تنبؤ 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.
يعمل في متصفحك — لا تُرسل الملفات المرفوعة إلى خادمنا، لكن المشروع الحالي يُحفظ تلقائيًا في التخزين المحلي للمتصفح حتى تستبدله أو تمسح بيانات هذا الموقع من المتصفح. Creating a share link is opt-in; it uploads the scenario you choose and retains it for 7 days. قد تُستخدم عدادات النتائج المجهولة على مستوى التشغيل لأغراض البحث التجميعي؛ ولا تتضمن أبدًا عناوين URL أو النطاقات أو عناوين IP أو المعرّفات، ولا تُنشر أي إحصائية لأقل من 100 عملية تشغيل.
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.
حول هذه الأداة
تتعامل معظم أدوات التوقع مع تحديث الخوارزمية على أنه ضجيج. ارفع بيانات GSC أو GA4 أو Ahrefs أو Semrush أو Adobe الزمنية للحصول على توقع يتعامل مع التحديثات باعتبارها تحولات دائمة.
مجاني ومن دون تسجيل. تتعامل معظم أدوات التوقع مع تحديث الخوارزمية كضجيج سيتلاشى من تلقاء نفسه — أما هذه الأداة فلا تفعل ذلك. ارفع تصدير Search Console أو GA4 أو Ahrefs أو Semrush أو Adobe، واحصل على توقع يعامل التحديثات على أنها تحولات مستوى دائمة، ويُختبر رجعيًا على سجلك قبل أن يُطلب منك الوثوق به.
الميزات
- تكتشف تلقائيًا GSC وGA4 وAhrefs (الزيارات وقيمة الزيارات) وSemrush وAdobe وGoogle Trends وملفات التصدير العامة؛ مع تجميع أسبوعي أو شهري أو كما رُفع الملف.
- خمسة نماذج مختبرة رجعيًا مع اختيار تلقائي لأدنى MASE، بالإضافة إلى تجاوز يدوي.
- تُمثَّل تحديثات الخوارزمية على أنها تحولات مستوى، ولا تُحتفظ إلا عندما تُحدث تغييرًا قابلًا للقياس في بياناتك؛ وتظهر التحولات غير الموسومة لتسميتها.
- علامة تبويب «الشرح»: حكم يميّز بين الانخفاض الموسمي والحقيقي، وتفكيك الاتجاه/الموسمية، وأثر افتراضي لكل تحديث.
- علامة تبويب «الاختبار الرجعي»: مدى خطأ كل نموذج في سجلك، مع تراكب يوضح ما كانت النماذج الأفضل ستتوقعه.
- علامة تبويب «المقارنة وحصة الظهور»: توقع مواقع متعددة على مخطط واحد أو كحصة من الظهور، مع معايرة تقديرات المنافسين وفق بياناتك المرجعية.
- علامة تبويب «الكلمات المفتاحية»: حسابات سيناريو (الحجم × نسبة النقر حسب الموضع) لتغييرات الترتيب — من دون الحاجة إلى سلسلة زمنية، مع ملاءمة اختيارية لمنحنى النقر من تصدير استعلامات GSC.
- تراكب اختبار الضغط، ونطاقات 80%/95%، وتغيير مقياس السجل، وسطر سيناريو محفوظ شبح، وتصديرات CSV/PNG/السيناريو.
كيفية العمل
يعمل كل شيء في المتصفح وعلى جهاز العميل. يُحلَّل ملف CSV ويُكتشف تنسيقه تلقائيًا، ثم تُنفَّذ العمليات الثقيلة — التفكيك، واكتشاف تحولات المستوى والقيم الشاذة، وملاءمة النموذج، واختبار رجعي متتابع من نقطة البداية — داخل Web Worker، فتظل الصفحة سريعة الاستجابة ولا تغادر بياناتك المتصفح. تلائم الأداة عدة نماذج (`seasonal-naive`، `drift`، `ETS`، `Theta`، ونموذج ملاءمة واعٍ بالتحديثات)، وتقيّم كل نموذج من خلال توقع شرائح محجوزة للاختبار من سجلك مرارًا، ثم تختار الفائز. تُختبر تحديثات Google من ملف تواريخ مضمّن بوصفها تحولات مستوى محتملة، ولا يُحتفظ إلا بالتحديثات التي غيّرت سلسلتك قابلًا للقياس. تأتي فواصل التوقع من أخطاء الاختبار الرجعي تلك لا من معادلة، ولذلك تعبّر بصدق عن عدم اليقين.
القيود
- يفترض التوقع عدم حدوث تحديث خوارزمية مستقبلي أو تغيير في المحتوى أو تحول في ميزات SERP خلال الأفق — ولا يمكنه توقع أحداث لم تقع بعد، ولذلك تتسع الفواصل. يحتاج إلى سجل نظيف وكافٍ (نحو دورتين سنويتين) حتى تكون الموسمية موثوقة؛ أما السلاسل القصيرة أو المتقطعة فتحصل على نطاقات واسعة ودرجة جودة منخفضة. أرقام الزيارات وقيمة الزيارات من جهات خارجية (Ahrefs/Semrush) تقديرات وليست نقرات مقاسة، لذا تُعاير على بياناتك المرجعية قبل الوثوق بالأرقام المطلقة. علامة تبويب الكلمات المفتاحية حساب سيناريو وليست ملاءمة منحنى، ولذلك لا تكون أفضل من منحنى CTR واحتمال الوصول اللذين تقدمهما. والأرقام المثال في هذه الصفحة توضيحية وليست معيار قياس لموقعك.
الأسئلة الشائعة
هل يمكن فعلًا توقع زيارات SEO بدقة؟
لا يوجد توقع دقيق تمامًا، والأداة تصرّح بذلك عمدًا. فبدلًا من خط واحد واثق، تلائم عدة نماذج وتختبر كلًا منها بأثر رجعي على أجزاء من تاريخك لم ترها، ثم تعرض فاصل توقع مبنيًا على تلك الأخطاء الفعلية، لا على معادلة متفائلة. ولا يكون التوقع جيدًا إلا بقدر صحة افتراض عدم وقوع تحديث خوارزمية أو تغيير محتوى أو تحول في ميزات SERP خلال الأفق، لذلك تتسع الفواصل كلما ابتعدت. تعامل مع الخط المركزي كمنتصف للتخطيط، ومع نطاق 80% كنطاق واقعي.
كيف تتعامل الأداة مع تحديثات خوارزمية Google؟
تُختبر تحديثات Google المعروفة من قائمة تواريخ مضمّنة مقابل سلسلتك كتحولات محتملة في المستوى، أي تغيرات دائمة في خط الأساس لا انخفاضات مؤقتة. ولا يُحتفظ بالتحديث في النموذج إلا إذا حرّك بياناتك بصورة قابلة للقياس؛ فإذا لم يؤثر تحديث أساسي في موقعك، يظهر باهتًا ويُستبعد من الحساب. وتكتشف الأداة أيضًا التحولات غير المسماة، مثل ترحيل أو إعادة تصميم أو تغيير تتبع، وتطلب منك تسميتها لنمذجتها صحيحًا بدلًا من تمهيدها.
ما تنسيقات CSV التي يمكنني رفعها؟
تكتشف الأداة تلقائيًا Search Console وGA4 وAhrefs للزيارات وقيمتها وSemrush وAdobe Analytics وGoogle Trends وتنسيقًا عامًا للتاريخ والقيمة، من دون اختيار تنسيق. تقرأ أي ملف يتضمن عمود تاريخ معروفًا وعمودًا رقميًا واحدًا أو أكثر، لتتوقع النقرات أو الجلسات أو مرات الظهور أو متوسط الموضع أو قيمة الزيارات المقدرة. يُحلل كل شيء في متصفحك ولا يُرفع ملف إلى خادم.
هل تُرفع بياناتي إلى خادم؟
لا. تجري عمليات التحليل وملاءمة النموذج والاختبار بأثر رجعي وعرض المخطط محليًا في متصفحك، مع تنفيذ الحسابات الثقيلة في Web Worker كي تظل الصفحة مستجيبة. لا يغادر تصديرك جهازك. الشيء الوحيد الذي يمكن إرساله هو رابط مشاركة، وذلك فقط إذا نقرت صراحة على إنشاء رابط مشاركة.
ما فاصل التوقع ولماذا يتسع؟
فاصل التوقع هو النطاق الذي تتوقع الأداة وقوع القيمة الحقيقية فيه عند مستوى ثقة معلن؛ ينبغي لنطاق 80% أن يحتوي النتيجة الفعلية نحو 80% من الوقت. وينشأ من مقدار خطأ كل نموذج أثناء الاختبار بأثر رجعي على تاريخك. يتسع النطاق في المستقبل لأن عدم اليقين يتراكم؛ فالخطأ الأسبوعي الصغير يتجمع على أسابيع كثيرة، ويزداد احتمال وقوع حدث غير ممثل في النموذج كلما طال الأفق.
المشكلات الشائعة وكيفية إصلاحها
- تحذير توجد إزاحة مستمرة في مستوى الزيارات الإصلاح: حدّد النشر أو الترحيل أو حدث الخوارزمية أو تغيير التتبع في تاريخ الإزاحة، ونمذج الفترتين السابقة واللاحقة للإزاحة كلٌّ على حدة بعد تصحيح السبب.
- خطأ للحدث المُسمّى تأثير سلبي مُقدّر الإصلاح: قسّم الصفحات والاستعلامات المتأثرة حول الحدث المُسمّى، واعكس التغيير السببي أو أصلحه حيث تدعمه الأدلة، وقِس النتائج مقابل شريحة مقارنة غير متأثرة.
- تحذير السجل أقصر من أن ينتج توقعًا مستقرًا الإصلاح: وفّر دورة موسمية كاملة واحدة على الأقل من بيانات ذات فترات متسقة متى أمكن، أو قصّر أفق التوقع ووسم التقدير بأنه غير مستقر.
- معلومة التوقع موسمي بدرجة كبيرة الإصلاح: قارن الفترة الموسمية نفسها سنة بعد سنة، وخطّط بالاستناد إلى خط الأساس الموسمي بدلًا من أحدث نقطة وحدها.
- تحذير فاصل عدم اليقين للتوقع واسع الإصلاح: قصّر أفق التوقع أو أضف سجلًا أنظف قبل استخدام نقطة المنتصف للتخطيط.
- تحذير دقة الاختبار الرجعي ضعيفة الإصلاح: استخدم فاصل التوقع، واختبر نموذج خط أساس، واجمع سجلًا أكثر اتساقًا قبل الاعتماد على التوقع.