نوشته قبلی نوشته بعدی نحوه پیش بینی ترافیک ارگانیک شما: دو روش

نحوه پیش بینی ترافیک ارگانیک شما: دو روش

نحوه پیش بینی ترافیک ارگانیک شما: دو روش منتشر شده در آوریل 3, 2020ارسال دیدگاه

علاقه مند به حوزه Seo & Sem

نحوه پیش بینی ترافیک ارگانی سوالی است که غالباً در بحث و گفتگو وقتی مشاوران سئو و اشخاص ثالث درباره یک استراتژی برنامه ریزی شده سئو بحث می کنند.

از آنجا که سئو یک علم دقیق نیست و به دلیل عدم وجود حقایق عمومی که در مورد کلیه صنایع (تعداد کلمات در هر صفحه و غیره) و از اعداد دقیق (هزینه برای هر کلیک و غیره) اعمال می شود ، سئو از نظر ماهیت خود پیش بینی ریاضی را دشوار می کند.

تبلیغات
ادامه خواندن زیر

چرا ترافیک ارگانیک خود را پیش بینی می کنید؟

دلایل مختلفی می تواند رئیس یک شرکت ، رئیس یک بخش و بسیاری دیگر از تصمیم گیرندگان را به درخواست پیش بینی ترافیک سئو سوق دهد:

  • برای اطمینان از سرمایه گذاری. (SEO و اول از همه سرمایه گذاری به عنوان کانال بازاریابی است.)
  • برای متعادل کردن هزینه ها بین بودجه سئو و سرمایه گذاری در جستجوی پرداخت شده (تبلیغات Google ، خرید و غیره).

آیا برای تهیه پیش بینی موافقت می کنید؟

این سوالی که هر مشاور سئو باید هنگام مواجهه با یک مدیر یا مشتری دقیق ، دیر یا زود پاسخ دهد.

به نظر می رسد تلاش برای پیش بینی نتایج خطرناک باشد زیرا SEO علمی غیرقابل استفاده است.

تبلیغات
ادامه خواندن زیر

بعضی اوقات ، شخصی که با آن سر و کار دارید ، این موضوع را درک می کند و به سرعت پیچیدگی های سئو را مشاهده می کند.

اما در شرایط دیگر ، پیش بینی شما می تواند قبل از اینکه بتوانید چراغ سبز را برای هر استراتژی سئو دریافت کنید ، پیش بینی یک پیش بینی خواهد بود.

با این حال ، قبل از شروع محاسبه پیش بینی ، باید اطلاعات کافی را در اختیار داشته باشید:

  • جلسات ماهانه ارگانیک ۱۲ ماه گذشته: من می گویم که این حداقل مدت زمان است که به شما امکان می دهد داده های پیش بینی شده را در طول یک سال کامل صاف کنید ، که به نوبه خود امکان درک واقعی از آنچه در پشت داده ها وجود دارد را فراهم می کند.
  • جلسات ماهانه سایر کانالها در همین مدت به منظور درک بهتر تصویر کامل ترافیک در وب سایت. از این اطلاعات در محاسبات استفاده نمی شود.
  • رویدادهای مهم که ممکن است نیاز به یک سرمایه گذاری بیشتر در جستجوی پرداخت داشته باشد.
  • فصلی (چرخه فعالیت بالا و پایین) و دوره های کلیدی برای صنعت وب سایت.
تبلیغات
ادامه خواندن زیر

این اطلاعات باید "کاندیدای خوبی" برای تولید پیش بینی های واقع بینانه و مرتبط باشد. به عبارت دیگر ، داده های تصادفی و ناقص قابل استفاده نیستند.

پیشنهاد ویژه  ارزش سهام گوگل راهنمایی در مورد صفحه بندی برای جستجوگرها

چگونه می توان ترافیک ارگانیک را پیش بینی کرد؟

بسته به ابزاری که شما استفاده می کنید ، چندین روش برای پیش بینی ترافیک پیش بینی شده وجود دارد.

برای اهداف این مقاله ، ما می خواهیم به دو روش بپردازیم که هم کاربرد آنها آسان است و هم برای توصیف های بالاتر شما آسان است.

۱٫ روش هولت- زمستان

اگرچه این یک روش صاف کننده نمایی است ، روش هولت وینترز یک مزیت جدی در این امر دارد که روندهای مربوط به یک سری داده ها و همچنین ایده فصلی را در نظر می گیرد.

تبلیغات
ادامه خواندن زیر

بنابراین می تواند بر اساس داده های اختصاصی به یک وب سایت که می خواهیم پیش بینی کنیم ، پیش بینی های واقع گرایانه ایجاد کنیم.

برای استفاده از این روش ، باید بارگیری کنید:

درست است: ما می خواهیم از زبان R برای ایجاد یک پروژکشن استفاده کنیم (اما برای انجام این تمرین نیازی به متخصص بودن در R ندارید).

تبلیغات
ادامه خواندن زیر

در مرحله بعد ، شما باید R Studio را باز کنید و کتابخانه های زیر را با استفاده از این دستور بارگیری کنید ، اما جایگزین LIBRARY_NAME برای هر سه کتابخانه زیر:

 install.packages ("LIBRARY_NAME") 
  • Highcharter: برای ایجاد تجسم داده ها.
  • GoogleAnalyticsR: برای به دست آوردن داده های مورد نیاز از Google Analytics.
  • پیش بینی: برای ایجاد طرح ریزی.

سرانجام ، باید شناسه نمای Google Analytics را که می خواهید برای به دست آوردن داده ها برای جلسات ارگانیک یادداشت کنید.

اکنون ، در R Studio ، می توانید کد زیر را کپی و جایگذاری کنید و پس از جایگزین کردن متغیرهایی با داده های شخصی خود برای شناسه Google Analytics و تاریخ هایی که باید مورد تجزیه و تحلیل قرار بگیرید ، آن را اجرا کنید.

تبلیغات
ادامه خواندن زیر

این تجسم پیش بینی ما منتظر آن هستیم!

 # کتابخانه های مورد نیاز خود را بارگیری کنید
کتابخانه (منشور)
کتابخانه (googleAnalyticsR)
کتابخانه (پیش بینی)

# شناسه نمایشی را که ما استفاده خواهیم کرد تنظیم کنید.
view_id <- XYZABC

# Google Analytics را مجاز کنید
ga_auth ()

# داده را از Google Analytics دریافت کنید
gadata <- google_analytics_4 (مشاهده_ید ،
date_range = c ("YYYY-MM-DD" ، "YYYY-MM-DD") ،
metrics = "جلسه" ،
ابعاد = c ("yearMonth") ،
حداکثر = -۱)

# داده ها را به صورت رسمی "سریال زمانی" تبدیل کنید
ga_ts <- ts (gadata $ جلسه ، شروع = c (YYYY ، MM) ، end = c (YYYY ، MM) ، فرکانس = ۱۲)

# محاسبه فیلتر Holt-Winters برای داده ها
parashik1 <- HoltWinters (ga_ts)

# پیش بینی برای ۱۲ ماه آینده جلسات ارگانیک
hchart (پیش بینی (پیش بینی ۱ ، ساعت = ۱۲)) 

به پشت خود یک پات بدهید! شما پیش بینی ترافیک ارگانیک را برای ۱۲ ماه آینده ایجاد کرده اید!

پیشنهاد ویژه  گوگل تایید می کند ممکن است در سال 2020 هسته الگوریتم به روز رسانی نورد از امروز

پیش بینی هولت- زمستان از ترافیک آلی با استفاده از R

۲- روش CTR با استفاده از کنسول جستجو

این روش دوم بیشتر از روش کوتاه مدت در تحلیل خود استفاده می کند زیرا به شما امکان نمی دهد تا ۱۲ ماه آینده پیش بینی را صاف کنید.

تبلیغات
ادامه خواندن زیر

با این وجود ، این مزیت را دارد که صفحات خاص را بر اساس معیارهای اضافی و سفارشی هدف قرار دهید – برای مثال ، یک نمره مهم که به آنها اختصاص دهید.

ما در این مثال قصد داریم از OnCrawl ، SEMrush و Search Console استفاده کنیم ، اما این تمرین را می توان با هر خزنده ای که بتواند به منابع داده دیگر و هر ابزاری که داده های کلیدی را ارائه دهد ، متصل شود.

در مثال ما به تجسم داده ها بر اساس کلمات کلیدی خود (به استثنای نام تجاری) خواهیم پرداخت. ما همچنین می توانیم از یک تقسیم بندی باریک استفاده کنیم تا به عنوان مثال در گروه خاصی از صفحات متمرکز شویم.

قبل از شروع ، باید وب سایت مورد تجزیه و تحلیل داده های مربوط به جستجوی ارگانیک را از SEMrush صادر کنیم:

تبلیغات
ادامه خواندن زیر
  • آدرس اینترنتی
  • کلمه کلیدی
  • موقعیت فعلی
  • حجم جستجوهای ماهانه
  • مشکل کلمه کلیدی
  • برآورد CPC
  • سطح رقابت
  • تعداد نتایج در Google
  • روندهای جستجوی ماهانه (هنگامی که صادرات را در یک ویرایشگر صفحه گسترده مانند Excel یا LibreOffice باز می کنید باید یک ماه تقویم را به هر یک از این مقادیر نسبت دهید.

داده برای صادرات از SEMrush برای پیش بینی ترافیک ارگانیک

پس از پیوند دادن به URL ها ، این داده ها با ایجاد خزیدن و جستجوی کنسول به منظور ایجاد تصویری زیر مرتبط می شوند.

تبلیغات
ادامه خواندن زیر

ارتباط موقعیت با سطح رقابت با کلید واژه در OnCrawl

در اینجا ، هدف تجزیه و تحلیل صفحات رتبه بندی شده در صفحه ۱ نتایج جستجو ، بین موقعیت های ۴ و ۱۰ است و برای آنها رقابت کم یا بسیار پایین است.

پیشنهاد ویژه  چرا رتبه گوگل مفرد و جمع کلمات کلیدی متفاوت

اکنون فرض خواهیم کرد که این KPI عاملی برای موفقیت اقدامات بهینه سازی ما است. از طرف دیگر ، ما همچنین می توانیم از کلید واژه به عنوان KPI اساسی خود استفاده کنیم.

تبلیغات
ادامه خواندن زیر

در این مثال ، ما ۲۷ صفحه داریم که بین موقعیت های ۴ و ۱۰ قرار گرفته اند و سطح رقابت برای آنها پایین است و ۱۲۰ صفحه که سطح رقابت برای آنها بسیار پایین است.

اکنون ، با کمک جدول زیر ایجاد شده از تجزیه و تحلیل متقاطع کنسول جستجو و داده های خزیدن ، می توانیم براساس میانگین CTR فعلی صفحات که در ۳ موقعیت برتر نتایج جستجو قرار گرفته اند ، یک پیش بینی ایجاد کنیم.

ما همچنین می توانیم بر اساس صفحاتی که CTR بالاتر یا پایین تر از میانگین CTR برای کل سایت است ، پیش بینی های مثبت و منفی ایجاد کنیم.

جدول از OnCrawl نشانگر میانگین CTR در هر موقعیت SERP است

با استفاده از جزئیات ۱۴۷ صفحه ای که قبلاً پیدا کردیم ، این مراحل را دنبال کنید:

تبلیغات
ادامه خواندن زیر
  • داده های زیر را از خزنده به Excel صادر کنید: موقعیت ، کلمه کلیدی ، صفحه ، سطح رقابت.
  • همچنین حجم جستجوی ماهانه در هر کلمه کلیدی یا به طور متوسط کل جستجوهای مرتبط با صفحه را درج کنید.

ایجاد گزارش صادراتی از صفحات هدفمند با ستون داده های مورد نظر در OnCrawl

  • در اکسل ، در هر صفحه ، CTR را بر اساس میانگین حجم جستجوی (حجم صفحه جهانی یا حجم کلمه کلیدی هدفمند در هر صفحه) ضرب کنید تا بتوانید احتمال بالقوه خود را در ترافیک ارگانیک تعریف کنید. در مثال زیر ، ستون های E و F با ترافیک ماهانه بالقوه بر اساس میانگین CTR با میانگین موقعیت SERP مربوطه مطابقت دارند.
تبلیغات
ادامه خواندن زیر

مثال پرونده اکسل برای محاسبه ترافیک ماهانه بالقوه با استفاده از داده های میانگین CTR

نتیجه

شما به تازگی دو نوع پیش بینی مختلف برای پیش بینی ترافیک ارگانیک در وب سایت ایجاد کرده اید.

توجه داشته باشید که ایجاد پیش بینی های مختلف بر اساس داده های اضافی در مورد وب سایت های رقیب (به عنوان مثال ، وجود یا عدم وجود داده های ساختاری در صفحات رتبه بندی و غیره) امکان پذیر است.

منابع بیشتر:

تبلیغات
ادامه خواندن زیر

اعتبار تصویر

تمام تصاویر گرفته شده توسط نویسنده ، ژوئن ۲۰۱۹

منبع مقاله

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *