SEO 예측
Free, no signup. Most traffic forecasts treat an algorithm update like noise that will smooth itself out — it won't. Upload your Search Console, GA4, Ahrefs, Semrush, or Adobe export and get a forecast that treats updates as the permanent level shifts they are, backtested on your own history before you're asked to trust it.
브라우저에서 실행되며 업로드는 당사 서버로 전송되지 않습니다. 현재 프로젝트는 다른 프로젝트로 대체하거나 이 사이트의 브라우저 데이터를 삭제할 때까지 브라우저의 로컬 저장소에 자동 저장됩니다. Creating a share link is opt-in; it uploads the scenario you choose and retains it for 7 days. 익명 실행별 결과 계수는 종합 연구에 사용될 수 있습니다. URL, 도메인, IP 및 식별자는 절대 포함되지 않으며 100회 미만의 실행에 대한 통계는 공개하지 않습니다.
Google algorithm-update data last synced .
Sample data. This is a generated demo series (with a planted algorithm-update hit and a fake migration) so you can see how the tool works. Upload your own export to replace it.
Detected events — tell the model what happened
Level shifts and outliers found in your data. Label them so the model treats them correctly; leave as "ignore" to keep the data untouched. Known Google updates are handled automatically and only kept when they measurably moved your series.
How wrong was each model on your own history?
Rolling-origin backtest: each model repeatedly forecast a held-out slice of your data it had never seen. MASE < 1 means it beat the seasonal-naive baseline. The chart overlays what the top models would have predicted for your most recent data.
Forecast every series you've loaded and compare them on one chart, or as share of voice. Mark which are you vs competitors — needed for calibration and the crossover callouts. Add competitors by uploading more files above (wide files with a column per site, or one file each).
Calibrate competitor estimates to your real data
Third-party traffic estimates (Ahrefs/Semrush) are directionally useful but wrong in absolute terms. If you upload your organic ground truth (GSC clicks or a GA4 organic segment) plus your series from the same third-party tool, we compute your correction factor and apply it to competitors.
Forecast the traffic from ranking changes — no time series needed. Enter keywords with their search volume, where you rank now, and where you're aiming. This is scenario math (volume × click-through rate by position), not curve-fitting.
Keywords (0) — edit any cell to update the forecast
Incremental clicks = the extra monthly clicks at the target position vs. today, probability-weighted.
Business case
Turns the forecast bands into a conversion, revenue, ROI, and paid-search-equivalent view. These are planning assumptions, not a revenue prediction.
Forecasts assume no future algorithm updates, content changes, or SERP-feature shifts — the intervals come from each model's real backtest errors on your data, not from optimistic formulas. Third-party traffic and traffic-value figures are estimates. Nothing you upload is sent anywhere: parsing, modeling, and charts all run locally in your browser.
자주 묻는 질문
SEO 트래픽을 정말 정확히 예측할 수 있나요?
정확한 예측은 없습니다. 이 도구는 하나의 확신에 찬 선 대신 여러 모델을 맞추고 보지 못한 과거 구간에서 역검증한 뒤 낙관적 공식이 아니라 실제 오류로 예측 구간을 만듭니다. 향후 알고리즘 업데이트, 콘텐츠 변경, 검색 결과 기능 변화가 없다는 가정에 의존하므로 먼 미래일수록 구간이 넓어집니다. 중앙선은 계획의 중간값, 80% 구간은 현실적 범위로 보세요.
Google 알고리즘 업데이트를 어떻게 처리하나요?
내장된 날짜 목록의 알려진 업데이트를 일시적 하락이 아닌 기준선의 영구적 단계 변화 후보로 검사합니다. 데이터가 실제로 움직였을 때만 모델에 남기며 영향이 없는 업데이트는 흐리게 표시하고 계산에서 제외합니다. 마이그레이션, 재설계, 추적 변경 같은 라벨 없는 변화도 찾아 올바르게 모델링하도록 라벨 입력을 요청합니다.
어떤 CSV 형식을 업로드할 수 있나요?
주요 검색·분석·추세 도구와 일반 날짜-값 형식을 자동으로 감지합니다. 인식 가능한 날짜 열과 하나 이상의 숫자 열이 있으면 클릭, 세션, 노출, 평균 순위, 추정 트래픽 가치를 예측할 수 있습니다. 모든 파일은 브라우저에서 분석되며 서버에 업로드되지 않습니다.
내 데이터가 서버에 업로드되나요?
아니요. 분석, 모델 적합, 역검증, 차트 렌더링은 브라우저에서 로컬로 실행되며 무거운 계산은 별도 작업 스레드가 처리합니다. 내보낸 데이터는 기기를 떠나지 않습니다. 명시적으로 공유 링크 만들기를 누를 때만 링크가 전송될 수 있습니다.
예측 구간은 무엇이며 왜 넓어지나요?
명시된 신뢰도에서 실제 값이 들어올 것으로 예상하는 범위입니다. 80% 구간은 실제 결과를 대략 80% 포함해야 합니다. 과거 역검증에서 각 모델이 틀린 정도로 계산하며, 작은 주간 오류가 누적되고 모델에 없는 사건이 생길 가능성이 커져 미래로 갈수록 넓어집니다.
자주 발생하는 문제와 해결 방법
- 경고 트래픽에 지속적인 수준 변화가 있습니다 해결 방법: 변화 시점의 배포, 마이그레이션, 알고리즘 사건 또는 추적 변경을 식별하고 원인을 수정한 뒤 변화 전후 기간을 따로 모델링하세요.
- 오류 표시된 사건의 추정 영향이 부정적입니다 해결 방법: 표시된 사건 전후의 영향 페이지와 쿼리를 나누고 근거가 뒷받침하면 원인 변경을 되돌리거나 수정한 뒤 영향받지 않은 비교 구간과 대조하세요.
- 경고 안정적인 예측에 필요한 이력이 부족합니다 해결 방법: 가능하면 일관된 기간 데이터로 전체 계절 주기 하나 이상을 제공하고, 그렇지 않으면 예측 기간을 줄이고 추정치가 불안정하다고 표시하세요.
- 정보 예측의 계절성이 강합니다 해결 방법: 최신 지점만 보지 말고 전년 같은 계절 기간과 비교해 계절 기준선에 맞춰 계획하세요.
- 경고 예측 불확실성 구간이 넓습니다 해결 방법: 중앙값을 계획에 사용하기 전에 예측 기간을 줄이거나 더 깨끗한 이력을 추가하세요.
- 경고 백테스트 정확도가 낮습니다 해결 방법: 예측 구간을 사용하고 기준 모델을 시험하며 예측에 의존하기 전에 더 일관된 이력을 수집하세요.