Previsione SEO
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.
Viene eseguito nel browser: i caricamenti non vengono inviati al nostro server, ma il progetto corrente viene salvato automaticamente nella memoria locale del browser finché non lo sostituisci o cancelli i dati del sito. Creating a share link is opt-in; it uploads the scenario you choose and retains it for 7 days. I conteggi anonimi degli esiti per singola esecuzione possono essere utilizzati per ricerche aggregate; URL, domini, IP e identificatori non sono mai inclusi e nessuna statistica viene pubblicata sotto le 100 esecuzioni.
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.
Informazioni sullo strumento
Carica serie temporali GSC, GA4, Ahrefs, Semrush o Adobe e ottieni previsioni con modelli backtested, shift degli aggiornamenti Google, rilevamento migrazioni e intervalli basati sulla tua cronologia.
Funzionalità
- Rilevamento automatico di formato e stagionalità.
- Shift di livello per aggiornamenti algoritmo e anomalie.
- Intervalli di previsione onesti basati sui dati storici.
- Spiegazione stagionale e grafico delle previsioni nel browser.
Come funziona
Carica un export settimanale o mensile. Il tool rileva colonne, addestra modelli backtested e separa trend, stagionalità, anomalie e shift; poi mostra intervallo e spiegazione senza inviare i dati.
Limitazioni
- Il modello descrive il futuro solo sull’orizzonte scelto e non predice eventi non ancora accaduti.
- Le previsioni dipendono dalla qualità, continuità e frequenza della serie caricata.
Domande frequenti
È davvero possibile prevedere con precisione il traffico SEO?
Nessuna previsione è esatta. Lo strumento adatta più modelli, li verifica su porzioni della cronologia che non hanno visto e costruisce un intervallo dagli errori reali. Presuppone che nel periodo non avvengano aggiornamenti, modifiche ai contenuti o cambiamenti delle funzionalità dei risultati; perciò l’incertezza cresce nel tempo. Usa la linea centrale per pianificare e la fascia dell’80% come intervallo realistico.
Come gestisce gli aggiornamenti dell’algoritmo di Google?
Le date note vengono provate come possibili cambiamenti permanenti del livello di base. Un aggiornamento resta nel modello solo se ha modificato misurabilmente i dati; altrimenti compare attenuato ed è escluso dai calcoli. Lo strumento rileva anche cambiamenti senza etichetta, come migrazioni o modifiche al tracciamento, e chiede di classificarli.
Quali formati CSV posso caricare?
Riconosce automaticamente esportazioni di le principali piattaforme di analisi e ricerca e formati generici con data e valore. Legge documenti con una colonna data riconoscibile e colonne numeriche per prevedere clic, sessioni, impressioni, posizione media o valore del traffico. Tutto viene analizzato localmente.
I miei dati vengono caricati su un server?
No. Analisi, adattamento dei modelli, verifica retrospettiva e grafici avvengono localmente, con i calcoli pesanti in un processo separato per mantenere reattiva la pagina. L’esportazione non lascia il dispositivo. Soltanto un collegamento di condivisione può essere inviato, se lo crei esplicitamente.
Che cos’è un intervallo di previsione e perché si allarga?
È l’intervallo in cui ci si attende il valore reale con una confidenza dichiarata: la fascia dell’80% dovrebbe contenere l’esito circa otto volte su dieci. Deriva dagli errori dei modelli nelle prove storiche e si allarga perché l’incertezza si accumula e aumenta la probabilità di eventi non modellati.
Problemi comuni e come risolverli
- Avviso Traffico ha un lasting livello shift Correzione: Identify il deployment, migrazione, algorithm event, o tracking cambiano a il shift date e model pre- e post-shift periods separately dopo correcting il cause.
- Errore Labeled event ha un negativo estimated impatto Correzione: Segment il affected pagine e queries intorno il labeled event, reverse o repair il causal cambiano dove prove supporta esso, e measure against un unaffected comparison segment.
- Avviso Cronologia è too breve per un stable forecast Correzione: Provide a least una completo seasonal cycle di consistent-period dati quando possibile, o shorten il forecast horizon e etichetta il estimate come unstable.
- Informazione Forecast è strongly seasonal Correzione: Confronta il stesso seasonal period year su year e plan against il seasonal baseline invece di il latest punto alone.
- Avviso Forecast uncertainty interval è wide Correzione: Shorten il forecast horizon o aggiungi cleaner cronologia prima usando il midpoint per planning.
- Avviso Backtest accuracy è weak Correzione: Usa il prediction interval, testa un baseline model, e raccogli più consistent cronologia prima relying su il forecast.