Categories
Seo Analytics

SEO Previsión en Google Sheets

Volver en 2015, publiqué un artículo

regalando una herramienta gratuita, simple, de pronóstico y hablando a través de los casos de uso para la previsión en SEO. Fue una forma rápida y efectiva de ver si un cambio en el tráfico de su sitio es algún tipo de estacionalidad, puede celebrar, algo para celebrar, o un signo preocupante de pérdida de tráfico.

En resumen: podría entrar Una serie de datos, y lo trazaría en un gráfico como la imagen de arriba.

Cinco años después, todavía consigo a las personas, de los ex colegas para completar a los extraños, preguntándome sobre esta herramienta, y más a menudo de no, me piden una versión que trabaje directamente en hojas de cálculo.

Encuentro esto fácil de simpatizar con: una hoja de cálculo es más flexible, más fácil de depurar, más fácil de expandirlo, más fácil de mantenerAin, y un formato con el que las personas están muy familiarizadas.
La compensación al optimizar para esas cosas es, aunque he mejorado en esa herramienta desde hace unos años, todavía he tenido que mantener las cosas manejables en el entorno de programación fastilíficamente fastidio que es Excel / Google Sheets . Eso significa que la plantilla compartida en esta publicación usa un modelo más simple, ligeramente menos intérprete que algunas herramientas con la ejecución de código externo (por ejemplo,

Forge

).

En esta publicación, yo ‘ M yendo a regalar una plantilla gratuita, mostrarle cómo funciona y cómo usarlo, y luego mostrarle cómo construir su propia versión (mejor?). (Si necesita una actualización cuando debe usar la previsión en general, y conceptos como intervalos de confianza, consulte el artículo original vinculado anteriormente).

Tipos de SEO FORecasco

Hay una cosa que quiero expandir antes de entrar en la hoja de cálculo: los diferentes tipos de pronóstico de SEO. En términos generales, creo que puede poner pronósticos de SEO en tres grupos:

“Me siento optimista: agregue 20% a este año” o cambios planos similares a las cifras existentes. Las versiones más complejas pueden agregar solo un 20% a ciertos grupos de páginas o palabras clave. Creo que muchas agencias utilizan este tipo de pronóstico en los lanzamientos, y se reduce a dibujar en experiencias. Modelos clave / CTR, cuando calcula un cambio de clasificación (o un conjunto de cambios de ranking), luego extrapola el cambio resultante en el tráfico Desde el volumen de búsqueda y los datos de CTR (puede ver una metodología similar

aquí

). Una vez más, las versiones más complejas podrían tener alguna base para el cambio de clasificación (por ejemplo,¿En caso de que cambiamos los lugares con el competidor a en cada palabra clave del grupo X, donde actualmente nos superan? “). Pronóstico estadístico basado en datos históricos, cuando se extrapolina de las tendencias anteriores y de la estacionalidad para ver qué pasaría si todo se mantuviera constante (mismo nivel de la actividad de marketing por parte de usted y competidores, etc.).

El tipo dos tiene sus méritos, pero si comparas a los datos de AHREFS / SEMRUSH / SISTRIX a su propio análisis, verá lo difícil que es esto para generalizar. De lado, no creo que el tipo uno sea tan ridículo como se ve, pero no es algo que exploraré más en este post. En cualquier caso, la plantilla en este post se adapta al tipo tres.

¿Qué hace que este pronóstico de SEO?

Por qué, nada en absoluto. Una cosa que notará sobre mi descripción deEl tipo tres arriba es que no menciona nada específico de SEO. Podría aplicarse igualmente al tráfico directo, por ejemplo. Dicho esto, hay un par de razones por las que lo estoy sugiriendo específicamente como un pronóstico de SEO:

Estamos en el blog de MOZ y soy un consultor de SEO. Hay mejores metodologías disponibles para muchos otros canales. Mencioné que el tipo dos anteriormente es muy desafiante, y esto se debe a la naturaleza altamente no determinista de SEO y la calidad generalmente deficiente de los datos detallados en la consola de búsqueda y otras plataformas específicas de SEO. Además, para obtener una idea precisa de la estacionalidad, tendrá que haber estado almacenando sus datos de consola de búsqueda durante al menos un par de años.

Para muchos otros canales, existen datos históricos detallados. y relaLas dionesips son mucho más predecibles, lo que permite pronósticos más granulares. Por ejemplo, para la búsqueda de pago, la herramienta

FORGE FORGE

que mencioné anteriormente se basa en factores como los datos de conversión de nombres de palabras clave y el costo por clic en función de sus datos históricos, de una manera que sería salvajemente impráctica para SEO.

Dicho esto, todavía podemos combinar múltiples tipos de pronósticos en la plantilla a continuación. Por ejemplo, en lugar de pronosticar el tráfico de su sitio en general, puede pronosticar subcarpetas por separado, o marca / no marca por separado, y luego podría aplicar el crecimiento porcentual a ciertas áreas o construir en los cambios de clasificación anticipados. Pero, nos estamos adelantando a nosotros mismos …

Cómo usar la plantilla

Plantilla libre

El primero THing deberá hacer es hacer una copia (debajo del menú “Archivo” en la parte superior izquierda, pero automática con el enlace que he incluido). Esto significa que puede ingresar sus propios datos y jugar en el contenido de su corazón, y siempre puede regresar y obtener una copia nueva más adelante si lo necesita.

Luego, en la primera pestaña, notará Algunas células tienen un resaltado verde o azul:

Solo debe estar cambiando valores en las celdas de color.

Las células azules en la columna E son básicamente para asegurarse de que todo termine correctamente etiquetado en la salida. Por lo tanto, por ejemplo, si está pegando datos de sesión, o haga clic en Datos, o datos de ingresos, puede configurar esa etiqueta. Del mismo modo, si ingresa un mes de inicio de 2018-01 y 36 meses de datos históricos, la salida de pronóstico comenzará en enero de 2021.

En esa nota, debe ser datos mensuales, esa es una de las compensaciones para la simplicidad que mencioné anteriormente. Puede pegar hasta una década de datos mensuales históricos en la columna B, a partir de la celda B2, pero hay un par de cosas que necesita para tener cuidado con:

Necesita al menos 24 meses de datos para que el modelo tenga Una buena idea de la estacionalidad. (Si solo hay un enero en sus datos históricos, y fue un pico de tráfico, ¿cómo se supone que debo saber si fue una cosa única o una cosa anual?) Necesitas meses completos. Entonces, si es el 25 de marzo, 2021, cuando está leyendo esto, el último mes de datos que debe incluir es de febrero de 2021. Asegúrese de que también elimine las sobras de mis datos de ejemplo en la columna B.

Salidas Una vez que haya hecho eso, puede dirigirse a la “salidaPone “Tab, donde verá algo como esto:

La columna C es probablemente la que está interesada. Tenga en cuenta que está lleno de fórmulas aquí, Pero puede copiar y

Pegar como valores

en otra hoja, o simplemente vaya a Archivo> Descarga> Valores separados por comas para obtener los datos en bruto.

Notará solo estoy Mostrando 15 meses de pronóstico en ese gráfico de forma predeterminada, y te recomendaría hacer lo mismo. Como mencioné anteriormente, la suposición implícita de un pronóstico es que el contexto histórico se lleva a cabo, a menos que incluya explícitamente los escenarios cambiados como los bloqueos de COVID en su modelo (¡más sobre eso en un momento!). La posibilidad de que este supuesto que tenga dos o tres años en el futuro sea bajo, por lo que aunque haya proporcionado valores de pronóstico más en el futuro, debe tener eso en mente.

Los límites superior e inferior mostrados son un 95% de intervalos de confianza: nuevamente, puede recapir lo que eso significa en mi publicación anterior

si así lo desea.

Casos de uso avanzados

Puede que ahora haya notado la pestaña “Avanzado”:

Aunque dije que quería mantener esto Sencillo, sentí que dado todo lo que sucedió en 2020, muchas personas necesitarían incorporar factores externos importantes en su modelo.

En el ejemplo anterior, he completado la columna B con una variable para si el Reino Unido estaba o no en COVID Lockdown. He usado “0.5” para representar que ingresamos a la mitad de la mitad de marzo.

Probablemente puedas hacer una mejor oportunidad de esto para los factores relevantes para su negocio, pero hay algunas importaciones.Cosas para tener en cuenta esta pestaña: Está bien dejarlo completamente sin tocar si no desea agregar estas variables adicionales. De izquierda a derecha, está bien de dejar la columna C en blanco si está usando Columna B, pero no está bien dejar B en blanco Si está utilizando C. Si está utilizando una variable “ “(por ejemplo,” 1 “para que algo esté activo), debe asegurarse de Rellene los 0s en otras celdas durante al menos el período de sus datos históricos. ¿Puede ingresar valores futuros, por ejemplo, si predice un bloqueo de COVID en marzo de 2021 (¡Bastardo!), Puede ingresar algo en esa celda para que Se incorpora al pronóstico. Si no ingresa valores futuros, el modelo predecirá según este número siendo cero en el futuro. Así que si ha ingresado “PPC de marca activo” como un vari ficticioCapaz de los datos históricos, y luego lo dejó en blanco para los períodos futuros, el modelo asumirá que ha apagado el PPC de la marca en el futuro. Demasiados datos aquí para muy pocos períodos históricos resultarán en algo llamado “ sobrefit “- No quiero ponerme en detalle en esto, por lo que esta pestaña se llama” Avanzado “, pero trata de no dejar de llevar. Aquí hay algunos Ejemplo de uso de casos de esta pestaña para que usted considere: Ingrese si la marca PPC estaba activa (0 o 1) Ingrese si está ejecutando anuncios de televisión o los bloqueos de NotEnter Covid, ingresen actualizaciones de algoritmos que fueron importantes para su negocio (una columna por actualización)

¿Por qué mis estimaciones son diferentes a ¿Tu vieja herramienta? ¿Es uno de ellos mal?

Hay dos diferencias importantes en el método entre esta plantilla y mi herramienta anterior:

Herramienta antigua Utiliza la biblioteca de Causal de Google

de Google

, la nueva plantilla utiliza una regresión de mínimos cuadrados ordinarios

. La herramienta antigua capturó las tendencias no lineales mediante el uso de un período de tiempo cuadrado como una variable predictiva (por ejemplo, mes 1 = 1, Mes 2 = 4, Mes 3 = 9, etc.) y tratando de adaptarse a la curva de tráfico a esa curva. Esto se llama una regresión cuadrática

. La nueva herramienta captura las tendencias no lineales ajustando cada período de tiempo como múltiplo del período de tiempo anterior (por ejemplo, mes 1 = x * mes 2, donde x puede tener cualquier valor). Esto se denomina modelo

AR (1)

.

Si está viendo una diferencia significativa en los valores de pronóstico entre los dos, ciertamente se reduce a la segunda razón, y aunque agrega un Poca complejidad, en la gran mayoría de los casos la nueva tecnología.El ique es más realista y flexible.

También es mucho menos probable predecir el tráfico cero o negativo en el caso de una tendencia severa hacia abajo, que es agradable.

¿Cómo funciona?

Hay una pestaña oculta en la plantilla donde puede echar un vistazo, pero la versión corta es la fórmula de hoja de cálculo “

LiCHEST ()

“. Las entradas que estoy usando son:

Variables dependientes, lo que coloque como columna B en la pestaña de entradas (como tráfico) Variables independientes que pasan de las variables de tráfico del período prontevio de tiempo durante 11 meses (el 12º mes está representado por el Otras 11 variables que son 0) Hasta tres variables “avanzadas”

La fórmula proporciona una serie de “coeficientes” como salidas, que pueden multiplicarse con valores y se suman para formar una predicción como:

Tráfico de “período de tiempo 10” = interceptar + (coeficiente de tiempo * 10) + (coeficiente de periodo anterior * TRAFORIO DE PERÍODO 9)

Puede ver en esa hoja oculta que he etiquetado y codificado de color muchas de las salidas. Desde la fórmula de LINEST, que puede ayudarlo a comenzar si quiere jugar con él usted mismo.

Extensiones potenciales

Si quiere jugar con esto usted mismo, aquí hay algunos áreas que personalmente tengo en mente para una mayor expansión que puede encontrar interesante: Datos diarios en lugar de mensualmente, con la estacionalidad semanal (por ejemplo, sumergir todos los domingos) objetivos de crecimiento incorporados (por ejemplo, ingresar 20% de crecimiento a finales de 2021) Richard Fergie , cuya herramienta de forja de pronóstico mencioné un par de veces anterior, también proporcionó algunas grandes sugerencias para mejorar el pronóstico ACCUracy con una complejidad adicional bastante limitada: Datos suaves y evite las predicciones negativas en casos extremos al tomar el registro () de las entradas y proporcionar un exponente de productos (los datos de suavizado pueden o no ser algo bueno dependiendo de su perspectiva! ). Regresa en los 12 meses anteriores, en lugar de usar la estacionalidad anterior de 1 mes + (esto requiere datos históricos mínimos de 3 años) , puedo o no incluir algunos o todos los anteriores a lo largo del tiempo, pero si es así. Me aseguraré de que utilice el mismo enlace y tome una nota en la hoja de cálculo, por lo que este artículo siempre se enlaza con la versión más actualizada. Si lo ha hecho tan lejos, ¿Qué te gustaría ver? ¡Déjame saber en los comentarios!

Leave a Reply

Your email address will not be published. Required fields are marked *