均搜索量（全局页面）量或每页目标关键字的数量），以确定您在自然流量中的潜在获取。在下面的示例中，E 列和 F 列对应于基于相应平均 SERP 位置的平均点击率的潜在月度流量。
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，您可以复制并粘贴以下内容在用您自己的 Google Analytics（分析）视图 ID 数据和您要分析的日期替换占位符后执行它的代码。
这将生成我们一直在等待的投影可视化！
# 加载我们需要的库 (highcharter) library (googleAnalyticsR) library (forecast) # 设置我们将使用的视图ID view_id <-- XYZABC #Authorize Google Analytics ga_auth() #从Google Analytics获取数据 gadata <-- google_ analytics_4(view_id, date_range = c("YYYY-MM-DD", "YYYY-MM-DD"), metrics = "sessions" ,dimension=c("yearMonth"), max=-1) # 将数据转换为正式数据“时间序列”数据 ga_ts <- ts(gadata$sessions, start=c(YYYY,MM), end=c(YYYY , MM), frequency = 12) # Compute Holt-Winters filtered data forecast 1 <-- HoltWinters( ga_ts) # 为接下来 12 个月的自然会话生成预测 hchart(forecast(forecast1, h=12))
给自己点个赞！您已经预测了未来 12 个月的自然流量！
2 .使用 Search Console 的点击率方法
第二种方法采用更短期的分析方法，因为它不允许您平滑预测未来 12 个月的时间。
但是，它的优势在于可以根据其他自定义标准（例如，您分配给它们的重要性分数）来定位特定页面。
在这个例子中，我们将使用 OnCrawl、SEMrush 和 Search Console，但这个练习可以使用任何可以连接到其他数据源的爬虫以及任何提供关键字数据的工具来完成。
在我们的示例中，我们将查看基于关键字（不包括品牌名称）的数据可视化。我们还可以应用更窄的细分来关注，例如，特定的页面组。
开始之前，我们需要从 SEMrush 中导出与我们正在分析的网站相关的自然搜索数据：
当链接到 URL 时，此数据将与抓取和 Search Console 数据相关联，以创建下面的可视化效果。
这里的目标是分析排名在搜索结果第 1 页，位置 4 和 10 之间，竞争程度低或非常低的页面。
我们现在假设这个 KPI 是一个因素 i n 我们优化活动的成功。或者，我们可以选择使用关键字“难度”作为基本 KPI。
在本例中，我们对排名 4 和 10 之间竞争较低的 27 个页面和竞争非常低的 120 个页面进行排名。
现在，通过交叉分析数据创建下表，我们可以根据搜索结果中前 3 个页面的当前平均点击率创建一个预测。
我们还可以根据点击率高于或低于整个网站页面的平均点击率创建正面和负面预测。
利用我们之前找到的第147页的详细信息，按照以下步骤操作：
结论
您刚刚创建了两种不同类型的预测来预测您网站上的自然流量。
请注意，可以根据有关竞争对手网站的其他数据（例如，排名页面上结构化数据的存在等）创建不同的预测。
图片来源
所有截图均为作者2019年6月截取
